Я пытаюсь установить два набора данных. Они содержат результаты измерения одного и того же объекта с двумя различными измерительными устройствами (рентгеновское излучение против μct).Подгоняйте 3D-матрицы к тем же серым значениям
Мне удалось восстановить данные изображения и установить ориентацию и смещение стеков. Похоже, что это (одно изображение из стопки около 500 изображений):
Весь смысл этого нужно сравнить несколько шумодав алгоритмов на данных рентгеновских лучей (слева). Предполагается, что данные от μCT (справа) близки к реальному сигналу без какого-либо шума. Итак, я хочу сравнить полученные данные из рентгеновских лучей от каждого из алгоритмов до «чистого» сигнала от μCT, чтобы увидеть, какой алгоритм производит самую низкую ошибку RMS. Поэтому мне нужно как-то подобрать серые значения от левой части к правой, не слишком сильно манипулируя шумом.
Серые значения справа находятся в диапазоне от 0 до 100, тогда как данные рентгеновского излучения колеблются от 4000 до 30000. «Пузыри» находятся в диапазоне от 8000 до 11000. (Это не реально пузыри, но искусственный фантом с отверстиями из 3D-принтера)
То, что я пытался сделать, это полоса пропускания этих пузырей и нанести их на ~ 100 при перемещении всего остального в сторону 4 (что является значением для фон данных μCT).
Вот код для этого:
zwst = zwsr;
zwsr(zwst<=8000)=round(zwst(zwst<=6500)*4/8000);
zwsr(zwst<=11000 & zwst>8000)= round(zwst(zwst<=11000 & zwst>8000)/9500*100);
zwsr(zwst>11000)=round(zwst(zwst>11000)*4/30000);
Результаты выглядят следующим образом:
Некоторые из этих пузырьков выглядят искаженными и шум часть на заднем плане ушла полностью. Есть ли лучший способ подгонять эти значения серого при сохранении шумной части?
EDIT: Чтобы прояснить ситуацию: данные μCT считаются свободными от шума, в то время как рентгеновские данные считаются шумными. Другими словами, µCT = signal
, а x-ray = signal + noise
. Чтобы квантовать качество моих методов шумоподавления, я хочу рассчитать x-ray - µCT = noise
.
Спасибо за ваше предложение. Я просмотрел «wfusimg» из набора инструментов вейвлета в Matlab. К несчастью, это, похоже, не решает моего дела. Этот метод слияния изображений объединяет данные двух изображений в одно новое изображение, чего я не хочу. Фактически, данные из рентгеновского снимка не должны изменяться ничем иным, кроме масштабирования серых значений соответствующим образом. Цель состоит в том, чтобы масштабировать данные рентгеновских лучей таким образом, чтобы уровень сигнала от рентгеновских лучей и μCT был (близко к) равным для того, чтобы оставить шум. Я отредактировал сообщение, чтобы прояснить это. – Dominic
@ Dominic Я вижу. Однако обратите внимание: вейвлеты поражают удалением шума. –
Спасибо за подсказку, мои методы шумоподавления основаны на манипуляциях с вейвлет-коэффициентом. ;-) Хорошая вещь. – Dominic