确定扫描场景的几何参数———以2维直线束为例

这段代码演示了使用ASTRA工具箱进行计算机断层成像(CT)重建的基本流程，主要功能包括：

• 创建CT扫描的几何参数配置（扫描几何+重建体积几何）

• 生成Shepp-Logan仿体（测试图像）

• 通过GPU投影运算生成正弦图（sinogram）

• 可视化原始图像和投影数据

1. 导入工具包

python文件的第一步通常是引入所需要的包

import astra
import numpy as np  #python主要的矩阵数据处理库
import pylab        #用于可视化

---------------------------------------------------------------------------
ModuleNotFoundError                       Traceback (most recent call last)
Cell In[1], line 3
      1 import astra
      2 import numpy as np  #python主要的矩阵数据处理库
----> 3 import pylab        #用于可视化

ModuleNotFoundError: No module named 'pylab'

2. 确定几何

我们需要根据实际场景确定工程的几何参数设置.以下面图片展示的场景为例子

在平行束CT扫描系统中，X射线源与线阵探测器呈刚性地对向排布，两者始终保持固定距离。 该几何布局中，所有X射线路径严格平行，模拟了第一代CT扫描仪的工作模式，其中仿体位于射线源与探测器中间的旋转平台上，每个投影角度对应探测器捕获一条完整的正弦图剖面线。共采集180度数据。

#体积参数
vol_geom = astra.create_vol_geom(256, 256)
#投影参数
proj_geom = astra.create_proj_geom(
    'parallel',    # 使用平行光束（如老式CT）
    1.0,           # 探测器间距1像素
    384,           # 有384个探测单元
    np.linspace(0, np.pi, 180, False)  # 从0到180°拍180张（每1° 1张），False表示不包含终点
)
#创建投影器
proj_id = astra.create_projector('cuda', proj_geom, vol_geom) 
# 'cuda'表示使用NVIDIA显卡加速

3. 生成测试图像

Shepp-Logan仿体是国际公认的CT测试模型：

phantom_id, P = astra.data2d.shepp_logan(vol_geom) 
# phantom_id : 数据对象ID
# P : 实际的256×256像素图像数据

#可视化
pylab.gray()  # 使用灰度图显示
pylab.figure(1)
pylab.imshow(P) 

<matplotlib.image.AxesImage at 0x7f18283fceb0>

4. 正投影模拟

接下来我们要计算这个几何条件下的正投影弦图。当扫描架以等角步进（Δθ=1°）旋转时，384个探测单元以1mm间距同步采集穿透仿体的衰减信号，最终形成180×384的投影矩阵

sinogram_id, sinogram = astra.create_sino(P, proj_id)
# sinogram : 生成的180×384正弦图数据

pylab.figure(2)
pylab.imshow(sinogram) # 显示CT扫描结果（像扇形展开的胶片）
pylab.show()

5. 清理内存

ASTRA会在GPU上分配内存，需要手动释放

astra.data2d.delete(sinogram_id) 
astra.data2d.delete(phantom_id)
astra.projector.delete(proj_id)