# Metoda FBP (filtrovaná zpětná projekce): podrobná analýza Stav k 2026-10-17, větev `dev`. Dokument rozebírá metodu `Tomo.do_FBP_method` (`src/tomotree/classes/_tomo_reconstruction.py`), v aplikaci stránku **Tomograph → FBP method**, a příbuznou korekci `Tomo.correct_with_FBP`. Stručný popis principu je v [backprojection.md](backprojection.md), metoda SIRT v [sirt_report.md](sirt_report.md), korekce EBSI/ERSM v [rescale_report.md](rescale_report.md). Všechny obrázky a tabulky vytváří skript [`docs/fbp_figures/make_figures.py`](fbp_figures/make_figures.py) (asi 1–2 minuty, viz [kap. 32](#32-reprodukce)). Matematické vlastnosti popsané v textu ověřují testy v `tests/test_fbp.py` ([kap. 30](#30-testy)). **Obsah** - Část I – pro uživatele: [1. Shrnutí](#1-shrnutí) · [2. Co FBP dělá](#2-co-fbp-dělá-bez-vzorců) · [3. Použití v aplikaci](#3-použití-v-aplikaci) · [4. Čtení reportu](#4-čtení-reportu) · [5. Nastavení podle situace](#5-nastavení-podle-situace) · [6. Omezení](#6-co-fbp-neumí) - Část II – matematika: [7. Model](#7-fyzikální-model-a-diskretizace) · [8. Klasická FBP](#8-klasická-fbp-radonova-transformace-a-rampový-filtr) · [9. Algebraická FBP](#9-algebraická-fbp) · [10. SVD](#10-pohled-přes-singulární-rozklad) · [11. Normování tlumení](#11-normování-tlumení) · [12. Homogenní model](#12-homogenní-model-s0) · [13. Tlusté paprsky](#13-tlusté-paprsky) · [14. Prostá ZP](#14-prostá-zpětná-projekce) · [15. Ořez rychlostí](#15-ořez-rychlostí) · [16. Rozlišení](#16-rozlišovací-matice-a-odezva-na-bod) · [17. Složitost](#17-výpočetní-náročnost) · [18. Korekce EBSI/ERSM](#18-korekce-ebsi-a-ersm) - Část III – experimenty: [19. Metodika](#19-metodika) až [29. Reálná data](#29-reálná-data) - Část IV: [30. Testy](#30-testy) · [31. Zjištění a doporučení](#31-zjištění-a-doporučení) · [32. Reprodukce](#32-reprodukce) · [Literatura](#literatura) --- # Část I – pro uživatele ## 1. Shrnutí - FBP ze změřených dob průletu mezi senzory spočítá rychlost zvuku v každé buňce řezu. Je to **jeden výpočet bez iterací** (desítky milisekund), výsledek nezávisí na náhodě ani na počátečním odhadu. - Ve výchozím nastavení (**tlusté paprsky 12 %, tlumení λ = 1**) dává na syntetických stromech obraz srovnatelný s metodou SIRT a podstatně lepší než Rays, EBSI a ERSM bez dodatečné korekce: dutinu ukáže na správném místě a s rychlostí blízkou skutečnosti, kontrast se ale na okraji dutiny rozmaže na zhruba 10–15 cm. - **Tlumení λ** je hlavní „knoflík“: menší λ = ostřejší obraz, ale víc artefaktů a citlivost na chyby měření; větší λ = hladší obraz s menším kontrastem. Rozumný rozsah 0,5–3. - **Šířka paprsku** určuje rozlišení: úzké paprsky (pod 8 %) dávají pruhy podél paprsků, široké (nad 20 %) slévají sousední defekty. Výchozích 12 % je kompromis. - Defekty menší než asi 8 cm v průměru FBP (ani jiná metoda při 12 senzorech) spolehlivě nerozliší. - Prostá (nefiltrovaná) zpětná projekce je jen pro srovnání: dutinu výrazně podhodnotí. - **Absolutní rychlost v dutině neberte doslova.** Zvuk dutinu obchází, takže všechny metody s přímými paprsky (i FBP) ukážou dutinu jako mírnější zpomalení, než ve skutečnosti je ([kap. 27](#27-ohyb-paprsků)). Spolehlivé jsou poloha, tvar a relativní pokles proti zdravému dřevu. ## 2. Co FBP dělá (bez vzorců) Přístroj změří, jak dlouho trvá zvuku cesta mezi každými dvěma senzory. Z 12 senzorů je to 66 „paprsků“. Paprsek, který prochází dutinou nebo hnilobou, je pomalejší, protože zvuk se v poškozeném dřevě šíří pomaleji (nebo musí dutinu obejít). **Zpětná projekce** je nejjednodušší nápad: rychlost každého paprsku „rozetřeme“ podél jeho dráhy a v každé buňce zprůměrujeme paprsky, které jí procházejí. Dutina se tak ukáže, protože se v ní kříží pomalé paprsky. Jenže každý pomalý paprsek zpomalí i zdravé dřevo, kterým prochází mimo dutinu, a naopak rychlé paprsky kolem dutiny ji „zrychlí“. Výsledek je **rozmazaný a defekt vychází mnohem rychlejší (méně nápadný), než je**. Na obrázku 4 má dutina se skutečnou rychlostí 500 m/s po prosté zpětné projekci kolem 1000 m/s. **Filtr** to napravuje. Dřív než data rozetřeme, upravíme je: od každého paprsku odečteme to, co k jeho době průletu „přispějí“ ostatní paprsky, které ho kříží nebo vedou souběžně. Zbude jen ta část zpoždění, kterou ostatní paprsky nevysvětlí. Teprve tu rozetřeme. Výsledek pak **přesně (nebo téměř přesně) odpovídá naměřeným časům**: když z hotového obrazu spočítáme doby průletu zpět, dostaneme naměřené hodnoty. Protože paprsků je jen 66 a buněk stovky až tisíce, takových obrazů existuje nekonečně mnoho. FBP vybere ten, který se **nejméně liší od stejnoměrného (homogenního) stromu**. Do míst, o kterých měření nic neříkají, tak nevymýšlí detaily. **Tlumení λ** říká, jak moc má obraz naměřeným časům věřit. Měření má vždy chyby (špatný kontakt senzoru, nepřesná poloha, šum). Bez tlumení by se obraz snažil vysvětlit i chyby a vznikly by nesmyslně rychlé či pomalé skvrny. S tlumením se obraz vzdá přesné shody s časy výměnou za klidnější průběh. **Tlustý paprsek.** Zvuk ve dřevě neletí po nekonečně tenké čáře; doba průletu závisí na pásu kolem spojnice senzorů (široký zhruba jako odmocnina z vlnové délky krát vzdálenost, pro kmen 50 cm to je 10–15 cm). Proto každý paprsek rozetřeme i do sousedních buněk, s váhou klesající se vzdáleností od spojnice. Obraz pak nemá pruhy podél paprsků a vyplní se i buňky, kterými žádná spojnice neprochází. ![Geometrie a pokrytí](fbp_figures/fbp_03_geometry.png) *Obrázek 3. Vlevo: 12 senzorů, 66 paprsků a fantom s mimostředovou dutinou. Uprostřed: kolika paprsky je pokryta každá buňka – u tenkých paprsků 0 až 11, mnoho buněk jen jedním nebo žádným; u tlustých 24 až 36. Vpravo: váhy jednoho tlustého paprsku (jeden řádek matice A).* ## 3. Použití v aplikaci Stránka **Tomograph → FBP method**, expander **Back projection parameters**: | widget | registr | výchozí | význam | kdy měnit | |---|---|---|---|---| | FBP: Filtered back projection | `fbp_filtered` | zapnuto | filtrovaná / prostá zpětná projekce | vypnout jen pro srovnání | | FBP: Damping of the filter | `fbp_damping` | 1,0 | tlumení λ | 0,3–0,5 u kvalitních dat a výrazných defektů, 2–5 u zašuměných dat | | FBP: Ray width (% of tree diameter) | `fbp_ray_width` | 12 % | šířka tlustého paprsku, 0 = tenké | 8–10 % u velkých kmenů s mnoha senzory, 15–20 % u málo senzorů | Na FBP působí i společná nastavení stránky Tomograph: velikost mřížky (`nx`, `ny`), korekce anizotropie (přepočte rychlosti tečných paprsků **před** výpočtem), obvod (spline / polygon / naskenovaný), kůra, vybrané senzory a vypnuté paprsky. „Rescale speeds“ a „Correct by back projection“ se u FBP nenabízejí (FBP už časy splňuje). Hodnoty lze uložit do `config.yaml` stromu (klíče `fbp_filtered`, `fbp_damping`, `fbp_ray_width`) a „Reproduce in Jupyter“ vygeneruje volání tohoto typu (se všemi parametry stránky) ```python from tomotree import analysis from tomotree.dataset import load_dataset config, data = load_dataset('streamlit_data/Jičín_05') t = analysis.reconstruct(data, method='FBP', nx=41, ny=41, anisotropy=True, boundary='spline', fbp_filtered=True, fbp_damping=1.0, fbp_ray_width=0.12) print(t.fbp_report) t.plot() ``` Přímé volání na objektu `Tomo`: ```python import tomotree as tomo t = tomo.Tomo(nodes, speeds, nx=41, ny=41, symmetric=True) t.do_FBP_method() # tlusté paprsky 12 %, λ = 1 t.do_FBP_method(damping=0.3) # ostřejší t.do_FBP_method(ray_width=None, damping=0.1) # tenké paprsky t.do_FBP_method(filtered=False) # prostá zpětná projekce t.do_FBP_method(speed_min=300, speed_max=1800) # vlastní meze rychlosti ``` ## 4. Čtení reportu Pod parametry je „Back projection report“, např. pro Jičín_05 s výchozím nastavením: ``` Filtered back projection finished in 70 ms, damping 1.0, ray width 0.076, 961 cells. Relative residual: 0.0737. Speed interval: min=679, max=2302. Cells clipped: 13 to the maximum 2302, 0 to the minimum 477. ``` U Jičín_14 je nejpomalejší paprsek 568 m/s a dolní mez je 340 m/s (rychlost zvuku ve vzduchu, [kap. 15](#15-ořez-rychlostí)); na ní skončí 13 buněk: ``` Speed interval: min=340, max=3126. Cells clipped: 1 to the maximum 3126, 13 to the minimum 340. ``` | řádek | význam | na co dát pozor | |---|---|---| | `finished in … ms` | doba výpočtu | stovky ms jen u jemné mřížky (80×80 a víc) | | `damping`, `ray width` | použité λ a šířka paprsku v metrech (12 % největší vzdálenosti senzorů) | | | `… cells` | počet neznámých: buňky uvnitř obvodu a buňky mimo obvod, kterými prochází paprsek | | | `(… without rays)` | jen u prosté ZP: buňky bez paprsku zůstanou prázdné | u tenkých paprsků mnoho | | `Relative residual` | $\lVert Ax-b\rVert/\lVert b\rVert$: relativní nesoulad dob průletu z obrazu a naměřených | počítá se s maticí zvolených (tlustých) paprsků, po ořezu; hodnoty pro různé šířky paprsku nejsou přímo srovnatelné | | `Speed interval` | nejmenší a největší rychlost v obraze | | | `Cells clipped` | kolik buněk bylo oříznuto na horní a kolik na dolní mez | viz níže | **Oříznuté buňky.** Horní mez je rychlost nejrychlejšího paprsku. Ve zdravém dřevě je skutečná rychlost právě kolem ní, takže už malý překmit nahoru se ořízne. Desítky až stovky buněk oříznutých **nahoru** jsou proto normální (na syntetickém stromu s dutinou je to při λ = 1 asi 40 % buněk, všechny na horní mezi). Varovným signálem je ořez **dolů** (na 0,5 × nejpomalejší paprsek, nejméně 340 m/s): to znamená nereálně pomalé skvrny, typicky při λ < 0,1 nebo u chybného měření. Report proto oba druhy vypisuje zvlášť. ## 5. Nastavení podle situace | co vidím | pravděpodobná příčina | co zkusit | |---|---|---| | hvězdice nebo pruhy podél paprsků | tenké nebo úzké paprsky | šířku 10–15 % | | skvrny „rychlého dřeva“ a malé pomalé ostrůvky u kůry | λ příliš malé nebo chybné časy | λ = 1–3; zkontrolovat paprsky v „Select rays“ | | defekt je nevýrazný, obraz skoro jednobarevný | λ příliš velké | λ = 0,3–1 | | dva blízké defekty splynuly v jeden | paprsky příliš široké | šířku 8 % a λ = 0,5 | | defekt „utekl“ k jednomu senzoru | špatný čas paprsků z jednoho senzoru (kontakt, poloha) | vypnout podezřelé paprsky nebo senzor, porovnat se SIRT | | obraz se liší od SIRT/ERSM jen v detailech u kůry | běžné, u kůry je málo informace | rozhoduje shoda v jádru | Praktický postup: 1. Spustit FBP s výchozím nastavením a podívat se na report. 2. Zkusit λ = 0,5 a λ = 2. Co se v obraze objeví jen při malém λ, je nejisté; co zůstane i při λ = 2, je spolehlivé. 3. Porovnat se SIRT. Obě metody řeší stejnou soustavu s jinou regularizací; shoda je dobrý znak. ## 6. Co FBP neumí - **Přímé paprsky.** Model předpokládá, že zvuk letí po přímce. Ve skutečnosti obíhá kolem dutiny nejrychlejší cestou, takže naměřená doba je kratší, než by odpovídalo přímce. FBP proto dutinu podhodnotí (vyjde rychlejší a menší), viz [kap. 27](#27-ohyb-paprsků). - **Malé defekty.** S 12 senzory a tlustými paprsky je „rozlišení“ asi 12–15 cm ([kap. 16](#16-rozlišovací-matice-a-odezva-na-bod)). - **Reakční čas přístroje** (konstantní zpoždění přičtené ke všem časům) FBP neodhaduje, SIRT ano. - **Anizotropie dřeva** se řeší jen předem, jednoduchou korekcí rychlostí tečných paprsků. - **Meze** se uplatní až na výsledek (ořez), ne během výpočtu jako u SIRT. --- # Část II – matematika ## 7. Fyzikální model a diskretizace Doba průletu paprsku $i$ je integrál pomalosti $s = 1/v$ podél dráhy $\Gamma_i$: $$t_i = \int_{\Gamma_i} s(\mathbf r)\,\mathrm d\ell.$$ Je **lineární v pomalosti**, ne v rychlosti; proto všechny metody s maticí pracují s pomalostí. Rozdělíme řez na buňky $j = 1,\dots,n$ s konstantní pomalostí $x_j$; pak $$t_i = \sum_{j} a_{ij} x_j,\qquad b = A x,\qquad A\in\mathbb R^{m\times n},$$ kde $a_{ij}$ je délka paprsku $i$ v buňce $j$ (tenké paprsky) nebo její rozprostřená obdoba (tlusté paprsky, [kap. 13](#13-tlusté-paprsky)). Pro každý řádek platí $\sum_j a_{ij} = L_i$ (délka paprsku). Příklad (12 senzorů na kruhu o poloměru 30 cm, mřížka 41×41): | veličina | hodnota | |---|---| | paprsků $m$ | 66 | | neznámých $n$ (buňky uvnitř + buňky mimo obvod protnuté paprskem) | 952 | | nenulových prvků $A$, tenké paprsky | 2013 (průměrně 30 buněk na paprsek) | | nenulových prvků $A$, tlusté paprsky 12 % | 29 428 (průměrně 446 buněk na paprsek) | Soustava je **silně podurčená** ($m \ll n$): má nekonečně mnoho řešení a je třeba vybrat jedno. Podurčenost není chyba metody, ale vlastnost měření; každá metoda (Rays, EBSI, ERSM, SIRT, FBP) ji řeší nějakou volbou navíc. V kódu: `Tomo._ray_cell_system` rozdělí paprsky na úseky na hranicích buněk, sestaví řídkou matici $A$ a vektor $b_i = L_i / v_i$ (rychlosti $v_i$ po korekci anizotropie). Neznámé jsou buňky uvnitř obvodu (`compute_inside_mask`) a všechny buňky protnuté paprskem. ## 8. Klasická FBP: Radonova transformace a rampový filtr V lékařské CT se paprsek popíše směrem $\theta$ a vzdáleností $s$ od středu. **Radonova transformace** funkce $f$ je $$(Rf)(\theta, s) = \int_{\mathbb R} f(s\,\boldsymbol\omega_\theta + u\,\boldsymbol\omega_\theta^\perp)\,\mathrm du, \qquad \boldsymbol\omega_\theta = (\cos\theta, \sin\theta).$$ Tabulka $(Rf)(\theta,s)$ je **sinogram** (bod v obraze dává sinusovku). **Zpětná projekce** je adjungovaný operátor $$(R^* g)(\mathbf r) = \int_0^\pi g(\theta,\, \mathbf r\cdot\boldsymbol\omega_\theta)\,\mathrm d\theta,$$ tj. každá hodnota sinogramu se rozetře podél své přímky a sečte se přes všechny směry. **Věta o Fourierově řezu**: 1D Fourierova transformace řádku sinogramu podle $s$ je řez 2D Fourierovou transformací obrazu, $\widehat{(Rf)}(\theta,\sigma) = \hat f(\sigma\boldsymbol\omega_\theta)$. Inverzní 2D Fourierova transformace v polárních souřadnicích má jakobián $|\sigma|$: $$f(\mathbf r) = \frac{1}{4\pi^2}\int_0^{\pi}\!\int_{-\infty}^{\infty} \hat f(\sigma\boldsymbol\omega_\theta)\, |\sigma|\, e^{i\sigma\,\mathbf r\cdot\boldsymbol\omega_\theta}\, \mathrm d\sigma\,\mathrm d\theta = \frac{1}{2\pi}\, R^*\big(\mathcal F_s^{-1} |\sigma|\, \mathcal F_s Rf\big)(\mathbf r),$$ kde $\mathcal F_s g(\sigma) = \int g(s) e^{-i\sigma s}\,\mathrm ds$ a $\mathcal F_s^{-1} h(s) = \frac{1}{2\pi}\int h(\sigma) e^{i\sigma s}\,\mathrm d\sigma$. To je celá FBP: **každý řádek sinogramu vynásobit ve Fourierově prostoru $|\sigma|$ (rampový filtr) a zpětně promítnout.** Bez filtru dostaneme $R^*Rf$, což je $f$ zkonvolvované s $1/|\mathbf r|$ (odtud rozmazání a „hvězda“ kolem bodu). Rampový filtr je tedy (až na konstantu) inverze operátoru $R R^*$ v prostoru dat: $$f = R^*(RR^*)^{-1} Rf,\qquad (RR^*)^{-1} \propto |\sigma| \ \text{(v každém řádku sinogramu)}.$$ V praxi se rampa násobí oknem (Shepp–Logan, Hamming), aby nezesilovala vysoké frekvence (šum). V prostoru je rampový filtr konvoluce s jádrem $h_0 = 1/4$, $h_k = -1/(\pi k)^2$ pro liché $k$ a $0$ pro sudé $k \ne 0$ (Ram–Lak): střed se zesílí a sousedé se odečtou. ![Klasická FBP](fbp_figures/fbp_01_classical.png) *Obrázek 1. Klasická FBP na pravidelném sinogramu (paralelní paprsky, 128 poloh). Nahoře: fantom, jeho sinogram ze 180 směrů, prostá zpětná projekce (rozmazaná) a FBP (ostrá). Dole: odezva na bod (prostá ZP vs FBP) a FBP s rampovým filtrem jen z 12 a 6 směrů – hvězdicové artefakty dominují.* ![Rampový filtr](fbp_figures/fbp_02_ramp.png) *Obrázek 2. Rampový filtr a jeho okna (vlevo) a diskrétní rampový filtr v prostoru (vpravo).* **Proč to u stromu nejde.** Rampový filtr a FFT potřebují sinogram vzorkovaný hustě a pravidelně: stovky směrů, v každém stovky rovnoběžných paprsků. Strom s 12 senzory dává 66 paprsků ve vějířové geometrii, tj. 12 „směrů“ po 5–6 paprscích, a u nekruhového kmene ani ty neleží na mřížce $(\theta,s)$. Jak ukazuje obr. 1 vpravo dole, i ideální klasická FBP z 12 směrů dává silné pruhy. ## 9. Algebraická FBP V diskrétním světě odpovídá $R$ matici $A$ a $R^*$ matici $A^T$ (rozdělí hodnotu paprsku do buněk v poměru délek). Vzorec $f = R^*(RR^*)^{-1} g$ přejde v $$x = A^T (A A^T)^{-1} b.$$ Matice $AA^T$ má rozměr $m\times m$ (66×66), takže „filtr“ je jedna malá soustava rovnic a funguje pro **libovolné** rozmístění senzorů i tvar kmene. TomoTree počítá $$\boxed{\;x = s_0\mathbf 1 + A^T (A A^T + \mu I)^{-1} (b - A s_0\mathbf 1),\qquad \mu = \lambda\,\frac{\operatorname{tr}(AA^T)}{m}\;}$$ (`Tomo._fbp_filter`). Postup je doslova „filtrovat a pak promítnout“: 1. **reziduum homogenního modelu** $r = b - A s_0\mathbf 1$ (o kolik je každý paprsek pomalejší než homogenní strom), 2. **filtr** $y = (AA^T + \mu I)^{-1} r$ – odečte vzájemné překryvy paprsků, 3. **zpětná projekce** $x - s_0\mathbf 1 = A^T y$. ### 9.1 Řešení s nejmenší odchylkou ($\mu = 0$) Hledáme $x$ splňující $Ax = b$, které je nejblíž homogennímu modelu: $$\min_x \tfrac12\lVert x - s_0\mathbf 1\rVert^2 \quad\text{za podmínky}\quad Ax = b.$$ Lagrangeova funkce $\tfrac12\lVert x - s_0\mathbf 1\rVert^2 - y^T(Ax - b)$ dává $x - s_0\mathbf 1 = A^T y$ a z podmínky $AA^T y = b - A s_0\mathbf 1$. Tedy $x = s_0\mathbf 1 + A^T(AA^T)^{-1}(b - As_0\mathbf 1)$ – je to Mooreova–Penroseova pseudoinverze aplikovaná na reziduum. Důsledek: **výsledek leží v prostoru řádků $A$**, tj. odchylka od $s_0$ je lineární kombinace „rozetřených paprsků“. Do směrů, které paprsky nevidí (jádro $A$), nepřidá nic. ### 9.2 Tlumení = Tikhonovova regularizace Pro $\mu > 0$ je výsledek totožný s řešením $$\min_x \lVert A x - b\rVert^2 + \mu \lVert x - s_0 \mathbf 1\rVert^2,$$ jehož normální rovnice dávají $x = s_0\mathbf 1 + (A^TA + \mu I)^{-1}A^T r$. Shodu zaručuje identita (push-through) $$(A^TA + \mu I)^{-1}A^T = A^T(AA^T + \mu I)^{-1},$$ která plyne z $A^T(AA^T + \mu I) = (A^TA+\mu I)A^T$. Levá strana by vyžadovala soustavu $n\times n$ (952×952 a víc), pravá jen $m\times m$ (66×66). Test `test_filter_equals_tikhonov_in_cell_space` ověřuje rovnost numericky. Limitní případy (testy `test_small_damping_gives_minimum_norm_solution`, `test_large_damping_approaches_plain_back_projection_of_misfit`): - $\lambda\to 0$: přesné splnění $Ax=b$, řešení s nejmenší odchylkou (pro tenké paprsky $AA^T$ regulární; u tlustých téměř singulární, viz kap. 10), - $\lambda\to\infty$: $(AA^T+\mu I)^{-1}\approx \mu^{-1}I$, tedy $x - s_0\mathbf 1 \approx \mu^{-1} A^T r$ – **prostá zpětná projekce rezidua** s malou amplitudou; obraz se blíží homogennímu. ## 10. Pohled přes singulární rozklad Nechť $A = U\Sigma V^T$, singulární hodnoty $\sigma_1\ge\dots\ge\sigma_m > 0$, $u_k$, $v_k$ singulární vektory. Pak $$x - s_0\mathbf 1 = \sum_{k=1}^{m} \underbrace{\frac{\sigma_k^2}{\sigma_k^2 + \mu}}_{\phi_k}\, \frac{u_k^T r}{\sigma_k}\, v_k .$$ - **pseudoinverze** ($\mu=0$): $\phi_k = 1$, složky s malým $\sigma_k$ se dělí malým číslem → zesílení šumu, - **FBP s tlumením**: filtrační faktory $\phi_k$ plynule potlačí složky se $\sigma_k^2 \lesssim \mu$, - **prostá ZP** ($A^T r$): váha $\sigma_k$ místo $1/\sigma_k$ – přesně opačné zvýraznění, proto rozmazání. Rampový filtr v klasické FBP dělá totéž: zesiluje vysoké frekvence (malá $\sigma$) a zeslabuje nízké. ![SVD](fbp_figures/fbp_08_svd.png) *Obrázek 8. Vlevo: vlastní čísla $AA^T$ (= $\sigma_k^2$) pro tenké a tlusté paprsky, tečkovaně $\mu$ pro λ = 1. Uprostřed: filtrační faktory pro λ = 0,1; 1; 10. Vpravo: stopa rozlišovací matice $\operatorname{tr}R = \sum\phi_k$ – kolik nezávislých „kombinací paprsků“ obraz skutečně využívá.* Číselně (12 senzorů, mřížka 41×41): | | tenké paprsky | tlusté paprsky 12 % | |---|---|---| | číslo podmíněnosti $AA^T$ | 12 | 50 000 | | vlastních čísel nad $\mu$ (λ = 1) | 35 z 66 | 12 z 66 | | $\operatorname{tr}R$ při λ = 0,3 / 1 / 3 | 48 / 31 / 16 | 23 / 15 / 9 | Tenké paprsky dávají dobře podmíněnou $AA^T$: jen 66 paprsků přes stovky buněk se téměř nepřekrývá. Tlusté paprsky se ve skutečnosti silně překrývají (blízké rovnoběžné paprsky nesou skoro stejnou informaci), $AA^T$ je téměř singulární a **tlumení je nutné**. Při λ < 0,1 dává FBP s tlustými paprsky záporné pomalosti (nefyzikální; viz [kap. 21](#21-tlumení-λ)). ## 11. Normování tlumení $\mu = \lambda\,\operatorname{tr}(AA^T)/m$ je λ krát průměrný diagonální prvek $AA^T$, tj. průměr $\sum_j a_{ij}^2$ přes paprsky (průměrné „vlastní“ vlastní číslo). Důsledky: - **jednotky**: $a_{ij}$ v metrech, $\mu$ v m², λ je bezrozměrné, - **velikost mřížky**: pro tenké paprsky $\sum_j a_{ij}^2 \approx L_i h$ ($h$ = velikost buňky) a stejně se škálují všechna vlastní čísla $AA^T$, takže filtrační faktory $\phi_k$ se s jemností mřížky nemění. U tlustých paprsků je $A$ diskretizací hladkých funkcí a obraz je na mřížce prakticky nezávislý (`test_damping_does_not_depend_on_grid_size`, tabulka v [kap. 25](#25-mřížka-a-výpočetní-čas)). U tenkých paprsků se ale s jemnější mřížkou zužují pruhy, do kterých se defekt promítne, a kontrast dutiny klesá, - **velikost kmene**: vzdálenosti se škálují stejně v $A$ i $\mu$; λ znamená u malého i velkého stromu totéž. ## 12. Homogenní model $s_0$ $$s_0 = \frac{\sum_i t_i}{\sum_i L_i}$$ je celkový čas děleno celkovou délkou, tj. pomalost „průměrného“ stromu. Výhody: - homogenní strom vyjde **přesně** (reziduum je nulové, filtr nic nepřidá) – test `test_homogeneous_speed_is_reconstructed`, - buňky, o kterých data nic neříkají, zůstanou na průměru místo na nule, - regularizace tlačí k průměru, ne k nulové pomalosti (nekonečné rychlosti). Poznámka: nejlepší konstanta ve smyslu nejmenších čtverců by byla $\sum_i L_i t_i / \sum_i L_i^2$ (váží dlouhé paprsky víc). U fantomů se od $s_0$ liší o 2–4 %, na výsledek FBP to ale vliv nemá (mimostředová dutina: 632 m/s v obou případech, RMSE 174 a 175 m/s), protože filtr odchylku od výchozího modelu ve „viděných“ směrech stejně dorovná a zbytek tvoří jen konstantní posun v nevidených směrech. U stromu s dutinou je $s_0$ pomalejší než zdravé dřevo (u mimostředové dutiny odpovídá 1340 m/s, u centrální 1250 m/s místo 1500 m/s). Řešení s nejmenší odchylkou od $s_0$ proto zdravé dřevo daleko od paprsků přes dutinu mírně podcení a jinde přestřelí – obr. 5. ## 13. Tlusté paprsky Vlna o vlnové délce $\Lambda$ „vidí“ první Fresnelovu zónu kolem paprsku o šířce zhruba $\sqrt{\Lambda L}$. Pro dřevo ($v \approx$ 1000–1500 m/s, frekvence 2–5 kHz, $\Lambda \approx$ 0,25–0,6 m) a $L$ = 0,5 m to je 0,35–0,55 m na celou šířku; Gaussův profil se šířkou $w$ = 12 % průměru (6 cm u 50cm kmene, efektivní šířka $\approx 2w$) je opatrná náhrada. TomoTree (`Tomo._fat_ray_matrix`): $$a_{ij} = L_i\,\frac{w_{ij}}{\sum_k w_{ik}},\qquad w_{ij} = \exp\!\big(-(d_{ij}/w)^2\big), \qquad d_{ij} < 2{,}5\,w,$$ kde $d_{ij}$ je vzdálenost středu buňky od úsečky paprsku. Řádkové součty zůstávají $L_i$ (`test_fat_ray_rows_sum_to_ray_lengths`). Paprsek bez buňky v dosahu (velmi krátký) si nechá řádek tenkých paprsků. Matematicky je tlustý paprsek přibližně $A_{\text{fat}} \approx A_{\text{thin}} G$, kde $G$ je Gaussovo rozmazání. Výsledek FBP $x - s_0 = A_{\text{fat}}^T y = G^T A_{\text{thin}}^T y$ je proto **hladká funkce** (rozmazaná zpětná projekce). To dělá tlusté paprsky formou regularizace hladkosti: pruhy zmizí, rozlišení klesne na řád $w$. Obr. 10 a kap. 22 ukazují volbu šířky. ## 14. Prostá zpětná projekce S `filtered=False`: $$x_j = \frac{\sum_i a_{ij}\,(t_i/L_i)}{\sum_i a_{ij}},$$ váhovaný průměr pomalostí $t_i/L_i$ paprsků procházejících buňkou. Buňka bez paprsku zůstane prázdná. S tenkými paprsky je to obdoba metody Rays a první iterace SIRT. Homogenní strom vyjde přesně, ale dutina se „rozpustí“ do všech paprsků, které jí procházejí; u fantomu s dutinou 500 m/s vyjde kolem 1000 m/s. ## 15. Ořez rychlostí Po výpočtu se pomalosti ořežou na $[1/v_{\max}, 1/v_{\min}]$, výchozí $v_{\max} = \max_i v_i$ (nejrychlejší paprsek) a $v_{\min} = \max(340\ \text{m/s},\ 0{,}5\min_i v_i)$. Zdůvodnění: - nejrychlejší paprsek prochází (téměř) jen zdravým dřevem, rychlejší buňka je nefyzikální, - pomalejší buňky, než je nejpomalejší paprsek, jsou možné (dutina je pomalejší než paprsek přes ni), ale ne o víc než polovinu, - a nikdy ne pomalejší než zvuk ve vzduchu (340 m/s). **Je mez 340 m/s fyzikálně oprávněná?** Jako obecná mez rychlosti v látce ne: směsi vzduchu a vody nebo velmi měkké porézní látky mohou mít rychlost zvuku i nižší než vzduch. Pro tomogram stromu ale ano, jako mez věrohodnosti. Vzduchem v dutině vlna prakticky neprojde: akustická impedance dřeva ($\rho v \approx 600 \cdot 1500 \approx 10^6$ Pa·s/m) je asi 2000× vyšší než impedance vzduchu ($1{,}2 \cdot 340 \approx 410$ Pa·s/m), takže přes rozhraní projde zhruba $4Z_1Z_2/(Z_1+Z_2)^2 \approx 0{,}2$ % energie a dvě rozhraní dutiny zlomek promile. První příchod, který přístroj měří, vede dřevem kolem dutiny ([kap. 27](#27-ohyb-paprsků)), takže zpoždění je vždy menší, než kdyby vlna dutinu přeletěla rychlostí 340 m/s. Buňka pomalejší než zvuk ve vzduchu proto není výsledek měření, ale artefakt inverze: překmit filtru, záporná pomalost při malém λ nebo chybný čas (reakční čas přístroje, špatný kontakt senzoru). Mez artefakt neodstraní, jen omezí jeho dopad; počet buněk na dolní mezi je v reportu. Do října 2026 byla výchozí mez jen $0{,}5\min_i v_i$ a u datasetu Jičín_14 (nejpomalejší paprsek 568 m/s) vycházely buňky až 320 m/s. Explicitně zadané `speed_min` platí i pod 340 m/s. Ořez je **nelineární krok mimo model**; po něm už $x$ není Tikhonovovo řešení a reziduum mírně vzroste. Protože jsou $v_{\max}$ i zdravé dřevo prakticky stejné, ořez nahoře zasáhne velkou část zdravého dřeva (viz [kap. 4](#4-čtení-reportu)) a ve skutečnosti obraz zlepší (odstraní přestřely Gibbsova typu). ## 16. Rozlišovací matice a odezva na bod Dosazením $b = Ax_{\text{true}}$ (přesná data) dostaneme $$x - s_0\mathbf 1 = \underbrace{A^T(AA^T + \mu I)^{-1}A}_{R}\,(x_{\text{true}} - s_0\mathbf 1).$$ $R$ ($n\times n$) je **rozlišovací matice**: sloupec $j$ ukazuje, jak se jednotková porucha v buňce $j$ promítne do obrazu (point spread function). Ideál je $R = I$; reálně je $R$ projektor na „viditelné“ směry, tlumený faktory $\phi_k$. $\operatorname{tr}R=\sum_k\phi_k$ je počet efektivně určených parametrů (obr. 8 vpravo). ![PSF](fbp_figures/fbp_09_psf.png) *Obrázek 9. Odezva na bodovou poruchu ve třech místech (řádky: střed, mimostředový bod, bod u kůry; křížek = skutečná poloha). Sloupce: prostá ZP, FBP s tenkými paprsky λ = 0,1, FBP s tlustými paprsky λ = 1 a 0,3. Normováno maximem, modrá = záporný překmit.* | varianta | bod (m) | R_jj | průměr poloviční výšky (cm) | min/max (záporný překmit) | |---|---|---|---|---| | prostá ZP, tenké | (0, 0) | – | 13,8 | 0 | | prostá ZP, tenké | (0.12, 0.05) | – | 6,84 | 0 | | prostá ZP, tenké | (0.22, -0.1) | – | 10,3 | 0 | | FBP, tenké, λ = 0,1 | (0, 0) | 0,101 | 3,42 | -0,106 | | FBP, tenké, λ = 0,1 | (0.12, 0.05) | 0,0337 | 11 | -0,24 | | FBP, tenké, λ = 0,1 | (0.22, -0.1) | 0,0126 | 11,3 | -0,207 | | FBP, tlusté, λ = 1 | (0, 0) | 0,0137 | 14,5 | -0,0272 | | FBP, tlusté, λ = 1 | (0.12, 0.05) | 0,0129 | 15,7 | -0,0754 | | FBP, tlusté, λ = 1 | (0.22, -0.1) | 0,0151 | 14,9 | -0,0268 | | FBP, tlusté, λ = 0,3 | (0, 0) | 0,0225 | 12,3 | -0,052 | | FBP, tlusté, λ = 0,3 | (0.12, 0.05) | 0,0203 | 13,2 | -0,0885 | | FBP, tlusté, λ = 0,3 | (0.22, -0.1) | 0,0218 | 13,8 | -0,0634 | Odezva prosté ZP je hvězda přes celý kmen. FBP s tenkými paprsky je ostřejší ve středu (kříží se tam nejvíc paprsků), ale u kůry dává protáhlé pruhy. Tlusté paprsky dávají kompaktní, téměř kruhovou skvrnu o průměru 12–16 cm **všude** – rozlišení je méně závislé na poloze. Malé $R_{jj}$ (0,01–0,02) znamená, že porucha v jediné buňce se ukáže jen s 1–2 % amplitudy, rozprostřená na ploše asi 80 buněk (průměr 12–16 cm při buňce 1,5 cm). Defekt menší než tato skvrna se proto zobrazí zmenšeným kontrastem a zvětšený; defekt větší se zobrazí se správnou rychlostí uvnitř a rozmazaným okrajem. ## 17. Výpočetní náročnost | krok | složitost | 41×41, 66 paprsků | |---|---|---| | rozdělení paprsků na úseky, matice $A$ | $O(m\sqrt n)$ | většina času (Python) | | tlusté paprsky | $O(mn)$ | | | $G = AA^T$ (hustě) | $O(m^2 n)$ | ~4 mil. operací | | řešení $(G+\mu I)y = r$ | $O(m^3)$ | ~0,3 mil. operací | | zpětná projekce $A^Ty$ | $O(mn)$ | | Celkem desítky ms; přesné časy v [kap. 25](#25-mřížka-a-výpočetní-čas). Žádné iterace, žádné kritérium zastavení. Pro 32 senzorů (496 paprsků) je soustava 496×496, stále zlomek sekundy. ## 18. Korekce EBSI a ERSM `Tomo.correct_with_FBP` použije stejný filtr s jiným výchozím modelem: místo $s_0$ výsledek EBSI/ERSM $x_0$ (buňky bez hodnoty dostanou $s_0$): $$x = x_0 + A^T(AA^T + \mu I)^{-1}(b - Ax_0).$$ Je to Tikhonovovo řešení nejblíž $x_0$: kde data nic neříkají, zůstane EBSI/ERSM, kde jsou v rozporu s naměřenými časy, opraví se. Časy se berou z `ray.time` (po korekci anizotropie, před „Rescale speeds“, který přepisuje rychlosti paprsků). Experiment v [kap. 28](#28-korekce-ersm). --- # Část III – experimenty ## 19. Metodika **Fantomy.** Kruhový kmen o poloměru 30 cm, 12 senzorů na obvodu (pokud není uvedeno jinak), zdravé dřevo 1500 m/s. Doby průletu jsou přesné integrály pomalosti po přímkách (4000 bodů na paprsek), kromě [kap. 27](#27-ohyb-paprsků) a [kap. 23](#23-šum-v-měření). Mřížka 41×41, obvod polygon přes senzory, bez korekce anizotropie. | fantom | popis | |---|---| | centrální dutina | kruh r = 10 cm ve středu, 500 m/s | | mimostředová dutina | kruh r = 8 cm se středem (12, 5) cm, 500 m/s | | dvě dutiny | kruhy r = 6 cm v (−12, 6) a (10, −8) cm, 500 m/s | | malá dutina | kruh r = 4 cm v (5, 0) cm, 500 m/s | | radiální trhlina | obdélník 3 × 20 cm od středu ke kůře, 400 m/s | | hniloba v prstenci | mezikruží 12–20 cm, 800 m/s | | hniloba u kůry | kruh r = 9 cm se středem 27 cm od osy (zasahuje ke kůře), 600 m/s | **Metriky** (počítané na buňkách uvnitř obvodu): - *defekt / dutina*: průměrná rychlost v buňkách, které jsou ve skutečnosti defekt, - *zdravé*: průměrná rychlost ve zdravém dřevě, - *RMSE*: odmocnina středního čtverce rozdílu rychlostí proti skutečnosti, - *IoU*: překryv oblasti „rychlost < 1000 m/s“ v obraze se skutečným defektem (průnik / sjednocení; 1 = přesná shoda), - *falešně pomalé*: podíl zdravých buněk s rychlostí < 1000 m/s, - *reziduum*: $\lVert Ax-b\rVert/\lVert b\rVert$ s maticí **tenkých** paprsků (stejné měřítko pro všechny metody). ## 20. Prostá a filtrovaná zpětná projekce ![Varianty](fbp_figures/fbp_04_variants.png) *Obrázek 4. Centrální (nahoře) a mimostředová (dole) dutina: skutečnost, prostá ZP s tenkými a tlustými paprsky, FBP s tenkými paprsky (λ = 0,1) a výchozí FBP (tlusté, λ = 1). Čárkovaně skutečný obrys dutiny, prázdné buňky = bez paprsku.* | fantom | varianta | dutina (m/s) | zdravé dřevo (m/s) | RMSE (m/s) | IoU dutiny | reziduum | |---|---|---|---|---|---|---| | centrální dutina r = 10 cm | prostá ZP, tenké | 971 | 1302 | 313 | 0,333 | 0,0847 | | centrální dutina r = 10 cm | prostá ZP, tlusté | 1016 | 1278 | 288 | 0,393 | 0,163 | | centrální dutina r = 10 cm | FBP, tenké, λ = 0,1 | 955 | 1297 | 322 | 0,362 | 0,0471 | | centrální dutina r = 10 cm | FBP, tlusté, λ = 1 | 629 | 1393 | 211 | 0,651 | 0,0312 | | mimostředová dutina r = 8 cm | prostá ZP, tenké | 1017 | 1382 | 242 | 0,293 | 0,077 | | mimostředová dutina r = 8 cm | prostá ZP, tlusté | 1108 | 1356 | 228 | 0 | 0,155 | | mimostředová dutina r = 8 cm | FBP, tenké, λ = 0,1 | 994 | 1362 | 260 | 0,346 | 0,0496 | | mimostředová dutina r = 8 cm | FBP, tlusté, λ = 1 | 632 | 1412 | 174 | 0,653 | 0,0511 | ![Profil](fbp_figures/fbp_05_profile.png) *Obrázek 5. Řez obrazem přes mimostředovou dutinu (y = 5 cm, mřížka 61×61).* Pozorování: - prostá ZP dutinu „rozpustí“ na ~1000 m/s a zdravé dřevo zpomalí na 1300 m/s, - FBP s tenkými paprsky sice časy splní (nejmenší reziduum mezi tenkými), ale defekt rozdělí do pruhů a buněk mezi paprsky; průměr dutiny se téměř nezlepší – **splnit časy nestačí**, je potřeba i rozumná regularizace, - FBP s tlustými paprsky dutinu správně lokalizuje a dosáhne skoro skutečné rychlosti v jejím středu (profil); hranice je rozmazaná asi na 5 cm na každou stranu, - větší λ snižuje kontrast (λ = 3: minimum ~700 m/s), menší λ ho mírně zostří (λ = 0,3). ## 21. Tlumení λ ![Tlumení](fbp_figures/fbp_06_damping.png) *Obrázek 6. Mimostředová dutina, λ = 0,01 až 100; nahoře tlusté, dole tenké paprsky.* | paprsky | λ | dutina (m/s) | zdravé dřevo (m/s) | RMSE (m/s) | reziduum | oříznuto nahoru / dolů | |---|---|---|---|---|---|---| | tlusté | 0,01 | 580 | 1347 | 262 | 0,134 | 480 / 41 | | tlusté | 0,1 | 527 | 1399 | 182 | 0,0794 | 481 / 39 | | tlusté | 0,3 | 541 | 1415 | 168 | 0,0603 | 472 / 29 | | tlusté | 1 | 632 | 1412 | 174 | 0,0511 | 396 / 0 | | tlusté | 3 | 807 | 1393 | 186 | 0,0927 | 178 / 0 | | tlusté | 10 | 1033 | 1354 | 217 | 0,143 | 0 / 0 | | tlusté | 100 | 1288 | 1339 | 266 | 0,184 | 0 / 0 | | tenké | 0,01 | 980 | 1361 | 262 | 0,0493 | 327 / 0 | | tenké | 0,1 | 994 | 1362 | 260 | 0,0496 | 307 / 0 | | tenké | 0,3 | 1020 | 1363 | 255 | 0,0548 | 269 / 0 | | tenké | 1 | 1086 | 1362 | 248 | 0,0816 | 136 / 0 | | tenké | 3 | 1179 | 1351 | 250 | 0,126 | 8 / 0 | | tenké | 10 | 1268 | 1342 | 262 | 0,165 | 0 / 0 | | tenké | 100 | 1331 | 1340 | 275 | 0,188 | 0 / 0 | ![Křivky tlumení](fbp_figures/fbp_07_damping_curves.png) *Obrázek 7. Vlevo: reziduum (bez ořezu) roste s λ. Uprostřed: RMSE obrazu (s ořezem, jak ho vidí uživatel) má pro tlusté paprsky minimum kolem λ ≈ 0,3–1; čárkovaně data se 3% šumem. Vpravo: L-křivka – kompromis mezi shodou s daty a odchylkou od homogenního modelu; roh L-křivky leží v okolí λ ≈ 0,3–1.* Pozorování: - s tlustými paprsky je optimum RMSE na přesných datech v okolí **λ = 0,3–1** (168–174 m/s), při λ = 3 je RMSE 186 m/s a dutina už jen 807 m/s; výchozí λ = 1 je dobrá volba, - pod λ ≈ 0,3 končí desítky buněk na dolní mezi (29–41 buněk), při λ ≥ 1 žádná, - pod λ ≈ 0,1 se u tlustých paprsků objevují **záporné pomalosti** (31 buněk při λ = 0,01, 71 při λ = 0,001 na mřížce 31×31): soustava je téměř singulární a pseudoinverze zesílí i nepatrné nekonzistence (diskretizace dutiny na mřížku). Ořez je převede na mez, ale obraz je plný skvrn, - tenké paprsky reagují na λ mnohem méně (dobře podmíněná $AA^T$) a jejich RMSE se nedostane pod ~245 m/s: problém není v tlumení, ale v pruzích, - 3% šum na tlusté paprsky při λ ≥ 0,5 téměř nepůsobí – tlumení plus hladkost tlustých paprsků šum spolehlivě potlačí. ## 22. Šířka paprsku ![Šířka paprsku](fbp_figures/fbp_10_ray_width.png) *Obrázek 10. Šířka 0 % (tenké, λ = 0,1) až 30 % průměru kmene; řádky: mimostředová dutina, dvě dutiny, malá dutina r = 4 cm.* | fantom | šířka | defekt (m/s) | zdravé dřevo (m/s) | RMSE (m/s) | IoU | |---|---|---|---|---|---| | mimostředová dutina r = 8 cm | 0 % | 994 | 1362 | 260 | 0,346 | | mimostředová dutina r = 8 cm | 4 % | 805 | 1370 | 210 | 0,738 | | mimostředová dutina r = 8 cm | 8 % | 675 | 1405 | 169 | 0,702 | | mimostředová dutina r = 8 cm | 12 % | 632 | 1412 | 174 | 0,653 | | mimostředová dutina r = 8 cm | 20 % | 621 | 1389 | 224 | 0,478 | | mimostředová dutina r = 8 cm | 30 % | 698 | 1359 | 264 | 0,386 | | dvě dutiny r = 6 cm | 0 % | 1043 | 1333 | 285 | 0,255 | | dvě dutiny r = 6 cm | 4 % | 869 | 1348 | 235 | 0,71 | | dvě dutiny r = 6 cm | 8 % | 735 | 1380 | 202 | 0,673 | | dvě dutiny r = 6 cm | 12 % | 709 | 1382 | 212 | 0,589 | | dvě dutiny r = 6 cm | 20 % | 776 | 1342 | 265 | 0,444 | | dvě dutiny r = 6 cm | 30 % | 894 | 1313 | 305 | 0,389 | | malá dutina r = 4 cm | 0 % | 1250 | 1457 | 141 | 0,0625 | | malá dutina r = 4 cm | 4 % | 1107 | 1448 | 127 | 0 | | malá dutina r = 4 cm | 8 % | 993 | 1443 | 127 | 0,625 | | malá dutina r = 4 cm | 12 % | 993 | 1441 | 131 | 0,625 | | malá dutina r = 4 cm | 20 % | 1072 | 1436 | 140 | 0 | | malá dutina r = 4 cm | 30 % | 1150 | 1428 | 148 | 0 | Pozorování: - 4 % už odstraní většinu pruhů a dává nejlepší IoU, ale zbytky pruhů zůstávají, - **8–12 %** dávají nejnižší RMSE a nejčistší obraz; výchozích 12 % je bezpečná volba, - 20–30 % slévá dvě dutiny v jednu a snižuje kontrast, - malá dutina r = 4 cm (8 cm v průměru) je na hranici rozlišitelnosti při každé šířce – nejvýš zpomalení na ~1000 m/s. ## 23. Šum v měření Ke každé době průletu je přidán relativní normální šum 2, 5 a 10 % (symetricky, $t_{ij}=t_{ji}$), 10 realizací. ![Šum](fbp_figures/fbp_12_noise.png) *Obrázek 12. Jedna realizace šumu pro λ = 0,1–3 a SIRT (poslední sloupec).* | šum | metoda | dutina (m/s) | zdravé (m/s) | RMSE (m/s) | sm. odch. RMSE | IoU | |---|---|---|---|---|---|---| | 0 % | FBP λ = 0,1 | 527 | 1399 | 182 | 0 | 0,717 | | 0 % | FBP λ = 0,3 | 541 | 1415 | 168 | 2,84e-14 | 0,667 | | 0 % | FBP λ = 1 | 632 | 1412 | 174 | 0 | 0,653 | | 0 % | FBP λ = 3 | 807 | 1393 | 186 | 2,84e-14 | 0,725 | | 0 % | SIRT | 669 | 1427 | 181 | 2,84e-14 | 0,584 | | 2 % | FBP λ = 0,1 | 525 | 1433 | 194 | 3,66 | 0,709 | | 2 % | FBP λ = 0,3 | 538 | 1449 | 177 | 3,7 | 0,68 | | 2 % | FBP λ = 1 | 631 | 1439 | 180 | 3,48 | 0,642 | | 2 % | FBP λ = 3 | 805 | 1400 | 187 | 2,12 | 0,726 | | 2 % | SIRT | 661 | 1448 | 195 | 4,03 | 0,566 | | 5 % | FBP λ = 0,1 | 522 | 1463 | 259 | 8,62 | 0,548 | | 5 % | FBP λ = 0,3 | 533 | 1482 | 222 | 8,87 | 0,669 | | 5 % | FBP λ = 1 | 629 | 1461 | 204 | 9,83 | 0,624 | | 5 % | FBP λ = 3 | 803 | 1402 | 192 | 4,99 | 0,729 | | 5 % | SIRT | 654 | 1462 | 219 | 10,4 | 0,553 | | 10 % | FBP λ = 0,1 | 525 | 1508 | 410 | 19,3 | 0,326 | | 10 % | FBP λ = 0,3 | 529 | 1527 | 342 | 20,7 | 0,524 | | 10 % | FBP λ = 1 | 628 | 1489 | 272 | 18,9 | 0,609 | | 10 % | FBP λ = 3 | 801 | 1409 | 209 | 8,92 | 0,717 | | 10 % | SIRT | 649 | 1485 | 272 | 24,6 | 0,538 | Pozorování: se vzrůstajícím šumem se optimum λ posouvá k vyšším hodnotám. Při 5–10% šumu λ = 0,1 vytváří falešné skvrny; λ = 1–3 dává stabilní obraz. SIRT se chová podobně jako FBP s λ ≈ 1. ## 24. Počet senzorů a tvar kmene ![Počet senzorů](fbp_figures/fbp_13_sensors.png) *Obrázek 13. Mimostředová dutina, 6 až 24 senzorů; nahoře prostá ZP, dole FBP.* | senzorů | paprsků | varianta | dutina (m/s) | zdravé (m/s) | RMSE (m/s) | IoU | čas (ms) | |---|---|---|---|---|---|---|---| | 6 | 15 | prostá ZP | 1101 | 1353 | 242 | 0 | 16,5 | | 6 | 15 | FBP | 934 | 1351 | 237 | 0,558 | 13,5 | | 8 | 28 | prostá ZP | 1105 | 1357 | 230 | 0 | 20 | | 8 | 28 | FBP | 764 | 1383 | 197 | 0,684 | 20,3 | | 12 | 66 | prostá ZP | 1108 | 1356 | 228 | 0 | 41,2 | | 12 | 66 | FBP | 632 | 1412 | 174 | 0,653 | 42,1 | | 16 | 120 | prostá ZP | 1109 | 1358 | 225 | 0 | 73 | | 16 | 120 | FBP | 572 | 1432 | 156 | 0,647 | 73,2 | | 24 | 276 | prostá ZP | 1109 | 1358 | 224 | 0 | 157 | | 24 | 276 | FBP | 533 | 1443 | 135 | 0,733 | 182 | ![Elipsa](fbp_figures/fbp_14_ellipse.png) *Obrázek 14. Eliptický kmen 72 × 48 cm s mimostředovou dutinou: ERSM, SIRT, FBP.* | metoda | dutina (m/s) | zdravé (m/s) | RMSE (m/s) | IoU | |---|---|---|---|---| | ERSM | 1068 | 1386 | 208 | 0,129 | | SIRT | 693 | 1422 | 193 | 0,598 | | FBP | 626 | 1410 | 194 | 0,583 | Algebraická FBP nemá s nekruhovým kmenem žádný problém (na rozdíl od klasické FBP) a dává na elipse stejný výsledek jako SIRT. S 6 senzory (15 paprsků) dutinu najde jen přibližně (934 m/s); od 12 senzorů je obraz stabilní a další senzory zlepšují kontrast i tvar (24 senzorů: 533 m/s, RMSE 135 m/s). **Prostá ZP se s počtem senzorů nezlepšuje vůbec** (1101–1109 m/s): její chybou je rozmazání, ne nedostatek dat. Čas roste s počtem paprsků (24 senzorů: 174 ms, 32 senzorů: 320 ms). ## 25. Mřížka a výpočetní čas | mřížka | paprsky | neznámých | dutina (m/s) | zdravé (m/s) | RMSE (m/s) | čas (ms) | |---|---|---|---|---|---|---| | 21×21 | tlusté | 256 | 641 | 1417 | 164 | 23,5 | | 21×21 | tenké (λ = 0,1) | 256 | 825 | 1363 | 239 | 18 | | 31×31 | tlusté | 548 | 632 | 1411 | 178 | 32,7 | | 31×31 | tenké (λ = 0,1) | 548 | 930 | 1360 | 255 | 27,3 | | 41×41 | tlusté | 952 | 632 | 1412 | 174 | 48,3 | | 41×41 | tenké (λ = 0,1) | 952 | 994 | 1362 | 260 | 34,9 | | 61×61 | tlusté | 2104 | 636 | 1413 | 173 | 63,7 | | 61×61 | tenké (λ = 0,1) | 2104 | 1088 | 1365 | 263 | 50,7 | | 81×81 | tlusté | 3648 | 640 | 1413 | 174 | 109 | | 81×81 | tenké (λ = 0,1) | 3648 | 1130 | 1362 | 265 | 73,4 | S tlustými paprsky se výsledky na mřížkách 21×21 až 81×81 téměř neliší (normování μ, kap. 11). S tenkými paprsky kontrast dutiny s jemnější mřížkou klesá (825 → 1130 m/s). Čas roste zhruba lineárně s počtem buněk; jemnější mřížku než 41×41 není důvod používat. ## 26. Srovnání metod ![Metody](fbp_figures/fbp_11_methods.png) *Obrázek 11. Šest fantomů (řádky) a metody Rays, EBSI, ERSM (bez rescale), ERSM s korekcí zpětnou projekcí, SIRT a FBP (výchozí nastavení).* | fantom | metoda | defekt (m/s) | zdravé (m/s) | RMSE (m/s) | IoU | falešně pomalé | čas (ms) | |---|---|---|---|---|---|---|---| | centrální dutina r = 10 cm | Rays | 973 | 1311 | 306 | 0,348 | 0,0938 | 43,4 | | centrální dutina r = 10 cm | EBSI | 1114 | 1413 | 244 | 0,286 | 0 | 105 | | centrální dutina r = 10 cm | ERSM | 989 | 1324 | 250 | 0,536 | 0 | 171 | | centrální dutina r = 10 cm | ERSM + korekce ZP | 605 | 1405 | 205 | 0,651 | 0,0781 | 209 | | centrální dutina r = 10 cm | SIRT | 630 | 1394 | 217 | 0,622 | 0,0885 | 133 | | centrální dutina r = 10 cm | FBP | 629 | 1394 | 210 | 0,651 | 0,0781 | 88 | | mimostředová dutina r = 8 cm | Rays | 1017 | 1391 | 233 | 0,288 | 0,0467 | 45,1 | | mimostředová dutina r = 8 cm | EBSI | 1175 | 1421 | 211 | 0,0152 | 0 | 100 | | mimostředová dutina r = 8 cm | ERSM | 1090 | 1390 | 204 | 0,0606 | 0 | 167 | | mimostředová dutina r = 8 cm | ERSM + korekce ZP | 610 | 1419 | 172 | 0,653 | 0,043 | 207 | | mimostředová dutina r = 8 cm | SIRT | 669 | 1428 | 181 | 0,584 | 0,0577 | 135 | | mimostředová dutina r = 8 cm | FBP | 632 | 1414 | 174 | 0,647 | 0,0442 | 88,6 | | dvě dutiny r = 6 cm | Rays | 1088 | 1352 | 270 | 0,103 | 0,0137 | 44,7 | | dvě dutiny r = 6 cm | EBSI | 1246 | 1389 | 252 | 0 | 0 | 107 | | dvě dutiny r = 6 cm | ERSM | 1149 | 1355 | 242 | 0 | 0 | 157 | | dvě dutiny r = 6 cm | ERSM + korekce ZP | 682 | 1389 | 210 | 0,58 | 0,0684 | 210 | | dvě dutiny r = 6 cm | SIRT | 786 | 1380 | 225 | 0,567 | 0,0721 | 132 | | dvě dutiny r = 6 cm | FBP | 710 | 1383 | 212 | 0,589 | 0,0659 | 87,7 | | radiální trhlina 3 × 20 cm | Rays | 1136 | 1449 | 156 | 0,0769 | 0,00466 | 42,9 | | radiální trhlina 3 × 20 cm | EBSI | 1323 | 1457 | 158 | 0 | 0 | 104 | | radiální trhlina 3 × 20 cm | ERSM | 1267 | 1442 | 157 | 0 | 0 | 162 | | radiální trhlina 3 × 20 cm | ERSM + korekce ZP | 771 | 1392 | 224 | 0,262 | 0,0723 | 197 | | radiální trhlina 3 × 20 cm | SIRT | 912 | 1426 | 178 | 0,375 | 0,0303 | 134 | | radiální trhlina 3 × 20 cm | FBP | 794 | 1392 | 220 | 0,268 | 0,0699 | 94,4 | | hniloba v prstenci 12–20 cm | Rays | 1120 | 1303 | 269 | 0 | 0 | 42,5 | | hniloba v prstenci 12–20 cm | EBSI | 1260 | 1321 | 303 | 0 | 0 | 102 | | hniloba v prstenci 12–20 cm | ERSM | 1169 | 1286 | 276 | 0 | 0 | 158 | | hniloba v prstenci 12–20 cm | ERSM + korekce ZP | 906 | 1372 | 190 | 0,859 | 0,0387 | 203 | | hniloba v prstenci 12–20 cm | SIRT | 978 | 1353 | 218 | 0,622 | 0,0581 | 136 | | hniloba v prstenci 12–20 cm | FBP | 927 | 1364 | 196 | 0,803 | 0,0387 | 86,8 | | hniloba u kůry | Rays | 1047 | 1429 | 175 | 0,276 | 0,00964 | 43,7 | | hniloba u kůry | EBSI | 1014 | 1411 | 164 | 0,407 | 0,00482 | 103 | | hniloba u kůry | ERSM | 1086 | 1422 | 153 | 0 | 0 | 154 | | hniloba u kůry | ERSM + korekce ZP | 679 | 1466 | 111 | 0,758 | 0,0193 | 209 | | hniloba u kůry | SIRT | 691 | 1471 | 114 | 0,781 | 0,0169 | 134 | | hniloba u kůry | FBP | 710 | 1461 | 111 | 0,781 | 0,0169 | 90,9 | Pozorování: - **Rays, EBSI a ERSM** (bez post-processingu) defekt najdou, ale silně podhodnotí (1000–1250 m/s místo 500 m/s); u dvou dutin a u prstence je IoU nulové – žádná buňka neklesne pod 1000 m/s. Je to vlastnost průměrování rychlostí paprsků, ne chyba implementace. - **FBP, SIRT a ERSM s korekcí zpětnou projekcí** dávají velmi podobné výsledky (RMSE se liší o 5–10 %). FBP je v pěti ze šesti fantomů nejlepší nebo druhá nejlepší; ERSM + korekce je stejně dobrá (je to tentýž filtr, jen s jiným výchozím modelem). - **Trhlina** je slabé místo všech metod: tenký defekt kolmo k málo paprskům se rozmaže do pruhu přes celý kmen podél směru trhliny (obr. 11, 4. řádek). SIRT má díky vyhlazení sousedů menší RMSE (178 vs 220 m/s), FBP a korekce víc „protáhnou“ trhlinu přes střed. - **Hniloba v prstenci**: FBP (IoU 0,80) a ERSM + korekce (0,86) prstenec zobrazí jako prstenec; zdravé jádro ale vyjde pomalejší (900–1100 m/s), protože jím procházejí jen paprsky přes prstenec. - **Falešně pomalé** buňky (2–9 % zdravého dřeva pod 1000 m/s) jsou u FBP i SIRT okraj rozmazaného defektu, ne samostatné artefakty. - Čas: FBP celkem (včetně sestavení tomogramu v `analysis.reconstruct`) ~90 ms, SIRT ~140 ms, ERSM ~170 ms. ## 27. Ohyb paprsků Skutečná doba průletu je doba **nejrychlejší** cesty (Fermatův princip), ne integrál po přímce. Doby nejrychlejší cesty jsou spočítané Dijkstrovým algoritmem na mřížce 121×121 s 16 směry kroku a normované tak, aby zdravý strom dal přesné časy. | fantom | data a metoda | max. zkrácení času (%) | dutina (m/s) | zdravé (m/s) | RMSE (m/s) | IoU | |---|---|---|---|---|---|---| | centrální dutina r = 10 cm | přímé dráhy, FBP | 0 | 629 | 1394 | 210 | 0,651 | | centrální dutina r = 10 cm | nejrychlejší dráha, FBP | 35,9 | 1344 | 1497 | 303 | 0 | | centrální dutina r = 10 cm | nejrychlejší dráha, FBP λ = 0,3 | 35,9 | 1305 | 1494 | 293 | 0,0357 | | centrální dutina r = 10 cm | nejrychlejší dráha, SIRT | 35,9 | 1354 | 1498 | 306 | 0 | | centrální dutina r = 10 cm | nejrychlejší dráha, ERSM + rescale | 35,9 | 1342 | 1503 | 302 | 0 | | mimostředová dutina r = 8 cm | přímé dráhy, FBP | 0 | 632 | 1414 | 174 | 0,647 | | mimostředová dutina r = 8 cm | nejrychlejší dráha, FBP | 35,1 | 1405 | 1495 | 248 | 0 | | mimostředová dutina r = 8 cm | nejrychlejší dráha, FBP λ = 0,3 | 35,1 | 1361 | 1492 | 237 | 0 | | mimostředová dutina r = 8 cm | nejrychlejší dráha, SIRT | 35,1 | 1416 | 1496 | 251 | 0 | | mimostředová dutina r = 8 cm | nejrychlejší dráha, ERSM + rescale | 35,1 | 1419 | 1497 | 252 | 0 | ![Ohyb paprsků](fbp_figures/fbp_17_bent.png) *Obrázek 17. Centrální dutina: FBP z přímkových časů (2. obrázek) a rekonstrukce z časů nejrychlejší dráhy (FBP s λ = 1 a 0,3, SIRT, ERSM s rescale).* Toto je **nejdůležitější omezení všech metod v TomoTree**, nejen FBP. Pomalá dutina (500 m/s ve dřevě 1500 m/s) zkrátí nejrychlejší dráhou dobu průletu přes střed až o 36 % proti přímce: vlna dutinu obejde. Pro paprsek přes střed je tak zpoždění proti zdravému stromu jen asi 6 % místo 67 %. Všechny metody s přímými paprsky pak ukážou dutinu jen jako mírné zpomalení (1300–1400 m/s) na správném místě a se správným tvarem, ale s **mnohem menším kontrastem**. Menší λ to nezachrání (λ = 0,3: 1305 m/s). Praktické důsledky: - absolutní rychlost v dutině z tomogramu nelze brát doslova; rozhoduje **relativní pokles** proti zdravému dřevu (barevná škála v procentech, „reference value“), - hranice dutiny bývá ve skutečnosti dál, než ukazuje práh absolutní rychlosti, - vzduchová dutina se od hniloby s rychlostí ~500 m/s rychlostí v tomogramu téměř neliší – v obou případech vlna jde kolem. Opravou by byla tomografie se zakřivenými paprsky (eikonální rovnice, „ray bending“), viz [kap. 31](#31-zjištění-a-doporučení). ## 28. Korekce ERSM ![Korekce](fbp_figures/fbp_15_correction.png) *Obrázek 15. Dvě dutiny: ERSM, ERSM s korekcí zpětnou projekcí pro λ = 0,3–10 a samotná FBP.* | varianta | λ | dutiny (m/s) | zdravé (m/s) | RMSE (m/s) | IoU | |---|---|---|---|---|---| | ERSM | – | 1149 | 1355 | 242 | 0 | | ERSM + korekce | 0,3 | 532 | 1394 | 211 | 0,559 | | ERSM + korekce | 1 | 682 | 1389 | 210 | 0,58 | | ERSM + korekce | 3 | 848 | 1370 | 217 | 0,738 | | ERSM + korekce | 10 | 1001 | 1348 | 230 | 0,447 | | FBP | 1 | 710 | 1383 | 212 | 0,589 | ERSM samotné dvě dutiny nerozliší (IoU 0). Korekce zpětnou projekcí je oddělí a dá výsledek prakticky shodný s FBP; rozdíl je jen v detailech mimo dutiny, kde zůstane ERSM. Menší λ (0,3) přiblíží rychlost v dutinách skutečnosti (532 m/s), větší λ (10) nechá obraz blízko ERSM. Výchozí λ = 1 je i zde rozumná volba. ## 29. Reálná data Datasety `streamlit_data/Jičín_05, 08, 14, 15` (12 senzorů), mřížka 41×41, korekce anizotropie, obvod spline. Skutečnost neznáme, srovnáváme metody mezi sebou. ![Reálná data](fbp_figures/fbp_16_real.png) *Obrázek 16. Řádky: datasety; sloupce: prostá ZP, FBP s λ = 0,3; 1; 3, FBP s tenkými paprsky, SIRT, ERSM s rescale. Barevná škála podle 2.–98. percentilu všech variant daného stromu.* | dataset | varianta | 5. percentil (m/s) | medián (m/s) | 95. percentil (m/s) | reziduum | oříznuto nahoru / dolů | |---|---|---|---|---|---|---| | Jičín_05 | prostá ZP | 1067 | 1268 | 1395 | 0,128 | 0 / 0 | | Jičín_05 | FBP λ = 0,3 | 694 | 1227 | 2302 | 0,0597 | 73 / 0 | | Jičín_05 | FBP λ = 1 | 758 | 1278 | 1826 | 0,0632 | 13 / 0 | | Jičín_05 | FBP λ = 3 | 863 | 1275 | 1545 | 0,0805 | 0 / 0 | | Jičín_05 | FBP tenké λ = 0,1 | 943 | 1253 | 1856 | 0,021 | 11 / 0 | | Jičín_05 | SIRT | 737 | 1275 | 2038 | 0,0799 | – | | Jičín_05 | ERSM + rescale | 798 | 1266 | 1816 | 0,0719 | – | | Jičín_08 | prostá ZP | 862 | 1109 | 1319 | 0,199 | 0 / 0 | | Jičín_08 | FBP λ = 0,3 | 472 | 1094 | 2572 | 0,105 | 101 / 0 | | Jičín_08 | FBP λ = 1 | 545 | 1160 | 2187 | 0,106 | 41 / 0 | | Jičín_08 | FBP λ = 3 | 653 | 1135 | 1588 | 0,131 | 3 / 0 | | Jičín_08 | FBP tenké λ = 0,1 | 714 | 1096 | 1949 | 0,0333 | 20 / 0 | | Jičín_08 | SIRT | 525 | 1186 | 2422 | 0,127 | – | | Jičín_08 | ERSM + rescale | 562 | 1173 | 1931 | 0,126 | – | | Jičín_14 | prostá ZP | 744 | 1082 | 1269 | 0,245 | 0 / 0 | | Jičín_14 | FBP λ = 0,3 | 347 | 1257 | 3126 | 0,0576 | 105 / 43 | | Jičín_14 | FBP λ = 1 | 401 | 1244 | 2340 | 0,0701 | 1 / 13 | | Jičín_14 | FBP λ = 3 | 502 | 1157 | 1640 | 0,125 | 0 / 0 | | Jičín_14 | FBP tenké λ = 0,1 | 577 | 1044 | 2205 | 0,0348 | 18 / 1 | | Jičín_14 | SIRT | 390 | 1274 | 3093 | 0,107 | – | | Jičín_14 | ERSM + rescale | 409 | 1221 | 2188 | 0,0944 | – | | Jičín_15 | prostá ZP | 879 | 1193 | 1369 | 0,186 | 0 / 0 | | Jičín_15 | FBP λ = 0,3 | 471 | 1292 | 2563 | 0,0477 | 55 / 7 | | Jičín_15 | FBP λ = 1 | 528 | 1313 | 2030 | 0,0313 | 0 / 0 | | Jičín_15 | FBP λ = 3 | 635 | 1248 | 1616 | 0,084 | 0 / 0 | | Jičín_15 | FBP tenké λ = 0,1 | 745 | 1157 | 2085 | 0,0278 | 18 / 0 | | Jičín_15 | SIRT | 510 | 1315 | 2563 | 0,0621 | – | | Jičín_15 | ERSM + rescale | 569 | 1283 | 2210 | 0,0297 | – | Pozorování: - všechny filtrované varianty ukazují **stejné pomalé jádro** jako SIRT a ERSM s rescale; poloha i tvar se shodují, liší se kontrast, - **λ = 0,3** dává na reálných datech rychlé ostrůvky (2300–3100 m/s) u senzorů, desítky až stovky buněk oříznutých nahoru a u Jičín_14 a 15 i 7–43 buněk oříznutých dolů – reálná data mají šum a λ = 0,3 je pro ně příliš málo, - **λ = 1** (výchozí) dává hladký obraz s 0–41 buňkami oříznutými nahoru; dolů jen u Jičín_14 (13 buněk na 340 m/s, před zavedením meze 340 m/s vycházely až 320 m/s); λ = 3 je ještě klidnější, jádro je méně kontrastní, - **tenké paprsky** splní časy nejlépe (reziduum 0,02–0,03), ale obraz je plný pruhů – názorný příklad, že nejmenší reziduum neznamená nejlepší obraz, - **rychlý prstenec u kůry** (FBP i SIRT, ale ne prostá ZP) je z velké části důsledkem korekce anizotropie: krátké tečné paprsky mezi sousedními senzory se přepočtou až na dvojnásobnou rychlost (nejrychlejší „paprsek“ Jičín_14 má po korekci 3126 m/s) a filtr tuto rychlost promítne do okrajových buněk. Bez korekce anizotropie je 95. percentil FBP 1540–1770 m/s místo 1830–2340 m/s, - reziduum výchozí FBP (s maticí tenkých paprsků) je 0,03–0,11, srovnatelné se SIRT a ERSM s rescale. --- # Část IV ## 30. Testy `tests/test_fbp.py` (spuštění `python -m pytest tests/test_fbp.py`, asi 5 s): | test | co ověřuje | kapitola | |---|---|---| | `test_homogeneous_speed_is_reconstructed` (4 varianty) | homogenní strom vyjde přesně pro prostou ZP i FBP, tenké i tlusté paprsky | 12 | | `test_filtered_finds_the_hole_better_than_plain` | FBP najde dutinu, prostá ZP ji podhodnotí | 20 | | `test_all_cells_inside_defined_with_fat_rays` | tlusté paprsky vyplní všechny buňky uvnitř, mimo obvod nic | 13 | | `test_velocities_are_clipped_to_bounds` | ořez na meze a zmínka v reportu | 15 | | `test_cells_are_not_slower_than_sound_in_air` (3 varianty) | výchozí dolní mez je nejméně 340 m/s (i u prosté ZP a tenkých paprsků) | 15 | | `test_report_counts_clipped_cells_at_each_bound` | report počítá buňky na horní a dolní mezi zvlášť | 4 | | `test_explicit_lower_bound_is_kept` | zadané `speed_min=200` platí | 15 | | `test_fast_data_keep_half_of_the_slowest_ray` | když je 0,5 × nejpomalejší paprsek nad 340 m/s, je mezí on | 15 | | `test_reconstruct_fbp_matches_direct_call` | `analysis.reconstruct` = přímé volání | 3 | | `test_filter_equals_tikhonov_in_cell_space` (λ = 0,01; 1; 30) | identita $A^T(AA^T+\mu I)^{-1} = (A^TA+\mu I)^{-1}A^T$ | 9.2 | | `test_small_damping_gives_minimum_norm_solution` | λ → 0: časy splněny, výsledek = řešení s nejmenší odchylkou (`lstsq`) | 9.1 | | `test_residual_grows_and_contrast_drops_with_damping` | s λ monotónně roste reziduum a klesá odchylka od $s_0$ | 10 | | `test_large_damping_approaches_plain_back_projection_of_misfit` | λ → ∞: směr řešení = $A^T r$ | 9.2 | | `test_velocities_scale_with_the_data` | 2× rychlejší data → 2× rychlejší obraz | 11 | | `test_renumbering_sensors_does_not_change_the_image` | přečíslování senzorů obraz nezmění | 7 | | `test_damping_does_not_depend_on_grid_size` | stejné λ dává na 31×31 a 61×61 stejný obraz (do 5 %) | 11 | | `test_offcenter_hole_found_at_the_right_place` | nejpomalejší buňka do 4 cm od středu dutiny, < 650 m/s | 20 | | `test_damping_suppresses_noise` | při 5% šumu má λ = 1 o 30 % menší RMSE než λ = 0,01 | 23 | | `test_fat_ray_rows_sum_to_ray_lengths` | řádkové součty tlustých paprsků = délky paprsků, nezáporné váhy | 13 | Pomocná funkce testů `_solution` navíc u každého volání kontroluje, že buňky zobrazené v tomogramu jsou přesně výsledkem vzorce z kap. 9. Dále FBP pokrývají `tests/streamlit/test_all_pages_smoke.py` (stránka FBP se otevře, snippet „Reproduce in Jupyter“ dá stejný výsledek) a `tests/test_rescale.py` (korekce EBSI/ERSM, včetně dolní meze 340 m/s). Mez 340 m/s v SIRT ověřuje `tests/test_sirt.py`. ## 31. Zjištění a doporučení Analýza nenašla chybu, která by měnila výsledky. Implementace odpovídá matematice (kap. 9, ověřeno testy). Drobná zjištění a náměty: 1. **Ohyb paprsků** ([kap. 27](#27-ohyb-paprsků)) je největší systematická chyba, společná všem metodám: dutiny vycházejí s mnohem menším kontrastem, než mají. Náprava = zakřivené paprsky (Dijkstra nebo fast marching na mřížce, iterace „spočítat dráhy → FBP → přepočítat dráhy“). Algebraická FBP je pro to vhodná, protože matice $A$ může obsahovat libovolné dráhy; stačí nahradit `_ray_cell_system`. Doporučuji jako samostatný úkol. 2. **Ořez nahoře a dole** *(vyřešeno)*. Ořez na horní mez (nejrychlejší paprsek) je u zdravého dřeva běžný a neškodný (40 % buněk na syntetickém stromu); ořez na dolní mez je varovný. Report teď vypisuje `Cells clipped: 396 to the maximum 1500, 0 to the minimum 471.` a dolní mez je nejméně 340 m/s (kap. 15). Platí pro FBP i korekci EBSI/ERSM, SIRT uvádí počty buněk na mezích už dříve. 3. **Záporné pomalosti při λ < 0,1 s tlustými paprsky** (kap. 10, 21). Ořez je převede na maximální rychlost, takže se v obraze objeví jako „rychlé“ skvrny. Registr widgetu povoluje `fbp_damping` od 0,01. Návrh: minimum 0,05–0,1, nebo v reportu počet záporných hodnot. 4. **Relativní reziduum v reportu** se počítá s maticí zvolených paprsků a po ořezu. Při změně šířky paprsku se mění i měřítko, takže rezidua různých šířek nejsou srovnatelná (kap. 4). Návrh: počítat ho s tenkými paprsky (jako v této analýze), nebo to uvést v nápovědě. 5. **Mřížka a tenké paprsky** (kap. 25): s tlustými paprsky je obraz na mřížce nezávislý, s tenkými paprsky se kontrast dutiny s jemnější mřížkou zhoršuje (825 → 1130 m/s pro 21×21 → 81×81). Tenké paprsky jsou proto vhodné jen pro srovnání. 6. **Volba homogenního modelu** $s_0 = \sum t/\sum L$ (kap. 12) se od konstanty nejmenších čtverců liší o 2–4 %, na výsledek to vliv nemá (dutina 632 vs 632 m/s, RMSE 174 vs 175 m/s; i se skutečnou rychlostí dřeva 634 m/s). Není co měnit. 7. **Korekce anizotropie** zvyšuje rychlost krátkých tečných paprsků až na dvojnásobek a FBP (stejně jako SIRT) z toho vytvoří rychlý prstenec u kůry (kap. 29). Není to vada FBP, ale stojí za zvážení, zda korekce pro velmi tečné paprsky není příliš silná. 8. **Neznámé mimo obvod**: buňky mimo obvod protnuté paprskem jsou neznámé soustavy, ale po výpočtu se maskují (`_update_cell_velocity`). Je to v pořádku (paprsek jimi prochází), jen to vysvětluje, proč report uvádí víc buněk, než je vidět (952 vs 880 u fantomu). 9. **Výchozí hodnoty** (λ = 1, šířka 12 %) jsou podle experimentů dobře zvolené: na přesných datech je optimum RMSE pro λ ≈ 0,3–1, při 5–10% šumu λ ≈ 3; šířka 8–12 % dává nejnižší RMSE. ## 32. Reprodukce ```bash python docs/fbp_figures/make_figures.py # vše (obrázky + docs/fbp_figures/tables.md) python docs/fbp_figures/make_figures.py fig_damping fig_svd # jen vybrané části ``` Část s reálnými daty potřebuje neverzované `streamlit_data/Jičín_*`; bez nich se přeskočí. ## Literatura 1. Kak, A. C., Slaney, M. (1988). *Principles of Computerized Tomographic Imaging.* IEEE Press, kap. 3 (věta o Fourierově řezu, rampový filtr, vějířová geometrie) a kap. 7 (algebraické metody). 2. Natterer, F. (2001). *The Mathematics of Computerized Tomography.* SIAM. (Operátor $(RR^*)^{-1}$ a rampový filtr, rozlišení.) 3. Hansen, P. C. (2010). *Discrete Inverse Problems: Insight and Algorithms.* SIAM. (Tikhonovova regularizace, filtrační faktory, L-křivka.) 4. Aster, R. C., Borchers, B., Thurber, C. H. (2018). *Parameter Estimation and Inverse Problems.* 3. vyd., Elsevier. (Rozlišovací matice, řešení s nejmenší normou.) 5. Woodward, M. J. (1992). Wave-equation tomography. *Geophysics* 57(1), 15–26. (Fresnelova zóna, „tlusté paprsky“.) 6. Du, X. et al. (2015). Stress wave tomography of wood internal defects using ellipse-based spatial interpolation and velocity compensation. *BioResources* 10(3), 3948–3962.