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, metoda SIRT v sirt_report.md,
korekce EBSI/ERSM v rescale_report.md.
Všechny obrázky a tabulky vytváří skript
docs/fbp_figures/make_figures.py (asi 1–2 minuty, viz
kap. 32). Matematické vlastnosti popsané v textu ověřují testy
v tests/test_fbp.py (kap. 30).
Obsah
Část I – pro uživatele: 1. Shrnutí · 2. Co FBP dělá · 3. Použití v aplikaci · 4. Čtení reportu · 5. Nastavení podle situace · 6. Omezení
Část II – matematika: 7. Model · 8. Klasická FBP · 9. Algebraická FBP · 10. SVD · 11. Normování tlumení · 12. Homogenní model · 13. Tlusté paprsky · 14. Prostá ZP · 15. Ořez rychlostí · 16. Rozlišení · 17. Složitost · 18. Korekce EBSI/ERSM
Část III – experimenty: 19. Metodika až 29. Reálná data
Část IV: 30. Testy · 31. Zjištění a doporučení · 32. Reprodukce · 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). 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.

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 |
|
zapnuto |
filtrovaná / prostá zpětná projekce |
vypnout jen pro srovnání |
FBP: Damping of the filter |
|
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) |
|
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)
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:
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); 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 |
|---|---|---|
|
doba výpočtu |
stovky ms jen u jemné mřížky (80×80 a víc) |
|
použité λ a šířka paprsku v metrech (12 % největší vzdálenosti senzorů) |
|
|
počet neznámých: buňky uvnitř obvodu a buňky mimo obvod, kterými prochází paprsek |
|
|
jen u prosté ZP: buňky bez paprsku zůstanou prázdné |
u tenkých paprsků mnoho |
|
\(\lVert Ax-b\rVert/\lVert b\rVert\): 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 |
|
nejmenší a největší rychlost v obraze |
|
|
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:
Spustit FBP s výchozím nastavením a podívat se na report.
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.
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.
Malé defekty. S 12 senzory a tlustými paprsky je „rozlišení“ asi 12–15 cm (kap. 16).
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 \(\Gamma_i\):
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
kde \(a_{ij}\) je délka paprsku \(i\) v buňce \(j\) (tenké paprsky) nebo její rozprostřená obdoba (tlusté paprsky, kap. 13). 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
Tabulka \((Rf)(\theta,s)\) je sinogram (bod v obraze dává sinusovku). Zpětná projekce je adjungovaný operátor
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 \(|\sigma|\):
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:
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.

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.

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
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
(Tomo._fbp_filter). Postup je doslova „filtrovat a pak promítnout“:
reziduum homogenního modelu \(r = b - A s_0\mathbf 1\) (o kolik je každý paprsek pomalejší než homogenní strom),
filtr \(y = (AA^T + \mu I)^{-1} r\) – odečte vzájemné překryvy paprsků,
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:
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
jehož normální rovnice dávají \(x = s_0\mathbf 1 + (A^TA + \mu I)^{-1}A^T r\). Shodu zaručuje identita (push-through)
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
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.

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).
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). 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 \(s_0\)
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):
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:
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), 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) a ve skutečnosti obraz zlepší (odstraní přestřely Gibbsova typu).
16. Rozlišovací matice a odezva na bod
Dosazením \(b = Ax_{\text{true}}\) (přesná data) dostaneme
\(R\) (\(n\times n\)) 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).

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. 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 \(s_0\)):
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.
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 a kap. 23. 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

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 |

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

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 |

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

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.

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

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 |

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

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 |

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.
28. Korekce ERSM

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.

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 |
|---|---|---|
|
homogenní strom vyjde přesně pro prostou ZP i FBP, tenké i tlusté paprsky |
12 |
|
FBP najde dutinu, prostá ZP ji podhodnotí |
20 |
|
tlusté paprsky vyplní všechny buňky uvnitř, mimo obvod nic |
13 |
|
ořez na meze a zmínka v reportu |
15 |
|
výchozí dolní mez je nejméně 340 m/s (i u prosté ZP a tenkých paprsků) |
15 |
|
report počítá buňky na horní a dolní mezi zvlášť |
4 |
|
zadané |
15 |
|
když je 0,5 × nejpomalejší paprsek nad 340 m/s, je mezí on |
15 |
|
|
3 |
|
identita \(A^T(AA^T+\mu I)^{-1} = (A^TA+\mu I)^{-1}A^T\) |
9.2 |
|
λ → 0: časy splněny, výsledek = řešení s nejmenší odchylkou ( |
9.1 |
|
s λ monotónně roste reziduum a klesá odchylka od \(s_0\) |
10 |
|
λ → ∞: směr řešení = \(A^T r\) |
9.2 |
|
2× rychlejší data → 2× rychlejší obraz |
11 |
|
přečíslování senzorů obraz nezmění |
7 |
|
stejné λ dává na 31×31 a 61×61 stejný obraz (do 5 %) |
11 |
|
nejpomalejší buňka do 4 cm od středu dutiny, < 650 m/s |
20 |
|
při 5% šumu má λ = 1 o 30 % menší RMSE než λ = 0,01 |
23 |
|
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:
Ohyb paprsků (kap. 27) 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.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.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_dampingod 0,01. Návrh: minimum 0,05–0,1, nebo v reportu počet záporných hodnot.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.
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.
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.
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.
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).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
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
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).
Natterer, F. (2001). The Mathematics of Computerized Tomography. SIAM. (Operátor \((RR^*)^{-1}\) a rampový filtr, rozlišení.)
Hansen, P. C. (2010). Discrete Inverse Problems: Insight and Algorithms. SIAM. (Tikhonovova regularizace, filtrační faktory, L-křivka.)
Aster, R. C., Borchers, B., Thurber, C. H. (2018). Parameter Estimation and Inverse Problems. 3. vyd., Elsevier. (Rozlišovací matice, řešení s nejmenší normou.)
Woodward, M. J. (1992). Wave-equation tomography. Geophysics 57(1), 15–26. (Fresnelova zóna, „tlusté paprsky“.)
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.