Trasformata del radon: Svelare modelli nascosti nei dati visivi
Di Fouad Sabry
()
Info su questo ebook
Cos'è la trasformata del Radon
In matematica, la trasformata del Radon è la trasformata integrale che porta una funzione f definita sul piano in una funzione Rf definita sul (due- dimensionale) spazio delle linee nel piano, il cui valore su una particolare linea è uguale all'integrale della funzione su quella linea. La trasformata fu introdotta nel 1917 da Johann Radon, che fornì anche una formula per la trasformata inversa. Radon includeva inoltre formule per la trasformazione in tre dimensioni, in cui l'integrale viene ripreso sui piani. Successivamente è stato generalizzato agli spazi euclidei di dimensione superiore e più in generale nel contesto della geometria integrale. L'analogo complesso della trasformata del Radon è noto come trasformata di Penrose. La trasformata Radon è ampiamente applicabile alla tomografia, la creazione di un'immagine dai dati di proiezione associati alle scansioni trasversali di un oggetto.
Come trarrai vantaggio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Trasformata di Radon
Capitolo 2: Trasformata di Fourier
Capitolo 3: Bessel funzione
Capitolo 4: Teorema di convoluzione
Capitolo 5: Trasformata discreta di Fourier
Capitolo 6: Serie di Fourier
Capitolo 7: Integrazione per parti
Capitolo 8: Trasformata di Fourier frazionaria
Capitolo 9: Trasformata di Mellin
Capitolo 10: Kernel di Poisson
(II) Rispondere alla domanda domande principali del pubblico sulla trasformazione del radon.
(III) Esempi reali dell'utilizzo della trasformazione del radon in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che vogliono andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di trasformazione del radon.
Leggi altro di Fouad Sabry
Tecnologie Emergenti Nella Tecnologia Dell'Informazione E Della Comunicazione [Italian]
Correlato a Trasformata del radon
Titoli di questa serie (100)
Visione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata di Hadamard: Svelare il potere della trasformazione Hadamard nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniEqualizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniMappatura dei colori: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniIstogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniPercezione visiva: Approfondimenti sull'elaborazione visiva computazionale Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniElaborazione delle immagini piramidali: Esplorare le profondità dell'analisi visiva Valutazione: 0 su 5 stelle0 valutazioniGruppo congiunto di esperti fotografici: Sfruttare la potenza dei dati visivi con lo standard JPEG Valutazione: 0 su 5 stelle0 valutazioniRilevamento delle macchie: Scoprire modelli nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniContorno attivo: Avanzamento della visione artificiale con tecniche di contorno attivo Valutazione: 0 su 5 stelle0 valutazioniRegolazione del pacchetto: Ottimizzazione dei dati visivi per una ricostruzione precisa Valutazione: 0 su 5 stelle0 valutazioniRilevamento dei bordi: Esplorare i confini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevamento dei contorni: Svelare l'arte della percezione visiva nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Trasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica della radiosità: Avanzamento della visualizzazione attraverso la radiosità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMetodo di impostazione del livello: Avanzamento della visione artificiale, esplorazione del metodo dell'impostazione dei livelli Valutazione: 0 su 5 stelle0 valutazioniCorrelazione incrociata: Sbloccare i modelli nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica bidimensionale: Esplorazione del regno visivo: computer grafica bidimensionale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniInterpolazione bilineare: Miglioramento della risoluzione e della chiarezza dell'immagine tramite l'interpolazione bilineare Valutazione: 0 su 5 stelle0 valutazioniCampo di movimento: Esplorando le dinamiche della visione artificiale: svelato il campo del movimento Valutazione: 0 su 5 stelle0 valutazioniModello di riflessione di Phong: Comprendere le interazioni della luce nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModellazione e rendering basati su immagini: Esplorare il realismo visivo: tecniche di visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEsercizi Svolti di Matematica: Integrali Doppi Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniAnalisi matematica avanzata Valutazione: 5 su 5 stelle5/5Trasformazione lineare diretta: Applicazioni pratiche e tecniche nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRegolazione del pacchetto: Ottimizzazione dei dati visivi per una ricostruzione precisa Valutazione: 0 su 5 stelle0 valutazioniEsercizi di matematica: distribuzioni Valutazione: 0 su 5 stelle0 valutazioniEsercizi di matematica: funzioni reali a più variabili Valutazione: 0 su 5 stelle0 valutazioniTensore trifocale: Esplorare la profondità, il movimento e la struttura nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevatore di bordi astuto: Svelare l'arte della percezione visiva Valutazione: 0 su 5 stelle0 valutazioniProspettiva curvilinea: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniModello di fotocamera stenopeica: Comprendere la prospettiva attraverso l'ottica computazionale Valutazione: 0 su 5 stelle0 valutazioniEsercizi di matematica: forme differenziali Valutazione: 5 su 5 stelle5/5Esercizi di matematica: equazioni integrali e integro-differenziali Valutazione: 0 su 5 stelle0 valutazioniTrasformata di Hadamard: Svelare il potere della trasformazione Hadamard nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIl libro di matematica: volume 2 Valutazione: 0 su 5 stelle0 valutazioniRilevamento dei bordi: Esplorare i confini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGeometria descrittiva: Sbloccare il regno visivo: esplorare la geometria descrittiva nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniPunto di fuga: Esplorare i limiti della visione: approfondimenti dall'informatica Valutazione: 0 su 5 stelle0 valutazioniRiquadro di delimitazione minimo: Svelare il potere dell'ottimizzazione spaziale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
ANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioniGuida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioniIl Terzo Like Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Trasformata del radon
0 valutazioni0 recensioni
Anteprima del libro
Trasformata del radon - Fouad Sabry
Capitolo 1: Trasformata del radon
Per ogni funzione f definita sul piano, la trasformata di Radon la mappa su una funzione Rf definita sullo spazio (bidimensionale) delle rette nel piano, dove il valore di Rf in una data retta è l'integrale di f lungo quella retta. Johann Radon descrisse per la prima volta la trasformazione nel 1917 e fornì anche una formula per la sua inversa. L'integrale viene valutato sui piani, come si vede nelle formule di trasformazione tridimensionale di Radon (l'integrazione su linee è nota come trasformata a raggi X). Alla fine è stato esteso al di fuori del regno della geometria integrale e agli spazi euclidei di dimensione superiore. La trasformata di Penrose è la versione sofisticata della trasformata di Radon. In tomografia, in cui un'immagine viene ricostruita dai dati di proiezione associati alle scansioni in sezione trasversale di un oggetto, viene comunemente utilizzata la trasformata di Radon.
Se una funzione f rappresenta una densità sconosciuta, Quando una scansione tomografica è completata, i dati di proiezione sono rappresentati dalla trasformata di Radon.
Poiché la trasformata di Radon può essere invertita, la densità originale può essere ricostruita dai dati di proiezione, fornendo così la base matematica per la ricostruzione tomografica, analogamente alla tecnica di ricostruzione iterativa.
Poiché la trasformata di Radon di una sorgente puntiforme non centroidale è una sinusoide, i dati risultanti sono spesso indicati come sinogramma. Di conseguenza, la trasformata di Radon di un insieme di piccoli oggetti appare come un mucchio di onde sinusoidali imbrattate di varie ampiezze e fasi in un diagramma.
La trasformata di Radon ha applicazioni nella sismologia a riflessione, nella tomografia assiale computerizzata (CAT), nella microscopia elettronica di assemblaggi macromolecolari tra cui virus e complessi proteici e nella soluzione di equazioni differenziali alle derivate parziali iperboliche.
Sia {\displaystyle f({\textbf {x}})=f(x,y)} una funzione che soddisfa le tre condizioni di regolarità:
{\displaystyle f({\textbf {x}})} è continuo; l'integrale doppio {\displaystyle \iint {\dfrac {\vert f({\textbf {x}})\vert }{\sqrt {x^{2}+y^{2}}}}\,dx\,dy} , che copre l'intero terreno, converge; per ogni punto arbitrario (x,y) del piano si tiene che
{\displaystyle \lim _{r\to \infty }\int _{0}^{2\pi }f(x+r\cos \varphi ,y+r\sin \varphi )\,d\varphi =0.}Passando ad una matrice di Radon, Rf , è una funzione definita sullo spazio delle rette {\displaystyle L\subset \mathbb {R} ^{2}} dall'integrale di retta lungo ciascuna di tali rette come:
{\displaystyle Rf(L)=\int _{L}f(\mathbf {x} )\vert d\mathbf {x} \vert .}Concretamente, la parametrizzazione di una qualsiasi retta L rispetto alla lunghezza dell'arco z può sempre essere scritta:
{\displaystyle (x(z),y(z))={\Big (}(z\sin \alpha +s\cos \alpha ),(-z\cos \alpha +s\sin \alpha ){\Big )}\,}dove s è la distanza L di dall'origine e \alpha è l'angolo che il vettore normale a L fa con l' X asse -.
Ne consegue che le grandezze {\displaystyle (\alpha ,s)} possono essere considerate come coordinate sullo spazio di tutte le rette in \mathbb {R} ^{2} , In questi assi, la trasformata di Radon è definita come:
{\displaystyle {\begin{aligned}Rf(\alpha ,s)&=\int _{-\infty }^{\infty }f(x(z),y(z))\,dz\\&=\int _{-\infty }^{\infty }f{\big (}(z\sin \alpha +s\cos \alpha ),(-z\cos \alpha +s\sin \alpha ){\big )}\,dz.\end{aligned}}}Più in generale, nello n spazio euclideo -dimensionale \mathbb {R} ^{n} , la trasformata di Radon di una funzione f che soddisfa le condizioni di regolarità è una funzione Rf sullo spazio \Sigma _{n} di tutti gli iperpiani in \mathbb {R} ^{n} .
Per dirla semplicemente:
{\displaystyle Rf(\xi )=\int _{\xi }f(\mathbf {x} )\,d\sigma (\mathbf {x} ),\quad \forall \xi \in \Sigma _{n}}quando l'integrale è fatto in termini di misura di ipersuperfici naturali, d\sigma (generalizzando il {\displaystyle \vert d\mathbf {x} \vert } termine dal 2 caso -dimensionale).
Si osservi che ogni elemento di \Sigma _{n} è caratterizzato come luogo di soluzione di un'equazione \mathbf {x} \cdot \alpha =s , dove {\displaystyle \alpha \in S^{n-1}} è un vettore unitario e {\displaystyle s\in \mathbb {R} } .
Quindi la n trasformata di Radon -dimensionale può essere riscritta come funzione su {\displaystyle S^{n-1}\times \mathbb {R} } via:
{\displaystyle Rf(\alpha ,s)=\int _{\mathbf {x} \cdot \alpha =s}f(\mathbf {x} )\,d\sigma (\mathbf {x} ).}E' anche possibile generalizzare ulteriormente la trasformata di Radon integrando invece sottospazi k affini sovradimensionali di \mathbb {R} ^{n} .
Un'applicazione comune di questa struttura è la trasformazione dei raggi X e l'integrazione lungo linee curve.
Esiste una stretta relazione tra la trasformata di Radon e la trasformata di Fourier. La trasformata di Fourier di una singola variabile è definita come:
{\displaystyle {\hat {f}}(\omega )=\int _{-\infty }^{\infty }f(x)e^{-2\pi ix\omega }\,dx.}Per una funzione di un 2 -vettore \mathbf {x} =(x,y) , la trasformata di Fourier in una dimensione:
{\displaystyle {\hat {f}}(\mathbf {w} )=\iint _{\mathbb {R} ^{2}}f(\mathbf {x} )e^{-2\pi i\mathbf {x} \cdot \mathbf {w} }\,dx\,dy.}Per comodità, indicare {\displaystyle {\mathcal {R}}_{\alpha }[f](s)={\mathcal {R}}[f](\alpha ,s)} .
Come corollario, il teorema della fetta di Fourier afferma:
{\displaystyle {\widehat {{\mathcal {R}}_{\alpha }[f]}}(\sigma )={\hat {f}}(\sigma \mathbf {n} (\alpha ))}dove \mathbf {n} (\alpha )=(\cos \alpha ,\sin \alpha ).
Quindi la trasformata di Fourier bidimensionale della funzione iniziale lungo una retta all'angolo di inclinazione \alpha è l'unica trasformata di Fourier variabile della trasformata di Radon (acquisita ad angolo \alpha ) di quella funzione.
La trasformata di Radon e la sua inversa possono essere calcolate utilizzando queste informazioni.
Questo risultato è n-dimensionalmente generalizzabile:
{\displaystyle {\hat {f}}(r\alpha )=\int _{\mathbb {R} }{\mathcal {R}}f(\alpha ,s)e^{-2\pi isr}\,ds.}Un adiacente alla trasformata di Radon è la trasformata duale di Radon.
A partire da una funzione g sullo spazio \Sigma _{n} , la trasformata di Radon duale è la funzione {\displaystyle {\mathcal {R}}^{*}g} su Rn definita da:
{\displaystyle {\mathcal {R}}^{*}g(\mathbf {x} )=\int _{\mathbf {x} \in \xi }g(\xi )\,d\mu (\xi ).}L'integrale qui è preso sopra l'insieme di tutti gli iperpiani incidenti con il punto {\displaystyle {\textbf {x}}\in \mathbb {R} ^{n}} , e la misura d\mu è l'unica misura di probabilità sull'insieme {\displaystyle \{\xi |\mathbf {x} \in \xi \}} invariante sotto rotazioni attorno al punto \mathbf {x} .
In particolare, la trasformata duale della trasformata di Radon in dimensione due è data da:
{\displaystyle {\mathcal {R}}^{*}g(\mathbf {x} )={\frac {1}{2\pi }}\int _{\alpha =0}^{2\pi }g(\alpha ,\mathbf {n} (\alpha )\cdot \mathbf {x} )\,d\alpha .}Poiché la doppia trasformazione sbava
o proietta
una funzione specificata su ogni linea del piano sulla linea per creare un'immagine, viene spesso definita retroproiezione
nel campo dell'elaborazione delle immagini.
Denotiamo \Delta l'on laplaciano \mathbb {R} ^{n} definito da:
{\displaystyle \Delta ={\frac {\partial ^{2}}{\partial x_{1}^{2}}}+\cdots +{\frac {\partial ^{2}}{\partial x_{n}^{2}}}}Si tratta di un operatore differenziale del secondo ordine che è rotazionalmente invariante per definizione.
Su \Sigma _{n} , anche la derivata seconda radiale
Lf(\alpha ,s)\equiv {\frac {\partial ^{2}}{\partial s^{2}}}f(\alpha ,s) è rotazionalmente invariante.
Per questi due operatori differenziali, la trasformata di Radon e il suo duale sono operatori accoppiati nel senso che:
{\displaystyle {\mathcal {R}}(\Delta f)=L({\mathcal {R}}f),\quad {\mathcal {R}}^{*}(Lg)=\Delta ({\mathcal {R}}^{*}g).}La rappresentazione traslazionale di Lax e Philips si basa sulla proprietà dell'intreccio, utile per analizzare le soluzioni dell'equazione d'onda in uno spazio superiore a quello tridimensionale. Questa viene utilizzata come tecnica di suddivisione dimensionale per semplificare i problemi multidimensionali in problemi unidimensionali.
Il processo di ricostruzione produce l'immagine (o la funzione f nella sezione precedente) dai suoi dati di proiezione.
Problemi inversi come la ricostruzione.
Per la semplice situazione di due dimensioni, la formula analitica più comunemente usata per recuperare f dalla sua trasformata di Radon è la Formula di retroproiezione filtrata o Formula di inversione del radon:
{\displaystyle f(\mathbf {x} )=\int _{0}^{\pi }({\mathcal {R}}f(\cdot ,\theta )*h)(\left\langle \mathbf {x} ,\mathbf {n} _{\theta }\right\rangle )\,d\theta }dove h è tale che {\displaystyle {\hat {h}}(k)=|k|} .
Il kernel di convoluzione h è indicato come filtro Ramp in letteratura.
Intuitivamente, la formula per la retroproiezione filtrata, simile a come funziona la differenziazione, per la quale {\textstyle \left({\widehat {{\frac {d}{dx}}f}}\right)\!(k)=ik{\widehat {f}}(k)} , Il filtro sembra svolgere una funzione analoga a una derivata.
In parole povere, quindi, il filtro conferisce al tutto un'identità più distinta.
L'inversione del radon è quantitativamente indicata come segue:
{\displaystyle {\widehat {{\mathcal {R}}^{*}{\mathcal {R}}g}}(k)={\frac {1}{\|\mathbf {k} \|}}{\hat {g}}(\mathbf {k} )}dove {\displaystyle {\mathcal {R}}^{*}} è l'adiacente precedentemente definito alla trasformata di radon.
Quindi per {\displaystyle g(\mathbf {x} )=e^{i\left\langle \mathbf {k} _{0},\mathbf {x} \right\rangle }} , si ha:
{\displaystyle {\mathcal {R}}^{*}{\mathcal {R}}g={\frac {1}{\|\mathbf {k_{0}} \|}}e^{i\left\langle \mathbf {k} _{0},\mathbf {x} \right\rangle }}L'esponenziale complesso {\displaystyle e^{i\left\langle \mathbf {k} _{0},\mathbf {x} \right\rangle }} è quindi un'autofunzione di {\displaystyle {\mathcal {R}}^{*}{\mathcal {R}}} con autovalore {\textstyle {\frac {1}{\|\mathbf {k} _{0}\|}}} .
Quindi i valori singolari di {\mathcal {R}} are {\textstyle {\frac {1}{\sqrt {\|\mathbf {k} \|}}}} .
Poiché questi valori singolari tendono a {\displaystyle 0} , {\displaystyle {\mathcal {R}}^{-1}} è illimitato.
La ricostruzione iterativa è più impegnativa dal punto di vista computazionale rispetto all'approccio di retroproiezione filtrata, il che ne limita l'uso. Tuttavia, in presenza di discontinuità o rumore, l'approccio della retroproiezione filtrata potrebbe non essere fattibile a causa della cattiva posizione dell'inversione del radon. Molti ricercatori sono interessati ai metodi di ricostruzione iterativa (come la varianza minima asintotica sparsa iterativa) perché hanno il potenziale per ridurre gli artefatti metallici, il rumore e il dosaggio nell'output ricostruito.
La trasformata del radon e le sue formule di inversione sono disponibili e sono sia esplicite che computazionalmente efficienti.
La trasformata del Radon in n dimensioni può essere invertita con la formula:
{\displaystyle c_{n}f=(-\Delta )^{(n-1)/2}R^{*}Rf\,}dove {\displaystyle c_{n}=(4\pi )^{(n-1)/2}{\frac {\Gamma (n/2)}{\Gamma (1/2)}}} , e la potenza del Laplaciano {\displaystyle (-\Delta )^{(n-1)/2}} è definita come un operatore pseudo-differenziale se necessario dalla trasformata di Fourier:
{\displaystyle \left[{\mathcal {F}}(-\Delta )^{(n-1)/2}\varphi \right](\xi )=|2\pi \xi |^{n-1}({\mathcal {F}}\varphi )(\xi ).}Calcolo basato sulla logica, la potenza del Laplaciano viene commutata con la trasformata duale R^{*} per dare:
{\displaystyle c_{n}f={\begin{cases}R^{*}{\frac {d^{n-1}}{ds^{n-1}}}Rf&n{\text{ odd}}\\R^{*}{\mathcal {H}}_{s}{\frac {d^{n-1}}{ds^{n-1}}}Rf&n{\text{ even}}\end{cases}}}dove {\displaystyle {\mathcal {H}}_{s}} è la trasformata di Hilbert rispetto alla variabile s.
Utilizzando solo due assi, l'operatore {\displaystyle {\mathcal {H}}_{s}{\frac {d}{ds}}} appare nell'elaborazione delle immagini come un filtro di rampa.
Si può dimostrare direttamente dal teorema della fetta di Fourier e dal cambiamento di variabili per l'integrazione che per una funzione continua supportata in modo compatto {\displaystyle f} di due variabili:
{\displaystyle f={\frac {1}{2}}R^{*}H_{s}{\frac {d}{ds}}Rf.}Così, in un contesto di elaborazione delle immagini, l'immagine originale {\displaystyle f} può essere recuperata dai dati del 'sinogramma' {\displaystyle Rf} applicando un filtro di rampa (nella s