MATLAB中基于SVD从正弦图重建256×256图像问题咨询

• 混淆了SVD分解的对象与CT成像的物理逻辑
  你对正弦图本身做SVD分解得到的三个矩阵仅能表征正弦图自身的线性分量，不包含CT成像系统的投影映射关系，不可能直接通过这三个矩阵跳过投影逆过程得到原始图像。你之前的思路误将正弦图的SVD等价为成像系统投影矩阵的SVD，二者的物理意义完全不同。
• 伪逆公式使用错误
  SVD求解矩阵伪逆的正确公式是 pinv(A) = V * pinv(S) * U'，这里是矩阵乘法而非逐元素点乘（.*），你使用点乘自然会触发维度不匹配报错；此外S是对角矩阵，伪逆仅对非零对角元取倒数、其余位置置0，不是对S的所有元素取倒数。
• 重建逻辑链路错误
  U*S*V'直接相乘的结果只能还原你输入的原始正弦图，原始正弦图到256×256图像之间必须经过投影逆变换（反投影/逆问题求解），不可能直接通过正弦图的SVD得到原始图像。

• 第一步：明确CT正向投影模型
  假设你的成像系统的投影矩阵为P，维度为(367*180) × (256*256)，其物理意义是将拉为列向量的256×256原始图像x，映射为拉为列向量的367×180正弦图y，满足关系 y = P * x，图像重建本质是求解该线性逆问题得到x。
• 第二步：对投影矩阵做SVD分解
  不要对正弦图做分解，而是对投影矩阵P做经济模式SVD减少计算量，MATLAB代码为：

[U, S, V] = svd(P, 'econ');

如果没有显式的投影矩阵，可以通过你的投影参数（角度范围、探测器像素数等）调用MATLAB的radon相关接口生成匹配的投影矩阵。

• 第三步：截断SVD正则化解原始图像
  为了过滤噪声可以保留前k个最大的奇异值，求解代码如下：

% 可根据重建效果调整保留的奇异值数量k
k = 120;
S_pinv = zeros(size(S,2), size(S,1));
for i = 1:k
    % 仅对非零奇异值取倒数构造伪逆
    if S(i,i) > 1e-6
        S_pinv(i,i) = 1/S(i,i);
    end
end
% 求解并恢复为256×256图像
y_vec = reshape(your_sinogram, [], 1); % your_sinogram替换为你的367×180正弦图
x_vec = V * S_pinv * U' * y_vec;
x_rec = reshape(x_vec, 256, 256);

• 替代方案：如果不想显式生成投影矩阵，可以先用SVD对正弦图做去噪（保留前k个分量重构无噪声正弦图），再调用iradon函数做滤波反投影得到原始图像，该方案中SVD仅用作正弦图的预处理步骤。

内容的提问来源于stack exchange，提问作者Chris Taylor