滤波：斜坡、低通、高通
对频谱重新加权，以抑制噪声、锐化细节，或补偿反投影的几何
滤波就是”按频率挑信号”。一个信号可以拆成不同频率的正弦分量之和，每个分量在频谱里对应一个数；滤波器只做一件事——给每个频率配一个增益，乘上去。增益曲线 称为频率响应：在某个频率上 表示原样通过， 表示彻底丢弃，介于之间则按比例缩放。所谓”低通""高通""斜坡”，无非是 这条曲线的不同形状。
线性滤波器通过把信号的频谱乘以选定的频率响应 、再变换回来，从而重塑信号。由于这是频域中的相乘，它等价于实空间中的一次卷积，同一操作两种方式皆可描述。滤波器按其所通过的频率来分类。
这里 是频率 处的增益， 越大代表变化越快、细节越精细。“频域相乘等价于实空间卷积”是卷积定理的直接结果：在实空间，滤波相当于把信号与某个核 滑动加权平均，而 正是 的逆傅里叶变换。两种视角各有所长——设计时想”我要压住哪段频率”，频域最直观；分析伪影时想”一个点被抹成了多大一摊”，实空间更清楚。
低通保留低频、衰减高频：缓变结构被保留，宽频噪声被压制——这正是去噪的核心机制。
该合成信号由若干已知频率的正弦分量叠加宽频噪声构成。由于每个分量的频率已知，重构无需傅里叶变换：把各分量按所选响应 单独缩放即可直接读出滤波效果。低通保留缓变分量、压制高频噪声，斜坡则随频率线性放大，二者分别对应去噪与层析重构中两类截然不同的加权目标。
换句话说，演示里你拨动的不是信号本身，而是那条增益曲线：低通把右端（高频）压低，于是抖动的噪声被磨平、平缓的大波保留；斜坡反过来把右端抬高，于是细节被强调、低频被相对削弱。注意这两件事方向相反——去噪要往下压高频，层析重构却要往上抬高频，正是同一台”频域调音台”的两种相反用法。
低通滤波器保留低频、衰减高频，以损失精细细节为代价平滑信号、抑制噪声。高通滤波器则相反，保留快速变化与边缘、去除缓慢背景；与低通组合即构成带通，分离出选定的尺度范围。频域中的突兀截断会在实空间产生振铃伪影（吉布斯现象），因此实用的滤波器采用平滑过渡，如高斯、巴特沃斯或余弦渐变边缘。
举个具体的数：若体素采样为 1 nm、想保留到 2 nm 的结构，则截止频率约为 ；高于此的频段主要装着噪声，低通把它们衰减掉。为什么不能”一刀切”地在截止频率处把增益从 1 直接砍到 0？因为一个在频域上的方波（锐利的盒式窗）逆变换回实空间是一个 函数——它有无穷拖尾的左右振荡。于是每个边缘旁边都会冒出一圈一圈的明暗波纹，这就是振铃 / 吉布斯现象。把盒式窗换成两端平滑下降的曲线（高斯、巴特沃斯、余弦渐变），其实空间核的拖尾就被压住，振铃随之消失，代价是过渡带变宽、截止不再那么”干脆”。
噪声往往散布于所有频率，而大尺度结构集中于低频。低通滤波器丢弃了噪声占主导、结构却微弱的频段，以分辨率换取清晰度。截止频率通常选在信噪比降到一以下的频率附近。
把频谱想成一条从低频到高频的”价值递减”曲线：低频处信号强、噪声弱，每一段都值得保留；越往高频，信号越弱、噪声越平，到某一点之后这一段里几乎全是噪声，保留它只会让图更糙。低通就是在那个”信号已经淹没在噪声里”的频率处划一刀。高通则相反——当背景的缓变阴影（不均匀照明、冰厚梯度）压住了你关心的细节时，砍掉最低那几段频率，边缘和颗粒就凸显出来。
斜坡滤波器是层析所特有的。滤波反投影把每个投影沿体积涂抹回去再求和，但中心切片定理表明，过原点的频域切片在近原点处采样更密，因此朴素反投影会过度加权低频、使结果模糊。斜坡滤波器 恰好补偿这一径向密度，还原出忠实的重构。
这里 的意思是：频率为 的分量被乘上它到原点的距离。原点（，即整体灰度）增益为零，越往外增益越大、线性增长。为什么偏偏是线性？因为各投影对应的中心切片都过原点、像车轮辐条一样张开，靠近轮心处辐条挨得密、切片重叠多，远处则稀疏。某个频率被多少切片”数到”，正比于该处辐条的密度，而密度随到轮心的距离 反比下降——于是朴素求和把每个频率隐式地乘了 ，乘回一个 刚好抵平。
在极坐标下，二维逆傅里叶变换带有雅可比因子 ，即频域的面积元。单纯的反投影漏掉了它，使每个频率被 加权；在求和前把每片中心切片乘以 即可抵消该因子。 的无界增长会放大高频噪声，故纯斜坡需用一个低通（Shepp–Logan、Hann 或类似的切趾）加窗以加以限制。这一滤波步骤是 Cryo-ET 重构中加权反投影的决定性成分。
把推导写细一点。二维逆变换写成 ，换到极坐标 时面积元 ，这个 就是雅可比因子。中心切片定理告诉我们：沿角度 的那条频域切片，恰好是该角度投影的一维傅里叶变换。若直接把各角度的投影反投影回去再积分，等于做了 （漏掉 ），于是每个频率欠了一个 因子；先对每条切片乘 再积分，就补回了正确的面积元。
为什么必须加窗？ 随频率无上界地增长，而高频段恰是信噪比最低的地方——纯斜坡会把那里的噪声放大得最狠。实践中把斜坡乘一个在高频衰减的窗：， 取 Hann、Shepp–Logan、余弦等切趾函数，相当于”斜坡补几何 + 低通压噪声”的合体。在 Cryo-ET 里，每张投影还各自带有衬度传递函数的振荡和缺失楔形留下的频域空洞，所以真正的加权不止 一项，而是把斜坡、CTF 校正、SNR 加权（如维纳形式）串在一起——这正是 CryoGEN 系列方法要在缺失楔形和噪声夹击下重建结构时，绕不开的频域账本。
三种滤波器一张表
| 滤波器 | 形状 | 作用 | 用在哪 |
|---|---|---|---|
| 低通 | 低频 1、高频→0 | 平滑、去噪，牺牲细节 | 去噪、可视化、下采样前抗混叠 |
| 高通 | 低频→0、高频 1 | 留边缘、去缓变背景 | 去背景阴影、突出颗粒 |
| 带通 | 只留中间一段 | 隔离某个尺度范围 | 模板匹配前的尺度选择 |
| 斜坡 | ，线性上升（需加窗） | 补反投影的径向密度 | 滤波反投影 / 加权反投影 |
在 Cryo-ET 里的位置
这一页的三件事在重构流水线里各司其职：斜坡是滤波反投影的几何校正核心，没有它重构会糊；低通在去噪、可视化和把数据降采样前的抗混叠中反复出现；高通则用来扣掉冰厚和照明带来的缓变背景。它们都只是”给频率配增益”的同一个动作，区别只在那条 曲线长什么样。把这套频域加权与 CTF 校正、缺失楔形的处理叠在一起，就构成了 Cryo-ET 重构对每个频率”该信多少、该放大多少”的完整裁决——也是 CryoGEN 方法族在此之上学习先验、补全缺失信息的起点。