CN103400361A - 一种口腔ct中基于阈值的增益校正算法 - Google Patents
一种口腔ct中基于阈值的增益校正算法 Download PDFInfo
- Publication number
- CN103400361A CN103400361A CN2013102676194A CN201310267619A CN103400361A CN 103400361 A CN103400361 A CN 103400361A CN 2013102676194 A CN2013102676194 A CN 2013102676194A CN 201310267619 A CN201310267619 A CN 201310267619A CN 103400361 A CN103400361 A CN 103400361A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- light field
- threshold
- field picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种口腔CT中基于阈值的增益校正算法,首先通过采集与待处理图像的放射条件相同的一组空气图像数据,对这组数据中每个像素点进行求取平均值得到平均光场图像,再计算平均光场图像整幅图像的平均值和方差,得到增益系数校正矩阵和判断所需的阈值条件,最后根据所需的阈值条件对每个像素点进行判断,根据判断结果的不同对每个像素点分别进行相应的增益校正,得到处理后的图像数据。采用本发明不仅可以很好的消除图像背景中的条纹,而且不会对物体中引入新的伪影,即大大提高了运算时间,又提高了图像的质量。
Description
技术领域
本发明涉及计算机图像处理领域,尤其是一种口腔CT中基于阈值的增益校正算法。
背景技术
近几年来,各种各样的平板探测器被开发出来,被广泛的应用于各种CT系统中,作为系统的成像设备,尤其是在锥束CT系统中。由于在锥束CT系统中具有数据采集速度高、切片序列连续等特点,而平板探测器具有良好的空间分辨率、很小的几何畸变、很大的动态范围以及良好的线性等优点,被广泛的应用于锥束CT系统,作为重要的成像部件。由于平板探测器是一种高度复杂的集成化数字成像设备,受到其结构特征和制作工艺的缺陷,其原始的输出图像具有不可避免的瑕疵。这些瑕疵如果不能很好的被纠正,会使探测器输出图像出现错误,对重建图像的质量造成很大的影响,也会对医生的临床诊断造成不必要的麻烦。
中国专利【CN101510298A】<一种CT伪影的综合校正方法>中提到,增益校正时,是直接通过采集相同条件下的广场图像,然后通过计算增益系数矩阵,通过计算得到需要的增益校正矩阵,然后把G3(x,y)和待处理的图像G3(x,y)的对应位置上的值进行乘积运算,计算之后便可以得到处理后的图像数据。虽然其计算的增益校正矩阵是完全是根据光场图像进行计算的,计算方法也比较简单,但是它的方法忽略了物体对于X线的衰减性,进而会在物体中引入新的条纹,对重建的图片上引入新的环状伪影,降低了重建图像的质量。
文章<一种锥束CT中平板探测器输出图像校正方法>中提到,增益不一致性校正借鉴图像复原中的逆滤波原理,采集相应扫描条件下的一组空气投影图像,叠加平均后进行数据拟合,来得到所需的增益校正矩阵,其中I(x,y)和I′(x,y)分别是校正前后(x,y)点处的灰度值,I(x,y)为平均光场图像,μ为拟合后的系数。它虽然提出了一种计算系数矩阵的方法,但是它的方法计算量太大,大大影响了图像数据的处理速度,而且未能避免在物体上引入新的条纹的现象。
中国专利【CN101126724A】<锥束CT中平板探测器图像的抗干扰校正方法>中,提出了一种增益矩阵的求法。首先选择各幅实物投影图像中未被物体遮挡的若干列,将每幅图像对应的若干行取平均,得到一列平均数据,再计算所有实物投影图像空白列的均值。最以,将前述每幅实物投影图像的平均列数据规范化到其均值从而得到图像一列的增益校正参数,然后把这个参数与待处理的图像的每一列对应元素值进行乘积运算,得到处理后的图像数据。但是它只是介绍了方法的大体思路,并没有求解公式,而且其采用的规范化方法,计算量很大。
发明内容
本发明要解决的技术问题是:提出一种应用于口腔CT系统中,能够很好的校正平板探测器增益不一致性的方法,这种方法可以通过阈值判断很好的解决由于物体对X射线衰减所造成的影响,通过光场图像和阈值的结合,能够解决由于采用光场图像计算增益系数校正矩阵而对生数据所引入的新的条纹;不仅可以很好的消除图像背景中的条纹,而且不会对物体中引入新的伪影,即大大提高了运算时间,又提高了图像的质量。
本发明所采用的技术方案为:一种口腔CT中基于阈值的增益校正算法,包括以下步骤:
1)采集与待处理图像的放射条件相同的一组空气图像数据;
2)对该组数据中每一个像素点进行求取平均值得到平均光场图像;
3)计算平均光场图像整幅图像的平均值和方差,得到增益系数校正矩阵和判断所需的阈值条件;
4)根据所需的阈值条件对每个像素点进行阈值判断;
5)根据判断结果的不同对每个像素点分别进行相应的增益校正,得到处理后的图像数据。
所述的步骤3)中得到增益系数校正矩阵的方法是:在暗场校正的环境下对采集到的数据的每个像素点进行求和取平均,得到平均光场图像再利用公式:计算每个像素点的像素值的平均值其中,n、m分别表示光场图像的像素点的行数和列数;最后通过平均值sum与平均光场图像计算得出增益系数校正矩阵
所述的步骤3)中的阈值的计算方法为:通过公式:计算平均光场图像的所有像素点的方差的平均值其中n、m分别表示光场图像的像素点的行数和列数;表示平均光场图像每个像素点的像素值,sum表示平均光场图像每个像素点的像素均值;之后得出增益校正时所需要的判断阈值s=sum/a。
对所述的步骤5)中的增益校正建立模型,通过阈值得到一个区间,并对生成数据的每个像素点判断是否在该区间范围内。
本发明的有益效果是:1.由于现有的增益校正算法基本上都是通过大量的计算得出增益校正矩阵,而本方法采用一种更加简便的方法,不仅可以准确的计算出每个像素点的增益校正系数,而且计算两小,可以更好的节省CT系统的处理时间,提高系统的效率,减少系统对于硬件的要求,降低不必要的成本;
2.由于增益系数矩阵是通过空气图像计算得出的,而在采集物体时,由于物体的衰减性作用,如果不进行阈值判断而直接进行增益系数校正,会在物体上引入明显的条纹,不仅会影响平板探测器对于物体各个像素点的响应值,而且会在重建图像中引入环状伪影,大大降低重建图像的质量,影响医生对于病灶的发现和诊断;而采用本发明则不会出现这样的情况;
3.由于现有方法不能很好的区分出背景和物体,所以引入了阈值判断的方法,这样可以把背景和物体分开处理,进而更好的解决由于增益校正而在重建图像中引入的环状伪影,在降低计算时间和处理器硬件要求的基础上更好的提高重建图像的质量。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1A~C是采集的第137幅投影数据;
图2A~B是第137幅投影图像数据;
图3A~C是重建切片的图像。
具体实施方式
现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
本发明提出一种在口腔锥束CT系统下用于平板探测器的基于阈值的增益校正方法,它首先通过采集与待处理图像的放射条件相同的一组空气图像数据,对这组数据中每个像素点进行求取平均值得到平均光场图像,再计算平均光场图像整幅图像的平均值和方差,得到增益系数校正矩阵和判断所需的阈值条件,最后根据所需的阈值条件对每个像素点进行判断,根据判断结果的不同对每个像素点分别进行相应的增益校正,得到处理后的图像数据。
其中,
1)增益系数矩阵的计算
由于FPD的输出图像会受到之前所述的暗电流和量子噪声的影响,并且考虑到FPD所具有的很好的线性输出特性,我们将输出图像表示为:
R(x,y)=K(x,y)U(x,y)+B(x,y) (1)
其中,R(x,y)表示FPD每个像元的输出值,K(x,y)表示每个像元所吸收的X射线的计量,U(x,y)表示每个像元自身的增益系数,B(x,y)表示每个像元在暗电流作用下的输出值。
所以,我们根据上述原理,在现有的暗场校正的基础之上,我们首先在与待处理数据所使用的放射条件下,采集N副这个条件下的空气数据,为了消除采集过程中的噪声影响,我们对所采集的数据的每个像素点进行求和取平均,得到平均光场图像R(x,y)
之后,我们用式(2)计算得到的光场平均图像R(x,y),计算每个像素点的像素值的平均值,即
其中,n、m分别表示光场图像的像素点的行数和列数。
最后,我们通过由式(3)计算出来的均值sum与光场均值图像R(x,y)计算出所需的增益系数校正矩阵U′(x,y),即
2)阈值的计算
我们通过式(2)计算得到的平均光场图像以及式(3)计算得到的图像均值,来计算平均光场图像的所有像素点的方差的平均值a,即
其中,n、m分别表示光场图像的像素点的行数和列数,R(x,y)表示平均光场图像每个像素点的像素值,sum表示平均光场图像每个像素点的像素均值。
我们通过式(3)、(4),分别计算得到的光场图像的均值和方差,可以计算出在增益校正时所需要的判断阈值s,即
s=sum/a (6)
3)校正模型的建立
我们利用式(4)计算出的增益系数校正矩阵U′(x,y)和式(6)计算出来的判断阈值s,来对采集图像进行处理。首先,我们读取一幅采集图像R(x,y),我们通过阈值得到一个区间(sum-s,sum+s),并对生数据的每个像素点,判断其是否在这个区间范围以内,在区间内的像素点,采用
R'(x,y)=(R(x,y)-B(x,y))·U'(x,y) (7)
如果不在上述区间内,则采用
R'(x,y)=R(x,y)-B(x,y) (8)
这样我们就建立了基于阈值判断的增益校正方法的校正模型。
图1~2中所示的是三组实验第137幅投影图像的整体对比图,我们对窗宽、窗位进行了适当的调整,以便我们更好的对其进行对比。由图3可见,已有的增益校正方法所得图像在背景部分有很好的效果,但是会在物体上面引入非常明显的条状伪影,衰减越弱伪影越明显。而经过阈值校正之后的图像,不仅在背景区域有很明显的改善,还不会在物体上引入多余的条状伪影,使背景区域灰度均匀,投影轮廓清晰。
以上说明书中描述的只是本发明的具体实施方式,各种举例说明不对本发明的实质内容构成限制,所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形,而不背离发明的实质和范围。
Claims (4)
1.一种口腔CT中基于阈值的增益校正算法,其特征在于包括以下步骤:
1)采集与待处理图像的放射条件相同的一组空气图像数据;
2)对该组数据中每一个像素点进行求取平均值得到平均光场图像;
3)计算平均光场图像整幅图像的平均值和方差,得到增益系数校正矩阵和判断所需的阈值条件;
4)根据所需的阈值条件对每个像素点进行阈值判断;
5)根据判断结果的不同对每个像素点分别进行相应的增益校正,得到处理后的图像数据。
4.如权利要求1所述的一种口腔CT中基于阈值的增益校正算法,其特征在于:对所述的步骤5)中的增益校正建立模型,通过阈值得到一个区间,并对生成数据的每个像素点判断是否在该区间范围内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310267619.4A CN103400361B (zh) | 2013-06-28 | 2013-06-28 | 一种口腔ct中基于阈值的增益校正算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310267619.4A CN103400361B (zh) | 2013-06-28 | 2013-06-28 | 一种口腔ct中基于阈值的增益校正算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103400361A true CN103400361A (zh) | 2013-11-20 |
CN103400361B CN103400361B (zh) | 2016-02-24 |
Family
ID=49563973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310267619.4A Active CN103400361B (zh) | 2013-06-28 | 2013-06-28 | 一种口腔ct中基于阈值的增益校正算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103400361B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631819A (zh) * | 2015-12-25 | 2016-06-01 | 深圳市安健科技股份有限公司 | 一种ccd dr探测器的平场矫正方法及系统 |
CN108399613A (zh) * | 2017-12-20 | 2018-08-14 | 上海奕瑞光电子科技股份有限公司 | 一种平板探测器图像空场识别方法 |
CN108956650A (zh) * | 2017-05-25 | 2018-12-07 | 北京君和信达科技有限公司 | 探测器增益自动配置方法、装置、系统及存储介质 |
CN110942052A (zh) * | 2019-12-28 | 2020-03-31 | 常州博恩中鼎医疗科技有限公司 | 基于三合一cbct头颅侧位图像的侧位耳点校正方法 |
CN111147760A (zh) * | 2019-12-23 | 2020-05-12 | 兴科迪智能科技(北京)有限公司 | 一种光场相机及其光度调整方法、装置及电子设备 |
CN111161183A (zh) * | 2019-12-27 | 2020-05-15 | 常州博恩中鼎医疗科技有限公司 | 一种口腔ct中平板探测器坏像素点校正方法 |
CN113050262A (zh) * | 2021-02-05 | 2021-06-29 | 安徽医科大学 | 一种通用型斜照明显微成像系统及其校正算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510298A (zh) * | 2009-03-17 | 2009-08-19 | 西北工业大学 | 一种ct伪影的综合校正方法 |
WO2013049440A1 (en) * | 2011-09-30 | 2013-04-04 | Life Technologies Corporation | Methods and systems for background subtraction in an image |
-
2013
- 2013-06-28 CN CN201310267619.4A patent/CN103400361B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510298A (zh) * | 2009-03-17 | 2009-08-19 | 西北工业大学 | 一种ct伪影的综合校正方法 |
WO2013049440A1 (en) * | 2011-09-30 | 2013-04-04 | Life Technologies Corporation | Methods and systems for background subtraction in an image |
Non-Patent Citations (3)
Title |
---|
张华 等: "一种基于空气扫描的锥束CT环形伪影校正方法", 《CT理论与应用研究》 * |
李俊江 等: "CT 图像环状伪影校正方法", 《北京航空航天大学学报》 * |
王苦愚 等: "一种锥束CT 中平板探测器输出图像校正方法", 《计算机辅助设计与图形学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631819A (zh) * | 2015-12-25 | 2016-06-01 | 深圳市安健科技股份有限公司 | 一种ccd dr探测器的平场矫正方法及系统 |
CN108956650A (zh) * | 2017-05-25 | 2018-12-07 | 北京君和信达科技有限公司 | 探测器增益自动配置方法、装置、系统及存储介质 |
CN108956650B (zh) * | 2017-05-25 | 2021-09-24 | 北京君和信达科技有限公司 | 探测器增益自动配置方法、装置、系统及存储介质 |
CN108399613A (zh) * | 2017-12-20 | 2018-08-14 | 上海奕瑞光电子科技股份有限公司 | 一种平板探测器图像空场识别方法 |
CN111147760A (zh) * | 2019-12-23 | 2020-05-12 | 兴科迪智能科技(北京)有限公司 | 一种光场相机及其光度调整方法、装置及电子设备 |
CN111161183A (zh) * | 2019-12-27 | 2020-05-15 | 常州博恩中鼎医疗科技有限公司 | 一种口腔ct中平板探测器坏像素点校正方法 |
CN110942052A (zh) * | 2019-12-28 | 2020-03-31 | 常州博恩中鼎医疗科技有限公司 | 基于三合一cbct头颅侧位图像的侧位耳点校正方法 |
CN110942052B (zh) * | 2019-12-28 | 2023-08-22 | 常州博恩中鼎医疗科技有限公司 | 基于三合一cbct头颅侧位图像的侧位耳点校正方法 |
CN113050262A (zh) * | 2021-02-05 | 2021-06-29 | 安徽医科大学 | 一种通用型斜照明显微成像系统及其校正算法 |
Also Published As
Publication number | Publication date |
---|---|
CN103400361B (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103400361A (zh) | 一种口腔ct中基于阈值的增益校正算法 | |
US11328391B2 (en) | System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information | |
US8705827B2 (en) | Scatter correction methods | |
CN102800073B (zh) | 一种锥束ct环形伪影的自动判别与校正方法 | |
US8294717B2 (en) | Advanced clustering method for material separation in dual energy CT | |
JP6038850B2 (ja) | 画像処理装置 | |
CN102521801B (zh) | Ct图像的环形伪影及弧形伪影校正方法 | |
CN102737392A (zh) | 一种低剂量x线ct图像的非局部正则化先验重建方法 | |
Zoccarato et al. | Comparative analysis of iterative reconstruction algorithms with resolution recovery for cardiac SPECT studies. A multi-center phantom study | |
CN101510298A (zh) | 一种ct伪影的综合校正方法 | |
CN103578082A (zh) | 一种锥束ct散射校正方法及系统 | |
CN104166971A (zh) | 一种ct图像重建的方法 | |
CN102917642B (zh) | X射线ct装置 | |
WO2014050263A1 (ja) | デジタル画像処理方法および撮影装置 | |
Mukherjee et al. | Improved frame‐based estimation of head motion in PET brain imaging | |
CN111161182B (zh) | Mr结构信息约束的非局部均值引导的pet图像部分容积校正方法 | |
KR101146006B1 (ko) | 엑스선 씨티에서의 링 아티팩트 제거방법 및 장치 | |
US8098920B2 (en) | Method of extrapolating a grey-level bidimensional image in a radiography device and a radiography device implementing such a method | |
CN103405241B (zh) | 一种射线成像的探测器余辉校正方法 | |
CN113177991A (zh) | 一种基于计划ct校正cbct中散射伪影的方法 | |
Faber et al. | Motion correction of pet brain images through deconvolution: I. theoretical development and analysis in software simulations | |
CN114359126A (zh) | 三维图像的几何校正方法、装置、电子设备及存储介质 | |
KR101431646B1 (ko) | 데이터처리장치, 데이터처리방법 및 컴퓨터 판독가능 기록매체 | |
Celler et al. | An investigation of potential sources of artifacts in SPECT-CT myocardial perfusion studies | |
CN102521839A (zh) | 一种用于退化图像恢复的客观无参考图像质量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |