CN104066378B - 图像处理装置以及图像处理方法 - Google Patents

Abstract

为了提供一种能够生成保持构造物的边缘且去除条纹状的伪影的目标图像的图像处理装置等，运算装置基于原图像和平滑化图像的特征量来决定非线性函数的形状(S101)。接着，运算装置通过在上述(S101)中决定形状的非线性函数来计算原图像以及平滑化图像的状态系数(S102)。接着，运算装置使用在上述(S102)中计算的状态系数，针对原图像以及平滑化图像的各像素来计算加权系数(S103)。接着，运算装置进行原图像和平滑化图像的加权相加，生成目标图像(S104)。

Description

图像处理装置以及图像处理方法

技术领域

本发明涉及对由X射线CT装置等得到的图像实施图像处理的图像处理装置，且涉及保持构造物的边缘并去除条纹状的伪影(artifact)的技术。

背景技术

X射线CT装置从被检体的周围照射X射线，通过对在多个投影角度所获取的实际投影数据进行逆投影，由此来重构被检体的断层像。

当基于由上述那样的X射线CT装置等得到的原信息来重构肩等扁平的部位时，在X射线的照射剂量不充分的情况下，在X射线减弱较大的方向上产生条纹状的伪影。在非专利文献1、非专利文献2中，提出通过在使投影数据平滑化的基础上应用上述的图像重构法，由此来降低条纹状的伪影的手法。下面，将降低这些条纹状的伪影的方法称为“投影数据平滑化滤波器”。

由投影数据平滑化滤波器得到的图像附随于条纹状的伪影的降低效果而在较高对比度的构造物的边缘中伴随有模糊。条纹状的伪影的降低效果和构造物的边缘保存效果存在平衡(trade-off)的关系，越增大前者的效果则后者的效果越变小。因此，在使较强的条纹状的伪影降低的情况下，会在构造物的边缘产生较大的模糊。构造物的边缘的模糊由于在临床诊断上不优选，因此希望保持构造物的边缘、且去除条纹状的伪影的图像(下面，称为“目标图像”)。

作为该问题的解决策略，列举：将根据投影数据通过上述的图像重构法得到的图像(下面，称为“原图像”)、和根据应用了投影数据平滑化滤波器后的投影数据通过上述的图像重构法得到的图像(下面，称为“平滑化图像”)适当地进行加权相加的方法。即，通过进行加权相加，使得图像上产生条纹状的伪影的部分的像素中平滑化图像的像素值、构造物的边缘部分中原图像的像素值的比率分别变大，由此来得到上述的目标图像。将使这样的原信息相同的两张图像混合的手法，到目前为止已提出几种。

在专利文献1所记载的手法中，根据原图像来制作分辨率比原图像低的低分辨率图像，从低分辨率图像中检测边缘来制作低分辨率的边缘图像，根据低分辨率的边缘图像的边缘亮度值并通过非线性函数来计算加权系数。此时，在边缘的检测中使用包含关注像素在内的规定的区域的像素的值的最大值和最小值之差或方差值、浓度梯度等。对于原图像，通过采用上述的加权系数对从原图像中减去低分辨率图像后的图像进行加权相加，由此来强调构造物的边缘。通过这样的手法，能够进行原图像和平滑化图像的加权相加。

在专利文献2所记载的手法中，将图像分割为小区域，计算小区域的标准偏差值，以全体小区域作为对象来制作以标准偏差值作为等级的直方图，根据直方图计算判别等级值并将各小区域分类为平坦区域和非平坦区域。检测图像上的构造物的边缘等同于识别平坦区域和非平坦区域。如果两者能够进行分类，则在非平坦区域中使用原图像的像素值，在平坦区域中使用平滑化图像的像素值，从而能够进行原图像和平滑化图像的加权相加。

在先技术文献

专利文献

专利文献1：日本专利第3700798号公报

专利文献2：日本特开平07-93543号公报

非专利文献

非专利文献1：J.Hsieh.，“Adaptive streak artifact reduction in computedtomography resulting from excessive x-ray photon noise，”Med.Phys.，Vol.25，No.11，pp.2139-2147，1998

非专利文献2：T.Li et.al.，“Nonlinear Sinogram Smoothing for Low-Dose X-Ray CT，”IEEE.Trans.Nucl.Sci.，Vol.51，No.5，pp.2505-2513，2004

发明内容

发明要解决的课题

但是，较强的条纹状的伪影不同于图像中产生的粒状噪声，而具有接近于直线状的构造物的特性。这样，在如专利文献1所记载的手法那样使用包含关注像素在内的规定的区域的像素的值的最大值和最小值之差或方差值、浓度梯度等来进行边缘的检测的情况下，将较强的条纹状的伪影检测为边缘的可能性高。

此外，如上所述，较强的条纹状的伪影具有接近于构造物的特性。这样，在如专利文献2所记载的手法那样基于标准偏差值来进行构造物的判定的情况下，存在将包含条纹状的伪影在内的区域识别为非平坦区域的顾虑。

在将条纹状的伪影误识别为构造物、构造物的边缘的情况下，条纹状的伪影的一部分或者全部会复原为原图像和平滑化图像加权相加后的图像。即，在专利文献1、专利文献2所记载的手法中，无法得到目标图像。

无法得到目标图像的本质性理由是：在专利文献1、专利文献2所记载的手法中，将对一致区域中的粒状噪声和构造物进行分类作为目的，不使用用于对条纹状的伪影和构造物进行分类的指标。

本发明正是鉴于上述问题点而形成的，其目的在于提供一种能够生成保持构造物的边缘、且去除条纹状的伪影的目标图像的图像处理装置等。

用于解决课题的手段

用于达成上述目的的第1发明是一种图像处理装置，由加权系数对根据原信息生成的原图像、以及根据同一上述原信息生成并至少降低了条纹状的伪影的平滑化图像的对应的各像素进行加权相加，生成保持构造物的边缘且去除条纹状的伪影的目标图像，该图像处理装置的特征在于，具备：函数形状决定部，其基于上述原图像以及上述平滑化图像的特征量来决定非线性函数的形状；和加权系数计算部，其基于上述非线性函数来计算上述加权系数。

第2发明是一种图像处理方法，由加权系数对根据原信息生成的原图像、以及根据同一上述原信息生成并至少降低了条纹状的伪影的平滑化图像的对应的各像素进行加权相加，生成保持构造物的边缘且去除条纹状的伪影的目标图像，该图像处理方法的特征在于，包括：函数形状决定步骤，基于上述原图像以及上述平滑化图像的特征量来决定非线性函数的形状；和加权系数计算步骤，基于上述非线性函数来计算上述加权系数。

发明效果

通过本发明，可以提供一种能够生成保持构造物的边缘且去除条纹状的伪影的目标图像的图像处理装置等。

附图说明

图1是X射线CT装置的整体概观图。

图2是X射线CT装置的整体构成图。

图3是表示非线性函数的函数形状的例子的图。

图4是表示整体的处理流程的图。

图5是表示函数形状决定步骤涉及的处理流程的图。

图6是表示原图像以及平滑化图像的区域分割的例子的图。

图7是表示原图像、平滑化图像、目标图像的例子的图。

具体实施方式

以下，基于附图来详细地说明本发明的实施方式。最初，参照图1、图2，来说明X射线CT装置1的构成。

如图1所示，X射线CT装置1包括：搭载X射线管11和检测器12的扫描仪2、载置被检体10的床台4、进行从检测器12得到的数据的处理的运算装置5、鼠标、轨迹球、键盘、触摸面板等输入装置6、以及显示重构图像等的显示装置7等。

操作者经由输入装置6来输入摄影条件、重构参数等。摄影条件例如是床台送出速度、管电流、管电压、切片位置等。此外，重构参数例如是关心区域、重构图像大小、逆投影相位宽、重构滤波器函数等。

如图2所示，X射线CT装置1大致来分，由扫描仪2、操作单元3、床台4构成。扫描仪2由X射线管11(X射线源)、检测器12(X射线检测器)、准直仪13、驱动装置14、中央控制装置15、X射线控制装置16、高电压产生装置17、扫描仪控制装置18、床台控制装置19、床台移动测量装置20、准直仪控制装置21、前置放大器22、A/D转换器23等构成。

X射线CT装置1大致区分为：使用在二维方向上排列了检测元件的检测器12的多切片CT、和使用在1列即一维方向(仅通道方向)上排列了检测元件的检测器12的单切片CT。在多切片CT中，与检测器12配合而从作为X射线源的X射线管11照射扩展为圆锥状、或者棱锥状的X射线束。在单切片CT中，从X射线管11照射扩展为扇状的X射线束。通常，在X射线CT装置1所进行的摄影中，托台部环绕载置于床台4的被检体10的周围进行旋转，同时进行X射线的照射。

中央控制装置15从操作单元3中的输入装置6输入摄影条件、重构参数，并将摄影所需的控制信号发送至准直仪控制装置21、X射线控制装置16、扫描仪控制装置18、和床台控制装置19。准直仪控制装置21基于控制信号来控制准直仪13的位置。

如果接受摄影开始信号而开始摄影，则X射线控制装置16基于控制信号来控制高电压产生装置17。高电压产生装置17对X射线管11施加管电压、管电流。在X射线管11中，从阴极射出与施加的管电压相应的能量的电子，通过射出的电子与靶(阳极)发生碰撞，从而向被检体10照射与电子能量相应的能量的X射线。

此外，扫描仪控制装置18基于控制信号来控制驱动装置14。驱动装置14使搭载有X射线管11、检测器12、前置放大器22等的托台部环绕在被检体10的周围。床台控制装置19基于控制信号来控制床台4。

从X射线管11照射的X射线由准直仪13来限制照射区域，在被检体10内的各组织中根据X射线减弱系数被吸收(衰减)，通过被检体10，由配置在与X射线管11对置的位置处的检测器12来检测。检测器12由配置在二维方向(通道方向以及与其正交的列方向)上的多个检测元件构成。由各检测元件所受光的X射线被变换为实际投影数据。

即，由检测器12检测到的X射线被变换为电流，由前置放大器22放大，由A/D转换器23变换为数字数据，进行LOG变换，进行校准，作为实际投影数据而输入至运算装置5。

此时，因为相互对置的X射线管11和检测器12在被检体10的周围旋转，所以实际投影数据在旋转方向的离散性的X射线管位置(以及对应的检测器位置)处被收集。各个X射线管位置处的实际投影数据的获取单位被称为“视图”。

运算装置5由重构运算装置31、图像处理装置32等构成。此外，输入输出装置9由输入装置6、显示装置7、存储装置8(存储部)等构成。

重构运算装置31使用实际投影数据来进行图像重构处理，生成重构图像。重构运算装置31在各视图的实际投影数据上重叠重构滤波器来生成滤波器校正投影数据，对于滤波器校正投影数据，通过在视图方向上加权权重来进行逆投影处理，从而按照非破坏性的方式对断层像进行图像化，作为被检体10内部的X射线减弱系数的分布图。

重构运算装置31将生成的重构图像保存在存储装置8中。此外，重构运算装置31在显示装置7中显示为CT图像。或者，图像处理装置32对保存在存储装置8中的重构图像进行图像处理，在显示装置7中显示为CT图像。

下面，说明以下的图像处理方法，即，采用加权系数对根据由X射线CT装置1等获取的原信息而生成的原图像、以及根据同一原信息生成并至少降低了条纹状的伪影的平滑化图像的对应的各像素进行加权相加，生成保持构造物的边缘且去除条纹状的伪影的目标图像。

本发明的图像处理方法按照满足以下3个制约条件的方式生成目标图像。

(制约条件1)目标图像的像素值设为对应的像素涉及的原图像的像素值以及平滑化图像的像素值的范围内。

(制约条件2)目标图像在空间上(即在一张图像空间中)设为平滑的图像。

(制约条件3)目标图像与平滑化图像相比较，在认为是同一脏器的区域(＝平坦区域之一)中条纹状的伪影等的噪声不增加。

制约条件1是为了不丢失由X射线CT装置1等获取的原信息(其中，去除噪声。)的条件。对于制约条件1，换言之，成为min(原图像的像素值，平滑化图像的像素值)≤目标图像的像素值≤max(原图像的像素值，平滑化图像的像素值)。另外，min()是输出最小值的运算符，max()是输出最大值运算符。

制约条件2是为了避免在目标图像中可能产生的不连续性的条件。制约条件3是为了主要去除粒状噪声和条纹状的伪影的条件。

本发明的图像处理方法的特征尤其在于满足制约条件3。

用于加权相加的加权系数由表示原图像和平滑化图像的状态的状态系数来决定。状态系数设为以原图像或者平滑化图像的关注像素和其邻近像素的像素值差作为变量的非线性函数的值。

在本发明的实施方式中，作为非线性函数使用广义高斯函数。其中，非线性函数是平滑的连续函数，具有多个任意的参数，其形状能够进行任意调整即可，不必特别进行限定。非线性函数如果是平滑的连续函数，则满足上述的“(制约条件2)目标图像在空间上(即在一张图像空间中)设为平滑的图像。”。作为非线性函数的其他例子，列举逻辑斯蒂(logistic)函数等。

设图像向量为x＝{x₁，......，X_J}，设相对于关注像素s的邻近像素r的集合为N_s，通过广义高斯函数，由下式来定义关注像素s的状态系数g_s(x)。

[数学式1]

$g_s(x,v)\≡\exp \{-\underset{r\∈N_s}{\mathrm{\Σ}}\frac{w_{\mathrm{sr}}{|x_s-x_r|}^p}{{2v}^p}\}\·\·\·\left(1\right)$

这里，p是调整广义高斯函数的斜率的任意的参数，对于所有的切片而设为相同的值。v是调整广义高斯函数的拐弯位置的任意的参数。w_sr是与关注像素s和邻近像素r之间的距离相应的权重系数，例如如下式定义。

[数学式2]

$w_{\mathrm{sr}}=\exp (-\frac{l_{\mathrm{sr}}^2}{{2L}^2})\·\·\·\left(2\right)$

这里，l_sr是关注像素s与邻近像素r之间的距离。L是像素的大小相对于检测器的元件的大小之比。其中，w_sr不必限定为式(2)，只要是邻近像素r越接近关注像素s则值越大的函数即可。此外，关注像素s的附近像素的集合N_s、以及广义高斯函数的斜率p假定按照经验来决定。

在式(1)中，如果关注像素s和邻近像素r的像素值相等，则状态系数为1，关注像素s和邻近像素r的像素值之差越大，则状态系数越接近于0。相对于关注像素s和邻近像素r的像素值差，将v设定为任意的常数c以及2c、4c时的函数形状的变化在图3中例示。如果固定像素值差来考虑，则越使v增大则状态系数越易于成为接近于1的值。在本发明中，在一张断层像内，对于被认为是由于条纹状的伪影而产生的关注像素s和邻近像素r的像素值差，决定用于调整函数的拐弯位置的参数v，以使状态系数成为大致接近于1的值。

[第1实施方式]

下面，根据图4所示的处理流程的过程，适当参照其他附图来说明本发明的第1实施方式。

<步骤S101>

X射线CT装置1的运算装置5(下面，标记为“运算装置5”。)，基于原图像和平滑化图像的特征量，来决定非线性函数的形状。针对决定非线性函数的形状的处理，参照图5来说明。

<步骤S201>

运算装置5将原图像以及平滑化图像的区域分割为相互对应的小区域。例如，如图6所示，运算装置5将原图像41以及平滑化图像42的区域划分为格子状，分割为小区域。小区域的大小按照经验来决定。

其中，小区域的分割方法不限定为该例。在本发明中，只要原图像41以及平滑化图像42的区域通过同一分割方法分割为小区域即可。此外，小区域的形状也不限定为矩形。在本发明中，只要邻近的多个像素包含在同一小区域中即可。此外，一个像素也可以重复包含在多个小区域中。

<步骤S202、S203>

运算装置5对于原图像41以及平滑化图像42双方涉及的各小区域，根据小区域中包含的像素的像素值来计算原图像41以及平滑化图像42的偏差值。

偏差值例如是标准偏差值、(最大值-最小值)等。偏差值是表示各小区域的偏差的值，是根据各小区域中包含的像素的像素值所计算的统计量即可。下面，为了避免混乱，以标准偏差值为例来进行说明。

这里，为了说明，对小区域分配连贯编号i＝1，......，I，且关注于第i个小区域。将第i个小区域中的原图像41的标准偏差值设为σ_i ^(org)，将平滑化图像42的标准偏差值设为σ_i ^(smt)。

<步骤S204>

运算装置5按每个小区域计算以原图像41的偏差值为基准的平滑化图像42的偏差值的降低率。在本实施方式中，计算标准偏差值的降低率。针对第i个小区域，将以原图像41的标准偏差值作为基准的平滑化图像42的标准偏差值的降低率设为ρ_i，采用下式来计算。

[数学式3]

${\mathrm{\&rho;}}_i=\frac{{\mathrm{\&sigma;}}_i^{\left(\mathrm{org}\right)}-{\mathrm{\&sigma;}}_i^{\left(\mathrm{smt}\right)}}{{\mathrm{\&sigma;}}_i^{\left(\mathrm{org}\right)}}\&CenterDot;\&CenterDot;\&CenterDot;\left(3\right)$

运算装置5，基于式(3)在全部的小区域中计算标准偏差值的降低率ρ_i。如式(3)那样使用根据原图像41以及平滑化图像42双方的像素值所计算的特征量(例如，降低率ρ_i)来决定非线性函数的形状，通过进行图4所示的处理，从而满足上述的“(制约条件3)目标图像与平滑化图像相比较，在认为是同一脏器的区域中条纹状的伪影等的噪声不增加”。

另外，在与对使原信息相同的两张图像进行混合的手法相关的现有技术(例如，专利文献1、2)中，仅仅使用根据只包含在一个图像中的像素的像素值所计算的特征量。例如，在根据只包含在一个图像中的像素的像素值所计算的标准偏差值当中，通过任意的平滑化处理，无法区分是噪声去除了还是构造物模糊了。因此，在现有技术中，无法如本发明那样生成去除了条纹状的伪影的目标图像。

<步骤S205>

运算装置5基于降低率ρ_i，从小区域的集合中提取特征量计算区域。

在第1实施方式中，运算装置5在规定的范围内(例如，同一切片内)所包含的小区域之中，将降低率最大的小区域提取为特征量计算区域。另外，规定的范围可以作为多个切片内，也可以作为全部的切片内。

下面，作为将第k个小区域提取为特征量计算区域的情形来进行说明。

<步骤S206>

运算装置5根据依据特征量计算区域(第k个小区域)的像素值所计算的特征量，来决定非线性函数的形状。以下，说明使用在步骤S202中计算的原图像41的标准偏差值σ_k ^(org)以及在步骤S203中计算的平滑化图像42的标准偏差值σ_k ^(smt)来计算特征量的例子。其中，本发明不限定为该例子，可以取代标准偏差值而使用其他的偏差值(例如，小区域内的像素的最大值与最小值之差)。

将任意的常数设为α(0＜α＜1)，像素值差为σ_k(σ_k ^(org)和σ_k ^(smt)的总称记号)时，按照状态系数取α的值(参照图3)的方式设定非线性函数的形状。α例如是0.99、0.98、0.97等实数值。例如，如果是式(1)的广义高斯函数，则用于调整函数的拐弯位置的参数v如下式来定义。

[数学式4]

$v^p=-\frac{{\left({\mathrm{t\&sigma;}}_k\right)}^p}{2\ln \mathrm{\&alpha;}}\underset{r\&Element;N_s}{\mathrm{\&Sigma;}}{w}_{\mathrm{sr}}\&CenterDot;\&CenterDot;\&CenterDot;\left(4\right)$

这里，t为不是1的正的系数，根据依据已经摄影完毕的图像得到的统计信息，考虑条纹状的伪影等噪声的影响，按照经验来决定。例如，如果是仅仅产生高斯噪声(粒状噪声)的图像，则设t＝1，不必将t导入式(4)中。但是，本发明因为将产生了比高斯噪声更强的噪声即条纹状的伪影的图像作为对象，所以将比1更大的值的t导入式(4)中。

在式(4)中，将用于对在原图像41以及平滑化图像42的每一个中计算的非线性函数的拐弯位置进行调整的参数设为v_k ^(org)以及v_k ^(smt)。

运算装置5通过图5所示的处理，按每个规定的范围(例如，每切片)来动态地决定非线性函数的形状。第1实施方式中的特征之一在于，将平滑化图像42相对于原图像41的标准偏差值的降低率ρ_i为最大的区域提取为特征量计算区域，使用特征量计算区域中的标准偏差值来决定非线性函数的形状。

上述的投影数据平滑化滤波器具有大幅降低条纹状的伪影这一特性。根据该特性，在包含条纹状的伪影在内的小区域中，标准偏差值的降低率ρ_i变大。此外，投影数据平滑化滤波器具有伴随有构造物的模糊这一特性。根据该特性，在包含构造物的小区域中，原图像的标准偏差值变大，式(3)的分母变大，所以作为结果，标准偏差值的降低率ρ_i变小。即，在标准偏差值的降低率ρ_i为最大的区域中，包含条纹状的伪影的可能性较高。

因此，如果将标准偏差值的降低率ρ_i为最大的区域作为特征量计算区域来提取，则将包含条纹状的伪影在内的小区域提取为特征量计算区域。并且，将包含条纹状的伪影在内的小区域中的标准偏差值代入式(4)，决定用于调整非线性函数的拐弯位置的参数v的值，进而能够得到去除了条纹状的伪影的目标图像。

返回图4的说明。下面，说明下述处理，即，通过非线性函数来计算表示原图像41和平滑化图像42的每一个的状态的状态系数，根据原图像41和平滑化图像42的状态系数来计算加权相加的加权系数。

<步骤S102>

运算装置5，通过在步骤S101中决定形状的非线性函数，来计算原图像41以及平滑化图像42的状态系数。状态系数的计算处理遵循式(1)。

<步骤S103>

运算装置5使用在步骤S102中计算的状态系数，针对原图像41以及平滑化图像42的各像素计算加权系数。将原图像41的图像向量设为x^(org)＝{x₁ ^(org)，......，x_J ^(org)}，将平滑化图像42的图像向量设为x^(smt)＝{x₁ ^(smt)，......，x_J ^(smt)}。在图像的加权相加中，将关注像素s涉及的加权系数设为λ_s。λ_s的计算处理遵循以下所示的式(5)、式(6)、或式(7)中的任一个。

[数学式5]

${\mathrm{\&lambda;}}_s\&equiv;g_s(x^{\left(\mathrm{org}\right)},v_k^{\left(\mathrm{org}\right)})\&CenterDot;g_s(x^{\left(\mathrm{smt}\right)},v_k^{\left(\mathrm{smt}\right)})\&CenterDot;\&CenterDot;\&CenterDot;\left(5\right)$

[数学式6]

${\mathrm{\&lambda;}}_s\&equiv;\{g_s(x^{\left(\mathrm{org}\right)},v_k^{\left(\mathrm{org}\right)})+g_s(x^{\left(\mathrm{smt}\right)},v_k^{\left(\mathrm{smt}\right)})\}/2\&CenterDot;\&CenterDot;\&CenterDot;\left(6\right)$

[数学式7]

${\mathrm{\&lambda;}}_s\&equiv;{\{g_s(x^{\left(\mathrm{org}\right)},v_k^{\left(\mathrm{org}\right)})\&CenterDot;g_s(x^{\left(\mathrm{smt}\right)},v_k^{\left(\mathrm{smt}\right)})\}}^{1/2}\&CenterDot;\&CenterDot;\&CenterDot;\left(7\right)$

本发明的特征之一在于，如式(5)～式(7)所示，使用原图像41和平滑化图像42双方的状态系数，来计算对应的像素的加权系数的值。

式(5)以及式(7)，在原图像41和平滑化图像42的至少任一个中，状态系数取接近于0的值，在判断为关注像素s位于构造物的边缘部分的情况下，加权系数取接近于0的值。另一方面，原图像41和平滑化图像42的任一个均是，状态系数取接近于1的值，在判断为关注像素s位于平坦区域(例如，被认为是同一脏器的区域)的情况下，加权系数取接近于1的值。

式(6)，在原图像41和平滑化图像42双方的状态系数取接近于0的值的情况下，加权系数取接近于0的值。此外，式(6)，在原图像41和平滑化图像42双方的状态系数取接近于1的值的情况下，加权系数取接近于1的值。

另一方面，式(6)，在原图像41和平滑化图像42的状态系数的值之差较大的情况下，两者的平均值成为加权系数。

由以上，在目标图像中想要使构造物的边缘恢复清晰的情况下，期望使用式(5)或者式(7)。此外，在目标图像中想要使构造物的边缘恢复平滑的情况下，期望使用式(6)。两者根据用途而区分使用。

<步骤S104>

运算装置5使用在步骤S103中计算的加权系数，进行原图像41和平滑化图像42的加权相加，生成目标图像。设加权相加后的目标图像的图像向量为x^(mrg)＝{x₁ ^(mrg)，......，X_J ^(mrg)}。运算装置5针对目标图像的关注像素s使用下式来进行加权相加。

[数学式8]

$x_s^{\left(\mathrm{mrg}\right)}={\mathrm{\&lambda;}}_s(x_s^{\left(\mathrm{smt}\right)}-x_s^{\left(\mathrm{org}\right)})+x_s^{\left(\mathrm{org}\right)}\&CenterDot;\&CenterDot;\&CenterDot;\left(8\right)$

通过使用式(8)来进行加权相加，从而满足上述的“(制约条件1)目标图像的像素值设为对应的像素涉及的原图像的像素值以及平滑化图像的像素值的范围内。”。

在图7中，图示出原图像41、平滑化图像42、目标图像43的示意图。如图7所示，在原图像41中，产生了条纹状的伪影51。

此外，在平滑化图像42中，产生了构造物的边缘的模糊52。根据图4所示的本发明的图像处理方法，能够根据这样的原图像41以及平滑化图像42，生成保持构造物的边缘且去除了条纹状的伪影51的目标图像43。如图7所示，在目标图像43中，保持了构造物的边缘、且去除了条纹状的伪影51。

[第2实施方式]

下面，说明本发明中的第2实施方式。另外，针对与第1实施方式共同的内容省略说明。

在第1实施方式中，将平滑化图像42相对于原图像41的偏差值的降低率为最大的小区域提取为特征量计算区域，基于特征量计算区域的特征量来决定用于调整非线性函数的拐弯位置的参数v。此时，对偏差值的降低率和原图像41或平滑化图像42的偏差值的关系进一步详细解析，提取特征量计算区域。由此，将包含条纹状的伪影51在内的平坦区域提取为特征量计算区域的精度得到提高。

在第2实施方式中，运算装置5在图5的步骤S205中，在规定的范围内(例如，同一切片内)所包含的小区域之中，提取标准偏差值的降低率ρ_i的上位m区域。即，运算装置5提取从标准偏差值的降低率ρ_i为最大的小区域至第m个位次的小区域。这里，m是任意的常数，按照经验来决定。

接着，运算装置5针对原图像41以及平滑化图像42的每一个，在上位m区域之中，将标准偏差值为最大的小区域提取为特征量计算区域。作为后续处理的特征量的计算处理、非线性函数的形状决定处理、状态系数的计算处理、加权系数的计算处理、加权相加处理等与第1实施方式相同。

根据第2实施方式，将包含条纹状的伪影51在内的平坦区域提取为特征量计算区域的精度得到提高。

根据本发明的各种实施方式相关的以上记述，达成本发明的目的是显然的。虽然详细记述并图示了本发明，但是这些的意图仅仅是说明以及例示，不限定为这些。此外，本发明的要旨仅仅由权利要求书来限定。

标号说明

1 X射线CT装置，2 扫描仪，3 操作单元，4 床台，5 运算装置，6 输入装置，7 显示装置，8 存储装置，10 被检体，11 X射线管，41 原图像，42 平滑化图像，43 目标图像，51条纹状的伪影，52 构造物的边缘的模糊。

Claims (12)

1.一种图像处理装置，由加权系数对根据原信息生成的原图像、以及根据同一上述原信息生成并至少降低了条纹状的伪影的平滑化图像的对应的各像素进行加权相加，生成保持构造物的边缘且去除条纹状的伪影的目标图像，该图像处理装置的特征在于，具备：

函数形状决定部，其基于上述原图像以及上述平滑化图像的特征量来决定非线性函数的形状；和

加权系数计算部，其基于上述非线性函数来计算上述加权系数，

上述函数形状决定部包括：

分割部，其将上述原图像以及上述平滑化图像的区域分割为相互对应的小区域；

降低率计算部，其对于上述原图像以及上述平滑化图像双方涉及的上述小区域来计算偏差值，按每个上述小区域来计算以上述原图像的偏差值为基准的上述平滑化图像的偏差值的降低率；

区域提取部，其基于上述降低率，从上述小区域的集合中提取特征量计算区域；和

特征量计算部，其根据上述特征量计算区域的像素值来计算上述特征量。

2.根据权利要求1所述的图像处理装置，其特征在于，

上述区域提取部，在规定的范围内，将上述降低率最大的上述小区域提取为上述特征量计算区域。

3.根据权利要求1所述的图像处理装置，其特征在于，

上述区域提取部，在规定的范围内从上述降低率最大的上述小区域至一定位次的上述小区域之中，将上述偏差值最大的上述小区域提取为上述特征量计算区域。

4.根据权利要求1所述的图像处理装置，其特征在于，

上述非线性函数是以上述原图像或上述平滑化图像的关注像素和该关注像素的邻近像素的像素值差作为变量的平滑的连续函数。

5.根据权利要求4所述的图像处理装置，其特征在于，

上述非线性函数是上述像素值差越小则越接近于1、上述像素值差越大则越接近于0的函数。

6.根据权利要求1所述的图像处理装置，其特征在于，

上述加权系数计算部使用上述非线性函数来计算表示上述原图像以及上述平滑化图像的每一个的状态的状态系数，基于上述状态系数来计算上述加权系数。

7.一种图像处理方法，由加权系数对根据原信息生成的原图像、以及根据同一上述原信息生成并至少降低了条纹状的伪影的平滑化图像的对应的各像素进行加权相加，生成保持构造物的边缘且去除条纹状的伪影的目标图像，该图像处理方法的特征在于，包括：

函数形状决定步骤，基于上述原图像以及上述平滑化图像的特征量来决定非线性函数的形状；和

加权系数计算步骤，基于上述非线性函数来计算上述加权系数，

上述函数形状决定步骤包括：

分割步骤，将上述原图像以及上述平滑化图像的区域分割为相互对应的小区域；

降低率计算步骤，对于上述原图像以及上述平滑化图像双方涉及的上述小区域来计算偏差值，按每个上述小区域来计算以上述原图像的偏差值为基准的上述平滑化图像的偏差值的降低率；

区域提取步骤，基于上述降低率，从上述小区域的集合中提取特征量计算区域；和

特征量计算步骤，根据上述特征量计算区域的像素值来计算上述特征量。

8.根据权利要求7所述的图像处理方法，其特征在于，

上述区域提取步骤，在规定的范围内，将上述降低率最大的上述小区域提取为上述特征量计算区域。

9.根据权利要求7所述的图像处理方法，其特征在于，

上述区域提取步骤，在规定的范围内从上述降低率最大的上述小区域至一定位次的上述小区域之中，将上述偏差值最大的上述小区域提取为上述特征量计算区域。

10.根据权利要求7所述的图像处理方法，其特征在于，

上述非线性函数是以上述原图像或上述平滑化图像的关注像素和该关注像素的邻近像素的像素值差作为变量的平滑的连续函数。

11.根据权利要求10所述的图像处理方法，其特征在于，

上述非线性函数是上述像素值差越小则越接近于1、上述像素值差越大则越接近于0的函数。

12.根据权利要求7所述的图像处理方法，其特征在于，

上述加权系数计算步骤使用上述非线性函数来计算表示上述原图像以及上述平滑化图像的每一个的状态的状态系数，基于上述状态系数来计算上述加权系数。