CN110060316B - 一种用于ct重建中多区域分割的环伪影校正方法 - Google Patents

Abstract

本发明涉及一种用于CT重建中多区域分割的环伪影校正方法，属于图像处理技术领域。该方法包括以下步骤：S1：环伪影区划分；S2：创建直角坐标系；S3：针对不同区域设计识别滤波器；S4：滤波并将信息存储至两个矩阵；S5：伪影信息处理、校正和补充。本发明由于无需进行两次坐标变换，图像边缘不会出现严重的失真现象。同时通过将图像分成多区域进行校正，可大大缩短校正时间，且计算量相对于直接校正投影正弦图更小、方法流程较现有方法更加简便。在校正过程中加入了伪影及图像边缘识别区分的算法，很好的避免了非伪影被误认为伪影。由于该方法通过对像素值进行逐一校正，其校正相对于已有的滤波校正更为彻底。

Description

一种用于CT重建中多区域分割的环伪影校正方法

技术领域

本发明属于图像处理技术领域，涉及一种用于CT重建中多区域分割的环伪影校正方法。

背景技术

计算机断层成像技术，即CT(Computed Tomography)在20世纪临床医学领域得到了广泛的应用。自CT诞生以来，CT探测系统从平行束扫描，发展到现如今多探测器扇形束旋转扫描系统。而现阶段算法，大部分CT重建流程包括：预处理、图像重建、图像后处理。其中探测器通道之间的响应存在很大差异，在对X射线进行探测时，其衰减测量的不确定性以及球管打火、机架凹陷、滤波核选择不合适等原因均会在最终成像产生明显的环形伪影。

而现如今在对环伪影校正的方法中大多均在预处理步骤中进行初步校正，采用迭代滤波的图像处理方式滤掉环状伪影，或在图像后处理步骤中通过坐标转换将直角坐标系中的环状伪影变为线状伪影，对图像进行多维滤波处理再转换为直角坐标系，如图1、图2所示。

南方医科大学的专利申请(公开号：CN101178808A)公开了一种改进的锥形束CT环形伪影的消除方法。该方法及采用了在后处理中将重建好的图像进行坐标转换，将环伪影变为直线，并通过滤波器设置阈值识别消除伪影，再通过图像坐标变换输出校正后重建图像。及为第二种在后处理中经过多次坐标变换流程进行识别滤波的流程。此外专利公开号为CN101178808A的专利申请方案中对含环伪影图像进行了至少对图像进行两次坐标转换，这会导致图像的边缘可能存在失真等问题。

现阶段在预处理流程过程使用的环伪影校正方法存在着迭代算法子集或处理顺序、分级次数的不确定、相关参数的不易确定，计算量过大，且校正时间较长等因素；在对于复杂的投影正弦图进行校正，其阈值不易选择，无法十分准确的区分伪影以及伪影背景。

在图像后处理操作中采用极坐标变化多维滤波一系列操作，其需要将整幅含有环伪影的重建图进行极坐标变换，在将环伪影线性化过程中，可能会因阈值设定不妥当，将非伪影的像素误认为伪影。且采用两次坐标变换过后会导致图像边缘失真等问题。

以上由两种现有环伪影校正所产生的问题均可通过本发明描述的医用CT重建中多区域分割的环伪影校正方法解决。

发明内容

有鉴于此，本发明的目的在于提供一种用于CT重建中多区域分割的环伪影校正方法。

为达到上述目的，本发明提供如下技术方案：

一种用于CT重建中多区域分割的环伪影校正方法，该方法包括以下步骤：

S1：环伪影区划分；

S2：创建直角坐标系；

S3：针对不同区域设计识别滤波器；

S4：滤波并将信息存储至两个矩阵；

S5：伪影信息处理、校正和补充。

进一步，所述步骤S1具体为：通过将图片划分多个区域，并在每个区域中利用识别算法检测识别微小的弧型伪影，方像素为单位确定每个像素所属的弧或者通道，通过识别多个区域弧形伪影检测而不是环形伪影检测。

进一步，所述步骤S2具体为：以图像的等中心点为原点建立直角坐标，将基于matlab的i和j坐标转换为基于图像中心的直角坐标系的ax和ay。

进一步，所述步骤S3具体为：通过距等中心点的径向距离乘以一个比例系数Scale确定其确定其每个像素的弧，计算公式为

进一步，所述步骤S4具体为：将相对的每一个区域组成一组数组，然后再对每组数组设计相应的伪影识别滤波器对每一对数组进行弧伪影检测，再根据各区域所形成的数组通过采用不同的识别滤波器进行图像边缘及环伪影的判定计算，计算如下：

Edge＝2.5×so-sc

其中sc为中心像素CT值之和，so为边缘像素的CT值之和；

如果点计算的绝对值很高，则处于图像的边缘处，不需要进行环伪影校正；

如果点计算值绝对值较小，则处于环位置，则需要进行环伪影校正。

进一步，所述步骤S5具体为：如果检测到一个环，则将检测信息储存在两个矩阵中：环信息矩阵detected(num_channels,num_sections)与有效信息矩阵valid_area(num_channels,num_sections)；在环信息矩阵存储之前定义的每个区域每个像素单元的环值之和，而在有效信息矩阵统计每个分区中每个通道检测到的环总数；

其中对中心像素来说，由于判定时的弧伪影要小得多，求和结果也会更小，需要对中心像素数据加权以进行适当的校正；通过梯形校正平滑图中环伪影，向图像数值矩阵中增加用于抵消环像素点图像数值差异的补偿值获得更加平滑的图像；补偿到每一个通道的值由有效信息矩阵和环信息矩阵共同确定，计算式如下：

补偿因子factor是本团基于对实际环形伪影图像大量采样拟合获得的经验值，Factor因子具体定义为factor＝0.3*x²+0.2*x+0.2。

本发明的有益效果在于：

本发明相对于现已有的两种环伪影校正方式，由于无需进行两次坐标变换，图像边缘不会出现严重的失真现象。同时通过将图像分成多区域进行校正，可大大缩短校正时间，且计算量相对于直接校正投影正弦图更小、方法流程较现有方法更加简便。在校正过程中加入了伪影及图像边缘识别区分的算法，很好的避免了非伪影被误认为伪影。由于该方法通过对像素值进行逐一校正，其校正相对于已有的滤波校正更为彻底。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，以划分8区域为例，其中：

图1为预处理中对正弦图迭代滤波流程；

图2为后处理中对重建图像多维滤波流程；

图3为对水模所存在的环伪影进行划分区域；

图4为环形伪影校正的坐标转换；

图5为区域分割图像及对应伪影识别滤波器；

图6为一组图像数组的示意图；

图7为后处理中多区域分割的环伪影校正流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明提出了一种用于医用CT重建中多区域分割的环伪影校正方法，其实施方案如下：

1.以对图像进行八分割区域校正为例。如图3所示，通过将图片划分八个区域，并在每个区域中利用识别算法检测识别微小的弧型伪影，与第二种在图像后处理流程所不同的是，该方像素为单位确定每个像素所属的弧或者通道，由其法是通过识别八个区域弧形伪影检测而不是环形伪影检测，大大提高了对伪影与伪影背景的区分度。

2.以图像的等中心点为原点建立直角坐标，如图4所示，将基于matlab的i和j坐标转换为基于图像中心的直角坐标系的ax和ay。

3.然后通过距等中心点的径向距离乘以一个比例系数Scale确定其确定其每个像素的弧。其计算公式为

4.将相对的每一个区域组成一组数组，如图5所示。

然后再对每组数组设计相应的伪影识别滤波器对每一对数组进行弧伪影检测。再根据各区域所形成的数组通过采用不同的识别滤波器进行图像边缘及环伪影的判定计算，其计算如下：

Edge＝2.5×so-sc

如图6所示，其中sc为中心像素CT值之和，so为边缘像素的CT值之和。

其结果如果该点计算的绝对值很高(很亮或很暗)，则处于图像的边缘处，不需要进行环伪影校正。如果其计算值绝对值较小，则处于环位置，则需要进行环伪影校正。在所设计的环伪影判定算法中，判定阈值是由滤波反投影重建图像所采用的滤波器所决定的，而重建滤波器的改变会相应地改变环和边的深度位置，因此判定阈值需要根据重建滤波器来确定。通过改变阈值大小，可以校正图像中更少或更多细微的环。

5.如果检测到一个环，则将检测信息储存在两个矩阵中：环信息矩阵detected(num_channels,num_sections)与有效信息矩阵valid_area(num_channels,num_sections)。在环信息矩阵存储之前定义的每个区域每个像素单元的环值之和。而在有效信息矩阵统计每个分区中每个通道检测到的环总数。其中对中心像素来说，由于判定时的弧伪影要小得多，求和结果也会更小，因此需要对中心像素数据加权以进行适当的校正。通过梯形校正平滑图中环伪影，向图像数值矩阵中增加用于抵消环像素点图像数值差异的补偿值可以获得更加平滑的图像。其补偿到每一个通道的值由有效信息矩阵和环信息矩阵共同确定。计算式如下：

补偿因子factor是本团基于对实际环形伪影图像大量采样拟合获得的经验值。Factor因子具体定义为

factor＝0.3*x²+0.2*x+0.2

本发明所设计的环形伪影校正流程如图7所示。

本发明所提出的一种用于医用CT重建中多区域分割的环伪影校正方法，其方案可做以下改变也能抑制环伪影：

1.在图像进行划分区域的过程中可将图片划分为4区域、8区域、16区域或2^N个区域(N＝1，2，3…)。

2.在通过对各区域进行识别滤波的时候可先通过高通滤波器。

本发明的技术关键点在于：

1.本发明所描述的是一种在重建完图像后的多区域分割的环伪影校正后处理操作。

2.根据划分不同区域设计不同的别滤波器进行图像边缘及环伪影的判定计算。

3.识别到环伪影时需要将创建两个矩阵分别储存环伪影信息以及图像有效信息。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种用于CT重建中多区域分割的环伪影校正方法，其特征在于：该方法包括以下步骤：

S1：环伪影区划分；

S2：创建直角坐标系；

S3：针对不同区域设计识别滤波器；

S4：滤波并将信息存储至两个矩阵；

S5：伪影信息处理、校正和补充；

所述步骤S1具体为：通过将图片划分多个区域，并在每个区域中利用识别算法检测识别微小的弧型伪影，方像素为单位确定每个像素所属的弧或者通道，通过识别多个区域弧形伪影检测而不是环形伪影检测；

所述步骤S4具体为：将相对的每一个区域组成一组数组，然后再对每组数组设计相应的伪影识别滤波器对每一对数组进行弧伪影检测，再根据各区域所形成的数组通过采用不同的识别滤波器进行图像边缘及环伪影的判定计算，计算如下：

Edge＝2.5×so-sc

其中sc为中心像素CT值之和，so为边缘像素的CT值之和；

如果点计算的绝对值很高，则处于图像的边缘处，不需要进行环伪影校正；

如果点计算值绝对值较小，则处于环位置，则需要进行环伪影校正。

2.根据权利要求1所述的一种用于CT重建中多区域分割的环伪影校正方法，其特征在于：所述步骤S2具体为：以图像的等中心点为原点建立直角坐标，将基于matlab的i和j坐标转换为基于图像中心的直角坐标系的ax和ay。

3.根据权利要求2所述的一种用于CT重建中多区域分割的环伪影校正方法，其特征在于：所述步骤S3具体为：通过距等中心点的径向距离乘以一个比例系数Scale确定每个像素的弧，计算公式为

4.根据权利要求1所述的一种用于CT重建中多区域分割的环伪影校正方法，其特征在于：所述步骤S5具体为：如果检测到一个环，则将检测信息储存在两个矩阵中：环信息矩阵detected(num_channels,num_sections)与有效信息矩阵valid_area(num_channels,num_sections)；在环信息矩阵存储之前定义的每个区域每个像素单元的环值之和，而在有效信息矩阵统计每个分区中每个通道检测到的环总数；

其中对中心像素来说，由于判定时的弧伪影要小得多，求和结果也会更小，需要对中心像素数据加权以进行适当的校正；通过梯形校正平滑图中环伪影，向图像数值矩阵中增加用于抵消环像素点图像数值差异的补偿值获得更加平滑的图像；补偿到每一个通道的值由有效信息矩阵和环信息矩阵共同确定，计算式如下：

补偿因子factor是本团基于对实际环形伪影图像大量采样拟合获得的经验值，Factor因子具体定义为factor＝0.3*x²+0.2*x+0.2。

Images