CN112785520B - Ct图像伪影去除方法 - Google Patents
Ct图像伪影去除方法 Download PDFInfo
- Publication number
- CN112785520B CN112785520B CN202110059221.6A CN202110059221A CN112785520B CN 112785520 B CN112785520 B CN 112785520B CN 202110059221 A CN202110059221 A CN 202110059221A CN 112785520 B CN112785520 B CN 112785520B
- Authority
- CN
- China
- Prior art keywords
- image
- texture
- aliasing
- distribution
- filtering
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种CT图像伪影去除方法,涉及医学影像技术领域,通过对输入图像进行滤波得到带有边缘保护区域的图像纹理,获得图像纹理在频率阈的相位分布和幅值分布,计算幅值分布中相同频率成分的均值并做归一化,得到归一化的幅值分布,并根据设定的阈值和低频掩膜得到峰值的分布;对峰值分布进行高斯滤波得到滤波矩阵,得到无混叠的纹理频域图像;结合图像纹理在频率阈的相位分布,对无混叠的纹理频域图像处理,得到无混叠的纹理空间域图像;然后将图像纹理与无混叠的纹理空间域图像相减,得到混叠空间域图像;最后将输入图像减去混叠伪影图像,得到消除混叠伪影之后的图像。本发明方法在去除混叠伪影的同时,可保留更多的图像细节。
Description
技术领域
本发明涉及一种CT伪影校正方法,尤其涉及一种CT图像伪影去除方法,属于医学影像技术领域。
背景技术
混叠伪影是CT图像重建中非常常见的一种伪影。该伪影的产生原因一般为帧采样不足或者探测器采样不足。其在图像上的表现为图像边缘或者高密度物质的边缘出现放射状条纹。混叠伪影的存在轻则降低图像质量,重则影响临床诊断。
为了解决帧采样不足导致的CT混叠伪影,常见的方法是提高投影方向的采样率。为了解决探测器采样不足导致的混叠伪影,在系统硬件上常见的方法有以下几种:一种是使用1/4探测器偏移。这种方法通过使用对向角度采集的数据来提高分辨率,减少混叠伪影。但是使用该技术时只能保证探测器视野中心的位置有较好的效果。另一种是飞焦点技术,在采集投影时焦点在两个固定位置上来回摆动。该技术也可以有效的提高分辨率,较少混叠。但是该技术要求使用高成本的球管。
除了在硬件上使用1/4探测器偏移、飞焦点等技术外,还可以通过各种图像处理技术来消除混叠伪影。常见的图像处理方法包括以下几种:第一类是在投影域对数据进行处理。在投影域的处理一般是通过使用更平滑的卷积核来实现的。使用平滑的卷积核可以明显的压制投影数据中的高频成分,减少混叠伪影。该方法的缺点是会导致图像细节丢失,变得更模糊。第二类是在图像域进行处理。这类方法一般会对图像进行傅里叶变换,结合空间域和频域的相关信息对图像中混叠伪影的特征进行提取。该方法需要能够准确的识别混叠的特征。
基于此,做出本申请。
发明内容
为了解决现有技术中存在的上述缺陷,本发明提供了一种CT图像伪影去除方法,去除混叠伪影的同时,可保留更多的图像细节。
为了实现上述目的,本发明采取的技术方案如下:
一种CT图像伪影去除方法,包括如下步骤:
(1)输入图像,对输入图像进行滤波得到带有边缘保护区域的图像纹理;
(2)获得图像纹理在频率阈的相位分布和幅值分布;
(3)计算幅值分布中相同频率成分的均值并做归一化,得到归一化的幅值分布,并根据设定的阈值和低频掩膜得到峰值的分布;
(4)对峰值分布进行高斯滤波得到滤波矩阵;将滤波矩阵与纹理幅值分布做矩阵点乘,得到无混叠的纹理频域图像;
(5)结合步骤(2)图像纹理在频率阈的相位分布,对无混叠的纹理频域图像处理,得到无混叠的纹理空间域图像;然后将步骤(1)得到的图像纹理与无混叠的纹理空间域图像相减,得到混叠空间域图像;
(6)将步骤(1)输入图像减去混叠伪影图像,得到消除混叠伪影之后的图像。
进一步地,作为一种优选方案,所述步骤(1)中,首先对输入图像分别做中值滤波和拉普拉斯滤波,将输入图像与中值滤波的结果相减得到图像纹理分布;输入图像通过拉普拉斯滤波可以得到图像的边缘分布;根据拉普拉斯滤波的结果,将图像纹理分布中较强的边缘设为保护区域,得到带有保护区域的图像纹理分布。
进一步地,作为一种优选方案,所述步骤(2)中,对带有边缘保护区域的图像纹理分布做二维傅里叶变换,得到图像纹理分布在频率域的相位分布和幅值分布。
进一步地,作为一种优选方案,所述步骤(4)中,滤波核为51x51像素的高斯形凹陷。
进一步地,作为另一种替代方案,所述步骤(5)还可以为:将步骤(1)得到的图像纹理减去无混叠的纹理频域图像得到混叠频域图像;结合步骤(2)图像纹理在频率阈的相位分布,对混叠频域图像处理得到混叠空间域图像。
作为一种优选方案,所述步骤(5)中的图像处理具体为对图像做二维傅里叶逆变换。
本发明的原理和有益效果:
(1)本发明通过结合使用阈值和高斯状滤波核来压制图像中的混叠成分。对频率域图像进行处理时,先通过一个阈值提取高频成分中幅值较大的部分,然后使用一个特殊的高斯状滤波核来进行滤波以压制高频成分,实现混叠伪影的消除。
(2)本发明在图像CT图像生成之后进行处理,可以作为图像后处理的一部分,通过使用二维快速傅里叶变换在频域识别混叠伪影并进行消除。
(3)本发明方法可以自适应的对不同频率不同幅值的图像频域成分做不同强度的压制,可以尽可能多的保留图像细节并减轻混叠伪影。
(4)本发明实现方法简单,对计算机资源的消耗较少。
附图说明
图1为本实施例CT图像伪影去除方法的数据处理流程图;
图2为本实施例输入图像(imgin)(图像窗位/窗宽:80/500);
图3为本实施例带有保护区域的图像纹理(texture)(图像窗位/窗宽:0/100);
图4为本实施例图像纹理分布在频率域的幅值分布;
图5为本实施例图像纹理分布在频率域的相位分布
图6为本实施例高斯滤波的滤波核图;
图7为本实施例滤波矩阵分布图;
图8为本实施例混叠伪影在空间域的分布图(图像窗位/窗宽:0/100);
图9为本实施例消除混叠伪影之后的图像(图像窗位/窗宽:80/500);
图10为本实施例输入图像和输出图像的对比。
具体实施方式
为了使本发明的技术手段及其所能达到的技术效果,能够更清楚更完善的披露,兹提供了一个实施例,并结合附图作如下详细说明:
如图1所示,本实施例的一种CT图像伪影去除方法,通过以下步骤实现:
(1)输入图像;输入图像(记为imgin,见图2)。
(2)通过中值滤波和拉普拉斯滤波得到带有边缘保护的图像纹理;具体地,对输入图像分别做中值滤波和拉普拉斯滤波。将输入图像与中值滤波的结果相减可以得到图像纹理分布。输入图像通过拉普拉斯滤波可以得到图像的边缘分布。根据拉普拉斯滤波的结果,将图像纹理分布中较强的边缘设为保护区域。得到带有保护区域的图像纹理分布(记为texture,见图3)。
(3)通过二维傅里叶变换得到不同频率成分的分布;具体地,对带有保护区域的图像纹理分布做二维快速傅里叶变换,得到图像纹理分布在频率域的幅值和相位分布(分别记为Textureamp和Texturephase,见图4和图5)。
(4)结合所设置的阈值和低频掩膜得到高频区域高幅值成分的分布;具体地,计算上一步幅值分布中相同频率成分的均值并做归一化。得到归一化的幅值分布并根据设置的阈值和低频掩膜得到峰值的分布。
(5)使用设置的特殊高斯形滤波核对上一步的图像进行滤波,得到滤波矩阵;具体地,对上一步的峰值分布做高斯滤波。滤波核为51x51像素的高斯形凹陷,如图6所示。得到滤波矩阵(记为Filter,见图7)。
(6)使用滤波矩阵和纹理幅值分布得到无混叠的纹理在频域的分布;具体地,将滤波矩阵(Filter)与纹理幅值分布(Textureamp)做矩阵点乘,得到消除了混叠的纹理的频域图像。
(7)将初始图像纹理减去无混叠的纹理在频域的分布得到混叠在频域的分布;
(8)对混叠在频域的分布做二维傅里叶反变换得到混叠在空间域的分布;
步骤(7)(8)中也可以先结合图像纹理在频域的相位分布(Texturephase)对步骤(6)得到的消除了混叠的纹理的频域图像做二维傅里叶逆变换,并与图像纹理(texture)相减,得到混叠伪影在空间域的分布(记为aliasing,见图8)。
(9)将初始输入图像(imgin)减去混叠在空间域的分布(aliasing)得到最终输出图像,即得到消除混叠伪影之后的图像,见图9。
为了显示本发明的效果,以下对比了本实施例的输入和输出图像。如图10所示,其中左图是输入的带混叠伪影的图像,右图是本方法处理之后的图像,可以看出混叠伪影明显消除。
以上内容是结合本发明的优选实施方式对所提供技术方案所作的进一步详细说明,不能认定本发明具体实施只局限于上述这些说明,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (5)
1.一种CT图像伪影去除方法,其特征在于包括如下步骤:
(1)输入图像,对输入图像进行滤波得到带有边缘保护区域的图像纹理;
(2)获得图像纹理在频率阈的相位分布和幅值分布;
(3)计算幅值分布中相同频率成分的均值并做归一化,得到归一化的幅值分布,并根据设定的阈值和低频掩膜得到峰值的分布;
(4)对峰值分布进行高斯滤波得到滤波矩阵;将滤波矩阵与纹理幅值分布做矩阵点乘,得到无混叠的纹理频域图像;
(5)结合步骤(2)图像纹理在频率阈的相位分布,对无混叠的纹理频域图像处理,得到无混叠的纹理空间域图像;然后将步骤(1)得到的图像纹理与无混叠的纹理空间域图像相减,得到混叠空间域图像;
(6)将步骤(1)输入图像减去混叠伪影图像,得到消除混叠伪影之后的图像;
所述步骤(1)中,首先对输入图像分别做中值滤波和拉普拉斯滤波,将输入图像与中值滤波的结果相减得到图像纹理分布;输入图像通过拉普拉斯滤波可以得到图像的边缘分布;根据拉普拉斯滤波的结果,将图像纹理分布中较强的边缘设为保护区域,得到带有保护区域的图像纹理分布。
2.如权利要求1所述的一种CT图像伪影去除方法,其特征在于:所述步骤(2)中,对带有边缘保护区域的图像纹理分布做二维傅里叶变换,得到图像纹理分布在频率域的相位分布和幅值分布。
3.如权利要求1所述的一种CT图像伪影去除方法,其特征在于:所述步骤(4)中,滤波核为51x51像素的高斯形凹陷。
4.如权利要求2所述的一种CT图像伪影去除方法,其特征在于:或者,所述步骤(5)为:将步骤(1)得到的图像纹理减去无混叠的纹理频域图像得到混叠频域图像;结合步骤(2)图像纹理在频率阈的相位分布,对混叠频域图像处理得到混叠空间域图像。
5.如权利要求4所述的一种CT图像伪影去除方法,其特征在于:所述步骤(5)中的图像处理具体为对图像做二维傅里叶逆变换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110059221.6A CN112785520B (zh) | 2021-01-14 | 2021-01-14 | Ct图像伪影去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110059221.6A CN112785520B (zh) | 2021-01-14 | 2021-01-14 | Ct图像伪影去除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112785520A CN112785520A (zh) | 2021-05-11 |
CN112785520B true CN112785520B (zh) | 2022-10-21 |
Family
ID=75756916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110059221.6A Active CN112785520B (zh) | 2021-01-14 | 2021-01-14 | Ct图像伪影去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785520B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643271A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种基于频域滤波的图像瑕疵检测方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100468459C (zh) * | 2006-07-10 | 2009-03-11 | 西门子(中国)有限公司 | 基于边缘检测的局域化抗混叠方法 |
US9427205B1 (en) * | 2015-03-20 | 2016-08-30 | General Electic Company | Systems and methods for artifact removal for computed tomography imaging |
CN106886982A (zh) * | 2017-02-20 | 2017-06-23 | 江苏美伦影像系统有限公司 | Cbct图像环形伪影去除方法 |
CN109712212B (zh) * | 2018-12-20 | 2022-12-13 | 中国兵器科学研究院宁波分院 | 一种工业ct伪影校正方法 |
-
2021
- 2021-01-14 CN CN202110059221.6A patent/CN112785520B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112785520A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nikolic et al. | Edge detection in medical ultrasound images using adjusted Canny edge detection algorithm | |
Liu et al. | Denoising 3D MR images by the enhanced non-local means filter for Rician noise | |
Guo et al. | Speckle filtering of ultrasonic images using a modified non local-based algorithm | |
US20130051674A1 (en) | Method and device for estimating noise in a reconstructed image | |
CN102136138B (zh) | 一种医学图像降噪与增强的处理方法 | |
Shinde et al. | Study of noise detection and noise removal techniques in medical images | |
Joshi et al. | An improved approach for denoising MRI using non local means filter | |
EP2176831B1 (en) | Method of enhancing the contrast of an image | |
KR102195047B1 (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
CN112785520B (zh) | Ct图像伪影去除方法 | |
Shedbalkar et al. | A comparative analysis of filters for noise reduction and smoothening of brain MRI images | |
Michailovich et al. | Iterative reconstruction of medical ultrasound images using spectrally constrained phase updates | |
Sharma et al. | A review on magnetic resonance images denoising techniques | |
JP2015104668A (ja) | 画像アーチファクト除去方法及び画像アーチファクト除去装置 | |
Sinha | An optimized framework using adaptive wavelet thresholding and total variation technique for de-noising medical images | |
Kadam et al. | An improved image denoising using spatial adaptive mask filter for medical images | |
Tischenko et al. | An artifact-free structure-saving noise reduction using the correlation between two images for threshold determination in the wavelet domain | |
Suberi et al. | Comparative performance of filtering methods for reducing noise in ischemic posterior fossa CT images | |
Shanmugam et al. | Condensed anisotropic diffusion for speckle reducton and enhancement in ultrasonography | |
CN109934807B (zh) | 一种定量磁化率成像的方法及装置 | |
Mohan et al. | A novel method of medical image denoising using bilateral and NLM filtering | |
KR20130088238A (ko) | 방향성을 고려한 라플라시안을 이용한 노이즈 제거 장치 및 방법 | |
Saoji et al. | Speckle and rician noise removal from medical images and Ultrasound images | |
Latrach et al. | Notice of Violation of IEEE Publication Principles: Denoising techniques for multi-parametric prostate MRI: A Comparative Study | |
Jin et al. | De-noising SPECT/PET images using cross-scale regularization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |