CN115330595A - 拼接式ct成像装置、成像改善方法及其设备 - Google Patents

拼接式ct成像装置、成像改善方法及其设备 Download PDF

Info

Publication number
CN115330595A
CN115330595A CN202210870420.XA CN202210870420A CN115330595A CN 115330595 A CN115330595 A CN 115330595A CN 202210870420 A CN202210870420 A CN 202210870420A CN 115330595 A CN115330595 A CN 115330595A
Authority
CN
China
Prior art keywords
image
gray
interpolation algorithm
detector
imaging
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.)
Pending
Application number
CN202210870420.XA
Other languages
English (en)
Inventor
罗勇琛
昌亚胜
姚毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Linatech Medical Science And Technology
Original Assignee
Suzhou Linatech Medical Science And Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Linatech Medical Science And Technology filed Critical Suzhou Linatech Medical Science And Technology
Priority to CN202210870420.XA priority Critical patent/CN115330595A/zh
Publication of CN115330595A publication Critical patent/CN115330595A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开一种拼接式CT成像装置、成像改善方法及其设备，成像改善方法包括：S1：平板探测器和弧形探测器对同一部位成像，通过平板探测器和弧形探测器分别得到第一图像和第二图像；S2：利用图像插值算法对第一图像进行处理，形成第三图像，第三图像的尺寸大小与第二图像的尺寸大小一致；S3：将第三图像与第二图像进行直方图匹配，利用第二图像的灰度分布改善第三图像的灰度分布，得到改善后的第四图像；S4：利用图像插值算法对第四图像进行处理，形成第五图像，第五图像的尺寸大小与第一图像的尺寸大小一致；S5：输出第五图像。本发明将平板探测器和弧形探测器结合起来，利用弧形探测器的数据实时修正平板探测器的CT值，改善最终输出图像的质量。

Description

拼接式CT成像装置、成像改善方法及其设备
技术领域
本发明属于X射线成像领域，具体涉及一种拼接式CT成像装置、成像改善方法及其设备。
背景技术
平板数字探测器在临床成像技术上是一个飞跃，X射线透过人体后，有不同程度的衰减，作用于平板探测器，平板探测器可以捕捉X线并将光电信号转换为数字信号，数字化图像数据在采集工作站内存储、处理。平板探测器的空间分辨率很高，应用也比较的成熟，在锥形束CT(Cone beam CT)成像系统中，所用的探测器就是平板探测器，其与DR(DigitRadiography)所用探测器大致相仿，但缺点和问题也很显著，由于平板探测器本身面积的限制，数量多了，每个平板探测器中的感光单元的面积就小了，接收到的X射线量相对就少，容易造成图像的信噪比低。
现有的针对平板探测器图像失真的问题，有采用图像处理的方式对整幅图进行像素的校正、有的是利用数理统计的方法，统计像元分布情况从而修正图像。这些方案都是对图像进行后处理，容易造成原始数据的更改和丢失。
与平板探测器相比，弧形探测器能够减少图像失真和渐晕，但是随着探测器宽度的增加，容易带来锥体束伪影的问题。
发明内容
为了解决上述技术问题，本发明提出了一种拼接式CT成像装置、成像改善方法及其设备。
为了达到上述目的，本发明的技术方案如下：
一方面，本发明公开一种拼接式CT成像装置，包括：平板探测器和弧形探测器，平板探测器和弧形探测器拼接。
另一方面，本发明还公开一种成像改善方法，包括以下步骤：
S1：利用上述拼接式CT成像装置进行图像采集，平板探测器和弧形探测器对同一部位成像，通过平板探测器和弧形探测器分别得到第一图像和第二图像；
S2：利用图像插值算法对第一图像进行处理，形成第三图像，第三图像的尺寸大小与第二图像的尺寸大小一致；
S3：将第三图像与第二图像进行直方图匹配，利用第二图像的灰度分布改善第三图像的灰度分布，得到改善后的第四图像；
S4：利用图像插值算法对第四图像进行处理，形成第五图像，第五图像的尺寸大小与第一图像的尺寸大小一致；
S5：输出第五图像。
在上述技术方案的基础上，还可做如下改进：
作为优选的方案，S3具体包括以下步骤：
S3.1：分别计算第三图像的灰度级的累计概率直方图
Figure BDA0003760868720000021
和第二图像的灰度级的累计概率直方图
Figure BDA0003760868720000022
其中，i为图像的灰度值；
Pi为每个灰度值在整个图像中的概率；
Wi为每个灰度值在整个图像中的概率；
S3.2：计算第三图像各个灰度级累计概率到第二图像各个灰度级累计概率的绝对值差异d＝|Xm-Yn|；
其中，m和n分别为第三图像和第二图像累计概率中最大的灰度级的值；
S3.3：将S3.2获得的最小差异d对应的第二图像的灰度值作为第三图像到第二图像的映射值，并生成映射关系；
S3.4：按照映射关系将第三图像各处的像素值修改为对应的像素值，得到改善后的第四图像。
作为优选的方案，S1中，平板探测器和弧形探测器同时对同一部位成像。
作为优选的方案，图像插值算法为最近邻插值算法、双线性插值算法、三线性插值算法中的一种或多种。
此外，本发明还公开一种成像改善设备，包括：
上述拼接式CT成像装置，拼接式CT成像装置的平板探测器和弧形探测器用于对同一部位成像，通过平板探测器和弧形探测器分别得到第一图像和第二图像；
第一图像处理装置，第一图像处理装置用于利用图像插值算法对第一图像进行处理，形成第三图像，第三图像的尺寸大小与第二图像的尺寸大小一致；
匹配装置，匹配装置用于将第三图像与第二图像进行直方图匹配，利用第二图像的灰度分布改善第三图像的灰度分布，得到改善后的第四图像；
第二图像处理装置，第二图像处理装置用于利用图像插值算法对第四图像进行处理，形成第五图像，第五图像的尺寸大小与第一图像的尺寸大小一致；
输出装置，输出装置用于输出第五图像。
作为优选的方案，匹配装置包括：
累计概率直方图计算模块，累计概率直方图计算模块用于分别计算第三图像的灰度级的累计概率直方图
Figure BDA0003760868720000031
和第二图像的灰度级的累计概率直方图
Figure BDA0003760868720000032
其中，i为图像的灰度值；
Pi为每个灰度值在整个图像中的概率；
Wi为每个灰度值在整个图像中的概率；
绝对值差异计算模块，绝对值差异计算模块用于计算第三图像各个灰度级累计概率到第二图像各个灰度级累计概率的绝对值差异d＝|Xm-Yn|；
其中，m和n分别为第三图像和第二图像累计概率中最大的灰度级的值；
映射处理模块，映射处理模块用于将绝对值差异计算模块计算获得的最小差异d对应的第二图像的灰度值作为第三图像到第二图像的映射值，并生成映射关系，按照映射关系将第三图像各处的像素值修改为对应的像素值，得到改善后的第四图像。
作为优选的方案，拼接式CT成像装置中，平板探测器和弧形探测器同时对同一部位成像。
作为优选的方案，图像插值算法为最近邻插值算法、双线性插值算法、三线性插值算法中的一种或多种。
本发明一种拼接式CT成像装置、成像改善方法及其设备具有以下有益效果：
本发明将平板探测器和弧形探测器结合起来，在扫CBCT时，弧形探测器的数据能够实时修正平板探测器的CT值，减少平板探测器失真的问题，改善最终输出图像的质量。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的拼接式CT成像装置的主视图。
图2为本发明实施例提供的拼接式CT成像装置的侧视图。
图3为本发明实施例提供的成像改善方法的流程图。
图4为本发明实施例提供的图像空间坐标系与投影坐标系图。
图5为本发明实施例提供的平行射线到扇形束射线的转换图。
图6为本发明实施例提供的图像双线性插值算法的示意图。
图7为本发明实施例提供的直方图匹配的算法流程图。
其中：1-平板探测器，2-弧形探测器。
具体实施方式
下面结合附图详细说明本发明的优选实施方式。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
另外，“包括”元件的表述是“开放式”表述，该“开放式”表述仅仅是指存在对应的部件，不应当解释为排除附加的部件。
为了达到本发明的目的，一种拼接式CT成像装置、成像改善方法及其设备的其中一些实施例中，如图1和2所示，拼接式CT成像装置包括：平板探测器1和弧形探测器2，平板探测器1和弧形探测器2拼接。
本发明实施例还公开一种成像改善方法，如图3所示，包括以下
步骤：
S1：利用上述拼接式CT成像装置进行图像采集，平板探测器1和弧形探测器2同时对同一部位成像，通过平板探测器1和弧形探测器2分别得到第一图像和第二图像；
S2：利用图像插值算法对第一图像进行处理，形成第三图像，第三图像的尺寸大小与第二图像的尺寸大小一致；
S3：将第三图像与第二图像进行直方图匹配，利用第二图像的灰度分布改善第三图像的灰度分布，得到改善后的第四图像；
S4：利用图像插值算法对第四图像进行处理，形成第五图像，第五图像的尺寸大小与第一图像的尺寸大小一致；
S5：输出第五图像。
在扫CT时，病人固定不动，光源相对于原点固定在同一个角度，平板探测器和弧形探测器对同一个部位同时成像，采用本发明公开的成像改善方法对图像进行处理，后续光源绕中心继续旋转，再采图成像，对成像进行改善，直至完成CT扫描。
进一步的，基于弧形探测器的CT重建算法，包括：
由平行束重建算法到扇形束重建算法的转换，基于平行束的重建算法由中心切片定理(二维图像的一维投影即线积分的傅里叶变换恰好为图像本身二维傅里叶变换的一个特定截面)推导而来，通过对不同方向进行投影，从而得到各个方向上的傅里叶变换的特定截面，最后已知整个图像的二维傅里叶变换，做逆变换便得到了重建之后的图像。
假设f(x,y)为需要重建的图像，用p(t,θ)表示f(x,y)的一个投影，其中t为投影射线到对称中心(即旋转中心)的距离，θ为旋转角度，另设s为角度θ下与投影射线平行的坐标轴，并且与t所在坐标轴垂直，如图4所示为图像空间坐标系与投影空间坐标系，那么：
Figure BDA0003760868720000061
对于p(t,θ)进行一维傅里叶变换，得到：
Figure BDA0003760868720000071
将(1)代入(2)得到：
Figure BDA0003760868720000072
由xoy和sot坐标系可知，投影点q在xoy坐标系的坐标为x＝R cosα，y＝R sinα，其中R为q点到原点的距离。
那么同样的q点在sot坐标系中的坐标为：
t＝R cos(α-θ)＝x cosθ+y sinθ (4)
s＝R sin(α-θ)＝y cosθ-x sinθ (5)
以上两式带入(3)得到：
Figure BDA0003760868720000073
图像的二维傅里叶变换为：
Figure BDA0003760868720000074
令u＝ωcosθ，v＝ωsinθ，那么有：
F(ωcosθ,ωsinθ)＝P(ω,θ) (8)
已知f(x,y)可由傅里叶反变换恢复，即：
Figure BDA0003760868720000075
也令u＝ωcosθ，v＝ωsinθ根据(8)式可得，
Figure BDA0003760868720000076
根据傅里叶变换的对称性P(ω,θ+π)＝P(-ω,θ)，那么(9)式变为：
Figure BDA0003760868720000077
令
Figure BDA0003760868720000078
那么(11)式为：
Figure BDA0003760868720000081
以上为基于平行束的滤波反投影算法，由于扇形束射线并无中心切片定理，所以对于扇形束成像是转换成平行束成像来考虑的，将扇形光束的射线使用平行光速的几何参数的来描述，如图5所示，D为光源焦点到原点的距离，当θ＝γ+β且t＝Dsinγ时，扇形束射线与平行束射线一一对应，将其转化成平行束成像的问题。
进一步，为了后续的直方图匹配时，两幅图像有相同的尺寸大小，将第一图像扩大到与第二图像一致的大小，图像插值算法为最近邻插值算法、双线性插值算法、三线性插值算法中的一种或多种。
下面具体介绍双线性插值算法，具体过程如下：
假设二维图像坐标系下，f(x,y)为图像在坐标(x,y)下的像素值，如图6所示，已知Q12、Q22、Q11、Q21几个点的坐标及像素值，
先计算R1和R2点的像素值：
Figure BDA0003760868720000082
Figure BDA0003760868720000083
最终P点的像素值为：
Figure BDA0003760868720000084
再进一步的，由于弧形探测器能减少图像失真和渐晕，利用其修正平板探测器的CT值。S3中的直方图匹配算法能够使得平板探测器的成像与弧形探测器的成像有一致的灰度分布。
进一步地，如图7所示，S3具体包括以下步骤：
S3.1：分别计算第三图像的灰度级的累计概率直方图
Figure BDA0003760868720000085
和第二图像的灰度级的累计概率直方图
Figure BDA0003760868720000086
其中，i为图像的灰度值；
Pi为每个灰度值在整个图像中的概率；
Wi为每个灰度值在整个图像中的概率；
S3.2：计算第三图像各个灰度级累计概率到第二图像各个灰度级累计概率的绝对值差异d＝|Xm-Yn|；
Figure BDA0003760868720000091
其中，m和n分别为第三图像和第二图像累计概率中最大的灰度级的值；
S3.3：将S3.2获得的最小差异d对应的第二图像的灰度值作为第三图像到第二图像的映射值，并生成映射关系；
S3.4：按照映射关系将第三图像各处的像素值修改为对应的像素值，得到改善后的第四图像。
S3.1中，计算第三图像的灰度直方图Ai(i∈{0,1,...,k})，其中i为图像的灰度值，进而计算出每个灰度值在整个图像中的概率Pi，得到不同灰度级的累计概率直方图
Figure BDA0003760868720000092
计算第二图像的灰度直方图Bi(i∈{0,1,...,k})，，其中i为图像的灰度值，进而计算出每个灰度值在整个图像中的概率Wi，进而得到不同灰度级的累计概率直方图
Figure BDA0003760868720000093
本发明实施例还公开一种成像改善设备，包括：
上述拼接式CT成像装置，拼接式CT成像装置的平板探测器和弧形探测器用于同时对同一部位成像，通过平板探测器和弧形探测器分别得到第一图像和第二图像；
第一图像处理装置，第一图像处理装置用于利用图像插值算法对第一图像进行处理，形成第三图像，第三图像的尺寸大小与第二图像的尺寸大小一致；
匹配装置，匹配装置用于将第三图像与第二图像进行直方图匹配，利用第二图像的灰度分布改善第三图像的灰度分布，得到改善后的第四图像；
第二图像处理装置，第二图像处理装置用于利用图像插值算法对第四图像进行处理，形成第五图像，第五图像的尺寸大小与第一图像的尺寸大小一致；
输出装置，输出装置用于输出第五图像。
值得注意的是，本发明所公开的成像改善设备中涉及的数学模型与成像改善方法中涉及的数学模型同理，在此不再赘述。
图像插值算法为最近邻插值算法、双线性插值算法、三线性插值算法中的一种或多种。
在一些具体实施例中，采用双线性插值算法，其理论与上述同理，在此不再赘述。
进一步地，匹配装置包括：
累计概率直方图计算模块，累计概率直方图计算模块用于分别计算第三图像的灰度级的累计概率直方图
Figure BDA0003760868720000101
和第二图像的灰度级的累计概率直方图
Figure BDA0003760868720000102
其中，i为图像的灰度值；
Pi为每个灰度值在整个图像中的概率；
Wi为每个灰度值在整个图像中的概率；
绝对值差异计算模块，绝对值差异计算模块用于计算第三图像各个灰度级累计概率到第二图像各个灰度级累计概率的绝对值差异d＝|Xm-Yn|；
其中，m和n分别为第三图像和第二图像累计概率中最大的灰度级的值；
映射处理模块，映射处理模块用于将绝对值差异计算模块计算获得的最小差异d对应的第二图像的灰度值作为第三图像到第二图像的映射值，并生成映射关系，按照映射关系将第三图像各处的像素值修改为对应的像素值，得到改善后的第四图像。
本发明一种拼接式CT成像装置、成像改善方法及其设备具有以下有益效果：
本发明将平板探测器和弧形探测器结合起来，在扫CBCT时，弧形探测器的数据能够实时修正平板探测器的CT值，减少平板探测器失真的问题，改善最终输出图像的质量。
应当理解，这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被该机器执行时，该机器变成实践本发明的设备。
上述实施例只为说明本发明的技术构思及特点，其目的在于让本领域普通技术人员能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。

Claims (9)

1.拼接式CT成像装置，其特征在于，包括：平板探测器和弧形探测器，所述平板探测器和弧形探测器拼接。
2.成像改善方法，其特征在于，包括以下步骤：
S1：利用如权利要求1所述的拼接式CT成像装置进行图像采集，平板探测器和弧形探测器对同一部位成像，通过所述平板探测器和弧形探测器分别得到第一图像和第二图像；
S2：利用图像插值算法对第一图像进行处理，形成第三图像，第三图像的尺寸大小与第二图像的尺寸大小一致；
S3：将第三图像与第二图像进行直方图匹配，利用第二图像的灰度分布改善第三图像的灰度分布，得到改善后的第四图像；
S4：利用图像插值算法对第四图像进行处理，形成第五图像，第五图像的尺寸大小与第一图像的尺寸大小一致；
S5：输出第五图像。
3.根据权利要求1所述的成像改善方法，其特征在于，S3具体包括以下步骤：
S3.1：分别计算第三图像的灰度级的累计概率直方图
Figure FDA0003760868710000011
和第二图像的灰度级的累计概率直方图
Figure FDA0003760868710000012
其中，i为图像的灰度值；
Pi为每个灰度值在整个图像中的概率；
Wi为每个灰度值在整个图像中的概率；
S3.2：计算第三图像各个灰度级累计概率到第二图像各个灰度级累计概率的绝对值差异d＝|Xm-Yn|；
其中，m和n分别为第三图像和第二图像累计概率中最大的灰度级的值；
S3.3：将S3.2获得的最小差异d对应的第二图像的灰度值作为第三图像到第二图像的映射值，并生成映射关系；
S3.4：按照映射关系将第三图像各处的像素值修改为对应的像素值，得到改善后的第四图像。
4.根据权利要求2或3所述的成像改善方法，其特征在于，S1中，所述平板探测器和弧形探测器同时对同一部位成像。
5.根据权利要求2或3所述的成像改善方法，其特征在于，图像插值算法为最近邻插值算法、双线性插值算法、三线性插值算法中的一种或多种。
6.成像改善设备，其特征在于，包括：
如权利要求1所述的拼接式CT成像装置，所述拼接式CT成像装置的平板探测器和弧形探测器用于对同一部位成像，通过所述平板探测器和弧形探测器分别得到第一图像和第二图像；
第一图像处理装置，所述第一图像处理装置用于利用图像插值算法对第一图像进行处理，形成第三图像，第三图像的尺寸大小与第二图像的尺寸大小一致；
匹配装置，所述匹配装置用于将第三图像与第二图像进行直方图匹配，利用第二图像的灰度分布改善第三图像的灰度分布，得到改善后的第四图像；
第二图像处理装置，所述第二图像处理装置用于利用图像插值算法对第四图像进行处理，形成第五图像，第五图像的尺寸大小与第一图像的尺寸大小一致；
输出装置，所述输出装置用于输出第五图像。
7.根据权利要求6所述的成像改善设备，其特征在于，所述匹配装置包括：
累计概率直方图计算模块，所述累计概率直方图计算模块用于分别计算第三图像的灰度级的累计概率直方图
Figure FDA0003760868710000021
和第二图像的灰度级的累计概率直方图
Figure FDA0003760868710000022
其中，i为图像的灰度值；
Pi为每个灰度值在整个图像中的概率；
Wi为每个灰度值在整个图像中的概率；
绝对值差异计算模块，所述绝对值差异计算模块用于计算第三图像各个灰度级累计概率到第二图像各个灰度级累计概率的绝对值差异d＝|Xm-Yn|；
其中，m和n分别为第三图像和第二图像累计概率中最大的灰度级的值；
映射处理模块，所述映射处理模块用于将所述绝对值差异计算模块计算获得的最小差异d对应的第二图像的灰度值作为第三图像到第二图像的映射值，并生成映射关系，按照映射关系将第三图像各处的像素值修改为对应的像素值，得到改善后的第四图像。
8.根据权利要求6或7所述的成像改善方法，其特征在于，所述拼接式CT成像装置中，所述平板探测器和弧形探测器同时对同一部位成像。
9.根据权利要求6或7所述的成像改善方法，其特征在于，图像插值算法为最近邻插值算法、双线性插值算法、三线性插值算法中的一种或多种。
CN202210870420.XA 2022-07-22 2022-07-22 拼接式ct成像装置、成像改善方法及其设备 Pending CN115330595A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210870420.XA CN115330595A (zh) 2022-07-22 2022-07-22 拼接式ct成像装置、成像改善方法及其设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210870420.XA CN115330595A (zh) 2022-07-22 2022-07-22 拼接式ct成像装置、成像改善方法及其设备

Publications (1)

Publication Number Publication Date
CN115330595A true CN115330595A (zh) 2022-11-11

Family

ID=83919324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210870420.XA Pending CN115330595A (zh) 2022-07-22 2022-07-22 拼接式ct成像装置、成像改善方法及其设备

Country Status (1)

Country Link
CN (1) CN115330595A (zh)

Similar Documents

Publication Publication Date Title
US9245320B2 (en) Method and system for correcting artifacts in image reconstruction
US7023951B2 (en) Method and apparatus for reduction of artifacts in computed tomography images
US6934357B2 (en) Methods and apparatus for motion compensation in image reconstruction
US7444010B2 (en) Method and apparatus for the reduction of artifacts in computed tomography images
US8731269B2 (en) Method and system for substantially reducing artifacts in circular cone beam computer tomography (CT)
US8625870B2 (en) Method and system for supplementing detail image in successive multi-scale reconstruction
US8805037B2 (en) Method and system for reconstruction of tomographic images
JPH0714022A (ja) 不完全な円錐状ビーム投射データから物体の三次元映像を再構成する方法および装置
CN105225208A (zh) 一种计算机断层成像金属伪影校正方法及装置
US5438602A (en) Correction of CT attenuation data using fan beam reprojections
US7050528B2 (en) Correction of CT images for truncated or incomplete projections
US9704223B2 (en) Method and system for substantially reducing cone beam artifacts based upon adaptive scaling factor in circular computer tomography (CT)
CN111553960B (zh) 一种基于投影均值图像的环状伪影快速校正方法
CN110458908B (zh) 基于有限角度迭代重建超视野ct图像的方法
CN102062740B (zh) 锥束ct扫描成像方法及系统
JP3484288B2 (ja) Ｘ線断層撮影装置
CN112070704A (zh) 一种基于紧小波框架的双正则化有限角ct图像重建方法
CN115330595A (zh) 拼接式ct成像装置、成像改善方法及其设备
CN112085811B (zh) Ct局部重建的方法及装置
JP6615531B2 (ja) Ｘ線コンピュータ断層撮影装置及び医用画像処理装置
JP4222930B2 (ja) ３次元逆投影方法および装置並びにｘ線ｃｔ装置
CN115192052A (zh) 医用图像处理装置以及医用图像处理方法
JP5171474B2 (ja) 断層画像処理装置およびｘ線ｃｔ装置並びにプログラム
CN116664707B (zh) 一种ct图像迭代重建方法、装置及计算机设备
JP2006000223A (ja) Ｘ線ｃｔ装置

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