基于投影正弦图的校正（调研）

基本原理

环形伪影具有在投影正弦图上呈现为线性伪影的特征，通过①对直线进行检测，②定位直线后通过插值算法对投影图像进行插值处理，得到校正的投影数据后再进行重建即可消除环

形伪影。

定位直线的方法

1.运用算子提取图像边缘

下面是几种算子的优缺点。

Robert算子定位比较精确，但由于不包括平滑，所以对于噪声比较敏感。

Prewitt算子和Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均波且检测的图像边缘可能大于2个像素。这两者对灰度渐变低噪声的图像有较好的检测效果，但是对于混合多复杂噪声的图像，处理效果就不理想了。

LOG滤波器方法通过检测二阶导数过零点来判断边缘点。LOG滤波器中的a正比于低通滤波器的宽度，a越大，平滑作用越显著，去除噪声越好，但图像的细节也损失越大，边缘精度也就越低。所以在边缘定位精度和消除噪声级间存在着矛盾，应该根据具体问题对噪声水平和边缘点定位精度要求适当选取。

Canny算子，该算子功能比前面几种都要好，但是它实现起来较为麻烦，Canny算子是一个具有滤波，增强，检测的多阶段的优化算子，在进行处理前，Canny算子先利用高斯平滑滤波器来平滑图像以除去噪声，Canny分割算法采用一阶偏导的有限差分来计算梯度幅值和方向，在处理过程中，Canny算子还将经过一个非极大值抑制的过程，最后Canny算子还采用两个阈值来连接边缘。

 

综合各个论文和算法原理来看，Canny算子是我们重点关注的对象。

下面我将详细阐述一下Canny算子的原理。

①首先运用高斯模糊去除噪声。

高斯模糊在二维图像下的表达式为

其中r是模糊半径。σ是正态分布的标准偏差。在二维空间中，这个公式生成的曲面的等高线是从中心开始呈正态分布的同心圆。分布不为零的像素组成的卷积矩阵与原始图像做变换。每个像素的值都是周围相邻像素值的加权平均。原始像素的值有最大的高斯分布值，所以有最大的权重，相邻像素随着距离原始像素越来越远，其权重也越来越小。这样进行模糊处理比其它的均衡模糊滤波器更高地保留了边缘效果。

在实际应用中，在计算高斯函数的离散近似时，在大概3σ距离之外的像素都可以看作不起作用，这些像素的计算也就可以忽略。通常，图像处理程序只需要计算

的矩阵就可以保证相关像素影响。对于边界上的点，通常采用复制周围的点到另一面再进行加权平均运算。

对一幅图像进行多次连续高斯模糊的效果与一次更大的高斯模糊可以产生同样的效果。

在减小图像尺寸的场合经常