原博客地址:https://blog.csdn.net/shuangyue/article/details/5811384
关于CT重建的算法有很多,在这里给大家介绍的是滤波反投影算法,其原理如下:
设f(x,y)表示需要重建的图像,用p(t,θ)表示在角度获取的f(x,y)的一个平行投影,t表示投影射线到对称中心(即旋转中心)的距离,设s为于角度θ下的投影X射线平行的坐标轴,它与t所在的坐标轴垂直,则:
(1)
对p(t,θ)进行一维傅里叶变换
(2)
将(1)代入(2)式得到
(3)
图1 图像空间坐标系和投影空间坐标系
由上图可以看出,q 点在xoy坐标系内的坐标
x = Rcosα, y= Rsinα, 式中R为q点到原点的距离。
同样 q点在 tos中的坐标为:
t = Rcos(a-θ)= x cosθ+y sinθ (4)
s = Rsin(a-θ) = ycosθ - xsinθ (5)
将(4)(5)式代入(3)得到
(6)
图像f(x,y)的二维傅里叶变换为F(u,v)
(7)
令u = w cosθ, v = w sinθ,则
F(wcosθ,wsinθ)=P(w,θ) (8)
由傅里叶变换知,图像函数f(x,y)可以通过其傅里叶反变换F(u,v)中恢复,即
(9)
令 u = w cosθ, v = w sinθ,并根据(8)
(10)
利用对称关系P(w,θ+ π) = P(-w,θ),(9)式变为
(11)
如果令 (12)
则(11)式重写为
(13)
上述(12)(13)就是滤波反投影的主要公式,(12)中的|w|表示滤波函数。
滤波器的设计与选择
在滤波反投影重建算法中,滤波器的设计是关键。理想的滤波器是频带无限的V型滤波函数,在无穷积分区间上的积分发散,根据佩利一维纳准则 ,这一理想滤波器是不可实现的。但是如果结合具体的成像过程,则不但能够实现,而且可以达到足够的精度。为此,需要对理想滤波函数进行加窗处理,即只保留滤波函数的低频段。常用滤波函数如下几种
Ramp-Lak滤波器,它实际上是直接截断V型滤波器高频部分的结果,该滤波函数的特点是形式简单.重建的图像轮廓清楚。缺点是由于在频域中用矩形窗函数截断了滤波函数,在相应的空域中会造成振荡响应.即Gibbs现象。
把Ramp-Lak滤波器与sin(x)/x进行卷积,就得到Shepp-Logan滤波器。用Shepp-Logan滤波器重建的图像中振荡相应较小,对含噪声的数据重建出来的图像质量也较Ramp-Lak滤波函数要好。但是由于该滤波函数在高频段偏离了理想的滤波函数|w|,因而重建图像在高频段的响应不如R-L滤波函数。
其它常用滤波器还有Hamming滤波器,它是通过Ramp-Lak滤波器与Hamming窗进行卷积而得到。Hanning滤波器,它实际上是Ramp-Lak滤波器与Hanning窗进行卷积。
关于其他CT重建技术,请参考本人的上一篇文章
http://blog.csdn.net/shuangyue/archive/2010/08/13/5810789.aspx
</div>