滤波反投影图像重建算法

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