CT图像重建.docx
《CT图像重建.docx》由会员分享,可在线阅读,更多相关《CT图像重建.docx(13页珍藏版)》请在冰豆网上搜索。
CT图像重建
昆明理工大学信息工程与自动化学院学生实验报告
(2009—2010学年第一学期)
课程名称:
医学成像系统与放射治疗装置开课实验室:
32082008年12月24日
年级、专业、班
学号
姓名
成绩
实验项目名称
CT图像重建
指导教师
刘利军
教
师评语
教师签名:
年月日
、实验目的与意义
医学成像技术是生物医学工程专业的一门重要的专业课程,课程主要涉及X光仪器,CT仪器,MRI
仪器和核医学仪器的工作原理及成像方法。
其中CT算法的出现又为后来数字化医学成像技术的发展提供
了基础。
该门课程为生物医学工程专业的专业基础课。
CT技术是医学成像系统中的一种重要手段。
它通过特定的算法,利用计算机的高速运算功能,可以在短时间内快速呈现人体断层图像。
让学生练习CT图像的重建有助于学生理解CT算法的内容,熟悉数
字图像重建的过程。
同时也能培养学生的团队精神和解决实际问题的能力。
二、实验算法原理
1、MATLA处理数字图像的基本函数;
2、X-CT三维图像重建的基本算法。
CT图象重建有四种基本的算法:
矩阵法,迭代法,傅立叶算法,反投影算法.我们采用的方法为卷积反投影•卷积反投影有:
平行光束投影的卷积反投影算法,等角扇形光来投影的重建算法•
1).平行光束投影的卷积反投影算法
从投影重建三维物体的图像,就是重建一个个横断面。
这样三堆图像的重建就归结为二维图象的重建。
二维图像的重建问题可以从数学上描述如下。
假定g(x,y)表示一个二维的未知函数,通过g(x,y)的直线称为光钱(见图2.1)。
沿光线g(x,y)的
积分称作光线积分。
沿相同方向的一组光线积分,就构成一个投影。
图2.1中垂直于直线CC'(与X轴
夹角为)的光线所形成。
图2.1g(x,y)在方向的投影P(t)
的投影P(t),称之为g(x,y)在方向的投影。
光线积分和投影在数学上可以定义如下:
在图2.1中直线AB的方程为:
XcosYsinti(2.1)
其中ti是AE到原点的距离,g(x,y)沿AB的积分为:
P(ti)ABg(x,y)dsg(x,y)(xcosysintjdxdy(22)
对于给定的,g(x,y)在方向的投影P(t)是t的函数。
如果g(x,y)在各个方向的投影已知,g(x,y)
就可以唯一确定。
下面就讨论卷积反投影重建算法。
假定投影方向,如图2.2,将坐标(x,y)旋转角(逆时针方向)形成坐标系(t,s)。
g(x,y)在(t,s)
坐标系中为g(t,s)。
图2.2傅立叶切片定理示意图
坐标系(t,s)与(x,y)之间的关系为:
tcossinx
ssincosy
显然
Ptg(t,s)ds
令S(w)为P(t)的傅立叶变换则
(2.3)
(2.4)
S(w)P(t)exp(j2wt)dt
g(t,s)exp(j2wt)dsdt
将上式变换到(x,y)坐标系中,注意到变换的可比行列式
(2.5)
II
cossin
sincos
(2.6)
从而得到:
S(w)
g(x,y)exo[j2(xcosysin)]|dxdy
g(x,y)exp[j2(uxvy)]dxdy
(2.7)
其中
cossin
(2.8)
若令g(x,y)的傅立叶变换为G(u,v),由(2.8)可知
S()G(u,v)G(,)(2.9)
若g(x,y)的傅立叶变换为G(u,v)的极坐标表示。
这说明g(x,y)在方向的投影P(t)
傅立叶变换S(w)等于G(u,v)在与u轴成角的直线上的值。
这就是著名的傅立叶投影切片定理。
可见
在整个(u,v)平面G(u,v)可以利用各个方向的投影来得到,从而g(x,y)也可以通过求G(u,v)的傅立叶
反交换的办法求得:
II
变换到极坐标中
cossin
得到
经推导得
其中
若令
其中
当图像的频谱是有限带宽时,则上式变为
(2.17)
0
h(t)J|e)p(j2t)d
由于图象及其频谱都是离散采样的,假定图象采样间隔为,则根据采样定理01/2。
为了进行
数学处理,只需知道h(t)在有限带宽上的离散采样点的值•这样我们有
1/(42)
h(n)0(2.18)
222
1/n222
其中n为正负整数。
(2.18)的离散形式为
Q(n)P(m)h(nm)(2.19)
m
假定P(m)在m0,1,N1之外的值为0,则上式变为
其中n0,1,2,N1从而可见为确定P(t)的N个采样点上的Q(n)的值,需要使用h(n)的2N—1个点上的值,从n=—(N—1)到(N—1)。
为求得Q(n),利用傅立叶变换计算卷积是比较快的方法,为清除循环卷积的周期交叠效应,实际
上h(n)取2N个点,P(m)补0,使之有(2N—1)个元素,则P(t)在N个采样点上就避免了交叠,如果使用以2为基的FFT(快速傅立叶变换)算法,P(m)和h(n)都必需朴0至(2N一1)个元素,(2N—1)为大于等于2N-l的最小的2的整数幕。
计算Q(n)的过程可以写为
Q(n)[FFT(FFT[P(n)0]FFT(h(n)0](2.22)
其中FFT和IFFT分别表示快速傅立叶变换和反变换,光滑窗是在滤波过程中加入的光滑因子,例如引用
汉明窗,有时可以改进重建效果。
对于各个方向的投影,得到Q(n)之后就可以由(2.22)来计算g(x,y)。
重建步骤可以归纳为:
第二步。
反投影,由(2.14)的近似形式
M
g(x,y)Qi(xcosiysinJ(2.23)
Mii
来计算g(x,y)的近似值0(x,y)。
M为投影个数j为投影方向角,他们均匀的分布在0~的范围内。
当计算Qi(xcosiysinJ时,txcosiysini,不一定在Q(n)的整离散点上,这就需要插
值求得,预先将Q(n)插值加密,即最靠近的点,可以提高计算速度。
2).等角扇形光来投影的重建算法
几乎所有的快遗CT设备都是用的扇形光束。
这里叙述的是等角度光束投影,如图2.3,测量投影数据
的探测器等间距地分布在D1D2弧上,弧的半径为2D,D为光源到图像中心的距离。
在下文中,f(r,)
图象在极坐标中的表示。
R()表示在方向角为的投影中位量角为的光线产生的投影数据。
通过中
心的光线其为0。
L表示从光源到像素(r,)的距离。
图2.3等扇形束投影重建算法中的变量
L(,,),D2r22Drsin()(2.24)
表示在方向角为的投影中通过像素(r,)的光线的位置角
1PE丄1cos()
(,,)tantan(2.25)
SEDsin()
图像f(r,)和扇形投影R()有下述关系
其中r和是投影中光线的最大位置角,从而可以得到这种重建算法的执行步骤:
第一步:
投影的修改,假定投影的抽样间隔为,抽样数据R(n)通过下式进行修改,
R'(n)R(n[D^osn(2.27)
第二步:
卷积(滤波)将第一步修改了的投影与响应函数g()进行卷积
'112
g()-()h()(2.28)
2sin
Q()R(n)g(nm)d(2.29)
其离散形式为:
M
Q(n)R(m)g(nm)(2.30)
m1
这里也和上节一样可以加进一光滑窗,改进重建效应。
第三步:
反投影,就是执行(2.30)的积分
f(r,)
21
(2.31)
2Q()d
0L2(,,)')
近似的有:
f(x,y)
2M1
()
(2.32)
2Q()
mi1L(,,)
其f(x,y)是图象f(x,y)的近似图像,xrcos,yrsin,M是投影数,假定投影均匀地分布在0~2内。
为求得滤波后的投影Q,对象素(x,y)的贡献,首先由(2.24)和(2.25)计算出L和’•所有Q对(x,y)的贡献加起来再乘以2/M就得f(x,y)。
四、实验程序代码
原图象代码:
p=phantom(256);
imshow(p)
卷积反投影法代码:
H=[000.920.6990*pi/1801;...
0-0.01840.8740.662490*pi/180-0.98;...
0.2200.310.1172*pi/180-0.2;...
-0.2200.410.16108*pi/180-0.2;...
00.350.250.2190*pi/1800.1;...
00.10.0460.04600.2;...
0-0.10.0460.04600.2;...
-0.08-0.6050.0460.02300.1;...
0-0.6050.0230.02300.1;...
0.06-0.6050.0460.02390*pi/1800.1];
angle=1;
N=100;
vstep=2/N;
ax=N/2+1;
fork=1:
(180/angle+1)
theta=(k-1)*angle*pi/180;
fori=1:
10x0=H(i,1);y0=H(i,2);A=H(i,3);B=H(i,4);alpha=H(i,5);rho=H(i,6);
R=0;
forw=ax;
back=ax;
MM=sqrt(AA2*cos(theta-alpha)A2+BA2*sin(theta-alpha)A2-(R-xO*cos(theta)-yO*sin(theta))^2);
NN=AA2*cos(theta-alpha)A2+BA2*sin(theta-alpha)A2;g(i,ax)=rho*2*A*B*MM/NN;
forj=1:
N/2
R=R+vstep;
forw=forw+1;
MM=sqrt(AA2*cos(theta-alpha)A2+BA2*sin(theta-alpha)A2-(R-x0*cos(theta)-y0*sin(theta))A2);
NN=AA2*cos(theta-alpha)A2+BA2*sin(theta-alpha)A2;g(i,forw)=rho*2*A*B*MM/NN;
R=-R;
back=back-1;
MM=sqrt(AA2*cos(theta-alpha)A2+BA2*sin(theta-alpha)A2-(R-x0*cos(theta)-y0*sin(theta))A2);
NN=AA2*cos(theta-alpha)A2+BA2*sin(theta-alpha)A2;g(i,back)=rho*2*A*B*MM/NN;
R=-R;
end
end
radon0(k,:
)=real(sum(g));
end
%%%%%%%%%%%%generateR-Lfunction%%%%%%%%%%%%%%%%
radon1=[zeros(k,N),radon0];
ax=N+1;
RL(ax)=1/(4*vstepA2);
forw=ax+1;
back=ax-1;
fork=1:
N/2
n=2*k-1;
RL(forw)=-1/(n*pi*vstep)A2;
RL(back)=RL(forw);
RL(forw+1)=0;
RL(back-1)=0;
forw=forw+2;
back=back-2;
end
fork=1:
(180/angle+1)
radon2(k,:
)=conv(radon1(k,:
),RL);
end
radonf=radon2(:
2*N:
3*N);
%%%%%%%%%%%%generateS-Lfunction%%%%%%%%%%%%%%%%%%radon1=[zeros(k,N),radon0];
forv=1:
(2*N+1)
n=v-N-1;
SL(v)=-2/(p^2*vstepA2*(4*门人2-1));
end
fork=1:
(180/angle+1)
radon2(k,:
)=conv(radon1(k,:
),SL);
end
radonf=radon2(:
2*N:
3*N);
figure
(1)
subplot(321)
plot(1:
(2*N+1),radon1(1,:
))
title('投影函数(已补零)')
subplot(323)
plot(1:
(2*N+1),SL)
title('S-L卷积函数')
subplot(325)
plot(1:
(4*N+1),radon2(1,:
))
title('卷积结果')Xradon1=fft(radon1(1,:
));
subplot(322)
plot(1:
(2*N+1),abs(Xradon1))
title('频谱')
XRL=fft(SL);
subplot(324)
plot(1:
(2*N+1),abs(XRL))
Xradon2=fft(radon2(1,:
));
subplot(326)
plot(1:
(4*N+1),abs(Xradon2))
%%%%%%%%%%%%%%iradon%%%%%%%%%%%%%%%%%%%%%%%%%%fork=1:
(180/angle+1)
theta=(k-1)*angle*pi/180;
C=N/2-(N-1)*(cos(theta)+sin(theta))/2;
fori=1:
N
R=(i-1)*cos(theta)+C;nO=floor(R);
ifn0>0&&n0<(N+1)
dot=R-nO;
l(i,1,k)=(1-dot)*radonf(k,nO)+dot*radonf(k,nO+1);
else
I(i,1,k)=nan;
end
forj=2:
N
R=R+sin(theta);
n0=floor(R);
ifn0>0&&n0<(N+1)
dot=R-n0;
I(i,j,k)=(1-dot)*radonf(k,n0)+dot*radonf(k,n0+1);else
I(i,j,k)=nan;
end
end
end
end
Ifinal=sum(I,3);
Gfinal=mat2gray(lfinal);
Gfinal=imrotate(Gfinal,90);
figure
(2)
imshow(Gfinal)
五、实验结果与分析
反投影一般步骤为:
原像重建后图像
取投影反投影重建
程序流程:
卷积反投影法结果:
重建图象原图象
六、心得体会
通过本次的实验,对CT图象重建的基本方法之一:
卷积反投影,有了进一步的认识,在实验的过程中,采用的图象是经典的Shep-Logen头模型,得到的结果与原图象相比,有一定的差异,但影响不大•有待进一步的改进算法•
七、参考文献
[1]《医用电子仪器及装备一一医学成像系统及放射治疗装置类》,唐庆玉主编,清华大学电机系生物医
学工程及仪器专业
[2]《医学成像系统》,高上凯主编,清华大学出版社
[3]G.T.赫尔曼著(严洪编译),由投影重建图象,科学出版社
[4]董雏申、吴世法、王天童,卷积反投影法从x光图像重建三维轴对称图象,全国图基科学会议论文集,
1989。
⑸G,N.HousfleldComputedMedicalImaging-Journal0fComputedAssistedTomography,4(5),
655—674.1980
[6]赶荣椿等,《数字图像处理导论》,百北工业大学出版牡,西安,1995,p77—179
[7]庄天戈,《CT原理与算法),上海交通大学出版杜,1992,p31—33
[8]RadonJ,UberdieBestimmumgvonFunktionenmuchihreintegralwertelangsgewissser
MannnmgfaltigkeitenBerichteSachsischeAkademieder
Wissenschaften,Leipzig,Math.Phys.K1,1917.69:
262~267
(注:
专业文档是经验性极强的领域,无法思考和涵盖全面,素材和资料部分来自网络,供参考。
可复制、编制,期待你的好评与关注)