專利名稱：一種檢測圖像中條狀偽影的系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)療成像領(lǐng)域，尤其涉及一種檢測圖像中條狀偽影的系統(tǒng)和方法。
背景技術(shù)：
在X射線計算機斷層成像(X-ray Computed Tomography,CT)的圖像重建中，當(dāng)待檢對象對X射線的衰減系數(shù)呈非連續(xù)性的跳躍變化，如一種物質(zhì)的密度遠遠大于另一種物質(zhì)的密度時，CT圖像中高密度物質(zhì)的周圍就會產(chǎn)生條狀偽影。條狀偽影在CT成像中是一種常見的偽影，其影響成像結(jié)果，使圖像不能正確反映組織的病變特性，干擾醫(yī)生對病變組織的客觀判斷，容易發(fā)生誤診或漏診。因此，同提高信噪比和分辨率一樣，識別和消除條狀偽影也是提高圖像質(zhì)量的重要環(huán)節(jié)。目前，大多數(shù)與條狀偽影相關(guān)的文章和專利都關(guān)注在用統(tǒng)計學(xué)的方法來減少條狀偽影°如 Patrick J. La Rivigre 等人的 Reduction of noise-induced streak artifacts in χ-ray CT throughspline-based penalized-likelihood sinogram smoothing(通過基于樣條的懲罰似然正弦圖平滑濾波以降低χ射線計算機斷層掃描設(shè)備中由噪音引起的條狀偽影)(Conf Record IEEENSS-MIC，2003)，他們在文章中提出一種統(tǒng)計學(xué)上的原則性的正弦圖平滑方法，通過使用懲罰泊松似然函數(shù)以減少條狀偽影引起的噪聲，其中，懲罰泊松似然函數(shù)在CT中的應(yīng)用已經(jīng)很成熟。但是在該文章中卻沒有指出條狀偽影的位置。這樣就無法檢測到設(shè)備在出廠前由于硬件故障(如探測器通道損壞)所引起的條狀偽影；同時這些條狀偽影都是通過人眼進行判斷的，存在人為誤差。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明提出一種檢測圖像中條狀偽影的系統(tǒng)和方法，以檢測條狀偽影及其準(zhǔn)確位置，并以此作為反饋來評估CT掃描儀的運行狀況。本發(fā)明提出一種檢測圖像中條狀偽影的系統(tǒng)，包括梯度圖像獲取模塊、感興趣區(qū)選擇模塊、雷登變換模塊、比較模塊和條狀偽影標(biāo)記模塊，其中梯度圖像獲取模塊，用于獲取所述圖像在水平方向和豎直方向的兩幅梯度圖像，并將所述梯度圖像傳送給感興趣區(qū)選擇模塊；感興趣區(qū)選擇模塊，用于在所述梯度圖像中選擇一感興趣區(qū)，并將所述感興趣區(qū)傳送給雷登變換模塊；雷登變換模塊，用于計算所述感興趣區(qū)的雷登變換，并將雷登變換結(jié)果傳送給比較模塊；比較模塊，用于將所述雷登變換結(jié)果與門限值進行比較，并將比較結(jié)果傳送給條狀偽影標(biāo)記模塊；條狀偽影標(biāo)記模塊，用于根據(jù)所述比較結(jié)果在所述感興趣區(qū)中標(biāo)記出條狀偽影。所述感興趣區(qū)選擇模塊包括區(qū)域選擇單元和比較單元，其中區(qū)域選擇單元，用于在所述水平方向和豎直方向的兩幅梯度圖像中分別選取一個區(qū)域，并將這兩個區(qū)域傳送給比較單元；比較單元，用于比較所述兩個區(qū)域中的最大灰度梯度值，將較大者所在的區(qū)域作為所述感興趣區(qū)，并將所述感興趣區(qū)傳送給雷登變換模塊。所述比較模塊包括角度計算單元、角度門限值比較單元和概率門限值比較單元，其中角度計算單元，用于獲取所述雷登變換結(jié)果中最大的η個值在所述感興趣區(qū)中所對應(yīng)的η條直線的角度，計算這η條直線的平均角度，其中η是自然數(shù)，并將所述η條直線的角度和所述平均角度傳送給角度門限值比較單元；角度門限值比較單元，用于計算所述η條直線的角度分別與所述平均角度之差的絕對值，得到η個絕對值，將這η個絕對值與一角度門限值進行比較，得到小于該角度門限值的s條直線，其中s為不大于η的自然數(shù)，并將s 與η傳送給概率門限值比較單元；概率門限值比較單元，計算s與11的比值，將該比值與一概率門限值進行比較，并將比較結(jié)果傳送給條狀偽影標(biāo)記模塊。所述條狀偽影標(biāo)記模塊進一步用于，根據(jù)所述比較結(jié)果得到所述條狀偽影的準(zhǔn)確位置。本發(fā)明還提出一種檢測圖像中條狀偽影的方法，包括如下步驟獲取所述圖像在水平方向和豎直方向的兩幅梯度圖像；在所述梯度圖像中選擇一感興趣區(qū)；計算所述感興趣區(qū)的雷登變換；將所述雷登變換的結(jié)果與門限值進行比較；根據(jù)所述比較的結(jié)果在所述感興趣區(qū)中標(biāo)記出條狀偽影。所述選擇感興趣區(qū)包括分別選擇所述兩幅梯度圖像的一個區(qū)域，取這兩個區(qū)域中的最大灰度梯度值進行比較，將較大者所在的區(qū)域作為所述感興趣區(qū)。所述比較包括獲取所述雷登變換結(jié)果中最大的η個值在所述感興趣區(qū)中所對應(yīng)的η條直線的角度，并計算這η條直線的平均角度，其中η是自然數(shù)；計算所述η條直線的角度分別與所述平均角度之差的絕對值，得到η個絕對值，將這η個絕對值與一角度門限值進行比較，得到小于該角度門限值的s條直線，其中s為不大于η的自然數(shù)；計算s與11的比值，將該比值與一概率門限值進行比較，若所述比值大于所述概率門限值，則這s條直線為條狀偽影。優(yōu)選地，所述角度門限值小于等于30度。優(yōu)選地，所述角度門限值小于等于5度。優(yōu)選地，所述概率門限值小于等于1。進一步，根據(jù)所述條狀偽影得到所述條狀偽影在所述圖像中的準(zhǔn)確位置。從上述方案中可以看出，由于本發(fā)明能得到條狀偽影所在直線的角度，所以能在原始圖像中標(biāo)記出條狀偽影及其準(zhǔn)確位置，進一步以此作為反饋來評估CT掃描儀或X射線管的運行狀況。另一方面，由于傳統(tǒng)的條狀偽影檢測方法是通過人的肉眼進行判斷，存在人為誤差，而本發(fā)明則是完全自動化的，避免了人為判斷造成的誤差，提高了判斷條狀偽影的準(zhǔn)確率。


圖1是原始的CT圖像；圖2是圖1的梯度圖像的示意圖，其中圖加是圖1在X方向的梯度圖像FX，圖2b 是圖1在Y方向的梯度圖像FY的示意圖；圖3是圖2的梯度圖像的一個方形區(qū)域的示意圖，其中圖3a是圖加的一個方形區(qū)域crop_FX的示意圖，圖北是圖2b的一個方形區(qū)域crop_FY的示意圖；圖4是感興趣區(qū)的Radon變換結(jié)果R的示意圖；圖5是圖像中條狀偽影的檢測結(jié)果的示意圖6是本發(fā)明檢測圖像中條狀偽影系統(tǒng)的組成示意圖；圖7是本發(fā)明感興趣區(qū)選擇模塊的組成示意圖；圖8是本發(fā)明比較模塊的組成示意圖；圖9是本發(fā)明檢測圖像中條狀偽影方法的流程圖。
具體實施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，以下參照實施例對本發(fā)明作進一步詳細說明。本發(fā)明中水平向右方向為X方向的正方向，豎直向下方向為Y方向的正方向。本發(fā)明提出一種檢測圖像中條狀偽影的系統(tǒng)，如圖6所示，是本發(fā)明檢測圖像中條狀偽影系統(tǒng)的組成示意圖，包括梯度圖像獲取模塊10、感興趣區(qū)選擇模塊20、雷登變換模塊30、比較模塊40和條狀偽影標(biāo)記模塊50，其中梯度圖像獲取模塊10，用于獲取所述圖像在水平方向和豎直方向的兩幅梯度圖像，并將所述梯度圖像傳送給感興趣區(qū)選擇模塊20。圖1是原始的CT圖像。按下式(1)來計算圖1所示圖像分別在X方向和Y方向上的灰度梯度值。 FX (X，y) = (I (x+1，y) -I (x_l，y)) /2FY (x, y) = (I (χ, y+1)-I (χ, y-1))/2 (1)其中(χ，y)是圖像中的任一點(即像素)，I (X，y)是在(x，y)處像素的灰度值， FX(X，y)和FY(X，y)分別是像素(x，y)在X方向和Y方向上的灰度梯度值(x，y)?；叶戎档姆秶鷱?到255不等。對于所述圖像中的邊界像素，按下式( 來計算灰度梯度值。FX (X，y) = (I (x+1，y) -I (x, y)) /2FY (χ, y) = (I (χ, y+1) -I (χ, y)) /2FX (x,y) = (I (χ, y) -I (χ-l，y)) /2FY(x,y) = (I (χ, y)-I (χ, y-1))/2 (2)通過式(1)- )得到如圖2所示的兩幅梯度圖像，其中圖加是圖1所示圖像在X 方向上的梯度圖像FX，圖2b是圖1所示圖像在Y方向上的梯度圖像FY，這兩幅圖的橫坐標(biāo)為像素在X方向的位置，縱坐標(biāo)為像素在Y方向的位置。感興趣區(qū)選擇模塊20，用于根據(jù)所述梯度圖像來選擇一感興趣區(qū)(Region of interest, R0I)P,以下用R0I_P表示，并將所述感興趣區(qū)R0I_P傳送給雷登變換模塊30。雷登變換模塊30，用于計算所述感興趣區(qū)的雷登變換，并將雷登變換結(jié)果傳送給比較模塊40。雷登變換(即Radon變換)的原理是將原始圖象(如XY平面內(nèi)的二維圖像)內(nèi)的每一點通過線積分的形式變換到另一對參數(shù)域(如投影值，角度)內(nèi)，若原始圖像內(nèi)存在直線，則會導(dǎo)致Radon變化的結(jié)果在該直線對應(yīng)的另一對參數(shù)域內(nèi)的函數(shù)值出現(xiàn)極值，所以可用Radon變換來檢測原始圖像中是否含有直線成分。在本發(fā)明的實施例中，進行Radon變換的做法如下將感興趣區(qū)R0I_P分別沿著0 度到179度的投影方向，對每一條投影線計算R0I_P的線積分，得到如圖4所示的Radon變換結(jié)果R，其中投影方向每次旋轉(zhuǎn)1度，橫坐標(biāo)為旋轉(zhuǎn)角度，縱坐標(biāo)為R0I_P矩陣的對角線長度。在本發(fā)明的實施例中，由于設(shè)置ROI是90*90的方形矩陣，所以圖4中縱坐標(biāo)的最大值為90。圖4中線條的明暗表示灰度梯度值的累積值的大小，越明亮的區(qū)域表明累積值越大，則該區(qū)域可能是極值所在的區(qū)域，也就說明該角度附近可能存在條狀偽影，圖中可見橫坐標(biāo)在150度附近較其他角度要亮很多，這反映了圖像原始CT圖像在150度附近可能存在條狀偽影。比較模塊40，用于將所述雷登變換結(jié)果R與門限值進行比較，并將比較結(jié)果傳送給條狀偽影標(biāo)記模塊50。條狀偽影標(biāo)記模塊50，用于根據(jù)所述比較結(jié)果在R0I_P中標(biāo)記出條狀偽影。圖7是本發(fā)明感興趣區(qū)選擇模塊20的組成示意圖。圖7中感興趣區(qū)選擇模塊20 包括區(qū)域選擇單元201和比較單元202，其中區(qū)域選擇單元201，用于在所述水平方向和豎直方向的兩幅梯度圖像中分別選取一個區(qū)域，并將這兩個區(qū)域傳送給比較單元202。通常在圖2中將梯度圖像分成若干個方形區(qū)域(或稱為方形矩陣)，每次按順序來檢測一個方形區(qū)域(如90*90)中是否存在條狀偽影。本發(fā)明中選擇圖2中的兩幅梯度圖像FX和FY的一個方形區(qū)域，得到如圖3所示的示意圖，其中圖3a是圖加的一個方形區(qū)域 crop_FX,圖3b是圖2b的一個方形區(qū)域crop_FX。通常crop_FX與crop_FX在梯度圖像中的位置一致，以便確定該方形區(qū)域在原始圖像中是在X方向還是Y方向的灰度梯度值變化較大。比較單元202，用于比較所述兩個區(qū)域中的最大灰度梯度值，將較大者所在的區(qū)域作為所述感興趣區(qū)，并將所述感興趣區(qū)傳送給雷登變換模塊。這里，比較單元202按下式(3)來計算crop_FX的最大灰度梯度值max_FX和crop_ FY的最大灰度梯度值max_FY。max_FX = max(crop_FX)max_FY = max (crop_FY)(3)其中，max是找出矩陣中最大值的函數(shù)。之后，比較max_FX和max_FY的大小，將二者中的較大者所在的方形區(qū)域作為所述感興趣區(qū)R0I_P。例如，若max_FX > max_FY,則R0I_P對應(yīng)crop_FX。若二者相等，則R0I_ P可以是這二者中的任一者。通常認為，灰度梯度值變化大的區(qū)域存在條狀偽影的可能性大。圖8是本發(fā)明比較模塊40的組成示意圖。圖8中比較模塊40包括角度計算單元 401、角度門限值比較單元402和概率門限值比較單元403，其中角度計算單元401，用于獲取所述雷登變換結(jié)果中最大的η個值在所述感興趣區(qū)中所對應(yīng)的η條直線的角度，計算這η條直線的平均角度，其中η是自然數(shù)，并將所述η條直線的角度和所述平均角度傳送給角度門限值比較單元402 ；這里，角度計算單元401要獲取Radon變換結(jié)果R中亮度最高的η個值，其與R0I_ P中的η條直線對應(yīng)，接著計算這η條直線的角度(或斜率)gl，g2，...，gn。其中η可依據(jù)需要來設(shè)置，如η為10。角度門限值比較單元402，用于計算所述η條直線的角度分別與所述平均角度之差的絕對值，得到η個絕對值，將這η個絕對值與一角度門限值進行比較，得到小于該角度門限值的s條直線，其中s為不大于η的自然數(shù)，并將s與η傳送給概率門限值比較單元 403 ；首先按下式(4)來計算gl，g2，· · ·，gn的平均角度g。接著按下式(5)來分別計算角度gl，g2,...,gn與平均角度g之間的差的絕對值

其中abs是計算絕對值的函數(shù)。最后得到al，a2，. .，an中小于預(yù)設(shè)角度門限t_g的個數(shù)S。其中s為不大于η的自然數(shù)，t_g的值依經(jīng)驗設(shè)定。優(yōu)選地，可以設(shè)定角度門限t_ g為5度，則絕對值al，a2，. . .，an中小于5度的可認為這些直線具有非常接近的方向，而大于5度的則認為是肌1_ 圖像中雜亂無章的直線。當(dāng)然也可以設(shè)定角度門限值其他數(shù)值， 如小于等于30度或更優(yōu)選地為小于5度。概率門限值比較單元403，計算s與η的比值r，將該比值與一概率門限值進行比較，并將比較結(jié)果傳送給條狀偽影標(biāo)記模塊。首先按下式(6)來計算比值r。
S” = - (6)
η其中r為斜率較接近的直線個數(shù)s占總的直線個數(shù)η的比例。接著將r與概率門限值t_r進行比較。其中t_r的值依經(jīng)驗設(shè)定，數(shù)值范圍在(0，1]。若！· > t_r，則說明R0I_P中存在條狀偽影，否則，就說明R0I_P中沒有條狀偽影。若r> t_r,則條狀偽影標(biāo)記模塊50在R0I_ P中標(biāo)記出這s條條狀偽影。進一步，條狀偽影標(biāo)記模塊50還用于，根據(jù)比較模塊40的比較結(jié)果得到所述條狀偽影的準(zhǔn)確位置。若概率門限值比較單元403的比較結(jié)果為r > t_r，則說明R0I_P中存在條狀偽影，也就是說角度門限值比較單元402中的s條直線都是條狀偽影。由于原始圖像和梯度圖像的大小一致，且各個點的位置坐標(biāo)也一致，所以可以直接將這些條狀偽影在原始圖像中標(biāo)記出來。這s條直線斜率分布在平均角度g附近，參照圖4，此平均角度g在150度附近。同時由于R0I_P是crop_FX或crop_FY，實際上也是一梯度圖像，R0I_P中s條直線的斜率和位置坐標(biāo)與這s條直線在原始CT圖像中的斜率和位置坐標(biāo)一致，所以能根據(jù)R0I_P 中的條狀偽影得到這些條狀偽影在原始CT圖像中的具體位置。在檢測出R0I_P在圖1所示的原始圖像中對應(yīng)的條狀偽影后，繼續(xù)在圖2中選取另一方形區(qū)域進行檢測，直到檢測出原始CT圖像中所有的條狀偽影及其準(zhǔn)確位置，得到如圖5所示的結(jié)果，圖中的白線即是檢測到的條狀偽影。由于Y方向的正方向是豎直向下，由此這些條狀偽影的斜率大概是150度。同時由于原始CT圖像是各個方形區(qū)域存在的條狀偽影的角度不同，同一方形矩陣中條狀偽影的角度也只是接近，而不是完全一致，所以在圖 4可見條狀偽影的角度不盡相同。
8
本發(fā)明還提供一種檢測圖像中條狀偽影的方法，如圖9所示，包括如下步驟步驟101，獲取所述圖像在水平方向和豎直方向的兩幅梯度圖像?？砂词?1)-( 來計算圖1所示原始圖像分別在X方向和Y方向上的兩幅梯度圖像。步驟102，分別選擇所述兩幅梯度圖像的一個方形區(qū)域crop_FX和crop_FX。步驟103，取這兩個區(qū)域中的最大灰度梯度值進行比較，將較大者所在的區(qū)域作為感興趣區(qū)。按式(3)來計算crop_FX的最大灰度梯度值max_FX和crop_FY的最大灰度梯度值maX_FY，將較大者所在的方形區(qū)域作為感興趣區(qū)R0I_P。步驟104，計算所述感興趣區(qū)的雷登變換，得到如圖4所示的Radon變換結(jié)果R。步驟105，獲取所述雷登變換結(jié)果中最大的η個值在所述感興趣區(qū)中所對應(yīng)的η條直線的角度，并計算這η條直線的平均角度，其中η是自然數(shù)。按式(4)來計算這η條直線的平均角度。步驟106，計算所述η條直線的角度分別與所述平均角度之差的絕對值，得到η個絕對值，將這η個絕對值與一角度門限值進行比較，得到小于該角度門限值的s條直線，其中s為不大于η的自然數(shù)；優(yōu)選地，所述角度門限值小于等于30度。更優(yōu)選地，所述角度門限值小于等于5度。步驟107，計算s與η的比值，將該比值與一概率門限值進行比較，若所述比值大于所述概率門限值，則這s條直線為條狀偽影。按式(6)來計算所述比值r。優(yōu)選地，所述概率門限值小于等于1。步驟108，根據(jù)所述比較的結(jié)果在所述感興趣區(qū)中標(biāo)記出條狀偽影。進一步，本發(fā)明的檢測圖像中條狀偽影的方法還包括步驟109，根據(jù)所述條狀偽影得到所述條狀偽影在所述圖像中的準(zhǔn)確位置。這點在條狀偽影標(biāo)記模塊50中已有具體說明，這里不再贅述。本發(fā)明的檢測圖像中條狀偽影的系統(tǒng)和方法能用來檢查出廠前的醫(yī)學(xué)成像系統(tǒng)中掃描儀或X射線管的運行狀況。若圖像中存在條狀偽影，則說明掃描儀的探測器通道損壞或X射線管的球管打火，需要檢查以對損壞的部件進行維修或更換。這樣就可以在出廠前檢測到由于硬件損壞所引起的條狀偽影。另外，本發(fā)明中檢測條狀偽影的過程是完全自動化的，不需要肉眼進行人為判斷，避免了人為誤差。理論上，本發(fā)明可以用于所有的醫(yī)學(xué)成像系統(tǒng)，包括CT，磁共振成像系統(tǒng)和X射線攝影系統(tǒng)等。以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種檢測圖像中條狀偽影的系統(tǒng)，包括梯度圖像獲取模塊、感興趣區(qū)選擇模塊、雷登變換模塊、比較模塊和條狀偽影標(biāo)記模塊，其中梯度圖像獲取模塊，用于獲取所述圖像在水平方向和豎直方向的兩幅梯度圖像，并將所述梯度圖像傳送給感興趣區(qū)選擇模塊；感興趣區(qū)選擇模塊，用于在所述梯度圖像中選擇一感興趣區(qū)，并將所述感興趣區(qū)傳送給雷登變換模塊；雷登變換模塊，用于計算所述感興趣區(qū)的雷登變換，并將雷登變換結(jié)果傳送給比較模塊；比較模塊，用于將所述雷登變換結(jié)果與門限值進行比較，并將比較結(jié)果傳送給條狀偽影標(biāo)記模塊；條狀偽影標(biāo)記模塊，用于根據(jù)所述比較結(jié)果在所述感興趣區(qū)中標(biāo)記出條狀偽影。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述感興趣區(qū)選擇模塊包括區(qū)域選擇單元和比較單元，其中區(qū)域選擇單元，用于在所述水平方向和豎直方向的兩幅梯度圖像中分別選取一個區(qū)域，并將這兩個區(qū)域傳送給比較單元；比較單元，用于比較所述兩個區(qū)域中的最大灰度梯度值，將較大者所在的區(qū)域作為所述感興趣區(qū)，并將所述感興趣區(qū)傳送給雷登變換模塊。
3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述比較模塊包括角度計算單元、角度門限值比較單元和概率門限值比較單元，其中角度計算單元，用于獲取所述雷登變換結(jié)果中最大的η個值在所述感興趣區(qū)中所對應(yīng)的η條直線的角度，計算這η條直線的平均角度，其中η是自然數(shù)，并將所述η條直線的角度和所述平均角度傳送給角度門限值比較單元；角度門限值比較單元，用于計算所述η條直線的角度分別與所述平均角度之差的絕對值，得到η個絕對值，將這η個絕對值與一角度門限值進行比較，得到小于該角度門限值的 s條直線，其中s為不大于η的自然數(shù)，并將s與η傳送給概率門限值比較單元；概率門限值比較單元，計算s與η的比值，將該比值與一概率門限值進行比較，并將比較結(jié)果傳送給條狀偽影標(biāo)記模塊。
4.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述條狀偽影標(biāo)記模塊進一步用于，根據(jù)所述比較結(jié)果得到所述條狀偽影的準(zhǔn)確位置。
5.一種檢測圖像中條狀偽影的方法，包括如下步驟 獲取所述圖像在水平方向和豎直方向的兩幅梯度圖像； 在所述梯度圖像中選擇一感興趣區(qū)；計算所述感興趣區(qū)的雷登變換；將所述雷登變換的結(jié)果與門限值進行比較；根據(jù)所述比較的結(jié)果在所述感興趣區(qū)中標(biāo)記出條狀偽影。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述選擇感興趣區(qū)包括分別選擇所述兩幅梯度圖像的一個區(qū)域，取這兩個區(qū)域中的最大灰度梯度值進行比較，將較大者所在的區(qū)域作為所述感興趣區(qū)。
7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述比較包括獲取所述雷登變換結(jié)果中最大的η個值在所述感興趣區(qū)中所對應(yīng)的η條直線的角度， 并計算這η條直線的平均角度，其中η是自然數(shù)；計算所述η條直線的角度分別與所述平均角度之差的絕對值，得到η個絕對值，將這η 個絕對值與一角度門限值進行比較，得到小于該角度門限值的s條直線，其中s為不大于η 的自然數(shù)；計算s與η的比值，將該比值與一概率門限值進行比較，若所述比值大于所述概率門限值，則這s條直線為條狀偽影。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述角度門限值小于等于30度。
9.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述角度門限值小于等于5度。
10.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述概率門限值小于等于1。
11.根據(jù)權(quán)利要求5所述的方法，其特征在于，進一步，根據(jù)所述條狀偽影得到所述條狀偽影在所述圖像中的準(zhǔn)確位置。
全文摘要
本發(fā)明公開一種檢測圖像中條狀偽影的系統(tǒng)，包括梯度圖像獲取模塊用于獲取所述圖像在水平方向和豎直方向的兩幅梯度圖像，并將所述梯度圖像傳送給感興趣區(qū)選擇模塊；感興趣區(qū)選擇模塊用于在所述梯度圖像中選擇一感興趣區(qū)，并將所述感興趣區(qū)傳送給雷登變換模塊；雷登變換模塊用于計算所述感興趣區(qū)的雷登變換，并將雷登變換結(jié)果傳送給比較模塊；比較模塊用于將所述雷登變換結(jié)果與門限值進行比較，并將比較結(jié)果傳送給條狀偽影標(biāo)記模塊；條狀偽影標(biāo)記模塊用于根據(jù)所述比較結(jié)果在所述感興趣區(qū)中標(biāo)記出條狀偽影。本發(fā)明還提供一種檢測圖像中條狀偽影的方法。采用本發(fā)明的系統(tǒng)和方法，能檢測條狀偽影及其準(zhǔn)確位置，并評估掃描儀的各通道的運行狀況。
文檔編號G06T5/00GK102402787SQ201010286368
公開日2012年4月4日 申請日期2010年9月19日 優(yōu)先權(quán)日2010年9月19日
發(fā)明者杜春華 申請人:上海西門子醫(yī)療器械有限公司