本发明主要涉及计算机断层成像(computedtomography，简称ct)，尤其涉及一种投影图像的校正方法及装置。
背景技术：
ct扫描主要是通过旋转安装于机架上的x射线源与探测器，从不同机架角对被扫描对象进行扫描，以获得对应于不同机架角的多个投影图像。在ct扫描过程中，x射线源的剂量在不同角度之间存在不可避免的波动，这就导致投影图像的灰度实际值与期望值有差异。ct重建原理假设，图像灰度值的对数变换正比于物质的等效吸收系数。实际值与期望值的这一偏差会导致重建结果的ct值偏离真实值，进而可能造成错误的医学诊断或者不精确的治疗定位。
随着ct技术的发展，业界对降低病人剂量的要求也越来越高。单张图像剂量降低后，控制系统对x射线源的剂量控制相对误差会增大，电离室(或参考电离室)的读出误差也不可忽略。常规的规避措施主要包括：(1)在硬件和控制系统中尽可能减少x射线源的实际值与期望值的差异，使用平均值替代真实值；(2)引入参考电离室，记录所有投影图像对应的真实剂量，并用该值对投影图像进行归一化处理。然而，上述的规避措施需要高精度x射线源和控制系统，或者引入高精度的参考电离室，这将会导致ct设备成本的增加。
技术实现要素：
本发明要解决的技术问题是提供一种投影图像的校正方法及装置，其具有成本低廉、校正精度高等特点。
为解决上述技术问题，本发明提供了一种投影图像的校正方法，包括：
a.获取被扫描对象的多个第一投影图像；b.获取多个参考图像，其中每个参考图像与所述多个第一投影图像中的至少一个第一投影图像相对应；以及c.根据所述第一投影图像和其对应的所述参考图像的灰度关系，对所述第一投影图像进行校正。
在本发明的一实施例中，步骤b包括：获取所述被扫描对象的第一三维图像；以及根据所述第一三维图像生成所述多个参考图像。
在本发明的一实施例中，在步骤a中还包括对所述多个第一投影图像进行散射校正。
在本发明的一实施例中，在步骤b中是生成多个包含散射量的参考图像。
在本发明的一实施例中，在步骤c中是根据所述第一投影图像和其对应的所述参考图像中相同的感兴趣区域来确定所述灰度关系。
在本发明的一实施例中，步骤c包括：c11.配准所述第一投影图像和其对应的所述参考图像，获取所述第一投影图像和所述参考图像的位置关系；c12.根据所述位置关系，选取所述第一投影图像和所述参考图像中相同的感兴趣区域计算灰度分布差异；c13.根据所述灰度分布差异生成校正系数；以及c14.根据所述校正系数对所述第一投影图像进行校正。
在本发明的一实施例中，在步骤c12中，通过计算所述第一投影图像和所述参考图像中相同的感兴趣区域的灰度比例来确定所述灰度分布差异。
在本发明的一实施例中，步骤b包括：b1.根据所述多个第一投影图像重建所述被扫描对象，获得第二三维图像；b2.配准所述第一三维图像和所述第二三维图像，获取所述第一三维图像和所述第二三维图像的位置关系；以及b3.根据所述位置关系和所述第一三维图像生成所述多个参考图像。
在本发明的一实施例中，步骤c包括：c21.选取所述第一投影图像和所述参考图像中相同的感兴趣区域计算灰度分布差异；c22.根据所述灰度分布差异生成校正系数；以及c23.根据所述校正系数对所述第一投影图像进行校正。
在本发明的一实施例中，在步骤c21中，通过计算所述第一投影图像和所述参考图像中相同的感兴趣区域的灰度比例来确定所述灰度分布差异。
在本发明的一实施例中，在步骤a中还包括对所述多个第一投影图像进行坏点校正、暗场校正、增益校正和几何校正中的一者或多者。
在本发明的一实施例中，若所述第一三维图像为非ct图像，根据所述第一三维图像生成所述多个参考图像的步骤包括：将所述第一三维图像转换为ct图像；以及根据所述ct图像生成所述多个参考图像。
在本发明的一实施例中，所述多个参考图像是通过解析法、蒙特卡罗法、求解波尔兹曼方程组法和卷积叠加算法中的一种或多种计算得到。
在本发明的一实施例中，还包括：d.对校正后的所述多个第一投影图像进行重建，以得到所述扫描对象的三维图像。
在本发明的一实施例中，所述参考图像是根据所述被扫描对象的第二投影图像生成的，所述第二投影图像不同于所述第一投影图像。
在本发明的一实施例中，所述第一投影图像和所述第二投影图像分别由不同的成像设备生成。
在本发明的一实施例中，成像设备在每个机架角生成多个投影图像，所述第一投影图像为所述多个投影图像中的一部分形成，所述第二投影图像为所述多个投影图像中另一部分形成。
本发明的另一方面提供了一种投影图像的校正装置，包括：投影图像获取模块，适用于获取被扫描对象的多个第一投影图像；参考图像获取模块，适用于获取多个参考图像，其中每个参考图像与所述多个第一投影图像中的至少一个第一投影图像相对应；以及校正模块，适用于根据所述第一投影图像和其对应的所述参考图像的灰度关系，对所述第一投影图像进行校正。
本发明的又一方面提供了一种投影图像的校正装置，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行所述指令以实现如上所述的方法。
本发明的再一方面提供了一种计算机可读存储介质，其上存储有计算机指令，其中当计算机指令被处理器执行时，执行如上所述的方法。
与现有技术相比，本发明具有以下优点：
本发明的投影图像校正方法/装置对投影图像进行校正，校正后的投影图像降低了不均匀的辐射剂量的影响，提高了重建图像的图像质量。本发明的投影图像校正方法/装置可明显改善低剂量下的重建图像的质量。采用本发明的投影图像校正方法可以无须引入高精度参考电离室或者高精度的射线源和控制系统，可显著降低成本。
附图说明
图1是本发明一些实施例的成像系统的示意图。
图2是本发明一些实施例的计算设备的示例性硬件和/或软件组件的示意图。
图3是本发明一些实施例的移动设备的示例性硬件和/或软件组件的示意图。
图4是本发明一些实施例的处理设备的示意图。
图5是本发明一些实施例的投影图像校正方法的基本流程图。
图6是本发明一些实施例的基于解析法的参考图像生成器的示意图。
图7是本发明一些实施例的参考图像生成步骤和校正步骤的示意图。
图8是本发明另一些实施例的参考图像生成步骤和校正步骤的示意图。
图9是本发明另一些实施例的投影图像校正方法的基本流程图。
图10是本发明一些实施例的投影图像校正方法的基本流程图。
具体实施方式
为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，因此本发明不受下面公开的具体实施例的限制。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
可以理解的是，本发明中所用的“系统”、“模块”、“单元”和/或“子单元”等术语是用于区分不同结构之间的层级关系的一种方法。然而，如果能达到相同目的，这些术语可以被其他表达代替。
通常，本发明中所用的“模块”、“单元”和/或“子单元”指的是存储在硬件或固件中的逻辑或一组软件指令。本发明所述的“模块”、“单元”和/或“子单元”能够通过软件和/或硬件模块执行，也可以被存储于任何一种非暂态计算机可读存储介质或其他存储设备中。在一些实施例中，一个软件模块可以被编译并连接到一个可执行的程序中。这里的软件模块可以对自身或其他模块传递的信息作出响应，并且/或者可以在检测到某些事件或中断时作出响应。可以在一个计算机可读存储介质上提供一个被配置为可以在计算设备上(例如，图2所示的处理器210，图3所示的中央处理器(cpu)340)执行操作的软件模块/单元/子单元，这里的计算机可读存储介质可以是光盘、数字光盘、闪存盘、磁盘或任何其他种类的有形介质；也可以通过数字下载的模式获取软件模块(这里的数字下载也包括存储在压缩包或安装包内的数据，在执行之前需要经过解压或解码操作)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中，并应用在计算设备的操作之中。软件指令可以被植入在固件中，例如可擦可编程只读存储器(erasableprogrammablereadonlymemory(eprom))。还应理解的是，硬件模块/单元/子单元可以包含连接在一起的逻辑单元，例如门、触发器，以及/或者包含可编程的单元，例如可编程的门阵列或处理器。这里所述的模块/单元/子单元或计算设备的功能优选通过软件模块/单元/子单元执行，但是也可以被表示在硬件或固件中。一般情况下，这里所说的模块/单元/子单元是逻辑模块，不受其具体的物理形态或存储器的限制。一个模块、单元和/或子单元能够与其他的模块、单元和/或子单元组合在一起，或被分隔成为一系列子模块和/或子单元。
除非另有明确指示，应当理解的是，当单元、引擎、模块或子单元“位于”、“连接到”或“耦合到”另一单元、引擎、模块或子单元时，所述单元、引擎、模块或子单元可以直接位于、连接到或耦合到或连通到另一单元、引擎、模块或子单元，或者可以存在中间单元、引擎、模块或子单元。本发明所用的术语“和/或”包括一个或多个相关所列术语的任何和所有组合。
考虑参照附图的下列详细说明，本发明的这些和其它特征和特点、结构的有关元件的操作方法和功能，以及部件的结合和制造的经济性将变得更加显而易见，并且所有这些都作为本发明的一部分。然而，应当清楚地理解的是，附图仅仅用于说明和描述目的，而并非意在限制本发明的范围。应当理解，所有附图不是按比例绘制的。
本发明的一个方面涉及多个投影图像的校正方法和装置。所述投影图像根据成像设备在多个机架角获取的扫描数据生成，每个投影图像对应一个机架角。可以理解，成像设备可以在一个机架角获取多次扫描数据，进而生成对应于同一机架角的多个投影图像。为校正对应于机架角的投影图像，所述装置可以执行所述方法，以利用已重建的三维图像生成与投影图像相对应的参考图像，而后根据投影图像与其相对应的参考图像的灰度关系对投影图像进行校正，以对成像设备获取的多个投影图像进行归一化处理。需要说明的是，本发明所述的投影图像与参考图像相对应是指，参考图像和投影图像具有对应于同一空间点的像素。在一些实施例中，所述方法及装置可以校正与多个机架角对应的多个投影图像。所述方法及装置还可以基于对应于多个机架角的多个校正的投影图像，重建被扫描对象的三维图像。
图1是本发明一些实施例的成像系统100的示意图。在一些实施例中，成像系统100可以包括常规ct系统、锥形束ct(cbct)系统、螺旋ct系统、多层ct系统、数字减影血管造影(dsa)系统、具备成像模式的放疗系统等，或其任意组合。在一些实施例中，成像系统100所采用的成像束可以是x射线、γ射线、超声波等，或其任意组合。
如图1所示，成像系统100可以包括ct扫描机110、网络120、终端130、处理设备140和存储设备150。成像系统100中的组件可以通过多种方式彼此连接。例如，ct扫描机110可以经由网络120连接至处理设备140。再例如，ct扫描机110可以直接连接至处理设备140。又例如，存储设备150可以直接或经由网络120连接至处理设备140。又例如，终端130可以直接或经由网络120连接至处理设备140。
ct扫描机110可以包括机架111、探测器112、辐射源113和扫描床114。探测器112和辐射源113可以相对地安装于机架111。被扫描对象可以放置在扫描床114上并移动到ct扫描机110的探测通道中。为了说明的目的，引入如图1所示的参考坐标系统。所述参考坐标系统可以包括x轴、y轴和z轴。z轴可以指被扫描对象被移入和/或移出ct扫描机110的探测通道的方向。x轴和y轴可以形成垂直于z轴的平面。
辐射源113可以发出x射线、γ射线、超声波等以扫描放置在扫描床114上的被扫描对象。所述被扫描对象可以是生物体(例如，病人、动物)或非生物体(例如，人造的物体)。探测器112可以探测从辐射源113发出的辐射(例如，x射线、γ射线、超声波等)。在一些实施例中，探测器112可以包括多个探测器单元。所述探测器单元可以包括闪烁探测器(例如，碘化铯探测器)、气体探测器和/或超声波探测器等。所述探测器单元可以排列成单排或多排。
在一些实施例中，ct扫描机110可以包括一个或多个组件用来阻止或降低扫描时的射束硬化和/或辐射散射。例如，ct扫描机110可以包括栅格(例如，防散射栅格)和/或可以阻止或降低射束硬化的其他组件。又例如，ct扫描机110可以包括x射线准直器、金属栅格、狭缝、散射校正板(bsa)、射束衰减栅格(bag)和/或可以阻止或降低辐射散射的其他组件。
网络120可以促进信息和/或数据的交换。在一些实施例中，成像系统100中的至少一个组件(例如，ct扫描机110、终端130，处理设备140或存储设备150)可以通过网络120向所述成像系统100中的另一组件发送信息和/或数据。例如，所述处理设备140可以通过所述网络120从所述ct扫描机110获得扫描数据。再例如，所述处理设备140可以通过所述网络120从所述终端130获得用户指令。在一些实施例中，网络120可以是任何类型的有线或无线网络，或其组合。网络120可以包括公共网络(例如，因特网)、专用网络(例如，局域网(lan)、广域网(wan))、有线网络(例如，以太网)、无线网络(例如，802.11网络、wi-fi网络)、蜂窝网络(例如，长期演进网络(lte))、帧中继网络、虚拟专用网络(vpn)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机，或其组合。仅作为示例，所述网络120可以包括电缆网络、无线网络、光纤网络、电信网络，内联网、因特网、局域网(lan)、广域网(wan)、无线局域网(wlan)、城域网(man)、广域网(wan)、公共电话交换网(pstn)、蓝牙网络、zigbee网络、近场通信(nfc)网络等，或其任何组合。在一些实施例中，所述网络120可以包括至少一个网络接入点。例如，所述网络120可以包括有线或无线网络接入点，例如基站和/或互联网交换点，所述成像系统100的所述组件可以通过该网络接入点与所述网络120连接，以便交换数据和/或信息。
终端130包括移动设备130-1、平板电脑130-2、笔记本电脑130-3等，或其任何组合。在一些实施例中，移动设备130-1可以包括智能家庭设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等，或其任何组合。在一些实施例中，所述智能家庭设备可以包括智能照明设备、智能电器的控制设备、智能监控设备、智能电视、智能摄像机、对讲机等，或其任何组合。在一些实施例中，所述可穿戴设备可以包括智能手链、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，所述智能移动设备可以包括智能手机、个人数字助理(pda)、游戏设备、导航设备、销售点(pos)设备等，或其任何组合。在一些实施例中，所述虚拟现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等，或其任何组合。例如，所述虚拟现实设备和/或所述增强现实设备可以包括googleglass、oculusrift、hololens、gearvr等。在一些实施例中，终端130可以远程操作ct扫描机110。例如，所述终端130可以通过无线连接来操作ct扫描机110。在一些实施例中，终端130可以接收由用户输入的信息和/或指令，并经由所述网络120将接收到的信息和/或指令发送到ct扫描机110或处理设备140。在一些实施例中，所述终端130可以从处理设备140接收数据和/或信息。在一些实施例中，所述终端130可以是处理设备140的一部分。在一些实施例中，所述终端130可以被省略。
在一些实施例中，处理设备140可以处理从ct扫描机110、终端130或存储设备150获得的数据和/或信息。例如，处理设备140可以获取对应多个机架角的多个投影图像。所述处理设备140还可以校正所述投影图像，以生成对应所述机架角的多个校正的投影图像。
处理设备140可以是中央处理单元(cpu)、数字信号处理器(dsp)、系统芯片(soc)、微处理器(mcu)等，或其任意组合。在一些实施例中，处理设备140可以是本地的或远程的。例如，所述处理设备140可以通过网络120访问存储在ct扫描机110、终端130和/或存储设备150中的信息和/或数据。再例如，所述处理设备140可以直接与ct扫描机110、终端130和/或存储设备150连接，以便访问存储在其中的信息和/或数据。在一些实施例中，所述处理设备140可以在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布式云、跨云、多云等，或其任何组合。在一些实施例中，所述处理设备140可以在本发明图2所示的具有至少一个组件的计算设备200上实现。
存储设备150可以存储数据和/或指令。在一些实施例中，所述存储设备150可以存储从终端130和/或处理设备140获得的数据。在一些实施例中，所述存储设备150可以存储所述处理设备140可以执行或用于执行在本发明中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(rom)等，或其任何组合。示例性的大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性的可移动存储器可以包括闪存盘、软盘、光盘、存储卡、压缩盘、磁带等。示例性的易失性读写存储器可以包括随机存取存储器(ram)。示例性的ram可以包括动态ram(dram)、双倍数据传输率同步动态ram(ddrsdram)、静态ram(sram)、晶闸管ram(t-ram)、零电容ram(z-ram)等。示例性的rom可以包括掩模型rom(mrom)、可编程rom(prom)、可擦除可编程rom(eprom)、电擦除可编程rom(eeprom)、光盘rom(cd-rom)、数字通用盘rom等。在一些实施例中，所述存储设备150可以在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布式云、跨云、多云等，或其任何组合。
在一些实施例中，存储设备150可以与网络120连接，以便与成像系统100的至少一个组件(例如，终端130、处理设备140)进行通信。所述成像系统100的至少一个组件可以通过所述网络120访问存储在所述存储设备150的数据或指令。在一些施例中，所述存储设备150可以直接与所述成像系统100的至少一个组件(例如，终端130、处理设备140)连接或通信。在一些实施例中，所述存储设备150可以是处理设备140的一部分。
图2是本发明一些实施例的计算设备200的示例性硬件和/或软件组件的示意图。所述计算设备200可以实现所述处理设备140。如图2所示，所述计算设备200可以包括处理器210、存储器220、输入/输出(i/o)230和通信端口240。
处理器210可以根据本文所述的技术执行计算机指令(程序代码)并执行所述处理设备140的功能。所述计算机指令可以包括执行本文所述的特定功能的例程、程序、对象、组件、数据结构、过程、模块与功能。例如，所述处理器210可以处理从ct扫描机110、终端130、存储设备150或成像系统100的任何其他组件获得的图像数据。例如，所述处理器210可以预处理和/或校正投影图像。再例如，所述处理器210可以基于多个校正的投影图像重建三维图像，并将三维图像存储于存储设备150。在一些实施例中，所述处理器210可以包括至少一个硬件处理器，例如，微控制器、微处理器、精简指令集计算机(risc)、专用集成电路(asic)、专用指令集处理器(asip)、中央处理器(cpu)、图形处理器(gpu)、物理处理器(ppu)、单片机、数字信号处理器(dsp)、现场可编程门阵列(fpga)、先进精简指令集系统(arm)、可编程逻辑设备(pld)、能够执行至少一个功能的任何电路或处理器等，或其任何组合。
仅用于说明，在计算设备200中仅描述了一个处理器。然而，应当注意的是，本发明的所述计算设备200还可以包括多个处理器。因此，由本发明所述的一个处理器执行的操作和/或方法步骤也可以由多个处理器共同或单独执行。例如，如果在本发明中，所述计算设备200的处理器执行步骤a和b，则应当理解，所述步骤a和b也可以由所述计算设备200的两个不同的处理器共同或单独地执行(例如，第一处理器执行步骤a、第二处理器执行步骤b或者第一和第二处理器共同执行步骤a和b)。
存储器220可以存储从所述ct扫描机110、终端130、存储设备150或所述成像系统100的任何其他组件获得的数据/信息。在一些实施例中，所述存储器220可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(rom)等，或其任何组合。例如，所述大容量存储器可以包括磁盘、光盘与固态驱动器等。所述可移动存储器可以包括闪存盘、软盘、光盘、存储卡、压缩盘与磁带等。所述易失性读写存储器可以包括随机存取存储器(ram)。所述ram可以包括动态ram(dram)、双倍数据传输率同步动态ram(ddrsdram)、静态ram(sram)、晶闸管ram(t-ram)与无电容ram(z-ram)等。所述rom可以包括掩模型rom(mrom)、可编程rom(prom)、可擦除可编程rom(eprom)、电擦除可编程rom(eeprom)、光盘rom(cd-rom)与数字通用盘rom等。在一些实施例中，所述存储器220可以存储至少一个程序和/或指令，以执行在本发明中所述的示例性方法。例如，所述存储器220可以为处理设备140存储用于校正投影图像的程序(例如，以计算机可执行指令的形式)。再例如，所述存储器220可以为处理设备140存储用于基于投影图像重建三维图像的程序(例如，以计算机可执行指令的形式)。
输入/输出230可以输入或输出信号、数据或信息。在一些实施例中，所述输入/输出230可以与所述处理设备140进行用户交互。在一些实施例中，所述输入/输出230可以包括输入设备和输出设备。示例性的输入设备可以包括键盘、鼠标、触摸屏、麦克风等，或其组合。示例性的输出设备可以包括显示设备、扬声器、打印机、投影仪等，或其组合。示例性的显示设备可以包括液晶显示器(lcd)、基于发光二极管(led)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(crt)等，或其组合。
通信端口240可以与网络(例如，网络120)连接以便促进数据通信。所述通信端口240可以在所述处理设备140与所述ct扫描机110、所述终端130或所述存储设备150之间建立连接。所述连接可以是有线连接、无线连接或两者的组合。这些连接方式可以使得数据能够被发送和接收。所述有线连接可以包括电缆、光缆、电话线等，或其任何组合。所述无线连接可以包括蓝牙、wi-fi、wimax、wlan、zigbee、移动网络(例如，3g、4g、5g)等，或其组合。在一些实施例中，所述通信端口240可以是诸如rs232和rs485等标准化的通信端口。在一些实施例中，所述通信端口240可以是专门设计的通信端口。例如，所述通信端口240可以根据医学数字成像与通信(dicom)协议进行设计。
图3是本发明一些实施例的移动设备300的示例性硬件和/或软件组件的示意图。所述移动设备300可以实现所述终端130。如图3所示，所述移动设备300可以包括通信平台310、显示器320、图形处理器(gpu)330、中央处理器(cpu)340、输入/输出350、内存360和存储器390。在一些实施例中，任何其它合适的组件，包括但不限于系统总线或控制器(图中未示出)，也可以包括在所述移动设备300中。在一些实施例中，移动操作系统370(例如，ios、android、windowsphone)和至少一个应用380可以从所述存储器390加载到所述内存360中，以便由所述中央处理器340执行。所述应用380可以包括浏览器或用于从所述处理设备140接收和呈现与图像处理相关的信息或其他信息的任何其它合适的移动应用。与信息流的用户交互可以通过所述输入/输出350实现，并且通过所述网络120提供给所述处理设备140和/或所述成像系统100的其他组件。
为了实现在本发明中所述的各种模块、单元及其功能，可以将计算机硬件平台用作本发明中所述的至少一个元件的硬件平台。此类计算机的硬件元件、操作系统和编程语言本质上是常规的，假设本领域技术人员充分熟悉这些技术，使得这些技术适应于本发明中所述的校正投影图像。具有用户界面元件的计算机可以用于实现个人电脑(pc)或其他类型的工作站或终端设备，但如果适当地进行编程，则计算机也可以充当服务器。可以确信，本领域的技术人员熟悉此类计算机设备的结构、编程和一般操作。因此，附图应该是不言自明的。
图4是本发明一些实施例的处理设备140的示意图。处理设备140可以在如图2所示的计算设备200(例如，处理器210)或如图3所示的cpu340上实现。处理设备140可以包括投影图像获取模块410、参考图像生成模块420、校正模块430和重建模块440。
所述投影图像获取模块410可以用于获取与成像系统100相关的信息。所述信息可以包括扫描数据(例如，一个或多个机架角、辐射剂量、机器能谱、探测器能量响应曲线、与准直器或扫描台相关的参数、或其他参数)、图像数据(例如，一个或多个投影图像)等。例如，投影图像获取模块410可以获取被扫描对象的多个投影图像。所述多个投影图像可以根据由ct扫描机(例如，ct扫描机110)在多个机架角获取的扫描数据生成。每个投影图像可以对应一个机架角。在一些实施例中，机架角可以是由连接辐射源113、机架111的旋转中心的线和参考坐标系统(例如，如图1所示的x轴、y轴)形成的角。仅作为示例，ct扫描机110可以通过用x射线照射被扫描对象来执行对被扫描对象的扫描。在扫描期间，辐射源113和探测器112可以随着机架111围绕z轴旋转以在不同的机架角扫描被扫描对象。从而可以获取对应于多个机架角的多组扫描数据。处理设备140和/或ct扫描机110可以根据多组扫描数据生成对应于机架角的多个投影图像，并且将投影图像传输到存储设备(例如，存储设备150)以存储。投影图像获取模块410可以访问存储设备并得到所述投影图像。
投影图像获取模块410还可以用于对投影图像进行预处理。例如，投影图像获取模块410可以预处理对应于机架角的投影图像。投影图像的预处理可以包括坏点校正、暗场校正、增益校正、几何校正、射束硬化校正、散射校正等，或其任意组合。
参考图像生成模块420可以用于生成参考图像。例如，参考图像生成模块420可以获取被扫描对象的已重建的第一三维图像，并根据该第一三维图像生成多个参考图像。在一些实施例中，可以根据校正的需要来生成参考图像，使生成的多个参考图像中的每一个与投影图像获取模块410获取的多个投影图像中的至少一个相对应。这样可以使生成的参考图像均是有用的，避免造成资源的浪费。需要说明的是，投影图像与参考图像相对应是指参考图像和投影图像具有对应于同一空间点的像素。在一些实施例中，该第一三维图像可以被存储于存储设备150中，参考图像生成模块420可以通过网络120和/或直接从存储设备150中获取该第一三维图像。优选地，该第一三维图像可以是符合dicom协议的档案。在一些实施例中，该第一三维图像可以是来源于ct(包括常规ct、锥形束ct、螺旋ct、多层ct等)、磁共振(magneticresonance，mr)、pet-ct等医学图像扫描设备获取的医学图像经重建后获得的。在一些实施例中，当第一三维图像为非ct图像时，参考图像生成模块420还可以将其转换为ct图像。例如，当第一三维图像为mr图像时，参考图像生成模块420可以将mr图像中的像素值转换为ct值，并基于该ct值生成ct图像。关于根据该第一三维图像生成多个参考图像的细节可以在本发明的其他地方找到(例如，图5、图6、图7、图8及其相关描述)。
校正模块430可以用于校正投影图像。例如，可以根据投影图像和其对应的参考图像的灰度关系，对投影图像进行校正。在一些实施例中，灰度关系可以是差、和、比例等，或其任意组合。在一些实施例中，校正模块430还可以根据灰度关系生成校正表，并利用该校正表对投影图像进行校正。在一些实施例中，校正表可以被存储于存储器220或存储器390中。关于根据投影图像和其对应的参考图像的灰度关系对投影图像进行校正的细节可以在本发明的其他地方找到(例如，图5、图7、图8及其相关描述)。
重建模块440可以用于重建图像。例如，重建模块440可以基于对应于多个机架角的多个(校正的)投影图像，重建物体的ct图像。在一些实施例中，重建模块440可以根据重建技术重建图像。示例性重建技术可以包括但不限于代数重建技术(art)、同时代数重建技术(sart)、滤波反投影(fbp)技术、fdk重建技术等，或其任意组合。
处理设备140中的模块可以经由有线或无线方式彼此连接或通信。有线连接可以包括金属电缆、光缆、混合电缆等，或其任意组合。无线连接可以包括局域网(lan)、广域网(wan)、蓝牙、zigbee、近场通讯(nfc)等，或其任意组合。
应该注意的是，以上描述仅用于说明的目的，而不是旨在限制本发明的保护范围。对于本领域的普通技术人员，可以在本发明的指导下做出多种变化和修改。尽管如此，这些变化和修改并不脱离本发明的保护范围。
在一些实施例中，两个或更多模块可以组合为一个模块，任意一个模块可以分割成两个或更多单元。例如，投影图像获取模块410和参考图像生成模块420可以整合成一个模块，该模块用于执行投影图像获取模块410和参考图像生成模块420的功能。再例如，参考图像生成模块420可以分割成两个单元。第一个单元可以用于获取被扫描对象的第一三维图像。第二单元可以用于根据第一三维图像生成多个参考图像。
在一些实施例中，处理设备140可以包括一个或多个附加的模块。例如，处理设备140可以包括后处理模块(未显示)。后处理模块可以用于后处理校正的投影图像，例如，对校正的投影图像执行射束硬化、散射校正、图像增强等。又例如，处理设备140可以包括存储模块(未显示)。存储模块可以用于存储数据，该数据由处理设备140的任意组件在执行的任意过程中生成。
图5是本发明一些实施例的投影图像校正方法的基本流程图。校正方法500可以在如图1所示的成像系统100中实现。例如，校正方法500可以以指令的形式(例如，应用)存储在存储设备150和/或存储器220中，并且由处理设备140(例如，如图2所示的处理器210，或者如图4所示的处理设备140中的一个或多个模块)调用和/或实行。以下展示的对于所述校正方法的操作是示例性的。在一些实施例中，校正方法500可以通过未提及的至少一个附加的操作和/或未讨论的至少一个操作来完成。另外，图5所示的校正方法500的操作顺序并非旨在限制本发明。例如，步骤510和步骤520可以同时执行。又例如，步骤520可以先于步骤510执行。
在步骤510中，投影图像获取模块410可以获取被扫描对象的多个投影图像。所述被扫描对象可以是生物体(例如，病人、动物、器官、组织)或非生物体(例如，模体)。
根据由ct扫描机(例如，ct扫描机110)在多个机架角获得的扫描数据，可以生成多个投影图像。每个投影图像可以对应一个机架角。例如，ct扫描机110可以通过用x射线照射被扫描对象来执行对被扫描对象的扫描。在扫描期间，辐射源113和探测器112可以随着机架111围绕旋转轴在不同的机架角扫描被扫描对象。被扫描对象的扫描数据可以包括对应于多个机架角的多组数据。处理设备140和/或ct扫描机110可以根据所述多组数据生成对应于多个机架角的多个投影图像，并且将投影图像传输到存储设备(例如，存储设备150)以存储。投影图像获取模块410可以访问存储设备并且得到所述投影图像。
在一些实施例中，机架角可以是由连接辐射源113、机架111的旋转中心的线和参考坐标系统(例如，如图1所示的x轴、y轴)形成的角。例如，步骤510中获取的多个投影图像的机架角可以在0°到360°范围内。在一些实施例中，当机架111旋转时，辐射源113可以持续不断地向被扫描对象发出x射线。例如，机架角可以在0°到360°范围内，对应于多个机架角(例如，1200或2400个机架角)的多组数据可以由探测器112收集，相应地，可以生成对应于1200个机架角的1200个投影图像或对应于2400个机架角的2400个投影图像。可选地，辐射源113可以不连续地向被扫描对象发出x射线。例如，机架角可以在0°到360°范围内，辐射源113可以在机架角每变化1°时向被扫描对象发射x射线，相应地，可以生成360个投影图像。又例如，机架角可以在0°到360°范围内，辐射源113可以在机架角每变化0.5°时向被扫描对象发射x射线，相应地，可以生成720个投影图像。
在一些实施例中，投影图像的机架角可以从成像系统100的一个或多个组件(例如，机架角的编码器)获取。此外，投影图像的机架角可以由处理设备140基于其他投影图像的机架角的数据分析来确定。仅作为示例，处理设备140可以基于对应于其他机架角的多个其他投影图像，使用插值算法确定投影图像的机架角。
在一些实施例中，多个投影图像可以包括多个2d图像。在一些实施例中，一个投影图像可以包括多个像素。一个像素可以有一个像素值，例如，灰度值、亮度值等，或其任意组合。对应于被扫描对象空间点的像素的像素值(例如，灰度值)可以与递送至被扫描对象该空间点的辐射(或称为“辐射剂量”)具有线性关系。当机架111旋转时，如果被扫描对象空间点接收到相同或基本相同的辐射剂量，在多个投影图像中对应于该空间点的像素也可以有相同或基本相同的像素值。然而，当机架111旋转时，递送至被扫描对象的辐射剂量可能会发生变化，在不同的投影图像中对应于相同空间点的像素的像素值可能是不同的。对应于不同的机架角的多个投影图像需要被校正和/或归一化以降低在不同的机架角不均匀的辐射剂量的影响。
在一些实施例中，在步骤510中投影图像获取模块410还可以对获取的多个投影图像进行预处理。对投影图像的预处理可以包括坏点校正、暗场校正、增益校正、几何校正、射束硬化校正、散射校正等，或其任意组合。散射校正可以基于散射校正算法来执行。示例性的散射校正算法可以包括卷积算法、模型评估算法、去卷积算法、蒙特卡罗模拟算法、单散射模拟算法、双能量窗口技术等，或其任意组合。
在一些实施例中，投影图像获取模块410可以基于在某一机架角递送至物体的辐射剂量，预处理对应于该机架角的投影图像。在该机架角递送至物体的辐射剂量可以是计划剂量，或ct扫描机110在该机架角扫描物体时由电离室测定的剂量。例如，投影图像获取模块410可以基于在该机架角下递送至物体的辐射剂量，确定穿过物体的x射线强度，投影图像获取模块410可以基于x射线强度对投影图像执行散射校正。
在步骤520中，参考图像生成模块420可以获取被扫描对象的已重建的第一三维图像，并根据该第一三维图像生成多个参考图像。生成的多个参考图像中的每一个与投影图像获取模块410获取的多个投影图像中的至少一个相对应。优选地，该第一三维图像为基于该被扫描对象最近获取的扫描数据重建的三维图像。可以理解，此处的“最近”是一个相对概念，其可以根据被扫描对象变化的速度而不同。对于变化慢的被扫描对象，“最近”可以是一年、六个月、一个月、十五天、五天等。对于变化快的被扫描对象，“最近”可以是一个月、十五天、十天、五天、三天、一天、十二小时、八小时、四小时等。在一些实施例中，该第一三维图像可以是来源于ct(包括常规ct、锥形束ct、螺旋ct、多层ct等)、磁共振(magneticresonance，mr)、pet-ct等医学图像扫描设备获取的医学图像经重建后获得的。在一些实施例中，当第一三维图像为非ct图像时，参考图像生成模块420还可以将其转换为ct图像。例如，当第一三维图像为mr图像时，参考图像生成模块420可以将mr图像中的像素值转换为ct值，并基于该ct值生成ct图像。
在一些实施例中，参考图像生成模块420可以生成包含散射量的参考图像。在一些更具体的实施例中，参考图像生成模块420根据该第一三维图像生成多个包含散射量的参考图像的方法可以包括解析法、蒙特卡罗法、求解波尔兹曼方程组法、卷积叠加算法等，或其任意组合。例如，解析法可以对第一三维图像在不同角度进行正投影，以得到多个第一投影图像，以及计算第一投影图像相对应的多个第一散射图像，而后将多个第一投影图像和多个第一散射图像合成为多个参考图像。又例如，蒙特卡罗法可以基于输入的几何信息(例如包括机架角)、机器能谱、探测器能量响应曲线等，使用蒙特卡罗软件直接生成包含主射线和散射线的多个参考图像。再例如，求解波尔兹曼方程组法可以基于输入的几何信息(例如包括机架角)、机器能谱、探测器能量响应曲线等，通过求解波尔兹曼方程组软件直接生成包含主射线和散射线的多个参考图像。
图6是本发明一些实施例的基于解析法的参考图像生成器600的示意图。参考图像生成器600主要包括正投影模块610、散射评估模块620和图像合成模块630。
正投影模块610用于接收机器参数和第一三维图像，并基于机器参数和第一三维图像生成第一投影图像。机器参数可以包括几何信息(例如包括机架角)、机器能谱、探测器能量响应曲线等，或其任意组合。在一些实施例中，正投影模块610可以通过执行以下步骤来生成第一投影图像：
将机器的能谱分为多个分箱；
根据ct值到电子密度的转换关系，例如转换表，将ct图像转换为电子密度图像；
根据电子密度图像，将ct图像分为若干已知材料(例如，空气、肺组织、软组织、骨头等)；
根据电子密度图像、材料分类和衰减系数转换表，计算出ct图像对应的衰减系数；
在每个能量分箱下，基于所述衰减系数对第一三维图像进行不同角度的正投影；以及
根据探测器能量响应曲线，合成不同能量下的正投影图像得到多个第一投影图像。
散射评估模块620用于接收机器参数和第一三维图像，并基于机器参数和第一三维图像生成第一散射图像。在一些实施例中，散射评估模块620可以使用卷积法来计算第一投影图像相对应的第一散射图像。可以理解，第一散射图像和第一投影图像可以是一一对应的，也可以是一个第一散射图像对应于多个第一投影图像，还可以是多个第一散射图像对应于一个第一投影图像。
图像合成模块630用于接收多个第一投影图像和一个或多个第一散射图像，并将多个第一投影图像和一个或多个第一散射图像合成为多个参考图像。
可以理解，参考图像生成器600中的模块可以经由有线或无线方式彼此连接或通信。有线连接可以包括金属电缆、光缆、混合电缆等，或其任意组合。无线连接可以包括无线局域网(wlan)、无线广域网(wwan)、蓝牙、zigbee、近场通讯(nfc)等，或其任意组合。在一些实施例中，两个或更多模块可以组合为一个模块，任意一个模块可以分割成两个或更多单元。在一些实施例中，参考图像生成器600可以包括一个或多个附加的模块。例如，参考图像生成器600可以包括存储模块(未显示)。存储模块可以用于存储数据，该数据由参考图像生成器600的任意组件在执行的任意过程中生成。可以理解，参考图像生成器600中的各模块还可以使用存储模块来进行数据共享。
可以理解，当在步骤510中投影图像获取模块410对投影图像执行散射校正时，在步骤520中生成参考图像时可以不考虑散射线的影响，即在步骤520中可以生成不含散射的参考图像。
可以理解，在步骤520中包含“获取被扫描对象的已重建的第一三维图像”和“根据该第一三维图像生成多个参考图像”这两个子步骤，将这两个子步骤归为一个步骤，仅是为了表述的方便，本发明并不限制这两个子步骤与其他步骤的操作顺序。例如，步骤510可以在这两个子步骤之间被执行，即可以先执行“获取被扫描对象的已重建的第一三维图像”，再执行步骤510的获取被扫描对象的多个投影图像，然后执行“根据该第一三维图像生成多个参考图像”。
在步骤530中，校正模块430可以根据投影图像和其对应的参考图像的灰度关系，对投影图像进行校正。投影图像可以是原始的投影图像，还可以是经预处理后的投影图像。对投影图像的预处理可以包括坏点校正、暗场校正、增益校正、几何校正、射束硬化校正、散射校正等，或其任意组合。在一些实施例中，校正模块430可以遍历所有投影图像，从中找到与参考图像相对应的投影图像，根据相对应的投影图像和参考图像的位置关系，选取投影图像和参考图像中相同的感兴趣区域(regionofinterest，roi)计算灰度关系，根据灰度关系生成校正系数，最后根据校正系数对投影图像进行校正，以将投影图像获取模块410获取的多个投影图像归一化。在一些实施例中，校正模块430可以遍历所有参考图像，从中找到与投影图像相对应的参考图像，根据相对应的投影图像和参考图像的位置关系，选取投影图像和参考图像中相同的感兴趣区域(regionofinterest，roi)计算灰度关系，根据灰度关系生成校正系数，最后根据校正系数对投影图像进行校正，以将投影图像获取模块410获取的多个投影图像归一化。在一些实施例中，相对应的投影图像和参考图像的位置关系可以通过图像配准获得。例如，可以采用二维图像配准算法，还可以采用三维图像配准算法。在一些实施例中，灰度关系可以包括灰度分布差异。灰度分布差异可以是关于投影图像和参考图像上对应的像素点的灰度值的差、和、比等，或其任意组合。在一些实施例中，校正模块430可以按照一定规则依据灰度分布差异生成校正系数。该规则例如可以是取平均值、取中值等。例如，可以对感兴趣区域内所有像素点的灰度分布差异取平均值作为校正系数。又例如，可以对感兴趣区域内所有像素点的灰度分布差异取中值作为校正系数。在一些实施例中，根据校正系数对投影图像进行校正可以是将投影图像中的像素点的灰度值乘以或除以校正系数，还可以将投影图像中的像素点的灰度值加上或减去校正系数。在一些实施例中，校正模块430还可以根据灰度关系生成校正表，并利用该校正表对投影图像进行校正。
在步骤540中，重建模块440可以基于校正后的多个投影图像进行重建，以得到扫描对象的三维图像。在一些实施例中，重建模块440可以根据重建技术重建三维图像。示例性重建技术可以包括但不限于代数重建技术(art)、同时代数重建技术(sart)、滤波反投影(fbp)技术、fdk重建技术等，或其任意组合。该三维图像可以包括多个像素，所述多个像素的像素值可以表示物体不同部分的衰减系数。
在一些实施例中，在步骤510中不对获取的多个投影图像进行射束硬化校正和/或散射校正，而是在步骤540中对校正后的多个投影图像进行三维图像重建前，对校正后的多个投影图像进行射束硬化校正和/或散射校正。
应该注意的是，上述关于校正方法500的描述仅出于说明性目的，并不是旨在限制本发明的范围。对于本领域的普通技术人员，可以在本发明的指导下做出多种变化和修改。尽管如此，这些变化和修改并没有脱离本发明的范围。
在一些实施例中，校正方法500可以在步骤520中生成参考图像，在步骤530中对相对应的投影图像和参考图像进行二维图像配准，以获得相对应的投影图像和参考图像的位置关系。
图7是本发明一些实施例的参考图像生成步骤和校正步骤的示意图。
在步骤520中，参考图像生成模块420可以获取被扫描对象的已重建的第一三维图像，并根据该第一三维图像生成多个参考图像。生成的多个参考图像中的每一个与投影图像获取模块410获取的多个投影图像中的至少一个相对应。在一些实施例中，参考图像生成模块420根据该第一三维图像生成多个参考图像的方法可以包括解析法、蒙特卡罗法、求解波尔兹曼方程组法、卷积叠加算法等，或其任意组合。
步骤530中(校正步骤)可以包括步骤531、步骤532、步骤533和步骤534。
在步骤531中，校正模块430可以对相对应的投影图像和参考图像进行图像配准，以获得投影图像和其对应的参考图像的位置关系。在此，前述图像配准为二维图像配准。二维图像配准可以包括刚性图像配准方法和/或非刚性图像配准方法。在配准过程中，可以迭代地执行配准方法。配准方法可以包括一系列的粗略配准、精配准和超精细配准。
在步骤532中，校正模块430可以根据投影图像和其对应的参考图像的位置关系，选取投影图像和其对应的参考图像中相同的感兴趣区域(roi)计算投影图像和其对应的参考图像间的灰度分布差异。感兴趣区域可以投影图像和参考图像中关于某一器官、组织的区域，例如肺部区域、肋骨区域等。在一些实施例中，灰度分布差异可以是关于投影图像和参考图像上对应的像素点的灰度值的差、和、比等，或其任意组合。优选地，灰度分布差异可以是关于投影图像和参考图像上对应的像素点的灰度值的比值。
在步骤533中，校正模块430可以根据在步骤532中计算得到的灰度分布差异生成校正系数。在一些实施例中，校正模块430可以按照一定规则依据灰度分布差异生成校正系数。该规则例如可以是取平均值、取中值等。例如，可以对感兴趣区域内所有像素点的灰度分布差异取平均值作为校正系数。又例如，可以对感兴趣区域内所有像素点的灰度分布差异取中值作为校正系数。
在步骤534中，校正模块430可以根据校正系数对投影图像进行校正。优选地，校正模块430是对每个投影图像进行校正。投影图像可以是原始的投影图像，还可以是经预处理后的投影图像。对投影图像的预处理可以包括坏点校正、暗场校正、增益校正、几何校正、射束硬化校正、散射校正等，或其任意组合。在一些实施例中，根据校正系数对投影图像进行校正可以是将投影图像中的像素点的灰度值乘以或除以校正系数，还可以将投影图像中的像素点的灰度值加上或减去校正系数。
图8是本发明另一些实施例的参考图像生成步骤和校正步骤的示意图。在步骤520(参考图像生成步骤)中可以包括步骤521、步骤522和步骤523等。在步骤530中(校正步骤)可以包括步骤531’、步骤532’和步骤531’等。
在步骤521中，参考图像生成模块420可以获取被扫描对象的多个投影图像，并根据该多个投影图像重建被扫描对象，以获得第二三维图像。在一些实施例中，投影图像可以是原始的投影图像，还可以是经预处理后的投影图像。对投影图像的预处理可以包括坏点校正、暗场校正、增益校正、几何校正、射束硬化校正、散射校正等，或其任意组合。在一些实施例中，重建模块440可以根据重建技术重建三维图像。示例性重建技术可以包括但不限于代数重建技术(art)、同时代数重建技术(sart)、滤波反投影(fbp)技术、fdk重建技术等，或其任意组合。该三维图像可以包括多个像素，所述多个像素的像素值可以表示物体不同部分的衰减系数。
在步骤522中，参考图像生成模块420可以获取被扫描对象的第一三维图像，并对第一三维图像和第二三维图像进行三维图像配准，以获取第一三维图像和第二三维图像间的位置关系。在一些实施例中，三维图像配准可以包括刚性图像配准方法和/或非刚性图像配准方法。在配准过程中，可以迭代地执行配准方法。配准方法可以包括一系列的粗略配准、精配准和超精细配准。
在步骤523中，参考图像生成模块420可以根据位置关系和第一三维图像生成多个参考图像。生成的多个参考图像中的每一个与投影图像获取模块410获取的多个投影图像中的至少一个相对应。在一些实施例中，参考图像生成模块420根据该第一三维图像生成多个参考图像的方法可以包括解析法、蒙特卡罗法、求解波尔兹曼方程组法、卷积叠加算法等，或其任意组合。可以理解，由于在步骤522中已对第一三维图像和第二三维图像进行了配准，因此在步骤523中生成的参考图像与其对应的投影图像中关于空间中同一位置点的像素是已对应的，就如参考图像和其对应的投影图像经过二维图像配准后一样。
在步骤531’中，校正模块430可以选取投影图像和其对应的参考图像中相同的感兴趣区域(roi)计算投影图像和其对应的参考图像间的灰度分布差异。感兴趣区域可以投影图像和参考图像中关于某一器官、组织的区域，例如肺部区域、肋骨区域等。在一些是实例中，灰度分布差异可以是关于投影图像和参考图像上对应的像素点的灰度值的差、和、比等，或其任意组合。优选地，灰度分布差异可以是关于投影图像和参考图像上对应的像素点的灰度值的比值。
在步骤532’中，校正模块430可以根据在步骤531’中计算得到的灰度分布差异生成校正系数。在一些实施例中，校正模块430可以按照一定规则依据灰度分布差异生成校正系数。该规则例如可以是取平均值、取中值等。例如，可以对感兴趣区域内所有像素点的灰度分布差异取平均值作为校正系数。又例如，可以对感兴趣区域内所有像素点的灰度分布差异取中值作为校正系数。
在步骤533’中，校正模块430可以根据校正系数对投影图像进行校正。投影图像可以是原始的投影图像，还可以是经预处理后的投影图像。对投影图像的预处理可以包括坏点校正、暗场校正、增益校正、几何校正、射束硬化校正、散射校正等，或其任意组合。在一些实施例中，根据校正系数对投影图像进行校正可以是将投影图像中的像素点的灰度值乘以或除以校正系数，还可以将投影图像中的像素点的灰度值加上或减去校正系数。
在该实施例中，由于采用了先进行三维图像配准，在依据配准结果来生成参考图像，生成的参考图像与其对应的投影图像配准精度高，因此该实施例相较于进行二维图像配准的实施例具有更高的校正精度。
在上述的实施例中，参考图像是根据三维图像生成，本领域技术人员可以理解，参考图像还可以是成像设备生成的投影图像。
在一些实施例中，可以将一个成像设备生成的投影图像作为待校正投影图像，而将另一个成像设备生成的投影图像作为参考图像。例如，可以用成像质量高的锥形束ct直接对患者进行投影得到的投影图像作为参考图像。
在一些实施例中，在对某一机架角对应的投影图像进行校正时，还可以使用该机架角对应的其余的多个投影图像来形成参考图像。图9是本发明另一些实施例的投影图像校正方法700的基本流程图。校正方法700可以在如图1所示的成像系统100中实现。例如，校正方法700可以以指令的形式(例如，应用)存储在存储设备150和/或存储器220中，并且由处理设备140(例如，如图2所示的处理器210，或者如图4所示的处理设备140中的一个或多个模块)调用和/或实行。参考图9所示，投影图像校正方法700可以包括：
步骤710：获取被扫描对象的多个投影图像。其中，多个投影图像根据成像设备在多个机架角获取的扫描数据生成，每个机架角对应至少两个投影图像。在一些实施例中，在该步骤中还可以对多个投影图像进行散射校正。
步骤720：从每个机架角对应的至少两个投影图像中选取一部分投影图像形成待校正投影图像，其余的每个机架角对应的投影图像中的至少一部分形成参考图像。
步骤730：根据待校正投影图像与对应的参考图像的灰度关系，对每个待校正投影图像进行校正。在一些实施例中，该步骤是根据待校正投影图像和其对应的参考图像中相同的感兴趣区域来确定灰度关系。
在一些实施例中，步骤730可以包括如下子步骤：
选取待校正投影图像和参考图像中相同的感兴趣区域计算灰度分布差异；
根据灰度分布差异生成校正系数；以及
根据校正系数对投影图像进行校正。
其中，灰度分布差异可以通过计算待校正投影图像和参考图像中相同的感兴趣区域的灰度比例来确定。
在一些实施例中，图像校正方法700还可以包括步骤740：对校正后的投影图像进行三维图像重建。
图10是本发明一些实施例的投影图像校正方法800的基本流程图。投影图像校正方法800是对上述一些实施例的归纳，其包括：
810：获取被扫描对象的多个第一投影图像；
820：获取多个参考图像，其中每个参考图像与多个第一投影图像中的至少一个第一投影图像相对应；以及
830：根据第一投影图像和其对应的参考图像的灰度关系，对第一投影图像进行校正。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质、或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visualbasic、fortran2003、perl、cobol2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”等来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±明所述的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。