CT重建学习笔记（一）
一、CT系统成像的理论基础
1、CT成像的原理
基于CT系统的高质量X射线投影数据的获取，不仅取决于可靠的X射线衰减过程，还取决于探测器成像过程。探测器成像过程是将不可见的X射线转换为可供显示的数字信号的过程。其中涉及X射线与物质的相互作用以及探测器的转换原理。
CT成像是建立在常规的射线成像法基础上，利用X射线在不同角度对检测样本透射的衰减投影图像，采用一定的数学方法，例如滤波反投影法、代数法或统计法进行图像重建，恢复出检测样本的断层图像信息。
X射线穿过任何物质时，它会与物质的原子相互作用而引起能量衰减。也就是说，物质不同的组成成分对X射线具有不同的吸收系数；反之，通过测量物质对X线的吸收系数可以判定物质的组成成分。当一束X射线穿过物体时，它所经路径中所有物质对X线吸收系数的总和都将反映在最后对X射线强度的测量结果中。
CT成像原理正是建立在这个基础上，通过对穿过物体截面的X描线进行测量和运算，获取与物体体层空间位置一一对应的吸收系数从而恢复物体截面的结构信息。由CT成像原理可知，X射线的衰减规律和X射线与物质的相互作用规律是CT成像系统的理论基础。
2、CT系统的结构
工业CT装置通常由射线源、机械扫描系统、探测器系统、计算机系统、屏蔽设施等部分组成。
射线源提供CT扫描成像的能量射束，以穿透试件，根据射线在试件内的衰减情况实现以各点的衰减系数表征的CT图像重建。与射线源紧密相关的射线前后准直器及射线控制系统，用以射线强度、射线能量、射线形状的调节。
机械扫描系统实现CT扫描时，试件的旋转或平移以及射线源一物体一探测器之间物理位置的相对调整。它包括机械驱动轴、试件转台、各种支架、底座、移动控制系统(电机、编码器、伺服放大器、位移控制板等)。
探测器系统用来测量穿透试件后的射线信号，经放大和模数转换
CT重建学习笔记（一）相关推荐
- 图形处理（十三）基于可变形模板的三维人脸重建-学习笔记
基于可变形模板的三维人脸重建-学习笔记 原文地址:http://blog.csdn.net/hjimce/article/details/50331423 作者:hjimce 一.数据库处理: 我们通 ...
- 3D人脸重建--学习笔记
本文旨在学习总结2D到3D人脸重建相关问题,个人水平有限,本人也是刚开始调研3D人脸重建,不足之处望大神指点改进. 文章目录 1 什么是3D人脸重建? 2 重建方法分类 3 通用模型3D人脸重建 4 ...
- 冈萨雷斯《数字图像处理》学习笔记（4）--图像复原与重建(含傅里叶切片定理推导)
一.图像复原模型 若H是线性的,空间不变的过程,则退化图像在空间域通过下式给出: g(x,y)=h(x,y)∗f(x,y)+δ(x,y)g(x,y)=h(x,y)*f(x,y)+\delta(x,y) ...
- 学习笔记之——基于深度学习的图像超分辨率重建
最近开展图像超分辨率( Image Super Resolution)方面的研究,做了一些列的调研,并结合本人的理解总结成本博文~(本博文仅用于本人的学习笔记,不做商业用途) 本博文涉及的paper已 ...
- 【论文学习笔记-2】高分辨率3D深度重建
[论文学习笔记-2] 高分辨率3D深度重建 背景介绍 模型 目标 Related Works 背景介绍 应用场景广泛:桥,电缆etc 高分辨率图像的特点:像素多,potential disparity ...
- 数字图像处理学习笔记（十五）——图像复原与重建
数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声.增强.复原.分割.提取特征等处理的方法和技术.本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结 ...
- 一文整理深度学习【CT原理、成像及CT重建知识汇总】
文章目录 一.CT原理 1.什么是CT 2.CT和X光有什么差异 3.CT辐射大不大 4.什么是X射线 5.体素及CT值 二.CT成像 1.X-CT成像的数据采集 2.X-CT图像重建 3.X-CT扫 ...
- 数字图像处理学习笔记之一 DIP绪论与MATLAB基础
写在前面的话 数字图像处理系列的学习笔记是作者结合上海大学计算机学院<数字图像处理>课程的学习所做的笔记,使用参考书籍为<冈萨雷斯数字图像处理(第二版)(MATLAB版)>,同 ...
- 影像组学ibex_影像组学学习笔记
题外话 这仍然是一篇学习笔记.近期在不同的学术会议上,有幸聆听学习了几位影像组学的大咖做报告,受益匪浅.以大咖们的报告为指导,自己也学习查找了一些文献,加入了一点点自己的理解和想法,整理成一篇笔记,与 ...
- 动态环境下的SLAM：DynaSLAM 论文学习笔记
动态环境下的SLAM:DynaSLAM 论文学习笔记 这篇文章 论文摘要 系统流程 相关环节的实现方法 神经网络检测图中动态物体(Mask R-CNN) Low-Cost Tracking 使用多视图 ...
最新文章
- Lifting Transformer: 基于跨步卷积Transformer的高效三维人体姿态估计
- tensorflow tf.keras.layers tf.image 图像增强
- LINUX自旋锁详解
- ERROR 1436 (HY000) at line 1943
- 与毒”共舞30年！清华美女研究生为何放弃高薪，选择特招入伍？背后的原因令人泪崩......
- java记录pv,计算500万PV/每天的网站
- webpack2入门概念
- C#软件设计——小话设计模式原则之：接口隔离原则ISP
- python 生成器 原理_你知道python中的函数、生成器的工作原理吗？
- 职友集 进化者机器人_麦克风解决方案将发掘交互式机器人的无限潜力
- iis搭建php出现301,IIS服务器PHP下三种实现301重定向的方法
- gini系数 决策树_决策树系列--ID3、C4.5、CART
- linux系统优化的方法
- 直线/折线/圆/三角形划分平面直线切割球问题大总结(最多能划分多少区域）
- c语言注释中文,Comments（注释符）
- 11月最新脉聊社交网站源码类似微博的社交源码 模板UI非常漂亮自适应手机版 重点是有原生AP
- 关于FeedSky话题广告
- 关于工作后定居城市的思考以及房价预测【zz】
- 浏览器崩溃原因大集合
- opnet对服务器的性能分析,一种Web服务器集群的动态反馈算法