工业CT扫描的基本原理及CT图像处理常见问题之伪影

0 评论

上一节中,我们详细探讨了工业CT图像处理领域中普遍存在的噪声类型、其成因以及相应的解决策略。继噪声问题之后,本节我们转向CT图像处理中的另一个常见且复杂的问题——伪影(Artifacts)

就工业CT扫描而言,被测物品通常由金属材料组成,例如最基础的铝制品与钢制品,而金属由于其材料特性而产生的金属伪影,相较于医学CT扫描,对于图像处理方面则是一个更为典型与常见的问题。

总的来说,金属伪影(Metal artifacts)的产生与金属材料的高衰减特性紧密相关,其成因复杂,可根据其产生原理分别归因于:

射束硬化效应(Beam hardening)

部分容积效应(Partial volume effect)

光子饥饿效应(Photon starvation)

X射线的散射效应(Scatter artifacts)等

 

根据上述四种不同的成因,本文将就每一种成因分别展开,并逐一给出图片示例。(注:下列CT图片均为在RETOMO软件中打开的效果)                   

 

1. 射束硬化效应导致的杯状伪影

 

该种伪影的产生是多能谱X射线束穿过金属等高密度物体时的特定现象,在这个过程中,较低能量的X射线光子更容易被吸收,导致通过物体后的射线束平均能量增加,即射线的“硬化”现象。随着射线硬化的发生,射线束中剩余的高能量光子在穿透周围的低衰减材料时,其衰减系数与实际衰减产生显著差异,进而导致图像的不均匀性。
具体来说,图像中心区域的衰减系数测量值会偏低,而周围区域相对较高,形成一种中心暗、边缘亮的杯状亮度分布不均匀性,这就是所谓的杯状伪影。这种伪影在高密度区域,如金属中心处尤为明显,图1中的红圈内为典型的杯状伪影。

工业CT扫描的基本原理及CT图像处理常见问题之伪影

图1  金属中心部的典型杯状伪影

 

 

 

2. 部分容积效应导致的金属伪影

 

该类伪影通常发生在一个体素对应多个材料衰减值时,导致每个体素只能表示这些衰减系数的平均值。这种无权重的平均结果会导致图像在细节处的信息丢失,在金属附近尤为显著。该种现象会造成CT图像的亮度分布不均匀,在高密度区周围出现明暗对比强烈的条纹状或放射状伪影,条纹伪影可描述为沿高密度区边缘形成长条形亮线或暗线,而放射状伪影则可描述为从高密度区向外辐射的条纹,如同星星的光芒,下图2为较为典型的由于部分统计效应所产生的金属伪影。

工业CT扫描的基本原理及CT图像处理常见问题之伪影

2  金属处的条纹状与放射状伪影

 

 

 

3. 光子饥饿效应导致的条纹状伪影

 

当X射线穿过高衰减度材料如金属时,材料会大量吸收X射线光子,导致较少的光子到达探测器,从而降低了图像相应部分的信噪比。低信噪比会在图像中产生条纹状阴影,特别是沿X射线的入射方向更为质密的区域,所以该种条纹状阴影经常出现在材料最质密处或处在较为中心处的高衰减材料的边缘处,如下图3展示了一组较为典型、出现在铝制铸件上的条纹状阴影。

工业CT扫描的基本原理及CT图像处理常见问题之伪影

3  由于光子饥饿效应产生的条纹状阴影

 

 

 

4. 高衰减度材料的强散射效应导致的散射伪影

 

该种伪影是由于X射线束穿透高衰减度材料时,发生的较强的康普顿散射或相干散射效应。因此散射光子被探测器误判为射线的原始(直线)路径,从而导致图像上出现 “云雾“状伪影,这种伪影通常出现在高衰减度材料的边界处,会严重影响该种材料的边界识别,如下图4展示的铝制活塞的钢销边界处的典型云雾状散射伪影。

工业CT扫描的基本原理及CT图像处理常见问题之伪影

4  典型的云雾状散射伪影

 

 

回顾上篇中我们提到的CT图像成像过程,虽然金属伪影在工业CT中最为常见,但都可以归纳为由于被扫描物体其自身材料性质所产生的伪影,仅发生在射线透射被测物体并达到探测器这一过程。除此之外,在CT成像的其他阶段如在发射阶段使用的不同射线类型;探测阶段所使用的不同检测设备或检测方法;不同仪器厂家在投影重构阶段所采用的不同算法;抑或是整个测试过程中由于操作产生的误差等等,都会在不同阶段产生不同的伪影。这些伪影往往具有一定的相似性,因此在下文中,我们将对发生在其他阶段的较为典型的伪影,就其成因、表现形式等方面进行展开,并提供示例以说明每种伪影的种类:

采样不足导致的阶梯状伪影(Step Artifacts)

当投影数据量不足或投影角度间隔过宽,则会产生此种伪影(Step Artifacts)。这些伪影通常表现为重建图像难以精确地捕捉材料边缘或细节处的信息,通常会表现为视图混叠现象。

此种伪影的产生通常是由于X射线旋转的步长设置不当,而导致的相邻断层面图像过渡过于生硬,通常表现为锯齿状的过渡效果,因此,为了避免阶梯状伪影,需进一步优化采样策略,并增加图像质量。下图5展示了一个较为极端的阶梯状伪影:

工业CT扫描的基本原理及CT图像处理常见问题之伪影

图5  典型的由于采样数量不足而导致的阶梯状伪影

莫尔纹伪影(Moiré Artifacts)

莫尔纹本质上是由光线(光子)从两个相互叠加的周期性光栅结构透射而产生,对于CT成像系统而言,当扫描规程中产生了周期性的噪声与周期性采样(旋转)而得到的数据相互作用时就会产生此种伪影,具体表现为会在CT图像中显现出莫尔纹。由于莫尔纹伪影是数据噪声与后续数据操作相互作用的结果,其作用机理复杂且难以控制,因此目前的策略通常为控制周期性噪声的产生,下图6先展示了一处典型的莫尔纹状伪影。

工业CT扫描的基本原理及CT图像处理常见问题之伪影

6  周期性噪声所导致的典型莫尔纹伪影

环状伪影(Ring Artifacts)

该种伪影是在CT图像中常见的一种伪影,其产生原因较为复杂,包括但不限于探测器检测到的不均匀响应、数据采集过程中的噪声以及图像重构算法中的缺陷等。此外,探测器增益校正不准确或环境温度变化等因素也可能导致环状伪影的产生。该种伪影通常表现为灰度与周围像素有明显区别的同心圆环的形式,如下图7所示。

工业CT扫描的基本原理及CT图像处理常见问题之伪影

7  两处典型的环状伪影

 

 

解决方案

由于伪影产生的特殊性,在BETA CAE开发的RETOMO软件中可以通过以下操作,减少伪影在图像分割中的影响。

 

首先,由于RETOMO中的图像分割算法基于种子生长算法的逻辑,因此我们可以在灰度直方图中设置种子生长的绝对阈值(Absolute Threshold)时,尝试不同阈值选择以遵循材料的边界(如图8)。

工业CT扫描的基本原理及CT图像处理常见问题之伪影

图8  拖动绝对阈值以适应材料边界

 

 

RETOMO中还为用户开发了一些较为便捷的半自动图像分割工具,比较典型的可用于处理伪影导致的图像分割错误的工具如:

孤岛算法(Island Algorithm)。该算法可在项目浏览器中右键单击“已经划分后的图像”来使用此功能。这个工具的主要目的是识别并消除那些被错误分类且悬浮并孤立于其他部分的体素。该算法的核心功能在于检测所有相互连接的体素群组,并将它们以列表的形式展示出来,从而帮助用户对这些被孤立的体素进行操作。此种算法对质密材料中的被错误分割(杯状伪影或环状伪影等造成)的“空泡”结构有很好的效果,该功能位于下图9所示位置。

工业CT扫描的基本原理及CT图像处理常见问题之伪影

孤岛算法位置

 

除了上述两种方法,在RETOMO中还有其他几种工具,如形貌学过滤器(Morphological filter)或者基于局部种子生长逻辑的轨迹分割工具(Trace Segmentation)或法兰工具(Flange Tool)均可用于处理由于伪影所导致的分割错误问题。此外,RETOMO中还支持更为快捷的人工智能复制分割,能大幅提升用户的使用效率。

 

 

至此,工业CT的应用场景、原理、常见问题分析的介绍就完成了。关于BETA RETOMO软件在这一领域的更多应用,欢迎随时与我们联系。

 

 

部分参考文献:

1. De Man B. Iterative reconstruction for reduction of metal artifacts in computed tomography[J]. 2001.

2. 丁忠明,张立凯.工业CT扫描文物的伪影与校正[J].文物保护与考古科学, 2022, 34(6):35-44.

3. Li B, Mo Y, Zhang P, et al. Streak artifact correction in X-ray CT imaging[J]. Atomic Energy Science and Technology, 2017, 51(11): 2075-2078.

 

 

END

作者 | 高凌宇

BETA CAE 工程师