一种利用三维参数定量评价图像的方法与流程

本发明涉及图像处理技术领域，尤其涉及一种利用三维参数定量评价图像的方法。

背景技术：

cbct图像质量的评价通常选取均匀性(uniformity)、低对比度分辨率(lowcontrastvisibility,lcv)、对比噪声比(contrast-to-noiseratio,cnr)、几何精确度、均方误差(meansquarederror,mse)和峰值信噪比(peaksignaltonoiserate,psnr)等参数进行分析。目前，通常对于图像质量的评价均基于二维参数进行评价，二维参数的评价在现实中层面的选择受人为因素影响比较大。另外感兴趣区域(regionofinterest,roi)的选择等也会受个人主观性的影响，这就导致了可能同样的扫描参数下，不同的人甚至同一个人不同分次间，得到的图像质量评价参数的结果也不尽相同。

因此，如何减少受roi选择等误差因素的影响，使得更客观较全面的反应图像质量，使得更客观、更准确地评价图像质量，成为相关行业所关心的技术问题之一。

技术实现要素：

为了克服现有技术的不足，本发明所解决的技术问题是提供一种利用三维参数，能更客观、更准确的评价图像质量的方法。

为解决上述技术问题，本发明所采用的技术方案内容具体如下：

一种利用三维参数定量评价图像的方法，所述方法包括以下步骤：

s1：扫描参数：利用测量模体对目标图像进行扫描，并获得若干个检测图像；

s2：二维参数计算：分别计算所述若干个检测图像其对应的二维参数；

s3：三维参数扩展计算：根据计算所得的各个图像的二维参数，从所述检测图像中选取若干层相邻图像以及roi，获得各个三维roi体素平均值并进行计算，得到各个图像的三维参数；或根据计算所得的各个图像的二维参数，从所述检测图像中分别选取若干层相邻的图像，然后选取这些图像经过预处理后的图像并进行计算，得到各个图像的三维参数；

结合各个所述三维参数评价目标图像。

为提高对目标图像评价的客观性和准确性，发明人在本技术方案进一步结合了图像的二维参数，以进行三维参数扩展计算的方法，利用三维参数的计算结果来评价图像质量。在本技术方案中，利用三维参数进行计算，具有以下技术优势：

(1)一方面通过定量分析的方法，使得评价图像质量更为客观准确。在现有技术中，图像质量的评价方法主要有定性评价与定量评价，定性评价主要是通过肉眼进行图像质量的判断，它受人为因素影响较大，与个人经验相关，同时也受图像窗宽窗位影响。本技术方案采取图像定量评价的方法，通过程序进行定量的二维图像质量评价参数与三维图像质量评价参数的计算，可以更精确更直观的表示图像质量的好坏，相比定性评价更有优势；

(2)另一方面，采用三维参数进行评价，在计算的过程中，所选层面由单层扩展为多层，由像素扩展为体素，能够有效减少二维参数评价时受到误差影响较大的技术问题。三维图像质量参数由于通过多层面综合确定，因此可以一定程度上减少人为层面选择的随机性以及roi选择的主观性，可以较全面的反应图像质量，能够满足图像质量评价的要求，能够提高图像质量评价的准确性和客观性。由此可知，采用三维参数对图像进行评价，通过多层面综合确定，能够有效减少二维参数评价时受到误差影响较大的问题，使得评价结果更为准确。

需要说明的是，在本技术方案中，预处理的方法可以是多种，例如选择对图像进行中值滤波处理。但是实际上此参数并不仅限于此种处理方式，处理还可以是图像增强，图像去噪等多种滤波处理方式，所以概括为“预处理后的图像”。

优选地，在计算二维参数的过程中，由程序选取所述检测图像中的一层图像以及所述图像的若干个roi，并代入公式进行计算；和/或在计算二维参数的过程中，由程序选取所述检测图像中的一层图像，然后选取该层面经预处理后的图像，并代入公式进行计算。

优选地，所述二维参数或三维参数的种类包括图像均匀性、低对比度分辨率、对比噪声比、几何精确度、均方误差和峰值信噪比中的一种或多种；所述测量模体包括第一测量模块和第二测量模块；所述第一测量模块用于测量图像均匀性；所述第二测量模块用于测量图像低对比度分辨率、对比噪声比、几何精确度、均方误差和峰值信噪比中的一种或多种。

更优选地，所述二维参数或三维参数的种类包括图像均匀性、低对比度分辨率、对比噪声比、几何精确度、均方误差和峰值信噪比。

需要说明的是，在一种优选的实施方式中，所述目标图像是ct(cbct)图像；通过图像均匀性、低对比度分辨率、对比噪声比、几何精确度、均方误差和峰值信噪比的结合来定量分析，评价目标图像的质量，能够使得评价更为全面和准确。

从第一测量模块中选取检测图像中的一层图像的横断面中心和距中心正交方向四个roi，分别计算每个roi像素平均值mean，根据公式(1)(2)求得二维图像均匀性：

其中，

其中，f(i,j)为roi内第i行第j列的像素值；m、n为图像的长和宽；mean(high)和mean(low)分别表示五个roi平均值中的最大值与最小值；

所述图像均匀性的三维参数计算方法是：

在三维方向上从检测图像中选取多个相邻图像的中心和距中心正交方向四个区域组成三维roi，然后将二维公式中参数扩展为三维，分别计算每个roi内体素的平均值t_mean，代入公式(3)(4)计算图像三维均匀性：

其中，

其中，f(i,j,k)为roi内第k层第i行第j列的体素值；m、n为图像的长和宽，o为层数；t_mean(high)和t_mean(low)分别表示五个三维roi平均值中的最大值与最小值。

需要说明的是，三维的图像均匀性差异，相对二维参数，受roi大小选择的影响介于单层参数之间，可以更有代表性的表示图像均匀性。

优选地，所述图像低对比度分辨率的二维参数计算方法是：

从第二测量模块中选取检测图像中的一层图像，在第一物质和第二物质图像范围内选取同样大小的roi，分别计算像素平均值mean和方差sd，代入公式(5)(6)(7)计算图像的二维图像低对比度分辨率值lcv：

其中，

其中，ct第一物质和ct第二物质分别代表所述第一物质的ct值和所述第二物质的ct值，f(i,j)为roi内第i行第j列的像素值，m、n为图像的长和宽；

所述图像低对比度分辨率的三维参数计算方法是：

从第二测量模块中选取检测图像的多个相邻图像，分别所述第一物质和第二物质图像范围内选取同样大小的roi组成两组三维roi，分别计算三维roi体素的平均值t-mean和方差t_sd，代入三维扩展公式(8)(9)(10)求得三维lcv：

其中，

其中，f(i,j,k)为roi内第k层第i行第j列的体素值，o为层数。

需要说明的是，在一些具体实施方式中，如所述第二测量模块是ctp404模块时，适用于该模块的应用需要，所述第一物质是ct值＝-35左右的物质如polystyrene(聚苯乙烯)，所述第二物质是ct值＝-100左右的物质如ldpe(低密度聚乙烯)。

需要说明的是，同样的在所选roi大小相同的情况下，不同的层面，所得的lcv结果不同，说明图像的低对比度分辨率受层面选择的影响较大。每一层面，所选roi越大，lcv值越大，图像的低对比度分辨率越差。随着roi增大，三维lcv的结果变化幅度会明显小于单层的变化幅度，因此图像三维lcv受roi大小的影响较小。由此可知，利用图像低对比度分辨率的三维参数来进行评价可以使得评价更为客观和准确。

从第二测量模块中选取检测图像中的一层图像，在图像范围内选择roi，然后在相邻背景处选择相同大小的roi，分别计算像素的平均值mean和标准差σ，代入公式(11)(12)(13)求得图像的二维图像对比噪声比cnr：

cnr＝2|mean^背景-mean^roi|/(σ背景+σroi)(11)

其中，

其中，meanroi和mean背景分别表示roi和背景像素值的平均值；σroi和σ背景表示roi和背景像素值的标准差；f(i,j)为roi内第i行第j列的像素值，m、n为图像的长和宽；

所述图像对比噪声比的三维参数计算方法是：

从第二测量模块中选取检测图像中的多个相邻图像，在第三物质图像内选择多个roi组成三维roi，然后在相邻背景处选择相同大小的roi，分别计算体素的平均值t_mean和标准差t_σ，代入公式(14)(15)(16)求得图像的三维cnr：

cnr′＝2|t_mean^背景-t_meanroi|/(t_σ背景+t_σroi)(14)

其中，f(i,j,k)为roi内第k层第i行第j列的体素值，o为层数。

需要说明的是，在一些具体实施方式中，如所述第二测量模块是ctp404模块时，适用于该模块的应用需要，所述第三物质是ct值＝990左右的物质，如teflon(聚四氟乙烯)。

需要说明的是，在图像对比噪声比方面，其结果受层面选择的影响较大且不同roi结果不同。roi越大，图像受噪声影响越大，图像的cnr值越小，roi与背景的差异越小，反映的图像质量越差。但是随着roi增大，三维cnr值变化幅度同样小于单层的变化幅度，反映的图像三维cnr受roi大小的影响较小，比二维参数有一定的优势。由此可知，利用图像对比噪声比的三维参数来进行评价也可以使得评价更为客观和准确。

从第二模块中选取检测图像中的一层图像，对所述图像进行圆检测，获得水平方向及垂直方向四个圆的圆心坐标，通过程序计算水平和垂直方向上两个圆的圆心距离，即分别为图像在水平方向及垂直方向几何精确度的值，最后通过与实际物理距离的比较来判断目标图像在水平和垂直方向的几何精确度；

所述图像几何精确度的三维参数计算方法是：

从选取第二模块中选取检测图像中的若干张相邻图像，分别对所述若干张图像进行圆检测，获得水平方向及垂直方向四个圆的圆心坐标，通过程序计算每张图像水平和垂直方向上两个圆的圆心距离，水平和垂直方向的几何精确度的三维扩展为所选层面水平和垂直方向内插模块两个圆心距离的平均值，即

d＝(l1+l2+…+ln)/n(17)

其中n表示层数，ln表示该层面的水平或垂直距离，通过与实际物理距离比较来判断目标图像在水平和垂直方向的几何精确度。

需要说明的是，在图像的几何精确度方面，从实际操作可知道，二维与三维参数的水平距离与实际距离通常相差不大，表示所选的三个层面水平距离一致，且均符合要求。二维与三维参数的垂直距离则通常不同，表示所选三个层面二维垂直距离不相同，图像垂直方向几何精确度较水平方向稍弱，但是图像二维垂直距离并不能显示该信息，三维几何精确度更具优势。由此可知，利用图像几何精确度的三维参数来进行评价也可以使得评价更为客观和准确。

需要说明的是，在一些实施方式中，对所述图像进行圆检测可以采用的是霍夫变换。

优选地，所述图像均方误差的二维参数计算方法是：

从检测图像中选取一层图像及相对应层面经处理后图像，通过以下公式求得均方误差的二维参数：

其中m、n为图像的长和宽，f(i,j)表示原始图像的像素值，f(i,j)'表示经处理后图像的像素值；

所述图像均方误差的三维参数计算方法是：

从检测图像中选取若干层相邻图像及相对应相邻层面经处理后图像，通过以下公式求得均方误差的三维参数：

其中m、n为图像的长和宽，o为层数，f(i,j,k)表示原始图像的体素值，f(i,j,k)'表示经处理后图像的体素值。

优选地，所述图像峰值信噪比的二维参数计算方法是：

从检测图像中选取一层图像及相对应层面经处理后图像，通过以下公式求得峰值信噪比的二维参数：

其中，l为最大信号量，用图像的最大像素值来代替；

所述图像峰值信噪比的三维参数计算方法是：

选取若干层相邻原图像及相对应相邻层面经处理后图像，通过以下公式求得峰值信噪比的三维参数：

其中，k为层数。

需要说明的是，在利用图像峰值信噪比对图像失真的评价方面，三维mse等于三层图像各自单层mse的平均值，三维psnr值高于二维对应参数，说明三维psnr对图像失真程度更敏感，在评价图像失真程度上更具优势。由此可知，利用图像峰值信噪比的三维参数来进行评价也可以使得评价更为客观和准确。

优选地，所述测量模体是catphan504。

更优选地，所述第一测量模块是ctp486模块。

更优选地，所述第二测量模块是ctp404模块。

进一步地，所述第一物质的ct＝-35左右；所述第二物质的ct＝-100左右；所述第三物质的ct＝-990左右。

优选地，在所述各个图像质量参数的三维参数扩展计算中，图像均匀性、低对比度分辨率、对比噪声比的所述roi选取的大小是5*5*3mm。

需要说明的是，所述roi选取的大小是5*5*3mm的有益效果在于：模块内插物质的小圆半径为6像素，最大内接正方形为8*8像素，roi越大，计算参数越容易受边缘像素影响，roi越小，则容易增大随机误差，因此5*5像素的roi大小合适，其对应参数的计算结果最优。

与现有技术相比，本发明的有益效果在于：

1、本发明的利用维度参数定量评价图像的方法，在计算二维参数的过程当中，发明人利用选取目标图像的一层图像，并获取所述图像的若干个roi，并通过roi来计算二维参数，通过本方案方法对二维参数的计算，可以使得计算更为客观和准确；

2、本发明的利用维度参数定量评价图像的方法，在三维参数计算过程中，所选层面由单层扩展为多层，由像素扩展为体素，并探讨roi的最优选取范围，以减少人为层面选择、roi选择的误差，实现三维参数对图像质量的定量评价。三维图像质量参数通过多层面综合确定，可以一定程度上减少人为层面选择的随机性以及roi选择的主观性，可以较全面的反应图像质量，能够满足图像质量评价的要求，能够提高图像质量评价的准确性；

3、本发明的利用维度参数定量评价图像的方法，所述目标图像是ct(cbct)图像；通过图像均匀性、低对比度分辨率、对比噪声比、几何精确度、均方误差和峰值信噪比的结合来定量分析，评价目标图像的质量，能够使得评价更为全面和准确。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1为本发明利用维度参数定量评价图像的方法一种基础实施方式的流程示意图。

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下：

实施例1

本发明提供一种利用维度参数定量评价图像的方法，如图1所示，所述方法包括以下步骤：

s1：扫描参数：利用测量模体对目标图像进行扫描，并获得若干个检测图像；

s2：二维参数计算：分别计算所述若干个检测图像其对应的二维参数；

s3：三维参数扩展计算：根据计算所得的各个图像的二维参数，从所述检测图像中选取若干层相邻图像以及roi，获得各个三维roi体素平均值并进行计算，得到各个图像的三维参数；或根据计算所得的各个图像的二维参数，从所述检测图像中分别选取若干层相邻的图像，然后选取这些图像经过预处理后的图像并进行计算，得到各个图像的三维参数；

结合各个所述三维参数评价目标图像。

发明人在本技术方案进一步结合了图像的二维参数，以进行三维参数扩展计算的方法，利用三维参数的计算结果来评价图像质量。在本技术方案中，利用三维参数进行计算，具有以下技术优势：

(1)一方面通过定量分析的方法，使得评价图像质量更为客观准确。在现有技术中，图像质量的评价方法主要有定性评价与定量评价，定性评价主要是通过肉眼进行图像质量的判断，它受人为因素影响较大，与个人经验相关，同时也受图像窗宽窗位影响。本技术方案采取图像定量评价的方法，通过程序进行定量的二维图像质量评价参数与三维图像质量评价参数的计算，可以更精确更直观的表示图像质量的好坏，相比定性评价更有优势；

(2)另一方面，采用三维参数进行评价，在计算的过程中，所选层面由单层扩展为多层，由像素扩展为体素，能够有效减少二维参数评价时受到误差影响较大的技术问题。三维图像质量参数由于通过多层面综合确定，因此可以一定程度上减少人为层面选择的随机性以及roi选择的主观性，可以较全面的反应图像质量，能够满足图像质量评价的要求，能够提高图像质量评价的准确性和客观性。由此可知，采用三维参数对图像进行评价，通过多层面综合确定，能够有效减少二维参数评价时受到误差影响较大的问题。

结合上述实施方式，在另一种优选地实施方式中，在计算二维参数的过程中，由程序选取所述目标图像的一层图像以及所述图像的若干个roi，并代入公式进行计算；和/或在计算二维参数的过程中，由程序选取所述目标图像的一层图像，然后选取该层面经预处理后的图像，并代入公式进行计算。

上述为计算二维参数的一种实施方式的概括，在下面的实施例中会对该方法做具体的阐述解释。

实施例2

本实施例是在上述实施例1的基础之上的一种优选实施方式，本实施例与上述实施例1的区别在于：

所述二维参数或三维参数的种类包括图像均匀性、低对比度分辨率、对比噪声比、几何精确度、均方误差和峰值信噪比中的一种或多种；所述测量模体包括第一测量模块和第二测量模块；所述第一测量模块用于测量图像均匀性；所述第二测量模块用于测量图像低对比度分辨率、对比噪声比、几何精确度、均方误差和峰值信噪比中的一种或多种。

作为更优选的一种实施方式，所述二维参数或三维参数的种类包括图像均匀性、低对比度分辨率、对比噪声比、几何精确度、均方误差和峰值信噪比。

本技术方案可以应用于cbct图像质量的评价。在该过程中，常选取均匀性(uniformity)、低对比度分辨率(lowcontrastvisibility,lcv)、对比噪声比(contrast-to-noiseratio,cnr)、几何精确度、均方误差(meansquarederror,mse)和峰值信噪比(peaksignaltonoiserate,psnr)等参数进行分析。更优选是选取均匀性、低对比度分辨率(lcv)、对比噪声比(cnr)、几何精确度、均方误差(mse)和峰值信噪比(psnr)六个参数均进行三维扩展并结合进行定量分析，可使得cbct图像质量评价更为全面，准确。

在更具体的实施方式中，所述测量模体可以是catphan504，它由4个模块构成，用于检测不同图像质量指标。而在本技术方案中，会使用到其中的两个模块，分别是ctp486模块，由ct值等于水的均匀固态物质构成，是图像均匀性测量模块；以及ctp404模块，用于测量几何精度和ct值准确性。而在上述方案中，均匀性由ctp486模块测量，即作为第一测量模块；其余五个指标由ctp486模块测量，即作为第二测量模块。

因此，在一种具体的实施方式中，将获得的cbct图像导入matlabr2015b，选取上述六个图像质量参数，通过matlab自编程序实现图像质量二维参数的计算和三维参数的扩展和计算，并对结果进行分析。

实施例3

本实施例是在上述实施例1和2的基础之上的一种优选实施方式，本实施例仅举出一种具体实施方式，并不代表仅限于本实施例的实施方式：

所述图像均匀性的二维参数计算方法是：

选取ctp486模块中一层图像的横断面中心和距中心4.5cm正交方向四个roi，分别计算每个roi像素平均值(mean)，根据公式(1)(2)求得二维图像均匀性：

其中，

其中，f(i,j)为roi内第i行第j列的像素值，mean(high)和mean(low)分别表示五个roi平均值中的最大值与最小值。

例如，可以选取m＝2，n＝2；m＝4，n＝4；m＝6，n＝6三组roi进行分析。每个roi分别为3*3像素、5*5像素和7*7像素。

所述图像均匀性的三维参数计算方法是：

在三维方向上选取多个相邻图像的中心和距中心4.5cm正交方向四个区域组成三维roi，然后将二维公式中参数扩展为三维，分别计算每个roi内体素的平均值(t_mean)，代入公式(3)(4)计算图像三维均匀性：

其中，

其中，f(i,j,k)为roi内第k层第i行第j列的体素值；t_mean(high)和t_mean(low)分别表示五个三维roi平均值中的最大值与最小值。

例如，可以选取m＝2，n＝2，o＝2；m＝4，n＝4，o＝2；m＝6，n＝6，o＝2三组roi，每个roi分别为3*3*3体素、5*5*3体素和7*7*3体素。

三维的图像均匀性差异，相对二维参数，受roi大小选择的影响介于单层参数之间，可以更有代表性的表示图像均匀性。

由此可得以下计算结果：

根据上述计算结果我们可以有以下分析：

由于在所选roi大小相同的情况下，不同的层面，所得的均匀性结果不同，说明图像的均匀性参数受层面选择的影响较大。另外每一层图像所选roi大小不同，所得均匀性结果也不同。并且所选roi越大，均匀性的数值越大，表示噪声越多，图像均匀性越差。单一层面内，随着roi的变化，图像均匀性参数的变化幅度也不同，第一层内3*3像素roi的均匀性最小，为0.0694，7*7像素roi的均匀性最大，为0.0716，相差绝对值为0.0022；第二层均匀性最大为0.0621，最小值为0.0552，相差绝对值为0.0069；第三层均匀性最大为0.0647，最小值为0.0628，相差绝对值为0.0019。而三维均匀性最大值为0.0661，最小值为0.0625，相差绝对值为0.0036。三维的图像均匀性差异，相对二维参数，受roi大小选择的影响介于单层参数之间，可以更有代表性的表示图像均匀性。在上述roi中，较小的roi误差大，较大的roi引入噪声越多，计算误差越大，所以进一步地，本方案推荐选择5*5*3大小的roi，即图像三维的均匀性大小为0.0650。

实施例4

本实施例是在上述实施例1和2的基础之上的一种优选实施方式，本实施例仅举出一种具体实施方式，并不代表仅限于本实施例的实施方式：

所述图像低对比度分辨率的二维参数计算方法是：

选取ctp404模块中一层图像，在ct值＝-35左右的第一物质如polystyrene(聚苯乙烯)和ct值＝-100左右的第二物质如ldpe(低密度聚乙烯)图像范围内选取同样大小的roi，分别计算像素平均值(mean)和方差(sd)，代入公式(5)(6)(7)计算图像的二维lcv值：

其中，

其中，ct第一物质和ct第二物质分别代表所述第一物质的ct值和所述第二物质的ct值，f(i,j)为roi内第i行第j列的像素值。

例如，分别选取m＝2，n＝2；m＝4，n＝4；m＝6，n＝6三组roi进行分析。每个roi分别为3*3像素、5*5像素和7*7像素。

所述图像低对比度分辨率的三维参数计算方法是：

选取ctp404模块中多个相邻图像，选取第二测量模块中多个相邻图像，分别在ct值＝-35左右的物质如polystyrene(聚苯乙烯)和ct值＝-100左右的物质如ldpe(低密度聚乙烯)图像范围内选取同样大小的roi组成两组三维roi，分别计算三维roi体素的平均值(mean)和方差(sd)，代入三维扩展公式(8)(9)(10)求得三维lcv′：

其中，f(i,j,k)为roi内第k层第i行第j列的体素值。例如，可选取m＝2，n＝2，o＝2；m＝4，n＝4，o＝2；m＝6，n＝6，o＝2三组roi，每个roi分别为3*3*3体素、5*5*3体素和7*7*3体素。

由此可得以下计算结果：

根据上述计算结果我们可以有以下分析：

由于同样的在所选roi大小相同的情况下，不同的层面，所得的lcv结果不同，说明图像的低对比度分辨率受层面选择的影响较大。每一层面，所选roi越大，lcv值越大，图像的低对比度分辨率越差。随着roi增大，三维lcv的结果变化幅度明显小于单层的变化幅度，图像三维lcv受roi大小的影响较小。在上述roi中，roi越小，lcv值误差越大，roi过大，polystyrene、ldpe模块的边缘像素并不能真实表示两者的ct值，也会对结果造成影响。所以进一步地，推荐选择5*5*3大小的roi，即图像三维的lcv大小为2.0015。

实施例5

本实施例是在上述实施例1和2的基础之上的一种优选实施方式，本实施例仅举出一种具体实施方式，并不代表仅限于本实施例的实施方式：

所述图像对比噪声比的二维参数计算方法是：

选取ctp404模块中一层图像，在ct值＝990左右的物质，如teflon(聚四氟乙烯)图像范围内选择合适大小的roi，然后在相邻背景处选择相同大小的roi，分别计算像素的平均值(mean)和标准差(σ)，代入公式(11)(12)(13)求得图像的二维cnr：

cnr＝2|mean背景-meanroi|/(σ背景+σroi)(11)

其中，meanroi和mean背景分别表示roi和背景像素值的平均值；σroi和σ背景表示roi和背景像素值的标准差；f(i,j)为roi内第i行第j列的像素值。teflon(聚四氟乙烯)图像内切正方形最大为8*8像素，因此本方案中可以选取m＝6，n＝6，roi大小为7*7像素，另选m＝4，n＝4；m＝2，n＝2两组数据进行比较分析，其大小为5*5像素和3*3像素。

所述图像对比噪声比的三维参数计算方法是：

选取ctp404模块内多个相邻图像，在teflon(聚四氟乙烯)图像内选择合适大小的多个roi组成三维roi，然后在相邻背景处选择相同大小的roi，分别计算体素的平均值(t_mean)和标准差(t_σ)，代入公式(14)(15)(16)求得图像的三维cnr：

cnr′＝2|t_mean-t_mean′|/(t_σ+t_σ′)(14)

其中，f(i,j,k)为roi内第k层第i行第j列的体素值。例如可以选择m＝6，n＝6，o＝2；m＝4，n＝4，o＝2；m＝2，n＝2，o＝2三组roi，三维roi大小分别为7*7*3体素、5*5*3体素和3*3*3体素。

由此可得以下计算结果：

根据上述计算结果我们可以有以下分析：

由于图像对比噪声比其结果受层面选择的影响较大且不同roi结果不同。roi越大，图像受噪声影响越大，图像的cnr值越小，roi与背景的差异越小，反映的图像质量越差。但是随着roi增大，三维cnr值变化幅度同样小于单层的变化幅度，反映的图像三维cnr受roi大小的影响较小，比二维参数有一定的优势。roi的选择上，过小的roi误差较大，如上表中3*3像素的cnr值显示第二层最大，但是5*5和7*7像素的roi均显示第三层cnr值最大，这是由于3*3像素的roi较小，在噪声频率较低的情况下，较大的roi总是可以选到噪点，但是较小的roi则不总包含噪声像素，当某层较小roi未取到噪声像素时，就会得到较高的cnr值，但是并不能反映真实的图像的对比噪声比。roi过大则容易受模块边缘像素影响，同样导致对比噪声比不准确，所以本方案进一步选择5*5*3大小的roi，即图像三维的cnr大小为46.6659。

实施例6

本实施例是在上述实施例1和2的基础之上的一种优选实施方式，本实施例仅举出一种具体实施方式，并不代表仅限于本实施例的实施方式：

图像几何精确度的二维参数计算方法是：

选取第二模块中一张图像，使用霍夫变换对整张图像进行圆检测，目标图像获得水平方向及垂直方向四个圆的圆心坐标，通过程序计算水平和垂直方向上两个圆的圆心距离，即分别为图像在水平方向及垂直方向几何精确度的值，最后通过与实际物理距离的比较来判断目标图像在水平和垂直方向的几何精确度；

所述图像几何精确度的三维参数计算方法是：

选取第二模块中多张相邻图像，使用霍夫变换分别对多张图像进行圆检测，目标图像获得水平方向及垂直方向四个圆的圆心坐标，通过程序计算每张图像水平和垂直方向上两个圆的圆心距离，水平和垂直方向的几何精确度的三维扩展为所选层面水平和垂直方向内插模块两个圆心距离的平均值，即

d＝(l1+l2+…+ln)/n(17)

其中n表示层数，ln表示该层面的水平或垂直距离，同样地通过与实际物理距离比较来判断目标图像在水平和垂直方向的几何精确度。

由此可得以下计算结果：

根据上述结果我们可以有以下分析：

二维与三维参数的水平距离均为116.55mm，与实际距离相差不大，表示所选的三个层面水平距离一致，且均符合要求。二维与三维参数的垂直距离不同，分别为116.55mm和116.21mm，表示所选三个层面二维垂直距离不相同，图像垂直方向几何精确度较水平方向稍弱，但是图像二维垂直距离并不能显示该信息，三维几何精确度更具优势。

实施例7

本实施例是在上述实施例1和2的基础之上的一种优选实施方式，本实施例仅举出一种具体实施方式，并不代表仅限于本实施例的实施方式：

图像均方误差的二维参数计算方法是：

选取一层原图像及相对应层面经处理后图像，通过以下公式求得均方误差的二维参数：

其中m、n为图像的长和宽，f(i,j)表示原始图像的像素值，f(i,j)'表示经处理后图像的像素值；

所述图像均方误差的三维参数计算方法是：

选取多层相邻原图像及相对应相邻层面经处理后图像，通过以下公式求得均方误差的三维参数：

其中m、n为图像的长和宽，o为层数，f(i,j,k)表示原始图像的体素值，f(i,j,k)'表示经处理后图像的体素值。

由此可得以下计算结果：

根据上述结果我们可以有以下分析：

三维mse等于三层图像各自单层mse的平均值，可以反映更多层面的信息，更有代表性，较二维mse有一定优势。

实施例8

本实施例是在上述实施例1和2的基础之上的一种优选实施方式，本实施例仅举出一种具体实施方式，并不代表仅限于本实施例的实施方式：

图像峰值信噪比的二维参数计算方法是：

选取一层原图像及相对应层面经处理后图像，通过以下公式求得峰值信噪比的二维参数：

其中，l为最大信号量，用图像的最大像素值来代替；

所述图像峰值信噪比的三维参数计算方法是：

选取多层相邻原图像及相对应相邻层面经处理后图像，通过以下公式求得峰值信噪比的三维参数：

其中，k为层数。

由此可得以下计算结果：

根据上述结果我们可以有以下分析：

三维psnr值高于二维对应参数，说明三维psnr对图像失真程度更敏感，在评价图像失真程度上更具优势。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。