DR校正原理概述
2013-10-16 13:15
134 查看
DR校正原理概述
1 Offset校正
目的:去除每个像素电子元件的电子暗噪声的影响,提高图像对比度;
流程:在不曝光的情况下,连续采集暗图,并且把这些暗图进行平均得到I;在采集图像的时候,就把这张暗噪声图像做减法。这个过程中,可能会出现负数,不过各厂家都有自己的做法。
2 Gain校正
目的:去除各像素相对剂量响应不一致的影响,也就是我们说的图像均匀性。
流程:在一定的剂量条件下,改变MAS,并获得在这些条件下的图像;首先,每个像素元器件相对于在一定KV下的MAS变化,成线性关系变化的。
这样,我们针对每个像素点,都可拟合一条Yi=Ki*Xi+Bi的直线,如下图中的黑色线条所示,每一个像素都可以拟合一条这样的曲线。接下来,规定标准像素响应为红色直线(这里所说的直线都是指通过这些点拟合出来的直线),红色线上的点的灰度值,常常取中值,如果在算法中,较费时间,可以用均值来取代。公式Y=Kn*X+Bn表示红色直线。
为了使所有的像素响应保持一致,i位置上,在剂量Xi的照射下,应当得到Y的灰度,但i像素的响应灰度为Yi,所以,我们为了能使当前的剂量响应达到预期的值,必须要对Yi=Ki*Xi+Bi响应做Gain矫正。
这样自然就有了如下公式Y=Ui*Yi+Vi=(Kn/Ki)*(Ki*Xi + Bi) + Vi,可以得到
Ui=Kn/Ki;
Vi=Bn-Kn/Ki*Bi
以上的两个公式就是Gain校正的参数。至此,Gain校正完毕。
更多解释:在实际中,我们常常选择70Kvp剂量下的线质来作为标准剂量,来对平板进行标定。但,KV对像素元器件呈非线性的影响。所以,在70Kv下对平板进行标定,在实际的应用中,用70Kvp进行曝光,校正效果最好。
但,这个因素常常被厂家忽略不计。但为了追求更好的标定效果,有的厂家是在高Kv下标定一次,低kv下标定一次,这样效果会比只在70kv下一次校正更好一些。也可以多做几个档位,分别进行校正,不过笔者没有测试过。
3 De校正
这个最简单,往往采用临近值插值算法对坏点和换线进行校正;
1 Offset校正
目的:去除每个像素电子元件的电子暗噪声的影响,提高图像对比度;
流程:在不曝光的情况下,连续采集暗图,并且把这些暗图进行平均得到I;在采集图像的时候,就把这张暗噪声图像做减法。这个过程中,可能会出现负数,不过各厂家都有自己的做法。
2 Gain校正
目的:去除各像素相对剂量响应不一致的影响,也就是我们说的图像均匀性。
流程:在一定的剂量条件下,改变MAS,并获得在这些条件下的图像;首先,每个像素元器件相对于在一定KV下的MAS变化,成线性关系变化的。
这样,我们针对每个像素点,都可拟合一条Yi=Ki*Xi+Bi的直线,如下图中的黑色线条所示,每一个像素都可以拟合一条这样的曲线。接下来,规定标准像素响应为红色直线(这里所说的直线都是指通过这些点拟合出来的直线),红色线上的点的灰度值,常常取中值,如果在算法中,较费时间,可以用均值来取代。公式Y=Kn*X+Bn表示红色直线。
为了使所有的像素响应保持一致,i位置上,在剂量Xi的照射下,应当得到Y的灰度,但i像素的响应灰度为Yi,所以,我们为了能使当前的剂量响应达到预期的值,必须要对Yi=Ki*Xi+Bi响应做Gain矫正。
这样自然就有了如下公式Y=Ui*Yi+Vi=(Kn/Ki)*(Ki*Xi + Bi) + Vi,可以得到
Ui=Kn/Ki;
Vi=Bn-Kn/Ki*Bi
以上的两个公式就是Gain校正的参数。至此,Gain校正完毕。
更多解释:在实际中,我们常常选择70Kvp剂量下的线质来作为标准剂量,来对平板进行标定。但,KV对像素元器件呈非线性的影响。所以,在70Kv下对平板进行标定,在实际的应用中,用70Kvp进行曝光,校正效果最好。
但,这个因素常常被厂家忽略不计。但为了追求更好的标定效果,有的厂家是在高Kv下标定一次,低kv下标定一次,这样效果会比只在70kv下一次校正更好一些。也可以多做几个档位,分别进行校正,不过笔者没有测试过。
3 De校正
这个最简单,往往采用临近值插值算法对坏点和换线进行校正;
相关文章推荐
- LVS 负载均衡之工作原理说明(DR模式)
- 全自动软化水设备:全自动软水器原理及技术性能概述
- MPEG2相关原理概述
- 自学编译原理(一)——概述
- iphone手机上的抓包流程和原理概述
- LVS-DR工作原理图文详解
- RHCS集群原理概述
- WindowsXP 系统登陆原理及其验证机制概述
- android虚拟机原理---运行流程概述
- RIP动态路由概述、原理详解及实验验证
- 集群LVS-DR模式原理疑问解答(FAQs)
- Web服务器工作原理概述
- NSRunLoop概述及原理
- LVS/DR模式原理剖析(FAQs)
- mysql之 MySQL 主从基于 GTID 复制原理概述
- 【连载】计算机组成原理 --- 概述
- Winsocke简述、取网页原理概述
- javaWeb-xml解析概述和DOM&SAX解析原理
- word2vec原理概述
- NSRunLoop 概述和原理