4. CT图像重建基础
射线穿过工件后，探测器记录的是各角度下的投影数据，也就是“线积分”的集合。重建的任务，是把这些投影数据反算成一张反映工件内部线性衰减系数分布的断层图像。理解重建，关键要抓住两条技术路线：解析法中的滤波反投影（FBP），以及以代数/统计模型为基础的迭代重建（IR）。它们决定了图像噪声、伪影、边缘锐度和低对比度可探测性之间的平衡，也直接对应 ZEISS 重建软件中需要设置的参数。
一、滤波反投影：先滤波，再反投影
反投影的直观含义是：把每个角度下的投影值，沿该射线方向“抹回”图像平面并叠加。但直接反投影会带来严重问题——低频信息被过度累积，图像中心亮、边缘暗，形成星状模糊。FBP 的解决思路是在反投影之前，对每个投影做一次一维滤波，抑制低频、增强高频，从而补偿反投影的 1/r 权重。
设投影为 p(θ, s)，其中 θ 为投影角度，s 为探测器坐标。FBP 的核心表达式可写为：
f(x, y) = ∫₀^π [ p(θ, s) * h(s) ] dθ
其中 h(s) 为滤波核（斜坡滤波器及其窗函数）
s = x·cosθ + y·sinθ理想斜坡滤波器 |ω| 能精确补偿反投影，但它对高频噪声无限放大。因此实际使用“斜坡 + 窗”的组合：Ram-Lak 是纯斜坡，边缘最锐、噪声最大；Shepp-Logan 加余弦窗，平滑一些；Hamming/Hann 窗抑制高频更强，图像更平滑但细节变钝。在 ZEISS 重建软件中，这通常体现为“重建滤波器/卷积核”的选择，以及“平滑度”或“截止频率”的调节。
FBP 的优点是计算快、可解析、对完整且噪声较低的数据重建稳定，因此仍是许多 CT 系统的默认算法。它的局限也很明确：投影数不足、角度覆盖不全、金属等高衰减物体造成射束硬化和光子饥饿时，FBP 会产生条状伪影、杯状伪影和明显的噪声纹理。
二、迭代重建：把重建当作求解问题
迭代重建不假设“投影数据完整且无噪声”，而是建立一个正向模型：给定当前估计的图像，计算它会产生怎样的投影，再与实测投影比较，用差异去修正图像，反复迭代逼近。其一般形式可写为：
μ^(k+1) = μ^(k) + λ · C · Aᵀ W ( p − A μ^(k) )
A：系统矩阵（正向投影）
Aᵀ：反投影
W：统计权重（常与噪声方差相关）
C：正则化/约束算子
λ：松弛因子按模型复杂度，常见有 ART/SIRT（代数迭代）、OSEM（有序子集期望最大化）、以及带正则化的统计迭代（如 TV 全变分、MBIR）。迭代次数越多，图像通常越锐、噪声越低，但超过一定次数后会过拟合噪声，出现过冲、块状伪影或“塑料感”。因此迭代重建必须配合迭代次数、子集数、正则化强度、噪声模型等参数共同调节。
在 ZEISS 软件中，迭代重建常用于金属伪影抑制、低剂量扫描、多材料工件和难以穿透的厚壁区域。它比 FBP 慢，但能在相同剂量下获得更好的低对比度可探测性。
三、ZEISS 重建软件中的关键参数
在 ZEISS 的重建流程中，参数通常分为三类：几何校正类、重建算法类和后处理类。几何校正决定投影数据能否被正确对齐，包括中心偏移、探测器倾斜、源到探测器距离（SDD）和源到旋转中心距离（SRD）的标定。若这些参数不准，再好的算法也会产生模糊或重影。
重建算法类参数是本节重点：
- 重建滤波器/卷积核：决定 FBP 的频率响应。检测细小裂纹可选锐核，检测低对比度夹杂可选平滑核。
- 体素尺寸：由放大倍率和探测器像素尺寸决定，重建体素越小，空间分辨率潜力越高，但噪声也越明显。
- 迭代次数与子集数：迭代次数增加会降低噪声，但过多会损失细节并延长计算时间；子集数影响收敛速度和噪声纹理。
- 正则化强度：抑制噪声和伪影，但过强会抹平小缺陷。
- 射束硬化校正：针对多材料或厚壁工件，减少杯状伪影和条状伪影。
- 金属伪影抑制：在含金属嵌件或高密度夹杂时启用，通常与迭代重建配合。
后处理类包括去噪、锐化、裁剪和体素值归一化。需要注意的是，后处理不能替代正确的重建参数，过度后处理会引入虚假边缘或改变缺陷尺寸。
四、重建质量评价指标与判读
重建质量不能只看“图像好不好看”，而应围绕检测任务定义指标。常用指标包括：
| 指标 | 含义 | 观察/测量方式 | 对缺陷检测的影响 |
|---|---|---|---|
| 空间分辨率 | 区分相邻细节的能力 | 线对卡、边缘响应、MTF | 决定最小可检裂纹宽度 |
| CNR / SNR | 对比度与噪声的比值 | 在缺陷与背景区域取均值/标准差 | 决定低对比度缺陷能否被发现 |
| 伪影水平 | 非真实结构的强度 | 观察条状、杯状、金属拖尾 | 可能掩盖真实缺陷或误判 |
| 尺寸偏差 | 重建尺寸与真实尺寸之差 | 标准球/量块测量 | 影响缺陷定量与判定 |
| 体素值均匀性 | 同材质区域灰度一致性 | 取均匀区域统计 | 影响阈值分割与自动识别 |
实际评价时，建议先固定几何校正，再对同一组投影分别用 FBP 和迭代重建生成图像，比较同一缺陷的可见度、边缘清晰度和背景噪声。例如，检测铝合金铸件中的气孔，若 FBP 图像噪声较大但边缘真实，迭代图像噪声低但小孔边缘略钝，就需要根据验收标准选择：是优先保证尺寸测量精度，还是优先保证低对比度可探测性。
总结来说，FBP 以解析滤波保证边缘真实和计算效率，迭代重建以模型和统计先验换取低噪声与伪影抑制能力。在 ZEISS 重建软件中，真正决定检测成败的，是几何校正是否准确、滤波器与迭代参数是否匹配任务、以及是否用可量化的质量指标去验证重建结果。掌握这条从投影到图像、从参数到指标的链路，才能让 CT 检测从“能出图”走向“出可信的图”。