校正图像中非均匀性的方法及采用该方法的成像设备转让专利
申请号 : CN200510136115.4
文献号 : CN1794005B
文献日 : 2010-09-01
发明人 : 维拉迪米尔·杰勒斯
申请人 : 西门子公司
摘要 :
本发明涉及一种用于校正图像中非均匀性的方法，该图像是由成像设备对检查对象拍摄而得到的，该方法具有以下步骤：拍摄待校正的图像(100)，由该待校正图像(100)计算出校正图像(92)，用该校正图像(92)对拍摄的图像(100)进行校正，以便通过将该校正图像与待校正图像相乘来产生标准化图像(110)，其中，在计算该校正图像(92)时识别出成像检查对象的邻域内的、具有小于预定边界值的信号强度的图像点，并为这些图像点分配分别取决于各自邻域的图像点的信号强度的信号强度。
权利要求 :
1.一种用于校正图像中非均匀性的方法，该图像是由成像设备对检查对象拍摄而得到的，该方法具有以下步骤：-拍摄待校正的图像(100)，
-由该待校正图像(100)计算出校正图像(92)，
-用该校正图像(92)对拍摄的图像(100)进行校正，以便通过将该校正图像与待校正图像相乘来产生标准化图像(110)，-由所述待校正图像(100)产生校正模型(72)，该校正模型优选具有小于待校正图像的分辨率，其中，采用针对所述校正模型(72)使用的同态滤波器来计算标准化校正模型(85)，-通过计算标准化校正模型(85)和所述校正模型(72)的商来形成校正函数(91)，其中，根据该校正函数(91)通过插值形成所述校正图像(92)，直到该校正图像具有与待校正图像(100)相同的分辨率为止，其中，在计算该校正图像(92)时识别出成像检查对象的邻域内的、具有小于预定边界值的信号强度的图像点，并为这些图像点分配分别取决于各自邻域的图像点的信号强度的信号强度。
2.根据权利要求1所述的方法，其特征在于，所述待校正图像是由磁共振设备拍摄的MR图像，其中，所述校正是校正高频脉冲在检查对象体内激励核自旋时产生的非均匀性。
3.根据权利要求1所述的方法，其特征在于，为了计算所述标准化校正模型实施以下步骤：-计算所述校正模型(72)的对数，
-计算变换到该对数图像的傅立叶域中的傅立叶变换，
-将该傅立叶变换后的结果与高通滤波器相乘，
-将滤波后的该傅立叶变换从傅立叶域中反变换到图像域中，-形成反变换后的图像的指数函数，由此获得所述标准化校正模型(85)。
4.根据权利要求1所述的方法，其特征在于，针对检查对象体内的、且信号强度小于边界值的图像点，将该信号强度替换为取决于各N个相邻图像点的信号强度的强度值。
5.根据权利要求1至4中任一项所述的方法，其特征在于，针对检查对象之外的、具有小于所述边界值的信号强度的图像点，通过以下方式确定该信号强度：-确定检查对象的重心，
-将该信号强度相对于映射轴从对象体内向检查对象外部径向地向外映射，该映射轴沿着检查对象的边缘向着图像背景延伸。
6.根据权利要求1至4中任一项所述的方法，其特征在于，针对检查对象之外的、具有小于所述边界值的信号强度的图像点，通过以下方式确定该信号强度：-通过M个相邻图像点的平均值来确定位于离检查对象预定距离内的图像点的信号强度。
7.根据权利要求1至4中任一项所述的方法，其特征在于，通过检查对象内的图像点的信号强度的平均值来选择检查对象外的图像点的信号强度。
8.根据权利要求1至4中任一项所述的方法，其特征在于，为了产生所述校正图像(92)而产生待校正图像的放大图像，其中分别将该待校正图像外边缘上的图像条纹相对于该边缘向外映射。
9.一种拍摄检查对象图像的成像设备，包括：
-用于拍摄待校正图像的图像拍摄单元，
-用于计算校正模型(72)的校正模型计算单元(13)，该校正模型计算单元从拍摄的图像中产生校正模型，-用于计算标准化校正模型(85)的滤波器单元(14)，-用于计算校正图像(92)的校正计算单元，其中通过将该校正图像(92)与待校正图像(100)相乘来产生标准化图像(110)，所述校正模型计算单元其中在计算该校正模型时识别出成像检查对象的邻域内的、具有小于预定边界值的信号强度的图像点，并为这些图像点分配分别取决于各自邻域的图像点的信号强度的信号强度，-用于显示标准化图像的显示单元(16)。
10.根据权利要求9所述的成像设备，其特征在于，该成像设备是基于磁核共振产生检查对象的MR图像的磁共振设备。
说明书 :
技术领域
本发明涉及一种校正图像中非均匀性的方法，其中该图像由成像设备对检查对象进行拍摄而得到。本发明同样涉及一种用于拍摄图像、尤其是由磁共振设备拍摄的MR图像的成像设备。该方法尤其是应用于校正MR图像。
背景技术
磁共振设备越来越频繁的用于解释不同的问题，其中磁共振设备的成像方法基于高频脉冲(HF脉冲)对人体内包含的水质子的核自旋进行激励。由高频脉冲激励的核自旋松弛回到其输出状态，其中可以用不同的线圈检测到该磁化的变化。
此外，还试图采用具有更高磁基本场强B0的磁共振设备，因为由此可以放大接收的信号和空间分辨率。但是，采用具有更高场强的磁铁会产生使成像于MR图像中的信号强度发生振荡的问题。该强度振荡主要是由于入射的HF场与被检查身体相互作用。在真空中或在非导体材料中可以非常均匀的产生高频场。该均匀高频场对均匀激励检查对象中具有的核自旋是必需的。但生物材料具有非传导特性，这些特性使得有效的高频场依赖于频率并且不均匀，从而无法再于检查对象的预定断层内均匀地激励核自旋(偏磁场，bias field)。该非均匀性产生的横向磁化由接收线圈检测到并导致强度振荡，甚至导致MR图像中的信号消失，从而不能在MR图像的该区域内进行诊断。入射的HF脉冲的频率直接与基本场强成正比，从而因HF产生的非均匀性在B0场很强时放大的出现。
US 6208138B1描述了一种用于消除MR图像中非均匀性的校正方法，其中对该MR图像求对数，消除非均匀性，最后又对该图像进行指数运算。这种采用同态滤波器处理图像的方式基于以下事实：即非均匀性作为取决于位置的乘数位于图像之上，也就是说原始强度与非均匀变化相乘。通过采用对数将该乘法转换为加法，并能被轻松地从该图像中消除或滤除。在消除非均匀成分之后对信号强度进行指数运算，以取消先前所采用的对数步骤。
此外，还试图采用具有更高磁基本场强B0的磁共振设备，因为由此可以放大接收的信号和空间分辨率。但是，采用具有更高场强的磁铁会产生使成像于MR图像中的信号强度发生振荡的问题。该强度振荡主要是由于入射的HF场与被检查身体相互作用。在真空中或在非导体材料中可以非常均匀的产生高频场。该均匀高频场对均匀激励检查对象中具有的核自旋是必需的。但生物材料具有非传导特性，这些特性使得有效的高频场依赖于频率并且不均匀，从而无法再于检查对象的预定断层内均匀地激励核自旋(偏磁场，bias field)。该非均匀性产生的横向磁化由接收线圈检测到并导致强度振荡，甚至导致MR图像中的信号消失，从而不能在MR图像的该区域内进行诊断。入射的HF脉冲的频率直接与基本场强成正比，从而因HF产生的非均匀性在B0场很强时放大的出现。
US 6208138B1描述了一种用于消除MR图像中非均匀性的校正方法，其中对该MR图像求对数，消除非均匀性，最后又对该图像进行指数运算。这种采用同态滤波器处理图像的方式基于以下事实：即非均匀性作为取决于位置的乘数位于图像之上，也就是说原始强度与非均匀变化相乘。通过采用对数将该乘法转换为加法，并能被轻松地从该图像中消除或滤除。在消除非均匀成分之后对信号强度进行指数运算，以取消先前所采用的对数步骤。
发明内容
本发明要解决的技术问题在于进一步改善这种对图像中非均匀性的校正。
在本发明提供了一种用于校正图像中非均匀性的方法，该图像是由成像设备对检查对象拍摄而得到的，该方法具有以下步骤：
首先由成像设备拍摄待校正的图像，接着由该待校正图像计算出校正图像，然后用该校正图像对拍摄的图像进行校正，以便通过将该校正图像与待校正图像相乘来产生标准化图像。在计算校正图像时优选识别出成像检查对象的邻域内的、且信号强度小于预定边界值的图像点。然后为这些图像点分配取决于各自邻域的图像点的信号强度的信号强度。由此在所述校正图像中不采用具有极小或没有信号强度的图像点或像素。这基于以下认识，即在具有极小信号强度或没有信号强度的图像点内也不可能包含关于待校正非均匀性的信息。但是为了从拍摄的图像中消除非均匀性，需要关于该图像上非均匀性分布的知识。通过在计算图像上的非均匀性分布时不采用这些图像点，可以改善关于该图像上非均匀性分布的结论。通过将该“噪声图像点”中的信号强度替换成邻域中的信号强度，可以决定性的改善关于该图像上非均匀性分布的结论。这是基于以下认识，即该图像上的非均匀性分布通常只是低频率地改变，也就是说，不存在非均匀性的非常突然的高频变化。通过这些事实可以得出更为精确的关于因非均匀性引起的非均匀性分布的结论，从而当该图像上的非均匀性被更好地了解时接着就可以更好的校正该图像。
在优选实施方式中，所述待校正图像是由磁共振设备或磁共振断层造影拍摄的MR图像，其中所述校正是校正高频脉冲在检查对象体内激励核自旋时产生的非均匀性。如本文开始提到的，高频脉冲与待检查身体的相互作用尤其是在基本场强较高时产生MR图像中的非均匀性，该非均匀性可以用上述方法成功地加以校正。虽然当初开发该方法是为了校正通过发射线圈和非传导共振引起的非均匀性，但该方法可以校正所有其它非均匀性(例如由接收线圈引起的)。
当然上述校正方法不限于用于MR图像。当与通过拍摄对象产生的理想非均匀性分布相乘的非均匀性分布改变时，并且当已知该非均匀性分布只是以低频分量发生变化时，总是可以采用上述校正方法。
优选地，为了计算所述校正图像由待校正图像产生校正模型，其中该校正模型可以具有小于待校正图像的分辨率。采用分辨率小于原始图像的校正模型只是为了加速在后续的用于该图像的计算操作中的计算速度。采用更小的分辨率不会对非均匀性分布的计算产生负面影响，但会显著缩短计算时间，例如可以通过将图像点的数量减少10到100之间的一个因子来减小分辨率。该校正模型的分辨率例如可以是64×64个图像点。
接着在本发明的另一个实施方式中，可以采用针对前面所述校正模型使用的同态滤波器来计算标准化校正模型。采用同态滤波器可以通过取对数将图像中的相乘的非均匀分量分成两个部分，然后更好的滤除该非均匀分量。
根据标准化校正模型和前面所述的校正模型，通过计算标准化校正模型和所述校正模型的商来形成校正函数。该校正函数对应于非均匀性分布的倒数。接着根据该校正函数通过插值形成校正图像，直到又获得待校正图像的分辨率为止。接着通过将校正图像与拍摄的图像相乘来获得没有非均匀性的标准化图像，其中该校正图像表示非均匀区域的倒函数，从而可以消除来自该图像的非均匀性分布对该图像的影响。
为了计算标准化校正模型优选实施以下步骤：首先计算所述校正模型的对数。接着对该对数图像进行傅立叶变换。最后在傅立叶域中将该图像与部分或完全抑制了低频的高通滤波器相乘。然后将滤波后的傅立叶变换从傅立叶域中反变换到图像域中，必须对反变换后的图像进行指数运算，从中获得标准化校正模型。通过傅立叶变换可以按部分地处理图像的相应频率频谱，因为事先对该图像进行过对数运算。由此可以对每个部分进行傅立叶变换。通过对结果进行指数运算可以取消开始采用的对数步骤，从而接着获得标准化校正模型。
但是，为了获得较好的关于该图像上非均匀性分布的结论，必须首先替换掉具有很小信号强度的图像点。这些图像点不提供关于非均匀分布的结论。为了产生校正模型必须替换掉这些图像点。优选地，为此针对检查对象体内的、且信号强度小于边界值的图像点，将该信号强度替换为取决于各N个相邻图像点的信号强度的强度值。例如，可以将该信号强度替换为25个相邻像素的强度值。该数字N在此是可以任意选择的，优选地位于10到50之间。
此外，可以识别检查对象之外的图像点。合乎逻辑的是这些图像点不包含检查对象的信号，并因此同样位于边界值以下。这些图像点的信号强度可以通过以下方式确定：确定检查对象的重心，将该信号强度从对象体内向外径向映射，其中相对于沿着检查对象的边缘向图像背景延伸的轴来映射该图像点。同样，可以这样来确定检查对象之外的图像点的信号强度，即又从检查对象出发对外面的图像点填充通过M个相邻图像点的平均值给定的信号强度。在此从检查对象向外进行。M在此同样可以在10到50之间选择，例如选择为25，从而对背景中的图像点填充最近的25个像素的平均值。在此可以从将被替换的像素开始例如螺旋形的向外进行，直到找到M个具有超过边界值的信号强度的像素为止。此外，还可以通过检查对象内所有信号强度点的平均值来选择检查对象外的图像点的信号强度。
优选地，应当对具有低于阈值的信号强度的所有图像点都填充其它的信号强度。在此，检查对象近邻内的平均值方法比图像边缘上的平均值方法更为精确。填充“噪声图像点”的信号强度要根据计算时间来优化。越精确的近似方法就需要越多的计算时间，其它近似方法更快，但精度更小。
根据优选的实施方式，为了产生校正图像而对图像进行放大，其中分别将该图像外边缘的图像条纹相对于该边缘向外映射，典型的大约是整个图像或“视场”的25％。通过在图像处理时采用的离散傅立叶变换对这些频谱进行周期性的成像。这可以导致在该非均匀性分布图像的边缘出现非均匀性分布中的剧烈跳跃。这些跳跃不能用低频分量描述，从而不能可靠的对这些边缘进行校正。由于这个原因将外面的图像区域向外映射，从而将该问题进一步向外转移，其中在计算非均匀性分布或反非均匀性分布结束时不采用这些向外转换的区域。如果例如模型的分辨率具有64×64个图像点，则该模型在映射后具有96×96个图像点。
本发明还涉及一种拍摄检查对象图像的成像设备，包括用于拍摄待校正图像的图像拍摄单元、用于计算校正模型的校正模型计算单元、用于计算标准化校正模型的滤波器单元和用于计算校正图像的校正计算单元，其中该校正图像按照上述解释的那样来计算。
在本发明提供了一种用于校正图像中非均匀性的方法，该图像是由成像设备对检查对象拍摄而得到的，该方法具有以下步骤：
首先由成像设备拍摄待校正的图像，接着由该待校正图像计算出校正图像，然后用该校正图像对拍摄的图像进行校正，以便通过将该校正图像与待校正图像相乘来产生标准化图像。在计算校正图像时优选识别出成像检查对象的邻域内的、且信号强度小于预定边界值的图像点。然后为这些图像点分配取决于各自邻域的图像点的信号强度的信号强度。由此在所述校正图像中不采用具有极小或没有信号强度的图像点或像素。这基于以下认识，即在具有极小信号强度或没有信号强度的图像点内也不可能包含关于待校正非均匀性的信息。但是为了从拍摄的图像中消除非均匀性，需要关于该图像上非均匀性分布的知识。通过在计算图像上的非均匀性分布时不采用这些图像点，可以改善关于该图像上非均匀性分布的结论。通过将该“噪声图像点”中的信号强度替换成邻域中的信号强度，可以决定性的改善关于该图像上非均匀性分布的结论。这是基于以下认识，即该图像上的非均匀性分布通常只是低频率地改变，也就是说，不存在非均匀性的非常突然的高频变化。通过这些事实可以得出更为精确的关于因非均匀性引起的非均匀性分布的结论，从而当该图像上的非均匀性被更好地了解时接着就可以更好的校正该图像。
在优选实施方式中，所述待校正图像是由磁共振设备或磁共振断层造影拍摄的MR图像，其中所述校正是校正高频脉冲在检查对象体内激励核自旋时产生的非均匀性。如本文开始提到的，高频脉冲与待检查身体的相互作用尤其是在基本场强较高时产生MR图像中的非均匀性，该非均匀性可以用上述方法成功地加以校正。虽然当初开发该方法是为了校正通过发射线圈和非传导共振引起的非均匀性，但该方法可以校正所有其它非均匀性(例如由接收线圈引起的)。
当然上述校正方法不限于用于MR图像。当与通过拍摄对象产生的理想非均匀性分布相乘的非均匀性分布改变时，并且当已知该非均匀性分布只是以低频分量发生变化时，总是可以采用上述校正方法。
优选地，为了计算所述校正图像由待校正图像产生校正模型，其中该校正模型可以具有小于待校正图像的分辨率。采用分辨率小于原始图像的校正模型只是为了加速在后续的用于该图像的计算操作中的计算速度。采用更小的分辨率不会对非均匀性分布的计算产生负面影响，但会显著缩短计算时间，例如可以通过将图像点的数量减少10到100之间的一个因子来减小分辨率。该校正模型的分辨率例如可以是64×64个图像点。
接着在本发明的另一个实施方式中，可以采用针对前面所述校正模型使用的同态滤波器来计算标准化校正模型。采用同态滤波器可以通过取对数将图像中的相乘的非均匀分量分成两个部分，然后更好的滤除该非均匀分量。
根据标准化校正模型和前面所述的校正模型，通过计算标准化校正模型和所述校正模型的商来形成校正函数。该校正函数对应于非均匀性分布的倒数。接着根据该校正函数通过插值形成校正图像，直到又获得待校正图像的分辨率为止。接着通过将校正图像与拍摄的图像相乘来获得没有非均匀性的标准化图像，其中该校正图像表示非均匀区域的倒函数，从而可以消除来自该图像的非均匀性分布对该图像的影响。
为了计算标准化校正模型优选实施以下步骤：首先计算所述校正模型的对数。接着对该对数图像进行傅立叶变换。最后在傅立叶域中将该图像与部分或完全抑制了低频的高通滤波器相乘。然后将滤波后的傅立叶变换从傅立叶域中反变换到图像域中，必须对反变换后的图像进行指数运算，从中获得标准化校正模型。通过傅立叶变换可以按部分地处理图像的相应频率频谱，因为事先对该图像进行过对数运算。由此可以对每个部分进行傅立叶变换。通过对结果进行指数运算可以取消开始采用的对数步骤，从而接着获得标准化校正模型。
但是，为了获得较好的关于该图像上非均匀性分布的结论，必须首先替换掉具有很小信号强度的图像点。这些图像点不提供关于非均匀分布的结论。为了产生校正模型必须替换掉这些图像点。优选地，为此针对检查对象体内的、且信号强度小于边界值的图像点，将该信号强度替换为取决于各N个相邻图像点的信号强度的强度值。例如，可以将该信号强度替换为25个相邻像素的强度值。该数字N在此是可以任意选择的，优选地位于10到50之间。
此外，可以识别检查对象之外的图像点。合乎逻辑的是这些图像点不包含检查对象的信号，并因此同样位于边界值以下。这些图像点的信号强度可以通过以下方式确定：确定检查对象的重心，将该信号强度从对象体内向外径向映射，其中相对于沿着检查对象的边缘向图像背景延伸的轴来映射该图像点。同样，可以这样来确定检查对象之外的图像点的信号强度，即又从检查对象出发对外面的图像点填充通过M个相邻图像点的平均值给定的信号强度。在此从检查对象向外进行。M在此同样可以在10到50之间选择，例如选择为25，从而对背景中的图像点填充最近的25个像素的平均值。在此可以从将被替换的像素开始例如螺旋形的向外进行，直到找到M个具有超过边界值的信号强度的像素为止。此外，还可以通过检查对象内所有信号强度点的平均值来选择检查对象外的图像点的信号强度。
优选地，应当对具有低于阈值的信号强度的所有图像点都填充其它的信号强度。在此，检查对象近邻内的平均值方法比图像边缘上的平均值方法更为精确。填充“噪声图像点”的信号强度要根据计算时间来优化。越精确的近似方法就需要越多的计算时间，其它近似方法更快，但精度更小。
根据优选的实施方式，为了产生校正图像而对图像进行放大，其中分别将该图像外边缘的图像条纹相对于该边缘向外映射，典型的大约是整个图像或“视场”的25％。通过在图像处理时采用的离散傅立叶变换对这些频谱进行周期性的成像。这可以导致在该非均匀性分布图像的边缘出现非均匀性分布中的剧烈跳跃。这些跳跃不能用低频分量描述，从而不能可靠的对这些边缘进行校正。由于这个原因将外面的图像区域向外映射，从而将该问题进一步向外转移，其中在计算非均匀性分布或反非均匀性分布结束时不采用这些向外转换的区域。如果例如模型的分辨率具有64×64个图像点，则该模型在映射后具有96×96个图像点。
本发明还涉及一种拍摄检查对象图像的成像设备，包括用于拍摄待校正图像的图像拍摄单元、用于计算校正模型的校正模型计算单元、用于计算标准化校正模型的滤波器单元和用于计算校正图像的校正计算单元，其中该校正图像按照上述解释的那样来计算。
附图说明
下面参考附图详细解释本发明。图中：
图1示意性示出能校正非均匀性的成像设备，
图2是展示用于计算标准化图像的方法步骤的流程图，
图3是展示用于计算标准化校正模型的步骤的流程图，
图4是具有用于准备校正模型的步骤的流程图，
图5至图11示出利用例图计算标准化图像的不同步骤。
图1示意性示出能校正非均匀性的成像设备，
图2是展示用于计算标准化图像的方法步骤的流程图，
图3是展示用于计算标准化校正模型的步骤的流程图，
图4是具有用于准备校正模型的步骤的流程图，
图5至图11示出利用例图计算标准化图像的不同步骤。
具体实施方式
图1示意性示出诸如磁共振设备的成像设备10。磁共振设备的基本功能对本领域的技术人员来说是公知的，对理解本发明并没有什么其它作用，因此省略详细解释。在由高频脉冲激励之后检测到的测量信号由接收线圈接收，并通过导线11输入到图像计算单元12，后者通过传统方式由线圈检测的信号计算出MR图像。该MR图像还具有非均匀性(所谓的偏磁场)。为了消除MR图像中的非均匀性，将图像计算单元12输出的MR图像引入校正模型计算单元13中，后者计算出校正模型。如后面将详细描述的，在单元13中这样准备校正模型，即消除具有很小信号强度的图像点，并替换为其它信号强度。接着滤波器单元14抑制来自MR图像的低频非均匀分量，校正计算单元15由该滤波器单元传递的数据和来自校正模型的数据计算出反非均匀性分布。接着由此可以计算出标准化MR图像。最后可以在显示单元16上显示标准化MR图像，或者可用于后面的定性计算过程。
图2示出用于产生标准化图像的基本步骤。在第一步骤20中拍摄待校正图像I(x，y)，该图像的大小为[M，N]。该MR图像的大小等于通常采用的MR图像的大小，如256×256或512×512个图像点。
接着在步骤21中计算校正模型i(x，y)，其中图像大小是[m，n]。该校正模型就图像点的数量来说理论上等于待校正图像，但为了缩短计算时间而产生至少一幅具有更小分辨率的图像。分辨率的减小极大地缩短了计算时间，但在消除非均匀性时并没有很大程度地影响精确度。接着在步骤22中由该校正模型产生标准化校正模型iN(x，y)。最后在步骤23中由该标准化校正模型iN(x，y)和校正模型i(x，y)形成校正函数c(x，y)，其中c＝iN(x，y)/i(x，y)。在步骤23中产生非均匀场的倒函数。最后在步骤24中通过插值计算校正图像C(x，y)，该校正图像具有与待校正图像相等的大小M，N。接着可以在步骤25中计算标准化图像，其中将校正图像C(x，y)与待校正图像I(x，y)相乘。从该标准化图像中通过与校正图像相乘而消除了高频场引起的场非均匀性。在本例中采用的是二维数据；但本发明也可以用于三维立体数据组。
图3准确地示出了如何由校正模型形成标准化校正模型，如在图1的滤波器单元14中进行的。该同态滤波器的运行如下。在第一步骤31中计算图像i(x，y)的对数，接着在步骤32中将傅立叶变换返回到傅立叶域或K域中。然后再步骤33中对傅立叶域中的信号应用滤除低频非均匀分量的高通滤波器(陷波滤波器)。然后在步骤35中对MR图像进行指数运算前在步骤34中反变换到图像域。在步骤35中以较小的分辨率获得标准化校正模型iN(x，y)。
图4中示出在实施图3所示的步骤之前如何准备来自图像计算单元12的MR图像的步骤。首先在步骤41中产生具有更小分辨率、即更少图像点的校正模型。在步骤42中建立阈值，也就是丢弃具有小于阈值的信号强度的图像点。此外在步骤43中还丢弃检查对象边缘上的图像点，因为这些图像点通过所谓的“部分立体”效应提供错误的结果。
然后在步骤44中识别出具有非常小的强度、且位于检查对象体内的图像点，并将其信号强度例如替换为最近的N个相邻图像点的平均值。在步骤45中还替换掉检查对象之外的图像点的信号强度。如后面还将详细解释的那样，在此从检查对象的中心向外映射检查对象体内的图像点，其中映射轴沿着检查对象的边缘延伸，或者这样改变在离检查对象给定距离内(例如可视场的1/8)的所有像素，使得这些图像点的信号强度通过最近的M个图像点的信号强度来给定。同样或者附加的，如果不是背景中的所有图像点都已经被替换，则可以用检查物体的信号强度的平均值来填充背景中剩余的图像点。
最后在步骤46中向外映射沿着边缘的图像段，由此将沿着边缘的非均匀性分布中可能出现的问题向外转移了。
在图5至图11中示出用于例如在对头部进行MR拍摄时消除场非均匀性的方法步骤。
图5中示出了由待校正图像产生的、具有更小分辨率的MR图像51。对图像51实施阈值方法，由此获得图像52，其中识别出检查对象内和检查对象外的具有小于阈值的信号强度的所有像素或图像点。然后在图像53中继续消除沿着从具有信号强度过渡到没有信号强度的图像点的边缘的图像点，因为这些图像点同样会在计算非均匀性时使结果发生错误。然后在图像54中将检查对象内的、且信号强度以前过低的图像点例如通过形成25个相邻图像点的平均值来替换掉。
接着，可以在图像55中将检查对象邻域内的图像点同样通过形成最近的M个图像点的平均值来替换掉，其中M可以在10到50之间选择。
如图6所示，现在可以由图像55和原始图像51产生图像61，其中来自图像51的具有过低信号强度的图像点已被替换掉，如图像55所示。同样，可以根据另一种方法将图像51与图像54混合，其中只有体内的图像点才被替换掉以获得图像62。而检查对象外的图像点在此通过从检查对象的重心出发径向向外地进行点映射来计算。现在位于检查对象内的图像点相对于映射轴62a向外映射，从而获得图像63。该径向向外的点映射要针对背景中的所有图像点进行。
为了进一步处理可以采用图像61或图像63，也就是说图像51可以与蒙片55或蒙片54混合。是将图像61还是图像63用于进一步处理可取决于检查对象、所采用的线圈以及其它因素。
如图7所示，下面将图像61用于进一步处理。通过在图像计算时采用的离散傅立叶变换给出周期性的频谱。同样非均匀性也是周期性的。由此图像上的非均匀性分布可能具有跳跃。这些跳跃或者说边缘不能用低频来近似，从而不能正确描述沿着边缘的非均匀性分布。由于这个原因分别将外面的图像段相对于边缘71a向外映射，如在图像71中所看到的。通过该映射将该不连续性向外转移，以后在外部不会考虑该不连续性。通过映射图像段(例如整个可视场的25％)获得图像72。该图像72就是在校正模型单元13中计算出来并输入到滤波器单元14的校正模型。在滤波器单元中由图像72形成对数，并获得图像73。然后由该图像73进行二维反傅立叶变换，以获得图像81，如图8所示。该频谱81与图像82所示的高通滤波器相乘，由此获得图像83，其中图像中心的低频分量被滤除。然后将图像83的频谱反变换到图像域，从而获得图像84。最后对图像84进行指数运算以获得图像85。现在在图像85中通过傅立叶变换和随后的高通滤波被滤除的非均匀性得到了抑制，从而极大的减小了图像中的低频非均匀性。图像85对应于标准化校正模型iN(x，y)。通过形成标准化校正模型85iN(x，y)与校正模型i(x，y)(即图像72)之商，可以获得校正函数91。该校正函数对应于具有更小分辨率的非均匀性的反函数。如图10所示，获得图像91的内部成分，因为图像71添加到图像72上的外部区域是不需要的。然后将该图像插值到其原始大小，从而获得图像92，该图像92具有与待校正图像相同的大小[M，N]。该校正图像92展示出非均匀性分布的倒数。通过将原始待校正的图像100与校正图像92相乘，获得几乎没有非均匀性的标准化图像110，该非均匀性是通过入射高频场与检查对象的共振产生的。
总之这里描述的方法使得可以校正图像中的非均匀性。通过在滤波前准备图像而提取出具有过低信号强度的、无法对非均匀性分布给出结论的图像点，并替换为来自邻域的图像点。这使得可以对非均匀性分布给出精确的结论，从而可以接着将该非均匀性分布用于产生标准化图像。
图2示出用于产生标准化图像的基本步骤。在第一步骤20中拍摄待校正图像I(x，y)，该图像的大小为[M，N]。该MR图像的大小等于通常采用的MR图像的大小，如256×256或512×512个图像点。
接着在步骤21中计算校正模型i(x，y)，其中图像大小是[m，n]。该校正模型就图像点的数量来说理论上等于待校正图像，但为了缩短计算时间而产生至少一幅具有更小分辨率的图像。分辨率的减小极大地缩短了计算时间，但在消除非均匀性时并没有很大程度地影响精确度。接着在步骤22中由该校正模型产生标准化校正模型iN(x，y)。最后在步骤23中由该标准化校正模型iN(x，y)和校正模型i(x，y)形成校正函数c(x，y)，其中c＝iN(x，y)/i(x，y)。在步骤23中产生非均匀场的倒函数。最后在步骤24中通过插值计算校正图像C(x，y)，该校正图像具有与待校正图像相等的大小M，N。接着可以在步骤25中计算标准化图像，其中将校正图像C(x，y)与待校正图像I(x，y)相乘。从该标准化图像中通过与校正图像相乘而消除了高频场引起的场非均匀性。在本例中采用的是二维数据；但本发明也可以用于三维立体数据组。
图3准确地示出了如何由校正模型形成标准化校正模型，如在图1的滤波器单元14中进行的。该同态滤波器的运行如下。在第一步骤31中计算图像i(x，y)的对数，接着在步骤32中将傅立叶变换返回到傅立叶域或K域中。然后再步骤33中对傅立叶域中的信号应用滤除低频非均匀分量的高通滤波器(陷波滤波器)。然后在步骤35中对MR图像进行指数运算前在步骤34中反变换到图像域。在步骤35中以较小的分辨率获得标准化校正模型iN(x，y)。
图4中示出在实施图3所示的步骤之前如何准备来自图像计算单元12的MR图像的步骤。首先在步骤41中产生具有更小分辨率、即更少图像点的校正模型。在步骤42中建立阈值，也就是丢弃具有小于阈值的信号强度的图像点。此外在步骤43中还丢弃检查对象边缘上的图像点，因为这些图像点通过所谓的“部分立体”效应提供错误的结果。
然后在步骤44中识别出具有非常小的强度、且位于检查对象体内的图像点，并将其信号强度例如替换为最近的N个相邻图像点的平均值。在步骤45中还替换掉检查对象之外的图像点的信号强度。如后面还将详细解释的那样，在此从检查对象的中心向外映射检查对象体内的图像点，其中映射轴沿着检查对象的边缘延伸，或者这样改变在离检查对象给定距离内(例如可视场的1/8)的所有像素，使得这些图像点的信号强度通过最近的M个图像点的信号强度来给定。同样或者附加的，如果不是背景中的所有图像点都已经被替换，则可以用检查物体的信号强度的平均值来填充背景中剩余的图像点。
最后在步骤46中向外映射沿着边缘的图像段，由此将沿着边缘的非均匀性分布中可能出现的问题向外转移了。
在图5至图11中示出用于例如在对头部进行MR拍摄时消除场非均匀性的方法步骤。
图5中示出了由待校正图像产生的、具有更小分辨率的MR图像51。对图像51实施阈值方法，由此获得图像52，其中识别出检查对象内和检查对象外的具有小于阈值的信号强度的所有像素或图像点。然后在图像53中继续消除沿着从具有信号强度过渡到没有信号强度的图像点的边缘的图像点，因为这些图像点同样会在计算非均匀性时使结果发生错误。然后在图像54中将检查对象内的、且信号强度以前过低的图像点例如通过形成25个相邻图像点的平均值来替换掉。
接着，可以在图像55中将检查对象邻域内的图像点同样通过形成最近的M个图像点的平均值来替换掉，其中M可以在10到50之间选择。
如图6所示，现在可以由图像55和原始图像51产生图像61，其中来自图像51的具有过低信号强度的图像点已被替换掉，如图像55所示。同样，可以根据另一种方法将图像51与图像54混合，其中只有体内的图像点才被替换掉以获得图像62。而检查对象外的图像点在此通过从检查对象的重心出发径向向外地进行点映射来计算。现在位于检查对象内的图像点相对于映射轴62a向外映射，从而获得图像63。该径向向外的点映射要针对背景中的所有图像点进行。
为了进一步处理可以采用图像61或图像63，也就是说图像51可以与蒙片55或蒙片54混合。是将图像61还是图像63用于进一步处理可取决于检查对象、所采用的线圈以及其它因素。
如图7所示，下面将图像61用于进一步处理。通过在图像计算时采用的离散傅立叶变换给出周期性的频谱。同样非均匀性也是周期性的。由此图像上的非均匀性分布可能具有跳跃。这些跳跃或者说边缘不能用低频来近似，从而不能正确描述沿着边缘的非均匀性分布。由于这个原因分别将外面的图像段相对于边缘71a向外映射，如在图像71中所看到的。通过该映射将该不连续性向外转移，以后在外部不会考虑该不连续性。通过映射图像段(例如整个可视场的25％)获得图像72。该图像72就是在校正模型单元13中计算出来并输入到滤波器单元14的校正模型。在滤波器单元中由图像72形成对数，并获得图像73。然后由该图像73进行二维反傅立叶变换，以获得图像81，如图8所示。该频谱81与图像82所示的高通滤波器相乘，由此获得图像83，其中图像中心的低频分量被滤除。然后将图像83的频谱反变换到图像域，从而获得图像84。最后对图像84进行指数运算以获得图像85。现在在图像85中通过傅立叶变换和随后的高通滤波被滤除的非均匀性得到了抑制，从而极大的减小了图像中的低频非均匀性。图像85对应于标准化校正模型iN(x，y)。通过形成标准化校正模型85iN(x，y)与校正模型i(x，y)(即图像72)之商，可以获得校正函数91。该校正函数对应于具有更小分辨率的非均匀性的反函数。如图10所示，获得图像91的内部成分，因为图像71添加到图像72上的外部区域是不需要的。然后将该图像插值到其原始大小，从而获得图像92，该图像92具有与待校正图像相同的大小[M，N]。该校正图像92展示出非均匀性分布的倒数。通过将原始待校正的图像100与校正图像92相乘，获得几乎没有非均匀性的标准化图像110，该非均匀性是通过入射高频场与检查对象的共振产生的。
总之这里描述的方法使得可以校正图像中的非均匀性。通过在滤波前准备图像而提取出具有过低信号强度的、无法对非均匀性分布给出结论的图像点，并替换为来自邻域的图像点。这使得可以对非均匀性分布给出精确的结论，从而可以接着将该非均匀性分布用于产生标准化图像。