(19)中华人民共和国国家知识产权局

(12)发明专利
(10)授权公告号 CN 102749601 B
(45)授权公告日 2016.02.10
(21)申请号 201210118720.9 (56)对比文件
US 2009185733 A1,2009.07.23,
(22)申请日 2012.04.20
CN 1794783 A,2006.06.28,
(30)优先权数据
JP 2005160107 A,2005.06.16,
2012-074390 2012.03.28 JP US 2008107352 A1,2008.05.08,
13/092,382 2011.04.22 US
审查员 李晓玲
(73)专利权人 株式会社东芝
地址 日本东京都
专利权人 东芝医疗系统株式会社

(72)发明人 査乐平 宫崎美津江

(74)专利代理机构 北京集佳知识产权代理有限
公司 11227
代理人 李伟 王轶
(51)Int.Cl.
G01R 33/56(2006.01)

权利要求书2页 说明书15页 附图3页

(54) 发明名称
图像处理装置、图像处理方法、以及磁共振成
像装置
(57) 摘要
本发明提供一种能够提高画质的图像处理装
置、图像处理方法、以及磁共振成像装置。实施
方式涉及的图像处理装置具备 ：低通滤波器应用
部、带通滤波器应用部、高通滤波器应用部、边缘
掩膜生成部、以及合成部。低通滤波器应用部对
于与原始图像对应的数据应用低通滤波器。带通
滤波器应用部对于该数据应用带通滤波器。高通
滤波器应用部对于该数据应用高通滤波器。边缘
掩膜生成部根据应用了带通滤波器而得的数据生
成边缘掩膜。合成部使用应用了高通滤波器而得
的数据进行掩膜处理，并使用进行了掩膜处理的
CN 102749601 B

数据与应用了低通滤波器而得的数据进行合成处
理。
CN 102749601 B 权 利 要 求 书 1/2 页

1.一种图像处理装置，其特征在于，具备 ：
低通滤波器应用部，对通过磁共振成像而取得的、与原始图像对应的 k 空间或者图像
空间的数据应用低通滤波器 ；
带通滤波器应用部，对上述数据应用带通滤波器 ；
高通滤波器应用部，对上述数据应用高通滤波器 ；
边缘掩膜生成部，根据应用了上述带通滤波器而得的数据，生成提取出上述原始图像
内的对象物的边缘而得到的边缘掩膜 ；
合成部，使用应用了上述高通滤波器而得的数据进行基于根据应用了上述带通滤波器
而得的数据生成的边缘掩膜的掩膜处理，并使用进行了上述掩膜处理的数据与应用了上述
低通滤波器而得的数据来进行合成处理。
2.根据权利要求 1 所述的图像处理装置，其特征在于，
上述边缘掩膜生成部通过将应用了上述带通滤波器而得的 k 空间的数据进行傅里叶
转换，并对傅里叶转换后的图像空间的数据进行阈值处理以及羽化处理，从而生成上述边
缘掩膜。
3.根据权利要求 1 所述的图像处理装置，其特征在于，
上述合成部将应用了上述高通滤波器而得的 k 空间的数据进行傅里叶转换，并对傅里
叶转换后的图像空间的数据进行阈值处理，然后进行基于上述边缘掩膜的掩膜处理。
4.根据权利要求 2 所述的图像处理装置，其特征在于，
上述合成部将应用了上述高通滤波器而得的 k 空间的数据进行傅里叶转换，并对傅里
叶转换后的图像空间的数据进行阈值处理，然后进行基于上述边缘掩膜的掩膜处理。
5.根据权利要求 1 ～ 4 中任一项所述的图像处理装置，其特征在于，
上述低通滤波器应用部以及上述带通滤波器应用部使用被调整为适合通过磁共振成
像取得的数据的大小的上述低通滤波器以及上述带通滤波器，
上述高通滤波器应用部使用被调整为适合比通过上述磁共振成像所取得的数据大的 k
空间的数据阵列容器的大小的上述高通滤波器。
6.根据权利要求 1 ～ 4 中任一项所述的图像处理装置，其特征在于，
该图像处理装置还具备逆傅里叶转换部，该逆傅里叶转换部在生成了上述原始图像
时，通过由多个要素线圈来收集 k 空间的数据，分别将每个要素线圈的 k 空间的数据进行傅
里叶转换来生成每个要素线圈的图像空间的数据，并合成所生成的每个要素线圈的图像空
间的数据，从而将该原始图像的数据进行逆傅里叶转换来生成 k 空间的数据，
上述低通滤波器应用部、上述带通滤波器应用部、以及上述高通滤波器应用部对通过
上述逆傅里叶转换部生成的 k 空间的数据，分别应用低通滤波器、带通滤波器、以及高通滤
波器。
7.根据权利要求 5 所述的图像处理装置，其特征在于，
该图像处理装置还具备逆傅里叶转换部，该逆傅里叶转换部在生成了上述原始图像
时，通过由多个要素线圈来收集 k 空间的数据，分别将每个要素线圈的 k 空间的数据进行傅
里叶转换来生成每个要素线圈的图像空间的数据，并合成所生成的每个要素线圈的图像空
间的数据，从而将该原始图像的数据进行逆傅里叶转换来生成 k 空间的数据，
上述低通滤波器应用部、上述带通滤波器应用部、以及上述高通滤波器应用部对通过
2
CN 102749601 B 权 利 要 求 书 2/2 页

上述逆傅里叶转换部生成的 k 空间的数据，分别应用低通滤波器、带通滤波器、以及高通滤
波器。
8.一种图像处理方法，被图像处理装置执行，其特征在于，包含 ：
低通滤波器应用步骤，对通过磁共振成像取得的、与原始图像对应的 k 空间或者图像
空间的数据应用低通滤波器 ；
带通滤波器应用步骤，对上述数据应用带通滤波器 ；
高通滤波器应用步骤，对上述数据应用高通滤波器 ；
边缘掩膜生成步骤，根据应用了上述带通滤波器而得的数据，生成提取出上述原始图
像内的对象物的边缘而得到的边缘掩膜 ；
合成步骤，使用应用了上述高通滤波器而得的数据进行基于根据应用了上述带通滤波
器而得的数据生成的边缘掩膜的掩膜处理，并使用进行了上述掩膜处理的数据与应用了上
述低通滤波器而得的数据进行合成处理。
9.一种磁共振成像装置，其特征在于，具备 ：
低通滤波器应用部，对通过磁共振成像取得的、与原始图像对应的 k 空间或者图像空
间的数据应用低通滤波器 ；
带通滤波器应用部，对上述数据应用带通滤波器 ；
高通滤波器应用部，对上述数据应用高通滤波器 ；
边缘掩膜生成部，根据应用了上述带通滤波器而得的数据，生成提取出上述原始图像
内的对象物的边缘而得到的边缘掩膜 ；
合成部，使用应用了上述高通滤波器而得的数据进行基于根据应用了上述带通滤波器
而得的数据生成的边缘掩膜的掩膜处理，并使用进行了上述掩膜处理的数据与应用了上述
低通滤波器而得的数据进行合成处理。

3
CN 102749601 B 说 明 书 1/15 页

图像处理装置、图像处理方法、以及磁共振成像装置

[0001]本申请主张 2011 年 4 月 22 日申请的美国专利申请号 13/092,382 以及 2012 年 3

月 28 日申请的日本专利申请号 2012-74390 的优先权，并在本申请中引用上述日本专利申
请的全部内容。

技术领域
[0002] 实施方式涉及图像处理装置、图像处理方法、以及磁共振成像 (imaging) 装置。

背景技术
[0003] 目 前，在 磁 共 振 成 像 的 图 像 处 理 领 域，被 知 道 有 吉 布 斯 (Gibbs) 的 环 状 伪 影
(ringing artifacts)。由于环状伪影是由于数据 (data) 的截断 (truncation) 而发生的，
因此，也被称为截断伪影 (truncation artifacts) 等。
[0004] 现有技术文献
[0005] 专利文献
[0006] 专利文献 1 ： 美国专利第 5001429 号说明书
[0007] 专利文献 2 ： 美国专利第 5285157 号说明书
[0008] 专利文献 3 ： 美国专利第 5345173 号说明书
[0009] 专利文献 4 ： 美国专利第 5602934 号说明书

发明内容
[0010] 本发明要解决的问题在于，提供一种能够提高画质的图像处理装置、图像处理方
法、以及磁共振成像装置。
[0011] 实施方式涉及的图像处理装置具备 ： 低通滤波器 (filter) 应用部、带通滤波器应
用部、高通滤波器应用部、边缘掩膜 (edge mask) 生成部、合成部。上述低通滤波器应用部
对于通过磁共振成像取得的、与原始 (original) 图像对应的 k 空间或者图像空间的数据，
应用低通滤波器。上述带通滤波器应用部对于上述数据，应用带通滤波器。上述高通滤波
器应用部对于上述数据，应用高通滤波器。上述边缘掩膜生成部根据应用了上述带通滤波
器而得的数据，生成提取出上述原始图像内的对象物的边缘的边缘掩膜。上述合成部使用
应用了上述高通滤波器而得的数据进行基于上述边缘掩膜的掩膜处理，并使用进行了上述
掩膜处理的数据与应用了上述低通滤波器而得的数据进行合成处理。
[0012] 起到能够提高画质的效果。

附图说明
[0013] 图 1 是实施方式涉及的 MRI(Magnetic Resonance Imaging) 系统 (system) 的高
级 (high-level) 框 (block) 图。实施方式涉及的 MRI 系统通过取得 MRI 数据，并对于取得
的 MRI 数据进行滤波处理，从而强调重建图像内的边缘 (edge) 以及细节，同时减少吉布斯
的环状伪影。

4
CN 102749601 B 说 明 书 2/15 页

[0014] 图 2 是实施方式涉及的滤波处理的概略图。
[0015] 图 3 是适合实施方式的计算机 (computer) 程序 (program) 代码 (code) 结构的概
略图。在实施方式中，至少一个数据处理器 (processor) 处理存储于存储部的、至少一个数
据阵列 (dataarray)。
[0016] 符号说明
[0017] 8 电极
[0018] 9 被检体
[0019] 10 台架
[0020] 11 被检体台
[0021] 12 静磁场 B0磁铁
[0022] 14 Gx、Gy、Gz倾斜磁场线圈组
[0023] 16 RF 线圈总成
[0024] 18 成像体
[0025] 20 系统构成要素
[0026] 22 MRI 系统控制部
[0027] 24 显示部
[0028] 26 键盘 / 鼠标
[0029] 28 打印机
[0030] 30 MRI 序列控制部
[0031] 32 Gx、Gy、Gz倾斜磁场线圈驱动器
[0032] 34 RF 发送部
[0033] 36 发送 / 接收开关
[0034] 38 MRI 数据取得程序代码结构
[0035] 40 RF 接收部
[0036] 42 MRI 数据处理部 ( 微处理器、I/O、存储部 )
[0037] 44 图像重建程序代码结构
[0038] 46 MR 图像存储部
[0039] 50 程序 / 数据存储部 ( 为了削减环状伪影以及噪音伪影的双方或一方，同时强
调重建后的图像的边缘以及其他的细节，存储用于在 k 空间将取得的 MRI 数据进行滤波处
理的程序代码结构 )

具体实施方式
[0040] 以下，说明实施方式涉及的图像处理装置、图像处理方法、以及磁共振成像装置
( 以下，适当地称为“MRI 系统”)。
[0041] 图 1 是表示实施方式涉及的 MRI 系统的高级框图。图 1 所示的 MRI 系统包含台架
10( 由概略截面示出 ) 以及相互连接并发挥作用的各种的关联系统构成要素 20。至少台架
10 通常被配置于屏蔽 (shield) 室 (room) 内。图 1 所示的一个 MRI 系统形状包含静磁场 B0
磁体 12、Gx、Gy、以及 Gz倾斜磁场线圈 (coil) 组 (set)14、以及 RF 线圈总成 (assembly)16
的大致同轴圆筒状的配置。沿着该圆筒状的要素阵列的水平轴线，存在以实质上包围通过

5
CN 102749601 B 说 明 书 3/15 页

被检体台 (table)11 支承的被检体 9 的头部的方式示出的成像体 (volume)18。

[0042] MRI 系统控制部 22 具备与显示部 24、键盘 (keyboard)/ 鼠标 (mouse)26、以及打印
机 (printer)28 相连接的输入 / 输出端口 (port)。当然，显示部 24 也可以是如还具备控制
输入那样的具有多样性的触摸屏 (touch screen)。
[0043] MRI 系统控制部 22 与 MRI 序列 (sequence) 控制部 30 接口 (interface) 连接。MRI
序列控制部 30 控制 Gx、Gy、以及 Gz倾斜磁场线圈驱动器 (driver)32 和 RF 发送部 34 以及发
送 / 接收开关 (swich)36( 在同一 RF 线圈被用于发送以及接收双方时 )。对于本领域的人
员而言不言而喻，通过在被检体的身体上粘贴一个以上的适合的电极 8，能够对 MRI 序列控
制部 30 输出心电图 (ECG(electrocardiogram)) 信号以及末梢脉搏波同步信号的一方或者
双方。为了使用将特定的数据取得序列参数 (parameter) 进行定义的操作者输入以及系统
输入的一方或者双方生成 MR 图像，MRI 序列控制部 30 也访问 (access) 用于执行 MRI 数据
取得序列的最优的程序代码结构 38。
[0044] MRI 系统的系统构成要素 20 为了能够制成用于向显示部 24 发送的处理完成图像
数据，包含对数据处理部 42 供给输入的 RF 接收部 40。MRI 数据处理部 42 还构成为能够访
问 ( 例如，为了存储由按照实施方式以及图像重建程序代码结构 44 的过程 (process) 而得
到的 MR 图像数据以及中间结果数据的一方或者双方 ) 图像重建程序代码结构 44 以及 MR
图像存储部 46。
[0045] 另外，在图 1 中，示出 MRI 系统程序 / 数据存储部 50 的一般化的图。在该 MRI 系
统程序 / 数据存储部 50 中，所存储的程序代码结构 ( 例如，为了强调被重建的图像的边缘
以及其他的细节，同时削减环状伪影以及其他的伪影的一方或者双方，为了在 k 空间将所
取得的 MRI 数据进行滤波处理 )，被存储于能够访问 MRI 系统的许多数据处理构成要素的
计算机可读的存储介质中。对于本领域的技术人员而言不言而喻，也可以将 MRI 系统程序
/ 数据存储部 50 分割成正常运转时即刻需要那样存储的程序代码结构的系统 20 的处理计
算机中的各种计算机，且将至少一部分直接地连结 ( 即，代替普通地存储于 MRI 系统控制部
22，或直接地连结 )。
[0046] 实际上，对于本领域的技术人员而言不言而喻，图 1 是将为了能够执行本说明书
中后述的实施方式而增加了若干变更的一般的 MRI 系统非常高度地简化了的图。系统
的构成要素能够分割成各种逻辑的集合的“方框 (box)”，通常，包含多个数字信号处理器
(Digital Signal Processor ：
DSP)、
微 (micro) 处理器、面向特殊用途的处理电路 ( 例如，
高速 A/D 转换、高速傅里叶 (Fourier) 转换、阵列处理用等 )。通常，如果发生各时钟周期
( 或者规定数的时钟 (clock) 周期 (cycle))，则这些处理装置分别是物理数据处理电路从
某个物理状态进入另一物理状态的时钟动作型的“状态机器 (state machine)”。
[0047] 在 动 作 中，不 但 处 理 电 路 ( 例 如，CPU(Central Processing Unit)、寄 存 器
(register)、缓冲器 (buffer)、计算单元 (unit) 等 ) 的物理状态渐进地从某个时钟周期向
另一时钟周期变化，被连结的数据存储介质 ( 例如，磁性存储介质的位存储部 ) 的物理状态
也在那样的系统动作中从某个状态向另一状态变化。例如，MR 成像重建过程结束时，物理
性的存储介质的计算机可读的可访问的数据值的存储位置 ( 例如，像素值的多位二进制表
现 ) 的阵列从几个事前的状态 ( 例如，全部一律为“0”值或全部为“1”值 ) 变为新的状态。
在该新的状态下，那样的阵列 ( 例如， 像素 (pixel) 值 ) 的物理位置的物理状态在最小值与

6
CN 102749601 B 说 明 书 4/15 页

最大值之间变动，表现现实世界的物理的现象及状况 ( 例如，在摄像体空间内的被检体的
组织 )。对于本领域的技术人员来说不言而喻，如所存储的数据值那样的阵列表示且构成物
理性构造。也就是说，上述阵列构成为，当依次被读入命令寄存器中并由系统构成要素 20
的一个以上的 CPU 执行时，产生动作状态的特定序列，并构成在 MRI 系统内移动的计算机控
制程序代码的特定构造。
[0048] 下述的实施方式涉及的 MRI 系统提供一种进行 MRI 数据的取得以及处理的一方或
者双方、和 MR 图像的生成以及显示的一方或者双方的改良后的方法。
[0049] 图 2 是实施方式涉及的滤波处理的概略图。以下的实施方式涉及的 MRI 系统在 k
空间 ( 实际空间中的图像数据的傅里叶转换的空间 ) 区域中，对于 MRI 数据阵列 (array)
应用滤波器，生成低通滤波 ( 以下，适当地称为“低通 (low-pass) 滤波”) 处理完成的数据
阵列、带通滤波 ( 以下，适当地称为“带通 (band-pass) 滤波”) 处理完成的数据阵列、 以及
高通滤波 ( 以下，适当地称为“高通 (high-pass) 滤波”) 处理完成的数据阵列。另外，MRI
系统将带通滤波处理完成的 k 空间数据阵列进行傅里叶转换，在图像区域中取其绝对值，
并进行阈值处理以及羽化 (feathering) 处理。另外，MRI 系统根据实施了阈值处理以及羽
化处理的数据阵列，生成具有模糊 (fuzzy) 的连续值的 (“灰度 (gray-scale)”)、边缘掩膜
(edge mask) 数据阵列。另一方面，MRI 系统将高通滤波处理完成的 k 空间数据阵列进行傅
里叶转换，并在图像区域中根据需要进行阈值处理，生成锐化掩膜数据阵列。并且，MRI 系统
将边缘掩膜数据阵列乘以锐化掩膜数据阵列，并将其相乘的结果与将低通滤波处理完成的
k 空间数据阵列进行傅里叶转换而取其绝对值的数据阵列相加。这样，实施方式涉及的 MRI
系统为了更好地表示潜在的解剖学组织，生成削减了吉布斯的环状伪影以及噪音伪影的滤
波处理完成图像。
[0050] 这样，实施方式涉及的 MRI 系统例如具备 ： 低通滤波器应用部、带通滤波器应用
部、高通滤波器应用部、边缘掩膜生成部、以及合成部。低通滤波器应用部对于通过磁共振
成像取得的数据，即与原始图像对应的 k 空间或者图像空间的数据，应用低通滤波器。带通
滤波器应用部对于该数据，应用带通滤波器。高通滤波器应用部对于该数据，应用高通滤波
器。边缘掩膜生成部根据应用了带通滤波器的数据，生成提取了原始图像内的对象物的边
缘的边缘掩膜。合成部使用应用了高通滤波器的数据进行基于边缘掩膜的掩膜处理，并使
用进行了掩膜处理的数据与应用了低通滤波器的数据进行合成处理。
[0051] 另外，在以下的实施方式中，边缘掩膜生成部通过将应用了带通滤波器的 k 空间
的数据进行傅里叶转换，并对于傅里叶转换后的图像空间的数据进行阈值处理以及羽化处
理，从而生成边缘掩膜。另外，合成部将应用了高通滤波器的 k 空间的数据进行傅里叶转
换，并在对于傅里叶转换后的图像空间的数据进行了阈值处理之后，进行基于边缘掩膜的
掩膜处理。
[0052] 另外，在以下的实施方式中，低通滤波器应用部以及带通滤波器应用部使用调整
为适合通过磁共振成像取得的数据的大小的低通滤波器以及带通滤波器。另一方面，高通
滤波器应用部使用调整为适合比通过磁共振成像取得的数据大的、k 空间的数据阵列容器
的大小的高通滤波器。
[0053] 另外，以下的实施方式涉及的 MRI 系统还可以具备逆傅里叶转换部。逆傅里叶转
换部在通过由多个要素线圈来收集 k 空间的数据，并分别将每个要素线圈的 k 空间的数据

7
CN 102749601 B 说 明 书 5/15 页

进行傅里叶转换，生成每个要素线圈的图像空间的数据，并合成所生成的每个要素线圈的
图像空间的数据，从而生成原始图像时，将该原始图像的数据进行逆傅里叶转换来生成 k
空间的数据。此时，低通滤波器应用部、带通滤波器应用部、以及高通滤波器应用部对于通
过逆傅里叶转换部生成的 k 空间的数据，分别应用低通滤波器、带通滤波器、以及高通滤波
器。另外，这些各部例如被安装于 MRI 数据处理部 42，并在 MRI 数据处理部 42 中执行。另
外，这些各部例如也可以安装于与 MRI 系统不同的其他的图像处理装置，在图像处理装置
中执行。此时，所需的数据也可以在 MRI 系统中取得，通过操作者，或者经由网络 (network)
等，输入图像处理装置。
[0054] k 空间数据的截断导致吉布斯的环状伪影 ( 以下，环状伪影 )。特别地，当所取得
的图像数据的矩阵 (matrix) 小时，环状伪影是在 MR 成像的执行中应该克服的最古老、且最
困难的问题之一。
[0055] 在 MR 成像中，倾斜磁场下，空间性地测定出的值被转换成频率的测定值。当在
所取得的 MRI 数据中，没有包含图像化对象的解剖学部分所示的所有的高空间频率信息
时，在 MR 图像内发生环状伪影。采样窗的宽度决定与图像卷积的辛格函数的形状。该辛
格函数的卷积引起吉布斯的环状伪影的近似强度的不连续性、或者图像特性的高对比度
边缘。当编码 (encoding) 步骤 (step) 数少时 ( 例如，≤ 196)，受到取得时间或动态的
对比度 (contrast)、或者 MRI 取得序列上的制约的影响，特别地，环状伪影沿着相位编码
(PE(Phase Encoding)) 方向以及切片编码 (SE(Slice Encoding)) 方向的一方或者双方而
出现，令人不舒服。环状伪影沿着读出 (RO(Read Out)) 方向，根据一般较长的取得窗口 ( 例
如，256 点以上 )，变得更不引人注意，或者，实质上不会对取得时间产生坏的影响，变得不
是问题。
[0056] 伪影根据相同的分辨率的幻像 (phantom) 以及被检体中的图像的直接比较，被在
MRI 产品中长年灵活应用的环状伪影降低算法处理的情况被观察并报告。但是，对于那样的
以往的尝试，对于作为结果产生的图像质量与实施效率 ( 例如，处理时间、复杂程度等 ) 的
双方或一方，还有改善的余地。
[0057] 一般所使用的 k 空间的低通滤波以及图像空间的加权平均使细微的图像细节
不 清 晰，降 低 整 体 的 边 缘 清 晰 度。 另 一 方 面，例 如，使 用 十 分 精 巧 的 Gegenbauer 重 建
的、与 通 过“TV(Total Variation)”限定数 据外插法以及其他的外插 法 (CT(Computed
Tomography)) 而普及的各向异性扩散类似的西格玛 (Sigma) 滤波 ) 是复杂的，大多数情况
下是重复的，具有变慢的倾向，并具有分段地产生具有一定的特性的漫画那样的产物的倾
向。在 MRI 中，通常，由于对软组织的对比度期待细微的色调，那样的产物作为 MRI 无法被
自然地看到。
[0058] 在以下的实施方式中，提出了以同时减少环状伪影以及噪音伪影，同时强调边缘
为目的的、简单、迅速、且相当容易的方法。在该方法中，对 k 空间的原始 (raw) 数据 ( 以
下，适当地称为“未处理数据”)，分别乘以低通 ( 以下，适当地称为“LP(low-pass)”) 的窗
函数 (windowing function)、带通 ( 以下，适当地称为“BP(band-pass)”) 的窗函数、以及
高通 ( 以下，适当地称为“HP(high-pass)”) 的窗函数。另外，在 k 空间的未处理数据中，包
含通过二维逆傅里叶转换从图像区域生成的 k 空间数据。接着，通过乘以窗函数而得到的
产物如图 2 所示，进行二维傅里叶转换，并在图像区域中结合。

8
CN 102749601 B 说 明 书 6/15 页

[0059] 在 k 空间中所使用的窗函数优选进行最优化处理。具体而言，优选窗函数以比较
低的分辨率来选择性地收集边缘，在阈值处理以及羽化之后，为了能够制成具有扩散性的
扩散边缘掩膜而在中域～中高域的空间频率的范围内仔细地控制。在此的目的在于，在 HP
拉普拉斯锐化掩膜的有效的边缘强调范围与边缘掩膜之间，实现适当且正确的一致。缓慢
的图像区域卷积动作与坎尼边缘检测器所一般使用的边缘细化等大量的其他的缓慢的动
作是 (a) 置换成等价的 k 空间动作，还是 (b) 回避。这是因为目的不是像素边缘的细化，而
是该边缘周围的模糊区域。锐化掩膜经由根据 ( 在锐化掩膜内乘以每个像素 )BP 滤波器导
出的边缘掩膜，向 LP 平滑图像进行逆相加。
[0060] 在图 2 中，示出基于具有适当地一致的低通、带通、以及高通的 k 空间窗函数的实
施方式的算法。为了进行边缘部位提取而使用带通频率区域滤波器被认为是基于本实施方
式的方法的重要的新功能。据了解，本实施方式在从低分辨率、中分辨率、以及高分辨率的
MR 图像中除去环状伪影以及噪音，同时强调边缘描写，改善细微部的视觉上的显著性时有
效。整体的处理完成图像质量比根据文献所示的大量的更复杂的方法、以及若干市售的滤
波器包 (package) 而得到的画质优异，同时实施方式涉及的比较单纯的算法 (algorism) 相
当高速地动作。
[0061] 如图 2 所示，图像空间区域的“输入图像”I0为了生成对应的输入图像 k 空间数据
阵列 K0，进行二维逆傅里叶转换即可。或者，当然，为了引出存储于 MRI 系统的最优的存储
部 ( 例如，能够访问图 1 的 MRI 数据处理部 42 的 MR 图像存储部 46) 的 k 空间的未处理的
N×M 图像数据阵列 Kraw，输入图像数据阵列 K0也可以与经由通过图 1 的系统执行的通常的
MRI 数据取得序列而直接取得相同。无论如何，为了回避不必要的复杂化，也以已经执行了
所有的恢复部分傅里叶 ( 或者“半 (half) 傅里叶 (Fourier)”、 “AFI”、其他 ) 重建、以及平
行 (parallel) 成像重建 ( 例如、SENSE、GRAPPA、SPEEDER、其他 ) 等全部未处理数据范围所
需的所有的基本的数据处理步骤，N×M“未处理数据”阵列中已经包含有它们的产物为前
提。
[0062] 不管根据哪一路径 (route)，k 空间输入图像复数数据阵列 K0都能够包含在更大
的 (P×Q，其中，P ＞ N 以及 Q ＞ M)k 空间数据阵列内所取得的 k 空间 (N×M) 未处理数据阵
列 Kraw。在该 k 空间数据阵列中，N×M 未处理数据范围外的所有的要素的值都为零，( 对于
本领域的技术人员而言不言而喻 ) 是被称为填零的 MRI 的常识。一般将所取得的未处理的
k 空间数据填零到“200％”以上，这意味着 P ≥ 2N 以及 Q ≥ 2M。例如，具有小的 N×M 取得
阵列尺寸的低分辨率图像大多经由填零处理或者其他的插补处理以更大的显示阵列尺寸
P×Q 来显示。那样的情况下，MRI 系统所存储的那样的输入图像阵列尺寸已经是 P×Q。
[0063] 如果根据 N×M 未处理数据阵列 Kraw来得到更大的 P×Q 输入图像阵列 I 0、或者更
大的 P×Q 的 k 空间输入数据阵列 K0而使用的所有的前处理步骤，如未处理 k 空间数据的直
接填零的情况那样是线性的，则只有 P×Q 尺寸的 k 空间输入数据阵列 K0的中央的 N×M 部
位是零以外。另外，来自大多被最新的 MRI 扫描仪所使用的多个线圈要素的信号在 k 空间
直接结合，由此，也存在使未处理的 k 空间数据尺寸不变化的案例。
[0064] 一般而言，多个要素信号在是非线性的过程 ( 例如，一般的平方和 (SOS(Sum Of
Squares)) 的组合 ) 中，在个别地进行二维傅里叶转换之后，在图像空间内结合。即使当未
处理的信号不是来自多个线圈要素的信号时，单纯的绝对值动作 ( 或者包含值的固定化的

9
CN 102749601 B 说 明 书 7/15 页

图像阵列的水平化或者阈值化的过程 ) 也是非线性的。在那样的非线性的状况下，向 k 空
间的二维逆傅里叶转换之后，在原始的 N×M 未处理数据部位的外侧的输入 k 空间数据阵列
K0中可能存在小的“漏出”，即，可能存在位于 ( 各自的 ) 未处理的 N×M 的 k 空间数据部位
的外侧的小的、零以外的复数。
[0065] 总之，其相对于按照该 LP 滤波器以及 BP 滤波器的实施方式来应用 k 空间窗口
化 (windowing)( 基于窗函数的每个像素的相乘 ) 处理的、实际所取得的 (N×M) 未处理的
k 空间数据阵列 Kraw的范围。并且，在本实施方式中，在 k 空间内的全部 P×Q 输入数据阵
列 K0中应用 HP 滤波器，但这是由于可能存在在原始的未处理数据 N×M 范围外由从前的非
线性处理步骤生成的、有用的高空间频率构成要素。一般而言，在所取得的 k 空间未处理
数据阵列 Kraw中，N 与在 MRI 数据取得序列之间于相位编码 (PE(phase encoded)) 方向所
取得的相位编码增量的有效数相等。另一方面，M 与在 MRI 数据取得扫描序列之间于读出
(RO(readout)) 方向所取得的频率编码采样的有效数相等。如图 2 所示，这是首先通过低
通，接着通过带通进行滤波处理的未处理的 k 空间区域 ( 即，空间频率区域 ) 的、该 N×M 阵
列。高通滤波器涵盖全部 k 空间阵列 K0而应用。
[0066] 如更详细地说明的那样，为了实质上符合 ( 如所提及的那样，在已经进行了部分
傅里叶以及并列成像的处理步骤之后，包含恢复后的数据范围 )N×M 数据值的原始的取得
的图像数据阵列，或者，针对 HP 滤波器，符合更大的输入数据阵列 K0( 通常希望是严格的，
但即使不严格 )，低通、带通、以及高通的滤波器窗口都调整为规定的大小。如图 2( 事实上
作为三维形状 ) 概略地图示的那样，滤波器窗函数符合应该进行滤波处理的原始的 k 空间
区域或者输入数据阵列的范围一面。在被滤波处理的数据阵列中，存在“正方形”的阵列
( 即，N ＝ M，或者 P ＝ Q)，接着，使滤波器核基本上符合正方形或者圆形的横截面 ( 沿着图 2
的滤波器窗函数轴线相切的情况 )。另一方面，N ≠ M，或者 P ≠ Q 的情况下，接着，低通滤波
器基本上呈长方形的横截面，另一方面，带通以及高通的滤波器基本上呈椭圆形的横截面。
[0067] 特别应该注意的是，在实施方式中，k 空间的带通滤波器核 (kernel) 相对于在全
部方向有效地提取边缘，在现有技术的坎尼型边缘提取滤波过程中，一般使用在图像区域
内两个正交的双方向性滤波核，之后，使该产物在图像区域内结合。
[0068] 如图 2 所示，所输入的原始的图像数据阵列 K0分别使用低通滤波窗口 (W LP)、带通
滤波窗口 (WBP)、以及高通滤波窗口 (WHP) 来进行高通、带通、以及低通的滤波处理。原始的
图像数据 K0内的 N×M 或者 P×Q 阵列的对应的要素为了生成以低通、带通、以及高通进行
滤波处理后的 P×Q 的 k 空间数据阵列 KLP、KBP、以及 KBP，分别对每个像素乘以滤波处理完成
窗函数 ( 即，图 2 所示的三维形状的“高度”) 的对应的适当的加权系数。接着，在取得了傅
里叶转换后的 LP 以及 HP 的滤波处理完成产物的绝对值 (magnitudes)、与傅里叶转换后的
HP 的滤波处理完成产物的实部之后，这些滤波处理完成数据阵列分别以将这些滤波处理完
成数据阵列反映于分别对应的 P×Q 数字图像区域阵列 ILP、IBP、以及 IHP的方式，分别进行二
维傅里叶转换 (2D FT)。如图 2 所示，低通图像区域阵列 ILP表示原始的未处理图像 I 0( 其
实际生成的情况下 ) 或者其有效的对应物 ( 在图像区域中不使用图像阵列 I0，而使用所取
得的未处理的图像数据 K0的情况下 ) 的平滑版本。带通滤波处理后的图像区域阵列 I BP表
示所提取出的边缘，另一方面，高通滤波处理后的图像区域阵列 IHP表示锐化掩膜。该锐化
掩膜通过在未处理边缘边界生成下冲以及过冲，来增大图像的知觉锐度，其结果起到增大

10
CN 102749601 B 说 明 书 8/15 页

边缘的知觉对比度的作用。
[0069] 对于本领域的技术人员而言不言而喻，傅里叶频率区域 ( 即，k 空间 ) 的简单明了
的相乘相当于实际的空间图像区域中的卷积。但是，另外，如所熟知的那样，卷积过程是复
杂的，且执行较花费时间。另外，在图像区域中，有时难以得到 k 空间的实施方式所使用的
相当于 k 空间窗函数的最优的图像区域的滤波卷积核。由于适当的图像区域卷积核的导
出，一般将拉普拉斯 (Laplacian) 型锐化掩膜进行定义来使用，因此，对于高通滤波过程而
言可以说更可能执行。但是，( 由于需要处理速度的削减等多余的策略，很明显，尽管被认
为不是优选的实施方式 ) 至少逻辑上能够在图像区域执行所有的滤波功能。
[0070] 如图 2 所示，表示所提取出的边缘的图像区域阵列 IBP为了生成连续值的 (“灰度”)
P×Q 边缘掩膜阵列 IEM，而进行阈值化以及羽化的过程。接着，如图 2 的 202 所示，P×Q 锐
化掩膜 ( 如果希望得到最优的成果， 优选是软阈值化之后的 )，对每个像素，乘以 P×Q 边缘
掩膜阵列。接着，为了得到最终的 P×Q 图像区域阵列 IF，其相乘结果对每个像素，加上图 2
的 204 所示的 P×Q 低通平滑化图像阵列 ILP。
[0071] 图 3 表示图 2 所示的实施方式所应用的计算机程序代码结构。在至少一个适当地
构成的数据处理部 ( 例如，图 1 所示的 MRI 数据处理部 42) 中使用该计算机程序代码结构。
另外，该计算机程序代码结构使用存储于图 1 所示的 MRI 系统内的适当的存储部 ( 例如，进
行数据处理部 42 与通信的 MR 图像存储部 46) 的输入图像阵列 I0以及输入数据阵列 K 0的
双方或一方。
[0072] 在 S300 中，数据处理部开始吉布斯的环状伪影 / 噪音伪影的滤波器模块。在 S302
中，数据处理部为了进行数据处理，进行是未处理数据 (raw data) 的 k 空间数据阵列 K0的
生成以及受理的双方或者一方 ( 例如，经由适当的操作接口 )。在步骤 S304 中，如虚线所
示，( 例如，由于 MRI 系统数据取得处理的工作流程设计 ) 当没有由取得数据提供数据处理
用时，作为向滤波过程的输入，输入数据阵列 K0为了生成适当的 P×Q 的 k 空间数据阵列 K 0，
也可以将图像区域内的既存的未处理图像阵列 I0进行二维逆傅里叶转换 ( 以及任意地填
零 )。
[0073] 另外，滤波处理的对象的输入数据阵列 K0有时是通过 MRI 系统收集到的 k 空间数
据本身，有时是根据图像数据进行逆傅里叶转换而生成的 k 空间数据。针对后者的情况进
行说明，MRI 系统有时具备具有多个要素线圈的阵列线圈，通过阵列线圈来收集数据。此时，
通过由多个要素线圈来收集 k 空间的数据，并分别将每个要素线圈的 k 空间的数据进行傅
里叶转换，生成每个要素线圈的图像空间的数据，并合成所生成的每个要素线圈的图像空
间的数据，从而生成原始图像。此时，MRI 系统也可以通过将原始图像 ( 合成图像 ) 进行逆
傅里叶转换，来生成滤波处理的对象的输入数据阵列 K0并缩短数据处理时间，或者也可以
通过分别将每个要素线圈的图像数据进行逆傅里叶转换，来生成滤波处理的对象的输入数
据阵列 K0，并反映每个要素线圈的各图像数据的影响。另外，即使在将前者的通过 MRI 系统
收集到的 k 空间数据本身作为滤波处理的对象的情况下，也可以对于合成各要素线圈的 k
空间数据的合成数据实施滤波处理，也可以对各要素线圈的各自的 k 空间数据实施滤波处
理。
[0074] 在 S306 中，为了生成低通滤波处理完成的 P×Q 的 k 空间阵列 KLP，数据处理部对
于 P×Q 的 k 空间数据阵列 K0，应用低通滤波器窗口化 (windowing)( 乘以窗函数 WLP)。窗函

11
CN 102749601 B 说 明 书 9/15 页

数 WLP涵盖 P×Q 的输入 k 空间数据的全部范围地进行了定义，但窗函数 W LP的零以外的范围

优选严格地、或者实质上与 N×M 的有效窗口化子阵列一致。同样地，在 S308 中，为了生成
带通滤波处理完成的 P×Q 的 k 空间阵列 KBP，数据处理部对于 P×Q 的 k 空间数据阵列 K0，应
用带通滤波器窗口化 ( 乘以窗函数 WBP)。窗函数 WBP的零以外的范围严格地、或者实质上与
N×M 的有效窗口化子阵列一致。另外，在 S310 中，为了生成高通滤波处理完成的 P×Q 的 k
空间阵列 KHP，数据处理部对于 P×Q 的 k 空间数据阵列 K0，应用严格地、或者实质上一致的
高通滤波器窗口化 ( 乘以窗函数 WHP)。当然，该滤波处理的顺序能够根据需要任意地变更。
[0075] 在 S312 中，数据处理部对滤波处理完成的 k 空间阵列，应用最优的二维傅里叶转
换。另外，接着，数据处理部在图像区域中，为了生成滤波处理完成的图像区域 P×Q 阵列 ILP
以及 IBP，取滤波处理完成的 k 空间阵列的绝对值 (magnitudes)。另外，数据处理部为了生成
滤波处理完成的图像区域 P×Q 阵列 IBP，从是复数的傅里叶转换的产物中取得实部。从而，
其结果生成的图像区域阵列 ILP以及 I BP都被划定为正 ( 所有的阵列要素值都在零以上 )。
对此，结果生成的图像区域阵列 IHP、软阈值处理前的 HP 锐化掩膜当然包含为零的平均值附
近的正以及负的双方的值。
[0076] 接着，在 S314 中，数据处理部为了使边缘掩膜的“通过范围”增加到合适的水平，
对于带通滤波处理完成的图像区域阵列 IBP进行适当的硬阈值处理，生成 P×Q 阈值边缘掩
膜阵列 IBPTH。此时，作为阈值，数据处理部使用根据未处理边缘掩膜 IBP的峰值以及平均值
而自动地计算出的数值。在此，硬 (hard) 阈值处理称为以阈值为基准，将值全部降低的处
理，例如，称为对于阈值以上的值将值变更为“阈值”、对于阈值以下的值将值变更为“零”这
样的处理。例如，在步骤 S314 中，如果是阈值以上的值，则数据处理部进行将值变更为“阈
值”的处理。另外，软 (soft) 阈值处理是硬阈值处理以外的阈值处理。
[0077] 在 S316 中，为了生成对应的 P×Q 的复数数据阵列 KBPTH，数据处理部对于阈值边缘
掩膜阵列 IBPTH，应用向 k 空间的二维逆傅里叶转换。在 S318 中，为了生成 P×Q 的低通滤波
处理完成 k 空间边缘掩膜的复数数据阵列 KEM，数据处理部对于该 KBPTH，针对每个像素乘以
P×Q 高斯低通滤波器窗函数 WGaussian。在 S320 中，数据处理部通过对于 k 空间阵列 KEM应用
二维傅里叶转换返回到图像空间，并取其绝对值，从而取得 P×Q 的羽化模糊图像区域边缘
掩膜阵列 IEM。
[0078] 在 S322 中，为了得到软阈值化图像区域阵列 IHPST，根据需要，数据处理部能够采用
对于 P×Q 的高通滤波处理完成图像阵列 IHP的简单的软阈值处理。非线性的软阈值处理通
过使值向零的一方减少，从而只对小于非常小的阈值 TST的原点周围的数据产生影响。从
而，根据软阈值处理，能够减少可能在锐化掩膜中发生的随机噪音以及吉布斯振铃。
[0079] 在 S324 中，数据处理部对于通过 P×Q 的带通滤波生成的边缘掩膜阵列 IEM，乘以
通过 P×Q 的软阈值处理高通滤波生成的锐化掩膜阵列 IHPST，接着，将该产物与通过 P×Q
的低通滤波生成的平滑图像区域阵列 ILP相加，来组成最终的图像 I F。所有的计算都根据
每个像素在图像区域内进行。在步骤 326 中，结束了该模块的滤波过程之后，进行向调用
(calling) 程序的处理器控制的返回 (return)。
[0080] 不言而喻，与二维阵列相关地说明了实施方式，但三维图像也同样能够 ( 例如，通
过将三维体的相邻的切片连续地进行滤波处理 ) 进行滤波处理。
[0081] 以下，说明包含基本的一维 (1D) 型与能够应用时的实用的二维 (2D) 型的、现在优

12
CN 102749601 B 说 明 书 10/15 页

选的、几个 k 空间的窗函数核。
[0082] [I a. 低通 (LP) 窗函数 ：
基本的 1D 公式化 ]
[0083] N ＝ k 空间取得数据大小 ( 在 2D 中，为 N 以及 M)
[0084] n ＝ k 空间像素指数 ( 从 1 到 N)( 在 2D 中，为 nx以及 n y)
[0085] r、w、a、p ：
优选的 ( 上位 ) 值以及第 2 优选的值为如标记出的那样提供的参数
[0086] [ 数学公式 1]

[0087]

[0088] [ 数学公式 2]

[0089]

[0090] r ＝ (3/8)N、w ＝ (10/128)N、或者 r ＝ (3/8)N、w ＝ (15/128)N

[0091] [ 数学公式 3]

[0092]

[0093] α ＝ 32、p ＝ 4、或者 α ＝ 96、p ＝ 6

[0094] [Ib. 低通窗函数 ： 基本的“1Dx1D”型 2D 公式化 ]
[0095] 窗口涵盖所取得的 N×M 的未处理数据的大小范围来划定。当 N ＝ M 时，根据设定
为零的范围以及外侧的所有的值、和与 1D 的情况下提供的值相同的设定的参数值，能够变
为正方形或者长方形。
[0096] [ 数学公式 4]
[0097] W2D(nx，N，ny，Ny，M) ＝ W(nx，N)W(ny，M)
[0098] [ 数学公式 5]
[0099]

[0100] [ 数学公式 6]
[0101]

[0102] [ 数学公式 7]
[0103]

13
CN 102749601 B 说 明 书 11/15 页

[0104] [II. 带通 (BP) 窗函数 ]

[0105] 将“γ 变量”函数作为 BP 窗函数来使用。
[0106] [ 数学公式 8]
[0107] WBP(|k|) ＝ |k|αe-|k|β
[0108] 其中，α ＝ 6 以及 β ＝ 3，以及 |k| 归一化为 |k| ＝ 25.6Kn/C。其中，Kn是从原
点开始的“k 空间距离”，C 是沿着根据未处理数据阵列尺寸的特定方向的“有效截止范围”。
仅仅通过涵盖所取得的 N×M 的未处理数据的大小范围来进行划定，当 N ＝ M( 或者 ε ＝ 1)
时，根据设定为零的范围以及外侧的所有的值，窗口能够变为圆形或者椭圆形。
[0109] 在一实施方式中，W(nx，ny) ＝ t6exp[-t/3]
[0110] 其中，t ＝ 25.6Kn/C
[0111] Kn＝√ (X 02+Y02)
[0112] C ＝ (Nx/2)Kn/(X02+ε2Y02)
[0113] ε ＝ (N/M)
[0114] X0＝ n x-(N/2)-1
[0115] Y0＝ n y-(M/2)-1
[0116] 注： BP 窗函数在 Kn＝ 0 时具有 0/0 特异性。其中，需要将特异性明确地设定为 0。
另外，BP 窗函数的峰值应该归一化为 WBP ＝ 1/|max(WBP)| 那样。
[0117] [III. 高通 (HP) 窗函数 ]
[0118] k 空 间 HP 窗 函 数 作 为 为 了 进 行 线 性 空 间 不 变 (LSI(Linear Spatially
Invariant)) 平滑化滤波，而与被定义的“强度”对应的 LSI 拉普拉斯锐化图像区域卷积核
的二维逆傅里叶转换的数量而制成。在此，存在对于 1.5、2.0、2.5、以及 3.0 的“LSI 强度”
的几个归一化后的锐化核，初始设定值优选被设定为 2.5。强度数越高，应用了窗口化之后，
锐化变得越尖锐。
[0119] [ 数学公式 9]

[0120]

[0121] [ 数学公式 10]

[0122]

[0123] [ 数学公式 11]

14
CN 102749601 B 说 明 书 12/15 页

[0124]

[0125] [ 数学公式 12]

[0126]

[0127] 如果选择图像区域拉普拉斯锐化卷积核，则对应的 k 空间 HP 窗函数如以下那样制

成。
[0128] [ 数学公式 13]
[0129] WHP＝ |FT(Kernel Lapiacian*)|
[0130] 该数学公式涵盖全部输入 k 空间数据 K0范围来进行定义。其中，Kernel LaPlacian*如
上述那样，是以 P×Q 的 k 空间容器尺寸进行填零的 ( 即，将除去中心的 3x3 区域而得到位
置记作 0) 对应的 3x3 拉普拉斯图像区域锐化卷积核。
[0131] [IV.HP 锐化掩膜软阈值化公式化 ]
[0132] 当根据归一化后的输入图像的高通滤波得到的输入 HP 锐化掩膜为 IHP、以及输出
软阈值锐化掩膜为 IHPST时，希望最优成果时，能够执行软阈值化。
[0133] |IHP| 小于 t 的情况下，
[0134] [ 数学公式 14]
[0135] IHPST ＝ IHP×(|IHP|/t )^p
[0136] 在实施方式中，当 t ＝ 0.02 以及 P ＝ 1 的情况下，该数学公式将锐化强度逐渐降
至阈值 t 以下。
[0137] [V. 边缘掩膜阈值化公式化 ]
[0138] BP 导出边缘掩膜的自动适应硬阈值化能够如以下那样执行。
[0139] [ 数学公式 15]
[0140] IBPTH＝ min(I BP，mean(IBP)/h)^2
[0141] 其中，h 是在最优的实施方式中预先设定为 0.36 的常数。另一方面，mean(IBP)/h
项表示自动阈值。通过改变 h 值，进行边缘掩膜的作用范围的控制。该控制控制 LSI HP 滤
波器强度，同时控制输入图像边缘周围的锐化的整体的范围以及空间范围。该控制之后，继
续将较低的值降低到零的步骤以及归一化步骤。
[0142] IBPTH＝ I BPTH-min(IBPTH)
[0143] IBPTH＝ I BPTH/max(|IBPTH|)
[0144] [VI. 边缘掩膜羽化 k 空间低通公式化 ]
[0145] 阈值边缘掩膜羽化 ( 从 IBPTH到 I EM) 的羽化 ( 边缘软化，或者边缘层次 ) 使用低通
高斯窗口来在 k 空间被执行。
[0146] [ 数学公式 16]
[0147] WGaussian＝ exp[-(n x-(N/2))/(σ*(N/2))]exp[-(ny-(M/2))/(σ*(M/2))]

15
CN 102749601 B 说 明 书 13/15 页

[0148] 其 中，在 最 优 的 实 施 方 式 中，σ ＝ σ0*(min(N，M)/128) 以 及 σ0＝ 0.16。 二

维傅里叶转换后所生成的边缘掩膜 IEM|FT-1[WGaussian*FT(IBPTH)]| 再次归一化为 IEM＝ I EM/
max(|IEM|)。
[0149] 在实施方式中，存在 3 个主要的构成要素。(1) 作为图像的层次 ( 平滑化 ) 的版本
ILP。其实现环状伪影以及噪音伪影的基本的降低。(2) 锐化掩膜 IHPST。其强化边缘锐度以
及细微细节显著性。(3) 模糊 ( 羽化完成的 ) 的连续值的 (“灰度”) 边缘掩膜 IEM。其为了
生成最终产物，在全面地、或者部分地应用、或者没有应用锐化掩膜 IHPST的边缘的周围，选
择 ILP的一部分。
[0150] 为了进行 k 空间低通滤波，可以说最适合使用合适的窗函数。这是因为，该功能对
于等量的环状伪影减低，易于保持比其他的窗函数多的图像细节 ( 更少的整体的层次 )。
[0151] 图像区域中的图像锐化方法通过将图像区域拉普拉斯核卷积置换成同等的 k 空
间窗口化过程，能够大致简化成在图像区域中使用等价的拉普拉斯锐化核的卷积，但处理
速度变的非常慢。
[0152] 在使用不正确的阈值的情况下，有时没有保持边缘或者细节 ( 例如，阈值过低
时 )，或者有时没有将若干的环状伪影以及噪音从产物中除去 ( 例如，阈值过高时 )。虽然
能够手动地设定、微调整最优的边缘掩膜阈值，但大多数情况下，自动化的边缘掩膜阈值导
出算法通过导出十分近似于手动设定值的阈值，来相当好地发挥作用，特别地，对于包含低
分辨率以及中分辨率的 T1 强调以及 T2 强调后的轴方向头部以及矢状颈椎的图像的主要的
环状伪影减低目标来正确地发挥作用。
[0153] 不言而喻，基于实施方式的图像处理 / 滤波方法通过低通 (LP) 空间频率滤波器来
削减吉布斯的环状伪影以及若干的噪音，另一方面，通过使用应用了阈值的边缘掩膜，来保
持并强调成像的细节以及边缘的划定。在实施方式中，边缘掩膜被制成通过涵盖“透明的”
区域而选择性地应用的高通 (HP) 滤波器来强调细节以及边缘。通向成功的 1 个重要的局
面依存于仔细地使 LP、HP、以及边缘提取 BP 的滤波器窗函数的特征一致，由此，那些功能相
互连续地发挥作用 ( 即，以有效的尺寸以及强度相互补充 )。
[0154] 实施方式依存于所取得的原始的 k 空间数据阵列大小的正确的规格。例如，当在
未处理数据的 N×M 阵列中不正确地指定 PE 矩阵大小 ( 例如，N) 时，结果生成的图像质量
恶化。
[0155] 总之，具有最优化后的参数的高速低通 k 空间滤波 ( 窗口化 ) 方法首先用于根据
数据截断来削减吉布斯的环状伪影，并削减图像内的整体的噪音。单纯且高速的全方位 k
空间带通边缘检测滤波器 ( 窗口 ) 在阈值化以及羽化之后，在图像区域用于生成边缘掩膜。
原始的图像内的边缘从边缘掩膜全部区域向低通滤波处理完成图像选择性地逆粘贴。
[0156] 产物也可以在包含通过上述的过程自然地生成的外插 k 空间数据的、扩张后的 k
空间范围容器中进行二维傅里叶转换。接着，该产物使用 1D 或者 2D 的线性变换函数 ( 单
个或者多个 ) 来与大部分被保持的原始的取得 k 空间未处理数据的外侧 k 空间部分混合。
接着，该产物为了生成例如，爱好者等 (Amartur et al.)、1991 年以及 1991 年，以及康斯特
布尔等 (Constable et al.)、1991 年，所叙述的方法类似的其他的滤波处理完成图像产物，
向图像区域进行二维逆傅里叶转换并返回。其结果，该产物生成整体的锐度的、较不整体的
主观的印象，观众能够更自然地观察。

16
CN 102749601 B 说 明 书 14/15 页

[0157] 为了符合吉布斯的振铃不是主要的问题、纯粹的 ( 高分辨率的 ) 图像噪音除去、以

及涵盖 MRI 检查部位以外的一般的图像的双方或者一方等大范围的目的，能够个别地调节
低通、高通、以及边缘检测 k 空间的窗函数的参数。
[0158] 或者，傅里叶空间二维低通滤波能够置换成图像区域平滑化 ( 加权平均 ) 卷积。但
是，k 空间窗口化方法在计算机上更有效，另外，由于所有的 MRI 未处理数据都在 k 空间取
得，因此，易于更好地符合 MR 数据流的性质。另外，傅里叶空间二维高通滤波能够置换成图
像区域拉普拉斯卷积或者非锐化屏蔽式锐化卷积以及计算。但是，虽然重复，但大多数情况
下，k 空间窗口化方法更快速，工作的流程更好地符合 MR 数据流的性质。
[0159] 另外，傅里叶空间二维边缘提取滤波没有边缘的细化以及连结化的通常的最终步
骤，能够置换成坎尼型图像区域边缘提取。但是，虽然又重复一次，但 k 空间窗口化方法更
快速，在计算机上更有效，更好地符合 MR 数据流的性质。即使其性能具有更容易受到输入
图像的噪音的影响的倾向。对于具有非常低的 S(Signal)/N(Noise) 比的图像，可以说还优
选坎尼型边缘提取。坎尼型边缘提取还是 2 个 k 空间窗口化步骤，另外，作为产物的图像区
域组合来执行。
[0160] 或者，作为掩膜生成的最终步骤，用于将边缘掩膜进行羽化的傅里叶空间二维低
通滤波能够置换成图像区域平滑化，但空间 - 空间窗口化方法更高速且在计算机上更有效
率。
[0161] 在实施方式中，为了克服从前的低通滤波方法中的边缘以及细节模糊的若干问
题，强调边缘以及细节，同时连续编入有吉布斯的环状伪影减低以及噪音降低。与西格玛滤
波以及各向异性扩散方法不同，实施方式制成在非边缘部位保持细微的层次的美丽的自然
的图像。换而言之，在实施方式中，MR 图像看上去不是“一定地区分”或者“如 CT 的那样”，
而看上去如其 MR 检查部位的实际的样子那样。通过改善真正的边缘以及低对比度细微细
节的显著性，从而除去吉布斯的环状伪影的大部分，并降低图像噪音的整体的水平，医师能
够更好地将病变、梗塞、以及异常进行映像化。
[0162] 实施方式提出了，用于降低吉布斯的环状伪影以及噪音伪影的、最优或者接近最
优的、二维傅里叶空间低通窗函数的定义、和用于向低分辨率以及中分辨率的 MRI 图像的
目标形式的细节强调以及边缘锐化的、最优或者接近最优的、固定的傅里叶空间二维高通
滤波窗函数的定义。
[0163] 本说明书所记载的方法以及系统能够以比所记载的实施方式更良好地符合特定
的图像处理目的、例如具备创造出各种“品味”的各种生成图像的任意的低通、带通 ( 一方
向性、双方向性、多方向性、以及全方位 )、以及高通的窗函数的、各种其他形式进行具体化。
[0164] 基本的过程也可以包含以下的组合步骤。在组合步骤中，作为输入 k 空间数据
K0的改良版，输入 k 空间数据 K 0的一部分被置换成将最终的图像 I F进行逆傅里叶转换
后的数据 ( 完全或者部分地产生的数据 )。另外，能够二者择一地选择是选择性地置换，
还是部分地置换。另外，最终的图像 IF数学性地通过与 (I EM)*Isharpen+(1-IEM)*ILP、或者
(IEM)*Isharpen+(1-IEM)*ILP大致相同的组合方法来表现。最终图像 I F是输入图像 I 0的锐化版
Isharpen、连续值的灰度边缘掩膜图像 IEM、以及低通滤波处理完成图像 ILP的组合。改良后的
k 空间数据能够在原始取得的 N×M 大小的 k 空间数据范围的外侧，包含强化后的高空间频
率的构成要素。其在上述的滤波过程之间自然地外插。

17
CN 102749601 B 说 明 书 15/15 页

[0165] 根据以上所述的至少一实施方式的图像处理装置、图像处理方法、以及磁共振成
像装置，能够提高画质。
[0166] 虽然说明了本发明的几个实施方式，但这些实施方式是作为例子而提示的，并不
意图限定本发明的范围。这些实施方式能够以其他的各种形态进行实施，在不脱离发明的
要旨的范围内，能够进行各种的省略、置换、变更。这些实施方式或其变形与包含于发明的
范围或要旨中一样，包含于权利要求书记载的发明及其均等的范围中。

18
CN 102749601 B 说 明 书 附 图 1/3 页

图1

19
CN 102749601 B 说 明 书 附 图 2/3 页

图2

20
CN 102749601 B 说 明 书 附 图 3/3 页

图3

21