技术领域 本发明涉及图像信号的降噪，并且具体但非排外地涉及医学图像数据 的降噪。 背景技术 为了降低患者在医学成像期间的X射线照射，越来越多地使用超低剂 量CT(计算机断层摄影)成像。然而，借助于这一方法获得的图像包含大 量噪声，因此有必要在能够进行对临床参数的计算机辅助量化之前执行图 像恢复。同样，无法直接在具有不同噪声水平的医学图像之间比较临床参 数的多种计算机辅助测量，并且，在能够进行比较之前，包含噪声的图像 需要经受噪声抑制滤波器的作用。然而，用于图像恢复的很多种噪声抑制 滤波器是已知的，诸如通过方向可调滤波器进行的高斯平滑、二项式平滑、 中值滤波、均值漂移滤波、非各向同性扩散和非各向同性平滑。这些类型 的噪声抑制滤波器中的每个需要一个或多个参数以控制滤波器的作用强 度。然而，噪声抑制滤波器的应用强度等级通常是未知的，并且可能需要 针对每个新图像独立地进行设定。这可以显著地影响根据图像对临床参数 的估计。 Marc Hensel等人的“Motion and Noise Detection for Adaptive Spatio-Temporal Filtering of Medical X-Ray Image Sequences”，9th Annual Conference on Medical Image Understanding and Analysis 2005(MIUA 2005)， 第219-222页，Bristol，U.K.，2005年7月19-20日，描述了在医学X射线 图像的时间序列中探测运动的不同阈值的欧拉数的使用。考虑了后续X射 线图像之间的不同图像。针对在一个图像和随后的图像之间有差异的每个 体素，寻求亮度差异是起源于噪声还是起源于运动的决策。为了实现这一 目标，针对时间序列的不同图像的各个阈值计算欧拉数，然后确定所得到 的欧拉曲线中的某一点。然而，通过首先针对每个可能的阈值根据不同的 图像生成二值图像然后针对每个二值图像计算欧拉数，以非常费时的方式 确定不同图像的欧拉曲线。 发明内容 本发明的目的在于，使得噪声抑制滤波器的应用强度能够被自动控制， 并且使得最适当的图像恢复方法能够被选出以便提供与期望的无噪声的目 标图像最相似的结果。 根据本发明的一个方面，提供一种处理图像数据的方法，所述方法包 括： -接收第一输入图像数据，其表示对象的至少一个图像并且包括多个第 一数据集，其中，每个所述第一数据集包括表示在所述对象的相应位置处 探测到的物理参数的相应第一分量； -提供二值图像数据，其表示与至少一个所述图像相对应的相应二值图 像并且包括与每个所述第一数据集相对应的相应多个第二数据集，其中， 每个所述第二数据集包括具有借助于相对应的所述第一数据集的所述第一 分量与相应阈值的比较而确定的第一或第二值的相应第二分量； -确定与至少一个所述图像相对应的相应多个所述二值图像的相应欧拉 数； -提供取决于所述多个欧拉数的至少一个控制信号； -将噪声抑制过程应用于所述输入图像数据以提供输出图像数据；以及 -借助于至少一个所述控制信号对所述噪声抑制过程进行控制。 通过借助取决于与不同阈值相对应的多个二值图像的相应欧拉数的至 少一个控制信号来对噪声抑制过程进行控制，这提供了能够自动控制图像 恢复滤波器的应用强度的优点。同样，由于本发明的方法所提供的控制信 号包含与图像的噪声含量有关的信息，本发明还提供了能够将借助于不同 成像过程提供(并且因此具有不同的噪声含量)的图像彼此进行比较的优 点，并且还使得最适当的图像恢复方法能够被选出以便提供与期望的无噪 声的目标图像最相似的结果。 在一个优选实施例中，确定相应的多个所述二值图像的相应欧拉数的 步骤包括确定多个所述第二数据集中的每个是否表示相对应的所述二值图 像的相应顶点、边或面。 通过确定多个所述第二数据集中的每个是否表示相对应的所述二值图 像的相应顶点、边或面，这提供了能够借助于对二值图像的各分量部分的 欧拉数进行求和来确定相应二值图像的欧拉数的优点。 确定多个所述第二数据集中的每个是否表示相应顶点、边或面的步骤 可以包括：(a)确定与所述对象的预定位置相对应的预定第二数据集是否 表示与第一阈值相对应的二值图像的顶点、边或面；以及(b)根据在步骤 (a)所实现的确定结果，进一步对与所述预定位置相对应的第二数据集和 与低于所述第一阈值的第二阈值相对应的第二数据集进行分类。 通过确定与所述对象的预定位置相对应的预定的第二数据集是否表示 与第一阈值相对应的二值图像的顶点、边或面，并根据所述确定结果进一 步对与较低阈值相对应的第二数据集进行分类，这提供了能够以有效的方 式确定欧拉数的优点。例如，可以针对所使用的最高阈值确定预定的第二 数据集是否与顶点、边或面相对应，并且，与顶点、边或面相对应的那些 第二数据集还将针对所有较低阈值与相应顶点、边或面相对应。这提供了 所需的软件工作量与图像中的像素或体素的数量具有线性关系的令人惊奇 的优点，然而，在相关领域中认为所需的软件工作量是图像中的像素或体 素的数量与所使用的阈值的数量的乘积的函数。这进而能够在单次光栅扫 描中实现针对图像的体素的每个像素的确定，这在软件方面是非常有效的。 因此，这允许快速计算输出图像数据并且仅需要简单且紧凑的软件代码。 确定预定的所述第二数据集是否表示顶点的步骤可以包括确定所述预 定第二数据集的所述第二分量何时变得大于所述第二阈值。 确定预定的所述第二数据集是否表示边的步骤可以包括确定(i)所述 预定第二数据集的所述第二分量和(ii)与邻近所述预定第二数据集的位置 的位置相对应的第二数据集的所述第二分量二者中的较低者何时变得大于 所述第二阈值。 确定预定的所述第二数据集是否表示面的步骤可以包括确定(i)所述 预定第二数据集的所述第二分量和(ii)与邻近所述预定第二数据集的位置 的相应位置相对应的多个第二数据集的所述第二分量二者中的较低者何时 变得大于所述第二阈值。 确定相应多个所述二值图像的相应欧拉数的步骤还可以包括确定多个 所述第二数据集中的每个是否表示相对应的所述二值图像的相应卦限 (octant)。 这提供了能够将该方法应用于3D图像数据的优点。 提供取决于所述多个欧拉数的至少一个控制信号的步骤可以包括确定 (i)与所述图像相对应的所述多个欧拉数和(ii)与目标图像相对应的多个 欧拉数二者之间的相关性。 提供取决于所述多个欧拉数的至少一个控制信号的步骤可以包括确定 (i)与所述图像相对应的所述多个欧拉数和(ii)与由第二输入图像数据表 示的图像相对应的多个欧拉数二者之间的相关性。 根据本发明的另一方面，提供一种用于处理图像数据的图像处理装置， 所述装置包括至少一个处理器，所述至少一个处理器用于： -接收第一输入图像数据，其表示对象的至少一个图像并且包括多个第 一数据集，其中，每个所述第一数据集包括表示在所述对象的相应位置处 探测到的物理参数的相应第一分量； -提供二值图像数据，其表示与至少一个所述图像相对应的相应二值图 像并且包括与每个所述第一数据集相对应的相应多个第二数据集，其中， 每个所述第二数据集包括具有借助于相对应的所述第一数据集的所述第一 分量与相应阈值的比较而确定的第一或第二值的相应第二分量； -确定与至少一个所述图像相对应的相应多个所述二值图像的相应欧拉 数； -提供取决于所述多个欧拉数的至少一个控制信号； -将噪声抑制过程应用于所述输入图像数据以提供输出图像数据；以及 -借助于至少一个所述控制信号对所述噪声抑制过程进行控制。 根据本发明的又一方面，提供一种成像装置，其包括用于提供表示对 象的至少一个图像并且包括多个第一数据集的第一输入图像数据的图像形 成设备，其中，每个所述第一数据集包括表示在所述对象的相应位置处探 测到的物理参数的相应第一分量，并且所述成像装置还包括如上面所定义 的图像处理装置。 根据本发明的又一方面，提供一种供计算机使用以处理图像数据的数 据结构，所述数据结构包括： -第一计算机代码，其可执行以接收表示对象的至少一个图像并且包括 多个第一数据集的第一输入图像数据，其中，每个所述第一数据集包括表 示在所述对象的相应位置处探测到的物理参数的相应第一分量； -第二计算机代码，其可执行以提供表示与至少一个所述图像相对应的 相应二值图像并且包括与每个所述第一数据集相对应的相应多个第二数据 集的二值图像数据，其中，每个所述第二数据集包括具有借助于相对应的 所述第一数据集的所述第一分量与相应阈值的比较而确定的第一或第二值 的相应第二分量； -第三计算机代码，其可执行以确定与至少一个所述图像相对应的相应 多个所述二值图像的相应欧拉数； -第四计算机代码，其可执行以提供取决于所述多个欧拉数的至少一个 控制信号； -第五计算机代码，其可执行以将噪声抑制过程应用于所述输入图像数 据以提供输出图像数据；以及 -第六计算机代码，其可执行以借助于至少一个所述控制信号对所述噪 声抑制过程进行控制。 根据本发明的又一方面，提供一种如以上所定义并且存储于载体上的 数据结构。 附图说明 现在将通过参考附图，仅仅作为示例且不以任何限制性意义对本发明 的优选实施例进行描述，附图中： 图1是体现本发明的医学成像装置； 图2示出了患者肺部的CT标准剂量和超低剂量CT肺部扫描的比较； 图3示出了用于控制图1的装置的处理器中的噪声抑制算法的第一过 程的流程图； 图4示出了用于控制图1的装置的处理器中的噪声抑制算法的第二过 程的流程图； 图5示出了分别在未进行降噪滤波、进行轻度降噪滤波和进行强降噪 滤波之后的标准剂量图像与超低剂量图像的比较； 图6示出了具有图5的不同程度的噪声抑制的标准剂量图像和低剂量 图像之间的常态直方图与欧拉直方图之间的比较。 具体实施方式 参考图1，用于提供患者4的肺部图像的计算机断层摄影(CT)成像 装置2具有围绕圆形框架10以成对对置的方式布置的多个X射线源6和探 测器8。在平台12上支撑患者4，借助于计算机16中的控制单元14，平台 12可以沿着箭头A的方向相对于框架10移动。 借助于控制单元14对X射线源6和探测器8以及平台12的移动进行 控制，并且将由探测器8探测到的数据沿着输入线18输入至计算机16的 处理器20。处理器20对沿着输入线18接收的数据进行处理，以提供患者 肺部的3D模型，并且将图像数据沿着输出线22输出至显示单元24，以使 得患者肺部的图像能够得以显示。 现在参考图2，该装置可用于生成患者肺部的标准剂量图像和超低剂量 图像。图2示出了同一患者的CT标准剂量和超低剂量CT扫描，其中在近 似同一位置进行冠状位重组(reformat)，从而示出了超低剂量图像中的更 高的噪声水平。 对与图2中所示的超低剂量CT扫描相对应的图像数据进行处理，以便 于通过将图像强度的灰度值与一系列灰度阈值进行比较来获得二值图像数 据。然后，针对宽范围的阈值获得二值图像数据，从而可以通过单个灰度 值图像计算出一系列二值图像。然后，对二值图像数据进行处理，以获得 二值图像的欧拉直方图，即在选定范围的阈值内的二值图像的欧拉数的图。 为了计算欧拉直方图，针对与图2中所示的那些图像的2维二值图像， 将二值图像的欧拉数E定义为： 2E＝#顶点-#边+#面， 其中，可以在二值图像的前景部分上任意地画出顶点和连接边以及面。为 了方便起见，认为顶点与图像的体素网格上的位置一致，然后，可以通过 对各分量部分的局部欧拉数进行求和来计算出全局欧拉数。 处理器通过从具有朝最小值Tmin逐渐降低的高值Tmax的阈值开始来计 算二值图像的每个体素对顶点、边和面的总数的贡献。所得到的一系列二 值图像在具有大于或等于阈值T的强度值的体素处具有值1，而在具有小于 T的强度值处为零。 为了确定每个体素的顶点对总欧拉直方图的贡献，在逐渐减低阈值T 的过程中，在位置(x，y)处的具有强度v的体素在T顶点＝v(x，y)时第一次成 为二值图像中的顶点，并且针对所有较低的阈值仍然是顶点。 相似地，体素在 T边1＝min{v(x，y)，v(x+1，y)} 或者T边2＝min{v(x，y)，v(x，y+1)} 时第一次成为边的部分，并且针对所有较低的阈值仍然是边。 相似地，该体素在 T面＝min{v(x，y)，v(x+1，y)，v(x，y+1)，v(x+1，y+1)}＝min{T边1，T边2，， v(x+1，y+1)} 时第一次成为面的部分，并且针对所有较低的阈值仍然是面。 因此，处理器针对每个像素执行以上计算，然后执行对体素的光栅扫 描并且重复该过程。以这一方式，针对所有选定的阈值，覆盖体素网格上 的所有可能的顶点、边和面，并且通过对分离的体素的独立贡献进行求和 来计算欧拉直方图。这使得能够在单次扫描中针对所有阈值计算每个体素 对欧拉直方图的贡献，并且因此在软件方面是非常有效的。 如本领域技术人员将很容易地理解的，以上过程还可以推广至3D图像 数据，其中，欧拉数E由 2E＝#顶点-#边+#面-#卦限 给出。 参考图3，示出了用于控制图1的装置的处理器20中的噪声抑制算法 的过程的流程图。在步骤S10获得灰度值参考图像，该灰度值参考图像可 能是根据与用于获得应用噪声抑制算法的噪声图像的方法不同的方法获得 的灰度值图像。然后，在步骤S20根据上述方法获得灰度值参考图像的欧 拉直方图。 同时，在步骤S30获得表示与预定阈值相比较的要进行处理的噪声图 像的灰度值图像。在步骤S40获得灰度值图像的欧拉直方图。在步骤S50， 例如借助于本领域技术人员所熟悉的适当的相关函数来确定在步骤S20和 S40获得的欧拉直方图之间的相似度。然后，如果在步骤S60确定欧拉直方 图之间的相似度与在这种情况下可能的最优值(例如可获得的所有噪声抑 制算法的最优相关值)不同，则在步骤S70例如通过改变所使用的噪声抑 制算法或调整其参数来对噪声抑制算法进行调整。然后，在步骤S80将经 调整的噪声抑制算法应用于噪声灰度值图像，并且重复该过程，直到在步 骤S60确定了欧拉直方图之间的最优相似度，然后在步骤S90该过程结束。 在图4中示出了用于控制图1的装置的处理器20中的噪声抑制算法的 进一步过程的流程图。在步骤S110，获得与要进行处理的噪声图像相对应 的灰度值图像。然后，在步骤S120根据上述方法获得灰度值图像的欧拉直 方图。 在步骤S130计算对灰度值图像中所存在的噪声的测量值，并且在步骤 S140将这一测量值与预定阈值进行比较。如果在步骤S140确定噪声值并不 在可接受的限度内，则在步骤S150例如通过改变所使用的噪声抑制算法或 调整其参数来对噪声抑制算法进行调整。然后，在步骤S160将经调整的噪 声抑制算法应用于噪声灰度值图像，并且重复该过程，直到在步骤S140认 为噪声测量值是在可接受的限度内，然后在步骤S170该过程结束。 图5示出了以上过程的结果，其中左手栏示出了标准剂量的图像，而 右手栏示出了分别未经受噪声滤波、经受轻度噪声滤波和经受强噪声滤波 的超低剂量的图像。可以看出，最佳质量的超低剂量图像是与轻度噪声滤 波相对应的图像。 图6示出了具有不同程度的噪声抑制(均值漂移滤波)的标准剂量图 像与低剂量图像的常态直方图(顶排)之间的比较。图4的底排示出了欧 拉直方图的比较。如本领域技术人员将意识到的，x轴上的单位为直方图的 所谓的面元，在这种情况下为图像的灰度值0..2000。对于CT图像，灰度 值通常与Hounsfield值(HU)相对应，在这种情况下具有偏移量1000，从 而灰度值0是指-1000HU。然后，y轴为处于这一灰度值的阈值的欧拉数(对 于整个体积图像，由大约100切片图像组成)。 对于常态直方图，相关性随着不断增强的噪声抑制而增加。然而，视 觉印象为相似度在滤波强度为Δv＝60HU时是最优的，Δv＝60HU的滤波 强度还是欧拉直方图的最优相关性的点。 本领域技术人员将意识到，已经仅仅作为示例且不以任何限定性意义 对上述实施例进行了描述，并且在不偏离由所附权利要求书限定的本发明 的范围的情况下，各种改变和修改都是可能的。例如，尽管已关于医学图 像处理对本发明进行了描述，本领域技术人员将意识到，可以将本发明应 用于任何类型的成像，包括摄影图像和视频图像。