CN113936068B - 伪影校正方法、装置和存储介质 - Google Patents

Abstract

本申请涉及一种伪影校正方法、装置和存储介质。通过调用多个线程并行执行采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像后，获取每种权重下各所述虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重，然后根据目标权重将第一校正图像和误差图像融合得到第二校正图像，最后通过该第二校正图像获取到待校正图像进行伪影校正后的图像；该方法实现计算过程多个单线程并行化运行数据流，极大地提升了计算性能，节省了计算时间，从而提高伪影校正效率。

Description

伪影校正方法、装置和存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种伪影校正方法、装置和存储介质。

背景技术

伪影是指原本被扫描物体并不存在而在图像上却出现的各种形态的影像。伪影的类型包括多种多样，例如，金属伪影、运动伪影等。

图像中存在伪影会影响图像的质量，所以需要对图像中的伪影进行校正，以金属伪影为例，校正图像上的金属伪影时可以采用金属伪影校正(Metal ArtifactCorrection，MAC)算法进行校正。MAC算法是一种用于消除图像上金属伪影的方法，能够有效降低金属植入物引入的图像噪声，一定程度上恢复图像内容。但是该算法涉及复杂的图像处理过程，计算逻辑耦合度高，导致单张图像处理时间过长，很难满足阅片诊断需求，因此，伪影校正过程中存在伪影校正效率低下的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高伪影校正效率的伪影校正方法、装置和存储介质。

第一方面，本申请实施例提供一种伪影校正方法，该方法包括：

调用多个线程并行执行校正操作，且一个线程对应处理一个或多个像素；

校正过操作包括：

采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像；第一校正图像表示待校正图像的投影数据中去除干扰源所引起的伪影分量的部分或全部后所对应的图像，误差图像表示从待校正图像的投影数据初次减去第一校正图像的投影数据所对应的图像；

对于每种权重，获取各虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重；目标权重为预设数量的权重中的一种；

根据目标权重将第一校正图像和误差图像融合得到第二校正图像；第二校正图像用于获取待校正图像进行伪影校正后的图像。

在其中一个实施例中，上述采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像，包括：

依次采用预设数量的权重中的一种权重，将第一校正图像和误差图像进行融合，得到预设数量的虚拟融合图像；

其中，在每次融合第一校正图像和误差图像时，多个线程中各线程对应处理第一校正图像和误差图像中对应位置的像素。

在其中一个实施例中，上述获取各虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重，包括：

获取各虚拟融合图像的每个像素所处邻域对应的概率分布函数；

根据各虚拟融合图像的每个像素所处邻域的概率分布函数，确定各虚拟融合图像的每个像素所处邻域的信息熵；

将各不同权重下每个像素所处邻域的信息熵中最小的信息熵在预设数量权重中的对应权重确定为目标权重。

在其中一个实施例中，上述根据目标权重，将第一校正图像和误差图像融合得到第二校正图像，包括：

根据误差图像中各像素的目标权重，获取第一校正图像和误差图像中对应位置的像素的加权和，得到第二校正图像。

在其中一个实施例中，上述线程的数量等于或大于误差图像所包含的像素数量，且多个线程同时为对应的像素确定目标权重。

在其中一个实施例中，上述线程的数量小于误差图像所包含的像素数量，且至少一个线程为至少两个像素确定目标权重。

在其中一个实施例中，该方法还包括：

分割出待校正图像的高频部分图像及第二校正图像的低频部分图像；

对高频部分图像及低频部分图像进行融合，以获得第三校正图像，该第三校正图像为待校正图像伪影校正后的图像。

第二方面，本申请实施例提供一种伪影校正装置，该装置包括：

调用模块，用于调用多个线程模块并行执行校正操作，且一个线程模块对应处理一个或多个像素；

线程模块，用于执行校正操作；

线程模块包括：融合单元，用于采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像；第一校正图像表示待校正图像的投影数据中去除干扰源所引起的伪影分量的部分或全部后所对应的图像，误差图像表示从待校正图像的投影数据初次减去第一校正图像的投影数据所对应的图像；

确定单元，用于对于每种权重，获取各虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重；目标权重为预设数量的权重中的一种；

校正单元，用于根据目标权重将第一校正图像和误差图像融合得到第二校正图像；第二校正图像用于获取待校正图像进行伪影校正后的图像。

第三方面，本申请实施例提供一种伪影校正方法，方法包括：

调用多个线程并行执行校正操作，且一个线程对应处理一个或多个投影数据；

校正操作包括：

获取CT扫描的投影数据；

从CT扫描的投影数据之中除掉干扰源所引起的伪影分量的至少一部分来生成第一次校正投影数据；以及，从CT扫描的投影数据之中减去一次第一次校正投影数据，生成误差图像的投影数据；

对于误差图像的投影数据的每个数据点与对应的第一次校正投影数据的数据点，施加预设数量的权重得到融合数据点；

对于每个融合数据点，分别计算该融合数据点所处的邻域的信息熵；

根据每个融合数据点所处的邻域的信息熵，为误差图像的投影数据的每个数据点确定目标权重；

采用目标权重将第一次校正投影数据、误差图像的投影数据融合得到多个合成数据点，该多个合成数据点组成第二校正图像的投影数据。

第四方面，本申请实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面实施例提供的任一方法的步骤。

第五方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面、第三方面实施例提供的任一方法的步骤。

本申请实施例提供的一种伪影校正方法、装置、计算机设备和存储介质，通过调用多个线程并行执行采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像后，获取每种权重下各所述虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重，然后根据目标权重将第一校正图像和误差图像融合得到第二校正图像，最后通过该第二校正图像获取到待校正图像进行伪影校正后的图像；该方法在执行获取待校正图像进行伪影校正后的图像的过程中是一个线程对应处理一个像素或多个相邻像素的方式进行的，这样以单像素为单位，通过多线程并行处理，实现计算过程多个单线程并行化运行数据流，极大地提升了计算性能，节省了计算时间，从而提高伪影校正效率。

附图说明

图1为一个实施例中伪影校正方法的应用环境图；

图1a为一个实施例中CT扫描系统的组成结构示意图；

图2为一个实施例中伪影校正方法的流程示意图；

图2a为一个实施例中伪影校正前后对比示意图；

图3为另一个实施例中伪影校正方法的流程示意图；

图4为另一个实施例中伪影校正方法的流程示意图；

图4a为一个实施例中单像素单线程处理示意图；

图5为另一个实施例中伪影校正方法的流程示意图；

图6为另一个实施例中伪影校正方法的流程示意图；

图7为一个实施例中伪影校正方法的示意图；

图8为一个实施例中伪影校正装置的结构框图；

图9为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的一种伪影校正方法，可以应用于如图1所示的应用环境中。其中，该伪影校正方法应用在图1所示的计算机设备中，该计算机设备可以是服务器，其内部结构图请参见图1。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储伪影校正的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种伪影校正方法。

本申请实施例提供一种伪影校正方法、装置、计算机设备和存储介质，能够提高伪影校正效率。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是，本申请提供的一种伪影校正方法，图2-图7的执行主体为计算机设备。其中，该图2-图7的执行主体还可以是伪影校正装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。

本申请提出的伪影校正方法既可以应用在图像域，也可以应用在图像所对应的生数据域(如投影数据域)。

在一个实施例中，以伪影校正方法应用在投影数据域，且投影数据为CT扫描的数据为例进行说明，则伪影校正过程包括如下步骤：

第一，获取CT扫描的投影数据。具体地，如图1a为CT扫描系统的组成结构示意图，主要包括CT球管、准直器、高压发生器、探测器、扫描架、扫描床、中央控制器及图像重建系统。其中CT球管、准直器、探测器和前置放大器位于机架内部。CT扫描机的数据采集主要通过CT球管、探测器、准直器、滤过器以及模数转换模块、接口电路完成；图像重建阶段通过计算机完成，最终扫描重建得到的图像显示在显示器上，并存储、记录在硬盘或者其他可存储介质上；整个CT扫描机的工作过程由中央控制器控制。本申请实施例中的投影数据可以是未经过重建的原始数据，该原始数据可由CT扫描机的数据采集直接获得。

第二，从CT扫描的投影数据之中除掉干扰源所引起的伪影分量的至少一部分来生成第一次校正投影数据；以及，从CT扫描的投影数据之中减去一次第一次校正投影数据，生成误差图像的投影数据。其中，误差图像的投影数据的每个数据点与第一次校正投影数据的数据点一一对应。

第三，对于误差图像的投影数据的每个数据点与对应的第一次校正投影数据的数据点，施加预设数量的权重得到融合数据点。

第四，对于每个融合数据点，分别计算该融合数据点所处的邻域的信息熵。

第五，根据每个融合数据点所处的邻域的信息熵，为误差图像的投影数据的每个数据点确定目标权重；该目标权重为预设数量的权重中的一种；可选地，在一个实施例中，误差图像的投影数据的每个数据点的位置是唯一确定的，而融合数据点是通过施加不同权重得到，相当于，误差图像的投影数据的每个位置的数据点都会得到预设数量的融合数据点。那么，对于误差图像的投影数据的其中一个位置的数据点，其目标权重可以设置为该预设数量个融合数据点所处的邻域的信息熵中的最小信息熵所对应的权重；其中，误差图像的投影数据的各数据点最终确定的目标权重可以相同也可以不同。

第六，采用目标权重将第一次校正投影数据、误差图像的投影数据融合得到多个合成数据点，该多个合成数据点组成第二校正图像的投影数据。具体地，融合第一次校正投影数据和误差图像的投影数据时，是采用误差图像的投影数据的每个数据点的目标权重，将误差图像的投影数据的该目标权重对应的数据点和第一校正投影数据中对应位置的数据点进行融合，得到多个合成数据点。

需要说明的是，上述实施例中，对于处理器线程数量较多的情况，一个投影数据点的目标权重的获取可通过一个线程操作完成，明显缩短数据处理时间。当然，为了节省处理器的线程数量，相邻的多个投影数据点的目标权重的获取可采用一个线程操作完成。本实施例中的处理器选用图形处理器(Graphics Processing Unit，GPU)，该处理器能够同时处理多个线程，这种并行多线程的处理方式明显提高了数据处理速度，降低了数据处理时间，且能够很好的满足医生阅片诊断需求，提高用户体验。

在一个实施例中，如图2所示，提供了一种伪影校正方法，以该方法应用于图1中的计算机设备为例进行说明，本实施例涉及的是计算机设备通过多个线程中一个线程对应一个像素的方式，并行执行将第一校正图像和误差图像融合成预设数量的虚拟融合图像，根据各虚拟融合图像的每个像素所处邻域的信息熵确定目标权重，然后根据目标权重将第一校正图像和误差图像融合得到用于获取待校正图像进行伪影校正后的图像的第二校正图像的具体过程，该实施例包括以下步骤：

S101，调用多个线程并行执行校正操作，且一个线程对应处理一个或多个像素。

其中，多个线程具体包括的线程数量与待校正图像中像素的数量相同，这样可以保证在进行校正操作时一个线程负责处理一个像素，相当于，在对待校正图像中伪影进行校正的过程中，该待校正图像中的所有像素是同时进行相同的操作，以像素为单位，每个像素在单个线程上运行，实现所有像素并行操作，从而提高伪影校正效率。又或者，在线程数量有限的情况下，线程的数量小于误差图像所包含的像素数量，且一个线程对应两个或更多个像素。

可选地，该多个线程可以是通过GPU的多线程并发执行技术实现，也可以通过现场可编程门阵列(Field-Programmable Gate Array，FPGA)的多线程并发执行技术实现，还可以通过定制的专用集成电路Application Specific Integrated Circuit，ASIC)并行芯片的多线程并发执行技术实现，本实施例对此不加以限制。这样，通过采用GPU、FPGA或者ASIC芯片实现多线程并发执行技术，可以节省计算机设备中CPU端宝贵的计算资源，计算性能相对基于现有的方法得到了极大地提升，从而也提升了金属伪影校正算法的临床价值。在此实施例中，调用GPU的多个线程并行执行校正操作，以CT图像为例说明，其利用GPU处理单张CT图像的时间降低到一秒以内，相较于现有技术的以每个图像为单位进行伪影去除，运算性能能够提高50倍，满足医生阅片诊断实时性的要求，提升了用于体验度。

S102，校正过操作包括：S1021，采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像；第一校正图像表示待校正图像的投影数据中去除干扰源所引起的伪影分量的部分或全部后所对应的图像，误差图像表示从待校正图像的投影数据初次减去第一校正图像的投影数据所对应的图像。

其中，待校正图像即为当前需要对伪影进行校正的图像，例如，CT扫描的投影数据经过重建得到待校正图像。实际应用中，在CT扫描目标成像部位时往往会存在干扰源，且不同目标成像部位，其干扰源可能也不同。可选地，在一个实施例中，目标成像部位为水，钙化组织、骨骼等相对于水具有高衰减特性的物质则为干扰源。在另外一个实施例中，目标成像部位为人体器官，金属等植入物等相对于人体器官具有高衰减特性的物质则为干扰源。可以理解的是，干扰源比目标成像部位的衰减性更高。以目标成像部位为人体器官，金属为干扰源为例，若CT扫描的投影数据中存在金属伪影，就需要将金属伪影校正。当然，该待校正图像包括但不限于X射线影像、CT(计算机断层扫描)影像、PET(正电子发射计算机断层显像)、MRI(磁共振)影像、超声影像等。

其中，第一校正图像表示待校正图像的投影数据中去除干扰源所引起的伪影分量的部分或全部后所对应的图像，误差图像表示从待校正图像的投影数据初次减去第一校正图像的投影数据所对应的图像。例如，从待校正图像中去除金属部分后对应的图像为第一校正图像，从待校正图像中去除第一校正图像后对应的图像为误差图像。

具体地，以CT扫描的图像为例说明，从作为通过CT扫描获得的投影数据的拍摄投影数据之中除掉金属所引起的伪影分量的至少一部分来生成第一校正图像的投影数据，从所述拍摄投影数据之中减去所生成的第一校正图像的投影数据，生成误差图像的投影数据。其中，第一校正图像的处理方法可以采用迭代法、插值法或者其他种类的伪影校正方法等，本实施例对此不作限定。

在一个实施例中，第一校正图像可通过如下方式确定：根据拍摄投影数据来生成初始图像数据，该处理图像数据即为待校正图像；根据初始图像数据生成组织分类图像数据；对组织分类图像数据进行正向投影，生成组织分类投影数据；将拍摄投影数据的金属透过区域的投影值置换成组织分类图像对应的投影数据的金属透过区域的投影值，生成第一校正图像的投影数据。示例性的，组织分类图像数据可以通过如下方式获得：将初始图像数据的各像素分类为预先规定的多个组织或器官，按照每个组织或器官置换成预先规定的CT值。

在一个实施例中，第一校正图像可通过如下方式确定：重构拍摄投影数据，生成初始图像数据；从初始图像数据之中提取金属区域而获得的金属图像数据；对金属图像数据进行正向投影，生成金属投影数据；针对拍摄投影数据的金属透过区域进行插补处理，生成非金属投影数据。在此实施例中，金属透过区域可通过设定阈值确定。

其中，预设数量的权重指的是权重种类数量，可选地，从0-1之间，以0.01为间隔，可产生101种权重，那么采用这101种权重分别将第一校正图像和误差图像进行融合，即可生成101种虚拟融合图像。当然，在其他实施例中，前述间隔可以调节，对应的权重种类数量也会发生变化，还可设置成0.001等更小的精确值，或者0.1等的间隔。本实施例中对于权重种类数量并不做具体限制。

示例地，设权重是f_Weight＝0:0.01:1(即表示从0-1之间，以0.01为间隔，可产生101种权重)，那么每采用该101种权重中任何一种权重融合了第一校正图像I_cor1和误差图像I_err后生成一张虚拟融合图像I_new，用公式表达即为：I_new＝(1-f_Weight)*I_cor1+f_Weight*I_err，因此，当权重f_Weight的数量为101种时，得到的虚拟融合图像I_new也是101张，即权重的数量等于生成的虚拟融合图像的数量。

采用多线程并行执行时是一个线程对应处理一对像素，这里的一对像素指的是第一校正图像中的像素与误差图像中对应位置的像素。可选地，在一个实施例中，采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像包括：依次采用预设数量的权重中的一种权重，将第一校正图像和误差图像进行融合，得到预设数量的虚拟融合图像；其中，在每次融合第一校正图像和误差图像时，多个线程中各线程对应处理第一校正图像和误差图像中对应位置的像素。

例如，预设数量的权重是上述101种权重，其中一种权重表示为f_n'_Weight(其中，下标n对应线程编号，且n的取值可以为2，5，10，20,100，200等不同的自然数)，第一校正图像和误差图像的一对像素为A和A’，则线程n采用权重f_n'_Weight融合像素A和A’的结果为f_n'_Weight*A+(1-f_n'_Weight)A'；所以，对于一种权重f_n'_Weight，每一个线程都采用该权重将第一校正图像和误差图像中的对应像素对融合，得到所有像素对各自的融合结果形成一张虚拟融合图像；然后切换下一种权重，同样，每一个线程采用下一种权重将第一校正图像和误差图像中的对应像素对融合，得到所有像素对各自的融合结果形成下一张虚拟融合图像；然后再切换下下一种权重，....，这样，轮流将101种权重切换完成，得到101张虚拟融合图像。其中，切换权重的顺序可以是0-1之间从小到大顺序切换，对此不作限制。

S1022，对于每种权重，获取各虚拟融合图像每个像素所处邻域的信息熵，并根据各不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重；目标权重为预设数量的权重中的一种。

信息熵是指虚拟融合图像每个像素所处邻域的信息中排除了冗余后的平均信息量。通过获取到每个虚拟融合图像的每个像素所处邻域的信息熵后，通过分析不同权重下每个像素所处邻域的信息熵，可以确定出一个每个像素的最小信息熵，也就是说，像素所处邻域信息熵最小时可认为该邻域中干扰源的伪影(金属伪影)最少或者没有伪影，因此，将虚拟融合图像中像素所处邻域信息熵最小的那个像素在上述融合步骤中采用的权重作为目标权重。即该目标权重为上述预设数量权重中的一种，例如，有101种权重，则该目标权重为101种权重中的一种。需要说明的是，由于本申请实施例是以一个线程负责一个像素的方式并行执行所有像素，因此，实际是各线程负责获取各像素所处邻域中的信息熵，同样，确定像素所处邻域信息熵最小的像素在融合步骤中对应的权重作为目标权重时，也是以单像素为单元由单线程确定的。

由于最终结果是各虚拟融合图像中各像素确定了一个目标权重，而虚拟融合图像是由第一校正图像和误差图像采用不同的权重融合的，所以第一校正图像、误差图像以及虚拟融合图像三者中的各像素的位置是一一对应的，因此，确定出虚拟融合图像中各像素的目标权重，可以是为误差图像中各像素作为目标权重，也可以是为第一校正图像中各像素确定目标权重，本实施例对此不作限定。

S1023，根据目标权重将第一校正图像和误差图像融合得到第二校正图像；第二校正图像用于获取待校正图像进行伪影校正后的图像。

由于上述目标权重是以不同权重下各像素所处邻域的最小信息熵确定的，在得到各像素的目标权重之后，可认为采用该各像素的目标权重融合的第一校正图像中各像素和误差图像中各像素后得到的图像中的伪影最少或者没有，因此，采用该目标权重将第一校正图像和误差图像进行融合，形成的虚拟融合图像作为第二校正图像，而该第二校正图像可获取待校正图像进行伪影校正后的图像。在一个实施例中，通过第二校正图像可获取待校正图像进行伪影校正后的图像可包括如下操作：对待校正图像及第二校正图像进行频率分割及融合，获得第三校正图像。示例性的，可分割出待校正图像的高频部分图像及所述第二校正图像的低频部分图像，并对高频部分图像及低频部分图像进行融合，以获得第三校正图像。该第三校正图像为干扰源明显减弱的图像。

同样，以单像素为单位，在计算机设备根据目标权重将第一校正图像和误差图像融合时，也是一个线程对应处理一个像素。则可选地，在一个实施例中，计算机设备根据误差图像中各像素的目标权重将第一校正图像和误差图像融合得到第二校正图像的方式包括：根据各像素的目标权重，获取第一校正图像和误差图像中对应位置的像素的加权和，得到第二校正图像。

融合的是第一校正图像和误差图像，而第一校正图像和误差图像都是从待校正图像中分离出来的，且图像大小都是相同的，即第一校正图像和误差图像中的像素数量与待校正图像的像素数量都是相同的，因此，在一个线程对应处理一个像素时，是一个线程将第一校正图像中的对应像素和误差图像中的对应位置像素融合到一起，结合目标权重，就是对第一校正图像中的对应像素和误差图像中的对应位置像素求取加权和。例如，线程n负责将第一校正图像中的像素A和误差图像中的像素A’进行融合，目标权重是f_n'_Weight，那么f_n'_Weight*A+(1-f_n'_Weight)A'就是线程n得到的加权和，其他线程负责的像素也执行同样的操作，最终就能得到整张图像中所有像素的加权和，即为得到的第二校正图像。

为了使伪影校正的更加干净，可选地，将待校正图像中的金属部分融合到第二校正图像中，得到待校正图像伪影校正后的图像。即在第二校正图像的基础上，将待校正图像中的金属部分再次融合(相加)到第二校正图像中，得到的新的图像就可以确定为是待校正图像最终的伪影校正后的图像。将待校正图像中的金属部分二次融合到第二校正图像中可以加强图像中金属部分的显示，从而减少伪影的显示。请参见图2a所示，为将原始CT图像经过金属伪影校正后的示意图，从图中可看到，金属伪影校正后的图像噪声和CT均值均大大下降，有效地对金属伪影进行了校正。

本实施例提供的伪影校正方法，通过调用多个线程并行执行采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像后，获取每种权重下各所述虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重，然后根据目标权重将第一校正图像和误差图像融合得到第二校正图像，最后通过该第二校正图像获取到待校正图像进行伪影校正后的图像；该方法在执行获取待校正图像进行伪影校正后的图像的过程中是一个线程对应处理一个像素的方式进行的，这样以单像素为单位，通过多线程并行处理，实现计算过程多个单线程并行化运行数据流，极大地提升了计算性能，节省了计算时间，从而提高伪影校正效率。

下面针对上述S1022中获取各虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵确定误差图像的每个像素的目标权重的过程结合具体的实施例进行说明。如图3所示，在一个实施例中，上述S1022包括以下步骤：

S201，获取各虚拟融合图像中每个像素所处邻域的概率分布函数。

在获取各虚拟融合图像的每个像素所处邻域的信息熵时，需要根据每个像素所处邻域的概率分布函数进行确定，其中，概率分布函数表示的是每一个像素在所处邻域中的概率分布，其中，每个像素所处邻域的概率分布函数可通过统计该像素在所处的邻域矩阵的像素分布直方图或者饼形图等分布图得到。

例如：设信息熵表示为H，像素x所处邻域的概率分布函数表示为P(x)，则根据概率分布函数计算信息熵的公式如下：其中，m表示每个像素所处邻域所包含的像素数量，m为大于或等于3的整数，m例如可以是3、5、8、10等任意数值。实际应用中，可以根据虚拟融合图像中各像素所处邻域的概率分布函数P(x)确定各像素所处邻域的信息熵。

其中，通过单线程处理单像素的过程可参见图4所示实施例，如图4所示，在一个实施例中，获取各虚拟融合图像的每个像素所处邻域的概率分布函数的过程包括以下步骤：

S301，对于单个虚拟融合图像的单个像素，调用像素所在位置对应的线程获取像素在像素所处邻域中的概率分布，得到像素的概率分布函数。

在以单像素为单位时，计算机设备需要获取单个虚拟融合图像中单个像素所处邻域的概率分布函数。

请参见图4a所示，虚拟融合图像实际大小，以及包括的像素数量可参见图4a中里面实线轮廓构成的范围，对于实线轮廓中周边的像素来说，其邻域的像素有部分是不存在的，那么为了计算方便，扩展出图4a中外围虚线构成的轮廓，将扩展的像素全部填充0，这样既不影响计算结果、不增加计算量，还保证了虚拟融合图像中每个像素都具有邻域像素，方便了计算过程的一致。

具体地，计算机设备调用多个线程并行计算(一个线程执行一个像素)虚拟融合图像中每个像素在其所处邻域中的概率分布，即可得到每个像素所处邻域的概率分布函数。

S302，分别在各虚拟融合图像中获取每个像素的概率分布函数，得到各虚拟融合图像的每个像素所处邻域的概率分布函数。

在分别在各虚拟融合图像中获取每个像素的概率分布函数时，可以是依照各虚拟融合图像生成的顺序依次获取每一个虚拟融合图像中像素所处邻域的概率分布，例如，在确定了一个虚拟融合图像中每一个像素所处邻域的概率分布函数后，计算机设备切换下一个虚拟融合图像，确定下一个虚拟融合图像中每一个像素所处邻域的概率分布函数。

其中，在确定每个虚拟融合图像中每一个像素所处邻域的概率分布函数时，采用多线程中一个线程对应一个像素地方式并行处理。这样，一个虚拟融合图像计算完切换下一个虚拟融合图像，直到所有虚拟融合图像全部计算完成。例如，有101个虚拟融合图像，虚拟融合图像为512*512个像素，对应512*512个线程，那么在并行处理时，101个虚拟融合图像中对应位置的像素是同一个线程在执行，例如，101个虚拟融合图像中左上角的像素是由同一个线程处理，101个虚拟融合图像中右下角的那个像素由另外一个线程处理。

S202，根据各虚拟融合图像的每个像素所处邻域的概率分布函数，确定各虚拟融合图像的每个像素所处邻域的信息熵。

在上述确定了各虚拟融合图像的每个像素所处邻域的概率分布函数后，进一步，需要根据各虚拟融合图像的每个像素所处邻域的概率分布函数，确定各虚拟融合图像的每个像素所处邻域的信息熵。

其中，根据概率分布函数确定虚拟融合图像的信息熵的实际计算过程因为是一个线程对应执行一个像素，所以下面以单像素为单位对该过程进行说明。则在一个实施例中，如图5所示，根据各虚拟融合图像的每个像素所处邻域的概率分布函数，确定各虚拟融合图像的每个像素所处邻域的信息熵的一种可实现方式包括以下步骤：

S401，对于单个虚拟融合图像的单个像素，调用像素所在位置对应的线程根据像素的概率分布函数，获取像素的信息熵。

根据每个像素所处邻域的概率分布函数，通过公式其中，m表示该像素所处邻域中像素的数量。计算出该像素所处邻域的信息熵。

S402，分别在各虚拟融合图像中获取每个像素的信息熵，得到各虚拟融合图像中每个像素所处邻域的信息熵。

在确定了一个虚拟融合图像中所有像素所处邻域的信息熵后，计算机设备切换下一个虚拟融合图像，且是通过多线程中一个线程对应一个像素地方式并行计算各虚拟融合图像中各像素的信息熵。这样，一个虚拟融合图像中每个像素所述邻域的信息熵计算完后切换下一个虚拟融合图像，直到所有虚拟融合图像中的各像素全部计算完成。

S203，将不同权重下每个像素所处邻域的信息熵中最小的信息熵在预设数量权重中的对应权重确定为目标权重。

在得到虚拟融合图像中每个像素所处邻域的信息熵之后，将不同权重下每个像素所处邻域的信息熵中最小的信息熵，在预设数量权重中的对应权重确定为目标权重。

每一个虚拟融合图像都是在一开始时采用预设数量权重中的一种权重融合得到的，所以在找到最小信息熵所在的虚拟融合图像后，确定该虚拟融合图像融合时采用的权重，且该权重肯定就是预设数量权重中的一种权重。

在一个实施例中，确定每个像素的目标权重的过程，请参见图6所示的实施例，上述S203中，将不同权重下每个像素所处邻域的信息熵中最小的信息熵在预设数量权重中的对应权重确定为目标权重的过程包括以下步骤：

S501，在分别获取各虚拟融合图像中每个像素的信息熵时，将前一次的虚拟融合图像中每个像素的信息熵与后一次的虚拟融合图像中相同位置像素的信息熵进行比较，保留较小的信息熵作为该位置像素的信息熵，最终得到不同权重下每个像素的最小信息熵。

以101个虚拟融合图像，虚拟融合图像为512*512个像素，对应512*512个线程为例，101个虚拟融合图像中对应位置的像素都是同一个线程在执行。例如，101个虚拟融合图像中左上角的像素均是由同一个线程n处理。那么对于单个线程n来说，其是先计算第一个虚拟融合图像左上角像素所处邻域的信息熵，然后计算第二个虚拟融合图像左上角像素所处邻域的信息熵，再然后计算第三个虚拟融合图像左上角像素所处邻域的信息熵，.....，直到计算到第101个虚拟融合图像左上角的像素所处邻域的信息熵为止。依照此过程，自然可以确定的是，该线程n知道每一个虚拟融合图像左上角的像素所处邻域的信息熵，基于此，线程n在每次计算虚拟融合图像左上角的像素所处邻域的信息熵时，通过两两比较，只保留较小的信息熵，到最后计算完101个虚拟融合图像左上角的像素所处邻域的信息熵后，最终就可以得到左上角的像素所处邻域的最小信息熵。例如，第一个虚拟融合图像左上角像素所处邻域的信息熵若小于第二个虚拟融合图像左上角像素所处邻域的信息熵，则保留第一个虚拟融合图像左上角像素所处邻域的信息熵，下次用保留的信息熵比较，若第一个虚拟融合图像左上角像素所处邻域的信息熵大于第三个虚拟融合图像左上角像素所处邻域的信息熵，则保留第三个虚拟融合图像左上角像素所处邻域的信息熵，这样直到101个虚拟融合图像计算完成，最后线程n就将101张虚拟融合图像中左上角像素所处邻域的最小的信息熵保留下来；依照此过程，其他线程也最后也分别保留了对应位置的像素所处邻域的信息熵，最终得到512*512个像素各自的最小信息熵矩阵M，例如，M＝argmin(H(x,y))，其中argmin表示取最小函数运算。

S502，确定每个像素的最小信息熵所在的虚拟融合图像，并将所述虚拟融合图像在融合过程中采用的所述预设数量中的对应权重，确定为误差图像中对应位置像素的目标权重。

最终得到了一张512*512像素所处邻域的信息熵矩阵M，且每个像素所处邻域的信息熵都是101个虚拟融合图像对应位置像素所处邻域的信息熵中最小的。则对于单个像素来说，根据该像素所处邻域的信息熵先确定出该像素所在的虚拟融合图像，然后找出该虚拟融合图像在融合过程中的采用的权重作为该像素在误差图像中对应位置像素的目标权重，以此方法，找出512*512像素中每个像素在误差图像中对应位置像素的目标权重后，最终就可以得到误差图像中每一个像素的目标权重。

得到误差图像中每一个像素的目标权重之后，可以根据误差图像中每个像素的目标权重，将误差图像各像素与第一校正图像中对应位置像素求取加权和，得到的加权结果就是第二校正图像中相同位置像素的值。

例如，I_err表示误差图像，I_cor1表示第一校正图像，假设误差图像中像素(x,y)的目标权重为f_minweight，，那么对于像素(x,y)，第二校正图像I_cor2可以表示为：I_cor2(x,y)＝f_minweightI_err(x,y)+(1-f_minweight)*I_cor1(x,y)。

本实施例中通过求取到误差图像中每个像素的目标权重后，以误差图像中每个像素的目标权重为准，获取误差图像各像素与第一校正图像中对应位置像素求取加权和后，得到第二校正图像，该第二校正图像可以用于获取到待校正图像的伪影经过校正后的图像，由于目标权重对应的是误差图像各像素和第一校正图像虚拟融合后最小信息熵，相当于，采用该目标权重获取的误差图像各像素与第一校正图像中对应位置像素求取加权和构成的第二校正图像中包含的伪影最小，使得待校正图像中的伪影校正的更加精确。

如图7所示，本申请实施例还提供了一种伪影校正方法，该实施例包括：

S1，调用多个线程中一个线程对应处理一个像素的方式，依次采用预设数量的权重中的一种权重，将第一校正图像和误差图像进行融合，得到预设数量的虚拟融合图像；

S2，对于单个虚拟融合图像的单个像素，该像素对应的线程获取该像素在所处邻域中的概率分布，得到该像素所处邻域的概率分布函数；

S3，分别获取各虚拟融合图像中每一个像素所处邻域的概率分布函数；

S4，根据各虚拟融合图像中每一个像素所处邻域的概率分布函数，获取各虚拟融合图像中每一个像素所处邻域的信息熵；

S5，在分别获取各虚拟融合图像中每一个像素所处邻域的信息熵时，将前一次的虚拟融合图像中每个像素的信息熵与后一次的虚拟融合图像中相同位置像素的信息熵进行比较，保留较小的信息熵作为该位置像素的信息熵，最终得到各像素的最小信息熵；

S6，确定各像素的最小信息熵所在的虚拟融合图像，并将虚拟融合图像在融合过程中采用的预设数量中的对应权重，确定为各像素在误差图像中对应位置的像素的目标权重；

S7，根据误差图像中对应位置的像素的目标权重，获取第一校正图像和误差图像中对应位置的像素的加权和，得到第二校正图像；

S8,根据第二校正图像，获取待校正图像伪影校正后的图像。

本实施例提供的伪影校正方法中各步骤，其实现原理和技术效果与前面各伪影校正方法实施例中类似，在此不再赘述。图7实施例中各步骤的实现方式只是一种举例，对各实现方式不作限定，各步骤的顺序在实际应用中可进行调整，只要可以实现各步骤的目的即可。另外，需要说明的是，本申请实施例中是通过并行执行各像素的方式加速了图像局部信息熵的计算过程，因此，实际应用中，针对超声图像、MR图像或者普通相机拍摄的图像进行伪影校正都有加速效果，所以，在一些场景中，还可以在本申请实施例提供的伪影校正方法的基础上，通过GPU计算最大信息熵，然后调节像素灰度值，产生图像对焦效果，实现对图像自动对焦进行加速，提升自动对焦效率。

应该理解的是，虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-7中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图8所示，提供了一种伪影校正装置，该装置包括：

调用模块10，用于调用多个线程模块11并行执行校正操作，且一个线程模块11对应处理一个或多个像素；

线程模块11，用于执行校正操作；

线程模块11包括：融合单元111，用于采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像；第一校正图像表示待校正图像的投影数据中去除干扰源所引起的伪影分量的部分或全部后所对应的图像，误差图像表示从待校正图像的投影数据初次减去第一校正图像的投影数据所对应的图像；

确定单元112，用于对于每种权重，获取各虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重；目标权重为预设数量的权重中的一种；

校正单元113，用于根据目标权重将第一校正图像和误差图像融合得到第二校正图像；第二校正图像用于获取待校正图像进行伪影校正后的图像。

在一个实施例中，上述融合单元111，具体用于依次采用预设数量的权重中的一种权重，将第一校正图像和误差图像进行融合，得到预设数量的虚拟融合图像；其中，在每次融合第一校正图像和误差图像时，多个线程中各线程对应处理第一校正图像和误差图像中对应位置的像素。

在一个实施例中，上述确定单元112包括：

分布函数获取子单元，用于获取各虚拟融合图像的每个像素所处邻域对应的概率分布函数；

信息熵确定子单元，用于根据各虚拟融合图像的每个像素所处邻域的概率分布函数，确定各虚拟融合图像的每个像素所处邻域的信息熵；

权重确定子单元，用于将各不同权重下每个像素所处邻域的信息熵中最小的信息熵在预设数量权重中的对应权重确定为目标权重。

在一个实施例中，上述分布函数获取子单元，具体用于对于单个虚拟融合图像的单个像素，调用像素所在位置对应的线程获取像素在像素所处邻域中的概率分布，得到像素的概率分布函数；分别在各虚拟融合图像中获取每个像素的概率分布函数，得到各虚拟融合图像的每个像素所处邻域的概率分布函数。

在一个实施例中，上述信息熵确定子单元，具体用于对于单个虚拟融合图像的单个像素，调用像素所在位置对应的线程根据像素的概率分布函数，获取像素的信息熵；分别在各虚拟融合图像中获取每个像素的信息熵，得到各虚拟融合图像中每个像素所处邻域的信息熵。

在一个实施例中，上述权重确定子单元，具体用于在分别获取各虚拟融合图像中每个像素的信息熵时，将前一次的虚拟融合图像中每个像素的信息熵与后一次的虚拟融合图像中相同位置像素的信息熵进行比较，保留较小的信息熵作为该位置像素的信息熵，最终得到不同权重下每个像素的最小信息熵；确定每个像素的最小信息熵所在的虚拟融合图像，并将虚拟融合图像在融合过程中采用的预设数量中的对应权重，确定为误差图像中对应位置像素的目标权重。

在一个实施例中，上述校正单元113，具体用于根据误差图像中各像素的目标权重，获取第一校正图像和误差图像中对应位置的像素的加权和，得到第二校正图像。

在一个实施例中，上述线程的数量等于或大于误差图像所包含的像素数量，且多个线程同时为对应的像素确定目标权重。

在一个实施例中，上述线程的数量小于误差图像所包含的像素数量，且至少一个线程为至少两个像素确定目标权重。

在一个实施例中，该装置还包括：

分割模块，用于分割出待校正图像的高频部分图像及第二校正图像的低频部分图像；

获取模块，用于对高频部分图像及低频部分图像进行融合，以获得第三校正图像，该第三校正图像为待校正图像伪影校正后的图像。

关于伪影校正装置的具体限定可以参见上文中对于伪影校正方法的限定，在此不再赘述。上述伪影校正装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种伪影校正方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

调用多个线程并行执行校正操作，且一个线程对应处理一个或多个像素；

校正过操作包括：采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像；第一校正图像表示待校正图像的投影数据中去除干扰源所引起的伪影分量的部分或全部后所对应的图像，误差图像表示从待校正图像的投影数据初次减去第一校正图像的投影数据所对应的图像；

对于每种权重，获取各虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重；目标权重为预设数量的权重中的一种；

根据目标权重将第一校正图像和误差图像融合得到第二校正图像；第二校正图像用于获取待校正图像进行伪影校正后的图像。

上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

调用多个线程并行执行校正操作，且一个线程对应处理一个或多个像素；

校正过操作包括：采用预设数量的权重将第一校正图像和误差图像融合成预设数量的虚拟融合图像；第一校正图像表示待校正图像的投影数据中去除干扰源所引起的伪影分量的部分或全部后所对应的图像，误差图像表示从待校正图像的投影数据初次减去第一校正图像的投影数据所对应的图像；

对于每种权重，获取各虚拟融合图像的每个像素所处邻域的信息熵，并根据不同权重下每个像素所处邻域的信息熵为误差图像的每个像素确定目标权重；目标权重为预设数量的权重中的一种；

根据目标权重将第一校正图像和误差图像融合得到第二校正图像；第二校正图像用于获取待校正图像进行伪影校正后的图像。

上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种伪影校正方法，其特征在于，所述方法包括：

调用多个线程并行执行校正操作，且一个线程对应处理一个或多个像素；

所述校正操作包括：

采用预设数量的权重通过公式(1-f_Weight)*I_cor1+f_Weight*I_err将第一校正图像和误差图像融合成所述预设数量的虚拟融合图像，其中，f_Weight表示所述预设数量的权重中的每个权重，I_cor1表示所述第一校正图像，I_err表示所述误差图像；所述第一校正图像表示待校正图像的投影数据中去除干扰源所引起的伪影分量的部分或全部后所对应的图像，所述误差图像表示从所述待校正图像的投影数据初次减去所述第一校正图像的投影数据所对应的图像；

对于每种权重，获取各所述虚拟融合图像的每个像素所处邻域的信息熵，并对于每个像素，将不同权重下该像素所处邻域的信息熵中最小的信息熵在所述预设数量权重中的对应权重确定为该像素的目标权重；

根据所述目标权重通过公式I_cor2(x,y)＝f_minweightI_err(x,y)+(1-f_minweight)*I_cor1(x,y)将所述第一校正图像和所述误差图像融合得到第二校正图像；其中，I_err(x,y)表示所述误差图像中像素(x,y)的值，I_cor1(x,y)表示所述第一校正图像中像素(x,y)的值，f_minweight表示所述误差图像中像素(x,y)的目标权重，I_cor2(x,y)表示所述第二校正图像中像素(x,y)的值；所述第二校正图像用于获取所述待校正图像进行伪影校正后的图像；

其中，所述预设数量的权重通过对0至1以预设间隔划分得到。

2.根据权利要求1所述的方法，其特征在于，所述采用预设数量的权重通过公式(1-f_Weight)*I_cor1+f_Weight*I_err将第一校正图像和误差图像融合成所述预设数量的虚拟融合图像，包括：

依次采用所述预设数量的权重中的一种权重，通过公式(1-f_Weight)*I_cor1+f_Weight*I_err将所述第一校正图像和所述误差图像进行融合，得到所述预设数量的虚拟融合图像；

其中，在每次融合所述第一校正图像和所述误差图像时，所述多个线程中各线程对应处理所述第一校正图像和所述误差图像中对应位置的像素。

3.根据权利要求2所述的方法，其特征在于，所述获取各所述虚拟融合图像的每个像素所处邻域的信息熵，包括：

获取各所述虚拟融合图像的每个像素所处邻域对应的概率分布函数；

根据各所述虚拟融合图像的每个像素所处邻域的概率分布函数，确定各所述虚拟融合图像的每个像素所处邻域的信息熵。

4.根据权利要求1所述的方法，其特征在于，所述根据所述目标权重通过公式I_cor2(x,y)＝f_minweightI_err(x,y)+(1-f_minweight)*I_cor1(x,y)将所述第一校正图像和所述误差图像融合得到第二校正图像，包括：

根据所述误差图像中各像素的目标权重，通过公式I_cor2(x,y)＝f_minweightI_err(x,y)+(1-f_minweight)*I_cor1(x,y)获取所述第一校正图像和所述误差图像中对应位置的像素的加权和，得到所述第二校正图像。

5.根据权利要求1所述的方法，其特征在于，所述线程的数量等于或大于所述误差图像所包含的像素数量，且多个线程同时为对应的像素确定目标权重。

6.根据权利要求1所述的方法，其特征在于，所述线程的数量小于所述误差图像所包含的像素数量，且至少一个线程为至少两个像素确定目标权重。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

分割出待校正图像的高频部分图像及所述第二校正图像的低频部分图像；

对所述高频部分图像及所述低频部分图像进行融合，以获得第三校正图像，所述第三校正图像为所述待校正图像伪影校正后的图像。

8.一种伪影校正装置，其特征在于，所述装置包括：

调用模块，用于调用多个线程模块并行执行校正操作，且一个线程模块对应处理一个或多个像素；

所述线程模块，用于执行所述校正操作；

所述线程模块包括：

融合单元，用于将预设数量的权重通过公式(1-f_Weight)*I_cor1+f_Weight*I_err将第一校正图像和误差图像融合成所述预设数量的虚拟融合图像，其中，f_Weight表示所述预设数量的权重中的每个权重，I_cor1表示所述第一校正图像，I_err表示所述误差图像；所述第一校正图像表示待校正图像的投影数据中去除干扰源所引起的伪影分量的部分或全部后所对应的图像，所述误差图像表示从所述待校正图像的投影数据初次减去所述第一校正图像的投影数据所对应的图像；

确定单元，用于对于每种权重，获取各所述虚拟融合图像的每个像素所处邻域的信息熵，并对于每个像素，将不同权重下该像素所处邻域的信息熵中最小的信息熵在所述预设数量权重中的对应权重确定为该像素的目标权重；

校正单元，用于根据所述目标权重通过公式I_cor2(x,y)＝f_minweightI_err(x,y)+(1-f_minweight)*I_cor1(x,y)将所述第一校正图像和所述误差图像融合得到第二校正图像；其中，I_err(x,y)表示所述误差图像中像素(x,y)的值，I_cor1(x,y)表示所述第一校正图像中像素(x,y)的值，f_minweight表示所述误差图像中像素(x,y)的目标权重，I_cor2(x,y)表示所述第二校正图像中像素(x,y)的值；所述第二校正图像用于获取所述待校正图像进行伪影校正后的图像；

其中，所述预设数量的权重通过对0至1以预设间隔划分得到。

9.一种伪影校正方法，其特征在于，所述方法包括：

调用多个线程并行执行校正操作，且一个线程对应处理一个或多个投影数据；

所述校正操作包括：

获取CT扫描的投影数据；

从所述CT扫描的投影数据之中除掉干扰源所引起的伪影分量的至少一部分来生成第一次校正投影数据；以及，从所述CT扫描的投影数据之中减去一次所述第一次校正投影数据，生成误差图像的投影数据；

对于所述误差图像的投影数据的每个数据点与所述第一次校正投影数据中对应位置的数据点，施加预设数量的权重，通过公式f_weightI_err(x,y)+(1-f_weight)*I_cor1(x,y)得到所述预设数量的融合数据点；其中，f_weight表示所述预设数量的权重中的每个权重，I_cor1(x,y)为所述第一次校正投影数据中位置(x,y)处的数据点，I_err(x,y)为所述误差图像的投影数据中位置(x,y)处的数据点；

对于所述每个融合数据点，分别计算所述融合数据点所处的邻域的信息熵；

根据所述每个融合数据点所处的邻域的信息熵，为所述误差图像的投影数据的每个数据点确定目标权重；所述误差图像的投影数据的每个数据点的目标权重，为不同权重下该数据点所在位置处的融合数据点所处邻域的信息熵中最小的信息熵在所述预设数量权重中的对应权重；

采用目标权重通过公式I_cor2(x,y)＝f_minweightI_err(x,y)+(1-f_minweight)*I_cor1(x,y)将所述第一次校正投影数据、所述误差图像的投影数据融合得到多个合成数据点，所述多个合成数据点组成第二校正图像的投影数据，其中I_cor2(x,y)为位置(x,y)处的合成数据点，f_minweight表示所述误差图像的投影数据中位置(x,y)处的数据点的目标权重，I_cor1(x,y)为所述第一次校正投影数据中位置(x,y)处的数据点，I_err(x,y)为所述误差图像的投影数据中位置(x,y)处的数据点；

其中，所述预设数量的权重通过对0至1以预设间隔划分得到。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7、或9中任一项所述的方法的步骤。