CN110544243B - 一种ct图像小缺陷自动检出、定量及可靠性评价方法 - Google Patents

Abstract

本发明涉及一种CT图像小缺陷自动检出方法，其特征在于：包括以下步骤：步骤1、对被检工件进行CT扫描，获取被检工件的截面CT图像；步骤2、将步骤1中获得的被检工件截面CT图像的原始灰度图记为f(x,y)，人为设定一个灰度值t₀作为阈值，使用该阈值对被检工件的灰度图像f(x,y)进行分割，得到分割后的二值化图像g(x,y)，步骤3、以n×n的小窗口对分割后得到的二值化图像g(x,y)进行缺陷检出处理；同时，还公开了一种CT图像小缺陷定量方法和可靠性评价方法。本发明该方法自动化程度高，对比试块容易制造，对每次检测结果给出小缺陷识别率定量可靠性分布，为检测产品后续使用提供必要的检测及评价技术支持。

Description

一种CT图像小缺陷自动检出、定量及可靠性评价方法

技术领域

本发明涉及CT图像处理领域，特别涉及一种CT图像小缺陷自动检出、定量及可靠性评价方法。

背景技术

工业CT检测技术是一种在X射线检测技术上发展起来的实用无损检测手段，具有成像直观，定量、定位、定性准确，可存档复查等优势，广泛应用于工业无损探伤、医疗卫生等领域。由于检测对象和技术要求不同，不同CT系统结构、配置和性能可能相差很大，商售设备普遍存在装置本身造价高、检测成本高，检测效率较低和检测结果影响因素复杂等问题。此外，工业CT检测数据包含海量数据，采用人工识别缺陷的方法存在工作量大、人为干扰、检测结果不稳定等问题，基于CT数据的自动缺陷检测方法是必然发展趋势。

在工业CT无损检测过程中必然存在检测结果可靠性问题，是其固有属性，即对特征完全相同的缺陷进行重复检测，也可能得到不同的检测结果，同一缺陷多次测量存在未检出概率，同一尺寸缺陷多次测量的定量结果也存在不同。检测结果呈现某种形式的分布，通过获得该检测结果分布即掌握了该给定的检测条件和工艺下，无损检测方法检测出某一尺寸范围缺陷的可能性。为该被检测对象无损检测结果提供可信度范围，为产品使用的安全可靠提供了评价依据。

目前，无损检测可靠性主要通过3种方法得出：(1)制造与实际工件一致的模拟体，并在其中制造真实缺陷，然后按照预先设计的实验方案进行缺陷检出率(POD)曲线绘制。该方法需要制造大量模拟体(命中型缺陷样本量>30)，对于微小缺陷制造困难，且原材料和制造成本高；(2)以数值模拟的方法代替实验过程，对现场工艺可靠性进行分析，利用模拟试块产生的信号来生成POD。该方法材料成本较低，对检测过程影响因素建模要求很高，其模拟结果和实际过程仍存在一定的差别。

综上所述，CT检测技术首要目的在于内部缺陷的有效检出，实现一种低成本、高效、准确、自动缺陷检出及可靠性评价方法具有重要现实意义。

发明内容

本发明所要解决的第一种技术问题是针对现有技术的现状，提供一种成本低且能提高工作效率的CT图像小缺陷自动检出方法。

本发明所要解决的第二种技术问题是针对现有技术的现状，提供一种对采用上述小缺陷自动检出方法检出的缺陷进行定量的CT图像小缺陷定量方法。

本发明所要解决的第三种技术问题是针对现有技术的现状，提供一种对采用上述小缺陷自动检出方法和小缺陷定量方法的CT图像小缺陷检出的可靠性评价方法。

本发明解决上述技术问题所采用的第一个技术方案为：一种CT图像小缺陷自动检出方法，其特征在于：包括以下步骤：

步骤1、对被检工件进行CT扫描，获取被检工件的截面CT图像；

步骤2、将步骤1中获得的被检工件截面CT图像的原始灰度图记为f(x,y)，其图像尺寸为τ×υ，τ、υ均为正整数，人为设定一个灰度值t₀作为阈值，使用该阈值对被检工件的灰度图像f(x,y)进行分割，得到分割后的二值化图像g(x,y)，

步骤3、以n×n的小窗口对步骤2中分割后得到的二值化图像g(x,y)进行缺陷检出处理；n为正整数；

其中，具体包括以下步骤：

步骤3-1、从左至右、从上至下，依次对二值化图像中每个像素点进行如下处理：以当前像素点(a,b)为中心，1≤a≤τ，1≤b≤v，选取n×n范围内的二值化图像g(x,y)的值进行累加，并计算每个像素点对应的缺陷占比k，每个像素点对应的缺陷占比k的计算公式为：

其中，

时，g(x₁,y₁)＝0；

步骤3-2、设定一个缺陷占比下限th，建立新的二值化图像g′(x,y)，其初始值为

步骤3-3、判断某个像素点的缺陷占比k是否大于等于缺陷占比下限th，如是，则新的二值化图像中该像素点的取值计算公式为：g′(x,y)＝g(x,y)∪g′(x,y)，∪为并集；如否，则新的二值化图像中该像素点的取值计算公式为：

步骤3-4、遍历整幅二值化图像g(x,y)，计算该二值化图像g(x,y)中所有像素点对应在新的二值化图像中的取值，获得包含缺陷的二值化图像g′(x,y)。

本发明解决上述技术问题所采用的第二个技术方案为：一种CT图像小缺陷定量方法，其特征在于：使用上述的CT图像小缺陷自动检出方法检出小缺陷，并根据检出的每个小缺陷连通区域的像素数量计算每个小缺陷的尺寸直径当量D，其中，每个小缺陷的尺寸直径当量D的计算公式为：

W为某个小缺陷连通区域的像素数量，g为单个像素点所占面积。

本发明解决上述技术问题所采用的第三个技术方案为：一种CT图像小缺陷检出的可靠性评价方法，其特征在于：包括以下步骤：

步骤1、通过机械加工手段制造与被测量工件形状和材质一致的圆形对比试块，且对比试块扫描的截面积小于被检测工件的截面积；

步骤2、将对比试块进行CT扫描，获取对比试块的截面CT图像；

步骤3、在对比试块的截面CT图像中，选取圆形对比试块的内部区域进行灰度直方图统计，对直方图进行高斯拟合，得到拟合后的材料灰度高斯函数为：

其中，j为CT图像中圆形对比试块的内部区域的灰度值，A是材料灰度拟合后高斯曲线的幅值，μ是材料灰度拟合后高斯曲线的灰度值均值，σ是材料灰度拟合后高斯曲线的灰度值标准偏差；

步骤4、根据步骤3的拟合后的材料灰度高斯函数，建立灰度值小于t的概率分布函数f(t)，

其中，t为CT图像中圆形对比试块的内部区域中的某个灰度值；

并在概率分布函数f(t)的基础上，在人为设定的灰度值t₀下，建立不同灰度值的累积分布函数：

步骤5、在对比试块与被检工件的截面CT图像中，获取对比试块的CT图像垂直界面一维点扩散函数，并以一维点扩散函数的中心位置为圆心进行周向旋转计算，获得二维点扩散函数H_PSF(x,y)；

步骤6、设置需要发现缺陷的直径d，以缺陷的直径生成理想缺陷灰度分布二维图像i(x,y)，将该理想缺陷灰度分布二维图像与步骤5中的二维点扩散函数进行卷积运算获得理想含缺陷的退化二维图像I(x,y)；

I(x,y)＝i(x,y)*H_PSF(x,y)

其中，*为卷积运算；

步骤7、将理想含缺陷的退化二维图像I(x,y)中各个点的灰度值代入步骤4中不同灰度值的累积分布函数中F(t₀；μ₁,σ)，获得形成退化缺陷概率分布图I_F(x,y)；

I_F(x,y)＝F(t₀；I(x,y),σ)；

步骤8、建立随机函数Random()，其取值在(0，1)上均匀分布，随机生成缺陷图

步骤9、使用上述的小缺陷自动检出方法对随机生成缺陷图RI(x,y)进行缺陷检出，获得包含缺陷的二值化图像g′_RI(x,y)；

步骤10、判断∑g′_RI(x,y)是否大于0，如是，则认为该缺陷被检出；如否，则认为该缺陷未被检出；

步骤11、重复N次使用步骤8中的方法随机生成缺陷图，并使用步骤9和步骤10进行缺陷检出，计算出缺陷检出率：

错误接收工件率：

缺陷误检率：

为概率统计学中的组合数，th为设定的缺陷占比下限，f(t₀)为人为设定的灰度值t₀对应的概率；正确接收工件率：M＝1-F；其中，α为被检出次数，β为未被检出次数，α+β＝N；

步骤12、采用上述的缺陷定量方法对随机生成缺陷图RI(x,y)进行缺陷定量，进行N次随机运算，获得直径为d的缺陷的N次CT定量测量结果D_N，对其进行高斯统计拟合，获得该尺寸缺陷在CT测量中所获得的不同测量结果发生概率。

与现有技术相比，本发明的优点在于：通过人为设定缺陷灰度分割阈值对被检工件的CT图像进行分割，并根据设定小窗口对分割后的图像进行缺陷检出，计算每个像素点对应的缺陷占比，从而实现被检工件的小缺陷自动检出及定量测量，并利用对比试块进行处理，通过设定应该检出小缺陷的尺度要求，通过模拟生成随机缺陷判断缺陷检出率、错误接收率、误检率和正确接收率，给出定量结果分布概率图，因此能够对被检工件的小缺陷检出方法检出的结果进行有效评价，该方法自动化程度高，对比试块容易制造，对每次检测结果给出小缺陷识别率定量可靠性分布，为检测产品后续使用提供必要的检测及评价技术支持。

附图说明

图1为本发明实施例中对比试块与被检工件的截面CT图像；

图2为本发明实施例中对比试块的CT图像分割后获得的二值化图像；

图3为本发明实施例中获得的包含缺陷的二值化图像；

图4为本发明实施例中拟合后的噪声灰度值分布直方图统计示意图；

图5为本发明实施例中在固定灰度值120下不同灰度值的累积分布函数示意图；

图6为本发明实施例中二维点扩散函数的示意图；

图7为本发明实施例中理想缺陷灰度分布及理想含缺陷的退化分布示意图(设定需要发现的缺陷直径为1.1mm)；

图8为本发明实施例中不同缺陷占比下限与缺陷检出率的示意图；

图9为本发明实施例中不同缺陷占比下限与缺陷错误接收工件率的示意图；

图10为本发明实施例中不同缺陷占比下限与误检缺陷率的示意图；

图11为本发明实施例中为不同缺陷占比下限与无缺陷工件接收率的示意图；

图12为本发明实施例中CT定量测量结果分布概率示意图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

一种CT图像小缺陷自动检出方法，包括以下步骤：

步骤1、将被检工件进行CT扫描，获取被检工件的截面CT图像；其中，本实施例中，被检工件为圆形；

步骤2、将步骤1中获得的被检工件截面CT图像的原始灰度图记为f(x,y)，其图像尺寸为τ×υ，τ、υ均为正整数，人为设定一个灰度值t₀作为阈值，使用该阈值对被检工件的灰度图像f(x,y)进行分割，得到分割后的二值化图像g(x,y)，

本实施例中，τ、υ均为4096，t₀＝120；如图2所示，为对比试块的CT图像分割后获得的二值化图像；

步骤3、以n×n的小窗口对步骤2中分割后得到的二值化图像g(x,y)进行缺陷检出处理；n为正整数；本实施例中，n＝10；

其中，为了降低噪声对缺陷检出的干扰问题，以n×n的小窗口对整幅CT图像进行缺陷检出处理，具体包括以下步骤：

步骤3-1、从左至右、从上至下，依次对二值化图像中每个像素点进行如下处理：以当前像素点(a,b)为中心，1≤a≤τ，1≤b≤v，选取n×n范围内的二值化图像g(x,y)的值进行累加，并计算每个像素点对应的缺陷占比k，每个像素点对应的缺陷占比k的计算公式为：

其中，

时，g(x₁,y₁)＝0；

步骤3-2、设定一个缺陷占比下限th，建立新的二值化图像g′(x,y)，其初始值为

本实施例中，th＝0.1；

步骤3-3、判断某个像素点的缺陷占比k是否大于等于缺陷占比下限th，如是，则新的二值化图像中该像素点的取值计算公式为：g′(x,y)＝g(x,y)∪g′(x,y)，∪为并集；如否，则新的二值化图像中该像素点的取值计算公式为：

步骤3-4、遍历整幅二值化图像g(x,y)，计算该二值化图像g(x,y)中所有像素点对应在新的二值化图像中的取值，获得包含缺陷的二值化图像g′(x,y)。其中，如图3所示，为包含缺陷的二值化图像，从该图中可以看出：该二值化图像中取值为1的像素点为缺陷，其余像素点为背景，且该缺陷与图1中的对比试块中的缺陷相同，因此该方法能有效对CT图像中的小缺陷进行检出；

使用上述的CT图像小缺陷自动检出方法检出小缺陷，并根据检出的每个小缺陷连通区域的像素数量计算每个小缺陷的尺寸直径当量D，其中，每个小缺陷的尺寸直径当量D的计算公式为：

W为某个小缺陷连通区域的像素数量，g为单个像素点所占面积。

一种CT图像小缺陷检出的可靠性评价方法，包括以下步骤：

步骤1、通过机械加工手段制造与被测量工件形状和材质一致的圆形对比试块，且对比试块扫描的截面积小于被检测工件的截面积；本实施例中，被检工件的截面积大于4～5倍的对比试块截面积；

步骤2、将对比试块进行CT扫描，获取对比试块的截面CT图像；其中，为了方便对图像进行处理，如图1所示，将对比试块和被检工件放置在一起进行CT扫描，获取对比试块与被检工件的截面CT图像；

步骤3、在对比试块的截面CT图像中，选取圆形对比试块的内部区域进行灰度直方图统计，对直方图进行高斯拟合，得到拟合后的材料灰度高斯函数为：

其中，j为CT图像中圆形对比试块的内部区域的灰度值，A是材料灰度拟合后高斯曲线的幅值，μ是材料灰度拟合后高斯曲线的灰度值均值，σ是材料灰度拟合后高斯曲线的灰度值标准偏差；本实施例中，如图4所示，拟合后的A＝463.857，μ＝170.8，σ＝14.67；

步骤4、根据步骤3的拟合后的材料灰度高斯函数，建立灰度值小于t的概率分布函数f(t)，

其中，t为CT图像中圆形对比试块的内部区域中的某个灰度值；

并在概率分布函数f(t)的基础上，在人为设定的灰度值t₀下，建立不同灰度值的累积分布函数：

本实施例中，CT图像为8位，因此j∈[0,256]；如图5所示，为在固定灰度值t₀＝120下不同灰度值的累积分布函数示意图；

步骤5、在对比试块与被检工件的截面CT图像中，获取对比试块的CT图像垂直界面一维点扩散函数，并以一维点扩散函数的中心位置为圆心进行周向旋转计算，获得二维点扩散函数H_PSF(x,y)；如图6所示，为二维点扩散函数的示意图；

其中，对比试块为圆形时，采用GB_T 29069-2012《无损检测工业计算机层析成像系统性能测试方法》中5.3圆盘卡法获得圆形对比试块CT图像垂直界面一维点扩散函数PSF(k)；以一维点扩散函数PSF(k)的中心位置为圆心进行周向旋转计算获得二维点扩散函数H_PSF(x,y)；其中，

a和b为一维点扩散函数的中心位置；

步骤6、设置需要发现缺陷的直径d，以缺陷的直径生成理想缺陷灰度分布二维图像i(x,y)，将该理想缺陷灰度分布二维图像与步骤5中的二维点扩散函数进行卷积运算获得理想含缺陷的退化二维图像I(x,y)；I(x,y)＝i(x,y)*H_PSF(x,y)

其中，*为卷积运算；

且理想缺陷灰度分布二维图像i(x,y)的生成方法采用现有的技术，本实施例中，理想缺陷灰度分布二维图像i(x,y)为直径为d的圆形缺陷，缺陷内部灰度为0，缺陷外面的灰度为步骤3中拟合后高斯曲线的灰度值均值；

本实施例中，d＝1.1mm，如图7所示，左边为理想缺陷灰度分布二维图像i(x,y)示意图，右边为理想含缺陷的退化二维图像I(x,y)的示意图；

步骤7、将理想含缺陷的退化二维图像I(x,y)中各个点的灰度值代入步骤4中不同灰度值的累积分布函数中F(t₀；μ₁,σ)，获得形成退化缺陷概率分布图I_F(x,y)；

I_F(x,y)＝F(t₀；I(x,y),σ)；

步骤8、建立随机函数Random()，其取值在(0，1)上均匀分布，随机生成缺陷图

步骤9、使用上述的小缺陷自动检出方法对随机生成缺陷图RI(x,y)进行缺陷检出，获得包含缺陷的二值化图像g′_RI(x,y)；

步骤10、判断∑g′_RI(x,y)是否大于0，如是，则认为该缺陷被检出；如否，则认为该缺陷未被检出；

步骤11、重复N次使用步骤8中的方法随机生成缺陷图，并使用步骤9和步骤10进行缺陷检出，计算出缺陷检出率：

错误接收工件率：

缺陷误检率：

为概率统计学中的组合数，

th为设定的缺陷占比下限，f(t₀)为人为设定的灰度值t₀对应的概率，将人为设定的灰度值t₀代入步骤4中的灰度值小于t的概率分布函数f(t)中即可获得；正确接收工件率：M＝1-F；其中，α为被检出次数，β为未被检出次数，α+β＝N；如图8所示，为设定的不同缺陷占比下限与缺陷检出率P的示意图；如图9所示，为设定的不同缺陷占比下限与错误接收工件率Q的示意图；如图10所示，为设定的不同缺陷占比下限与误检为缺陷的概率F示意图；如图11所示，为设定的不同缺陷占比下限与无缺陷工件接收率M的示意图；

步骤12、采用上述的缺陷定量方法对随机生成缺陷图RI(x,y)进行缺陷定量，进行N次随机运算，获得直径为d的缺陷的N次CT定量测量结果D_N，对其进行高斯统计拟合，获得该尺寸缺陷在CT测量中所获得的不同测量结果发生概率。如图12所示，为CT定量测量结果分布概率示意图。

该方法中通过人为设定缺陷灰度分割阈值、小缺陷尺度范围及计算每个像素的缺陷占比实现小缺陷自动检出及定量测量；并通过利用圆形对比试块计算获得边缘响应函数进而计算二维点扩散函数，通过统计背景灰度分布获得噪声分布情况，理论计算小孔缺陷灰度分布、灰度退化分布及含噪声灰度退化分布，设定应该检出小缺陷的尺度要求，通过模拟生成随机缺陷判断缺陷检出率、错误接收率、误检率和正确接收率，给出定量结果分布概率图。因此该方法通过模拟检测人员对小缺陷检出判定的方法，实现大量CT图像自动快速缺陷检出，并针对实际CT检测图像数据给出某一尺寸范围小缺陷的检出率等测量结果可靠性评价，具有低成本、快速等优点。且该方法自动化程度高，对比试块容易制造，对每次检测结果给出小缺陷识别率定量可靠性分布，为检测产品后续使用提供必要的检测及评价技术支持。而且不需要高精度对比试块和多次试验数据，实现自动缺陷检出及缺陷尺寸评定，大大减少了人为影响因素，提高了工作效率，大大提高了测量的精度，对检测结果给出可靠性范围。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种CT图像小缺陷自动检出方法，其特征在于：包括以下步骤：

步骤1、对被检工件进行CT扫描，获取被检工件的截面CT图像；

步骤2、将步骤1中获得的被检工件截面CT图像的原始灰度图记为f(x,y)，其图像尺寸为τ×υ，τ、υ均为正整数，人为设定一个灰度值t₀作为阈值，使用该阈值对被检工件的灰度图像f(x,y)进行分割，得到分割后的二值化图像g(x,y)，

步骤3、以n×n的小窗口对步骤2中分割后得到的二值化图像g(x,y)进行缺陷检出处理；n为正整数；

其中，具体包括以下步骤：

步骤3-1、从左至右、从上至下，依次对二值化图像中每个像素点进行如下处理：以当前像素点(a,b)为中心，1≤a≤τ，1≤b≤υ ，选取n×n范围内的二值化图像g(x,y)的值进行累加，并计算每个像素点对应的缺陷占比k，每个像素点对应的缺陷占比k的计算公式为：

其中，

时，g(x₁,y₁)＝0；

步骤3-2、设定一个缺陷占比下限th，建立新的二值化图像g′(x,y)，其初始值为

步骤3-3、判断某个像素点的缺陷占比k是否大于等于缺陷占比下限th，如是，则新的二值化图像中该像素点的取值计算公式为：g′(x,y)＝g(x,y)∪g′(x,y)，∪为并集；如否，则新的二值化图像中该像素点的取值计算公式为：

步骤3-4、遍历整幅二值化图像g(x,y)，计算该二值化图像g(x,y)中所有像素点对应在新的二值化图像中的取值，获得包含缺陷的二值化图像g′(x,y)。

2.一种CT图像小缺陷定量方法，其特征在于：使用权利要求1所述的CT图像小缺陷自动检出方法检出小缺陷，并根据检出的每个小缺陷连通区域的像素数量计算每个小缺陷的尺寸直径当量D，其中，每个小缺陷的尺寸直径当量D的计算公式为：

W为某个小缺陷连通区域的像素数量，g为单个像素点所占面积。

3.一种CT图像小缺陷检出的可靠性评价方法，其特征在于：包括以下步骤：

步骤1、通过机械加工手段制造与被测量工件形状和材质一致的圆形对比试块，且对比试块扫描的截面积小于被检测工件的截面积；

步骤2、将对比试块进行CT扫描，获取对比试块的截面CT图像；

步骤3、在对比试块的截面CT图像中，选取圆形对比试块的内部区域进行灰度直方图统计，对直方图进行高斯拟合，得到拟合后的材料灰度高斯函数为：

其中，j为CT图像中圆形对比试块的内部区域的灰度值，A是材料灰度拟合后高斯曲线的幅值，μ是材料灰度拟合后高斯曲线的灰度值均值，σ是材料灰度拟合后高斯曲线的灰度值标准偏差；

步骤4、根据步骤3的拟合后的材料灰度高斯函数，建立灰度值小于t的概率分布函数f(t)，

其中，t为CT图像中圆形对比试块的内部区域中的某个灰度值；

并在概率分布函数f(t)的基础上，在权利要求1所述的步骤2中人为设定的灰度值t₀下，建立不同灰度值的累积分布函数：

步骤5、在对比试块与被检工件的截面CT图像中，获取对比试块的CT图像垂直界面一维点扩散函数，并以一维点扩散函数的中心位置为圆心进行周向旋转计算，获得二维点扩散函数H_PSF(x,y)；

步骤6、设置需要发现缺陷的直径d，以缺陷的直径生成理想缺陷灰度分布二维图像i(x,y)，将该理想缺陷灰度分布二维图像与步骤5中的二维点扩散函数进行卷积运算获得理想含缺陷的退化二维图像I(x,y)；

I(x,y)＝i(x,y)*H_PSF(x,y)

其中，*为卷积运算；

步骤7、将理想含缺陷的退化二维图像I(x,y)中各个点的灰度值代入步骤4中不同灰度值的累积分布函数中F(t₀；μ₁,σ)，获得形成退化缺陷概率分布图I_F(x,y)；

I_F(x,y)＝F(t₀；I(x,y),σ)；

步骤8、建立随机函数Random()，其取值在(0，1)上均匀分布，随机生成缺陷图

步骤9、使用权利要求1中小缺陷自动检出方法对随机生成缺陷图RI(x,y)进行缺陷检出，获得包含缺陷的二值化图像g′_RI(x,y)；

步骤10、判断∑g′_RI(x,y)是否大于0，如是，则认为该缺陷被检出；如否，则认为该缺陷未被检出；

步骤11、重复N次使用步骤8中的方法随机生成缺陷图，并使用步骤9和步骤10进行缺陷检出，计算出缺陷检出率：

错误接收工件率：

缺陷误检率：

为概率统计学中的组合数，th为设定的缺陷占比下限，f(t₀)为人为设定的灰度值t₀对应的概率；正确接收工件率：M＝1-F；其中，α为被检出次数，β为未被检出次数，α+β＝N；

步骤12、采用权利要求2中的方法对随机生成缺陷图RI(x,y)进行缺陷定量，进行N次随机运算，获得直径为d的缺陷的N次CT定量测量结果D_N，对其进行高斯统计拟合，获得该尺寸缺陷在CT测量中所获得的不同测量结果发生概率。

Images