理解一致性

要理解一致性首先要跳出一个误区，那就是一致性并不是要达到不同的显示设备显示的一模一样，而是要求表达的一致性，比如信号30和40在设备A上显示出肉眼可辨的两个不同程度的灰色，而在设备B上显示则无法辨别，这样在AB两台设备人看到感官就不一致了。

为什么需要一致性

在临床上，当一幅医学图像在某个显示器上得出诊断，而在另一个显示器又得出不同的结论，从而影响了诊断的准确性和一致性，所以医院图像显示需要很好的一致性。

一致性原理

图像的信息是由人眼获取和感知的，人类视觉可以分辨的灰阶数目受多种因素影响，主要包括物体大小、物体亮度、环境亮度、物体周围图像、图像噪声、眼睛适应亮度时间、测试模式、物体结构的规则性、显示器功能、恰能分辨亮度差（Just Noticeable Difference JND）等。目前实验数据表明Barten模型和复合模型更适用于人眼传递特性的视觉模型，其中PACS真是采用了Barten模型来保证图像的一致性。人眼在0.05~4000cd/m²范围内对比敏感度是非线性的（人在亮处能分辨更小的亮度变化），根据Barten视觉模型，人眼在这个范围内可识别1023个亮度级别JNDs, 大概的示意图如下：

示意图

$\color {gray} {注：仅示意，数据非真实。}$

只有当图像的灰度值所对应的一个亮度变化大于一个JND时，人眼才能分辨灰度的不同，如果图像相邻灰度间隔等量JDNs, 那么图像会随着灰度值线性变化，有利于提高诊断准确性，如果不同的显示设备显示亮度都随着灰度值线性变化，就可以达到不同设备的视觉表达的一致性。

DICOM中关于一致性的处理

在DICOM标准中定义了图像灰度值和亮度之间的关系，称为标准灰度显示函数，为了达到线性的感知度，必须通过DICOM标准中定义的某些线性或非线性方法来调整图像的表示值，以符合期望，而在采用灰度显示函数之前需要将设备采集数据映射为标准灰度显示函数的输入值，也就是下图中P值（表示值），这个P值与设备无关，P再经过标准灰度显示函数映射为系统中亮度的对数值，不管系统的性能如何，相同的P值范围都将表现的非常相似。

DICOM医学图像显示转换过程

如上图所示，设备采集数据映射分为三步，具体如下：

$\color{blue}{Modality LUT}$
不同的生成厂商生成图片的度量是不一致的，为了达到一致就需要通过Modality LUT 转换，DICOM定义了两种转换方式，一种就是通过查找表（Look Up Table LUT），另一种是通过Rescale/Intercept转换。

查找表：非线性转换，有很多数据项组成，每个数据项为相应原始数据转换后多对应的值。
Rescale/Intercept: 线性转换 标准图像像素 = 原始图像像素 * rescale + intercept

$\color{blue}{VOI LUT}$
医学图像数据灰度范围大（通常不低于4096），普通显示器难以一次显示全部信息，需要操作者先选择一个感兴趣区域，然后我将该区域映射到显示器能显示的范围内，这个过程称为 VOI(Value of interest) 转换。在什么是窗宽和窗位中提到的窗宽窗位调节就是VOI LUT转换的一种实现。VOI可以使用线性转换也可以使用LUT, 具体使用哪种在DICOM文件中有专门标记。

$\color{blue}{Presentation LUT}$
图像像素的最后一个变换，该阶段参照人类视觉特征曲线非线性特点，将输入转为P值，也可按照具体使用环境进行校正，如Gramma校正等。Presentation LUT转换也有两种方法：Presentation LUT 和 Presentation Shape