コントラストは領域間の信号差を表す

X線画像のコントラストとは、異なる領域で測定される信号レベルの差を意味します。透過型X線検査では、対象物の材質、組成、密度、厚さなどによってX線の減弱量が変わり、その差がディテクタに到達する透過信号差の基本要因になります。

ディテクタキャリブレーションは、ピクセル間のオフセット、ゲイン、非均一応答を補正するために使用されます。一方、最終画面で見えるコントラストは、正規化、ウィンドウ / レベル、トーンマッピング、その他の画像処理など、表示マッピングの影響も受けます。そのため、物理的な透過信号差、ディテクタ補正、最終表示コントラストを区別して理解することが重要です。

ノイズは信号に含まれる不規則な変動

ノイズとは、同一条件や均一な領域であってもピクセル値が完全には一定にならず、平均値の周囲で変動する現象を指します。X線画像では、限られた光子数による量子ノイズと、ディテクタおよび読み出し回路で発生する電気ノイズなどが主な原因になることがあります。

均一な領域のノイズを評価する際には、ROI内のピクセル値の標準偏差（Standard Deviation, σ）を簡単な指標として用いることがあります。ただし、実際のディテクタにはピクセル間の応答差、構造ノイズ、画像処理、空間的相関なども存在するため、標準偏差だけですべてのノイズ特性を説明できるわけではありません。

SNRは信号とノイズの相対的な大きさを表す

SNR（Signal-to-Noise Ratio）は、信号レベルがノイズに対してどの程度大きいかを示す指標です。均一で正の信号を持つROIでは、簡略化した形としてSNR = S̄ / σで表すことができます。ここでS̄はROIの平均信号値、σはその領域のピクセル値の標準偏差です。

この表現は、均一で適切に補正された画像に対する簡単なSNR評価方法です。実際の画像システムでは、ノイズの空間的相関、ディテクタ特性、画像処理方法によって評価方法が異なることがあります。

量子ノイズが支配的な条件では、検出されるX線光子数が増えるほど相対的な統計変動が小さくなり、SNRが向上する場合があります。理想的なPoisson統計では、量子ノイズ制限下のSNRは検出光子数の平方根に比例すると考えられます。

CNRは二つの領域の差をノイズと併せて評価する

CNR（Contrast-to-Noise Ratio）は、対象と背景の信号差をノイズレベルと併せて評価する指標です。CNRの定義は評価目的や測定方法によって異なりますが、一般的な一例としてCNR = |S̄object − S̄background| / σbackgroundがあります。

ここでS̄objectとS̄backgroundは、それぞれ対象ROIと背景ROIの平均信号値、σbackgroundは背景領域のノイズを表す標準偏差です。場合によっては二つのROIのノイズを組み合わせた値を分母に用いることもあるため、異なるCNR値を比較する際には定義と測定条件を確認する必要があります。

重要なのは、対象と背景の信号差がノイズに対して十分に大きいかを評価することです。CNRが高いほど減弱差の小さい領域を区別しやすくなる可能性がありますが、実際の検出性は空間分解能やサンプリング条件の影響も受けます。

産業用X線検査ではコントラストとノイズを同時に見る必要がある

産業用X線ラインディテクタシステムでは、管電圧、管電流、積分時間、ラインレート、対象物の減弱特性、ディテクタの検出効率、ピクセルピッチ、シンチレータ特性、読み出しノイズなどが画像のコントラストとノイズに影響します。

より多くのX線信号を確保すると、量子ノイズが支配的な条件ではSNRの改善が期待できます。一方、材質の組み合わせによってはX線エネルギーが高くなるほど二つの物質間の減弱差が小さくなり、被写体コントラストが低下することがあります。そのため、単純に高いエネルギーや高い信号量だけを目標にすることはできません。

また、小さな異物や微細構造の視認性はCNRだけでなく、空間分解能と移動方向のサンプリング条件にも影響されます。実際の検査では、コントラストまたはSNRだけを最大化するのではなく、検査対象とシステム条件に適したCNR、空間分解能、信号量のバランスを確保することが重要です。