企业官网建设流程全解析

1. 内容整体设计与思路拆解

1.1 工业CT三维重建到底在解决什么问题

工业CT（工业计算机断层扫描）三维重建，说白了就是给工件做一次“内部透视”，然后把这些逐层扫描得到的二维切片数据，叠成一幅完整的三维立体图像。很多刚接触这个领域的朋友会把它跟医疗CT混为一谈，实际上两者原理同源，但在应用场景、精度要求、硬件设计上差别非常大。

医疗CT面对的是一张相对固定的患者，剂量限制很严格，软组织对比度要求高；而工业CT面对的是千奇百怪的工件——可能是航空发动机叶片，可能是塑料注塑件，也可能是锂电池电芯，密度差异极大，有的金属件对X射线的衰减强到离谱。工业CT的核心价值在于：在不破坏工件的前提下，实现内部结构的可视化，包括尺寸测量、缺陷检测（气孔、裂纹、夹杂）、逆向建模等。

我经常拿一个比喻跟新人解释这件事：工业CT三维重建就像把一根白萝卜切成无数片薄片，每片拍一张照片，然后用软件把这些照片按顺序叠回去，就得到了萝卜的三维模型，而且这个模型里哪一段空心、哪一段有虫洞，都看得清清楚楚。工业CT做的事情，本质上就是“无损的数字化解剖”。

1.2 为什么选择“从断层到三维模型”这条技术路线

做工业CT三维重建，绕不开两个核心环节：扫描采集和重建算法。

扫描采集阶段，工件放在转台上，X射线源发出锥形束穿过工件，探测器在另一侧接收衰减后的射线信号。工件每旋转一定角度，就采集一帧投影图。常见的采集角度数是360度范围内等间隔取若干个角度，比如720帧就是每0.5度一帧。重建算法阶段，则是把这么多帧二维投影图通过数学方法反算成三维体素空间的值，也就是所谓的“体数据”。

选这条路线是必然的，原因很简单：探测器只能记录射线在某个方向的积分衰减，不可能直接“看见”内部。只有通过多角度投影信息，利用中心切片定理或迭代逼近，才能反演出物体内部每一点对X射线的衰减系数分布。这就是三维重建的本质——从投影数据解出空间分布，是一个典型的“逆问题”。

CT重建算法大体分两类：解析法（最典型的是滤波反投影FBP，锥束里对应FDK算法）和迭代法（ART、SART、SIRT等）。解析法快，适合标准几何、噪声小的场景；迭代法慢但抗噪能力强，尤其适合有限角度扫描、欠采样数据、高噪声场景。

我自己在实际项目中摸索出的经验是：不要一上来就迷信某个算法，要根据工件的材质和检测目标来选。比如检测铝铸件的气孔，FDK加合适的滤波就能干得很好；但如果扫描对象是高密度金属且有大量射束硬化伪影，就必须用迭代法配合射束硬化校正，否则测出来的尺寸偏差会让你怀疑人生。

1.3 行业场景与需求牵引

从应用场景看，工业CT三维重建目前最热的几个方向：

• 军工与航空航天：航发叶片、涡轮盘等关键件的内部缺陷检测、壁厚测量。这属于最高精度要求的场景。
• 汽车制造：电池包、压铸件、管路系统的无损检测。新能源电池的极片对齐度、焊接质量检测，这几年需求暴增。
• 消费电子：手机中框、精密连接器、MEMS传感器等微小器件的内部结构分析与失效判断。
• 文物与材料研究：古生物化石、岩芯样本、复合材料损伤演化的内部观测，虽然不追求超高尺寸精度，但要求无损和细节分明。

这些场景的需求可以归纳为一句话：在尽量快的扫描时间内，获取尽量高信噪比、高分辨率的体数据，并准确、可重复地提取出定量信息。整条技术链的每个环节——从焦点尺寸、探测器像元、机械精度，到重建参数、分割阈值——都围绕这个目标运转。

2. 断层扫描系统构成与采集参数设计

2.1 硬件系统的四个核心部件

一套典型工业CT系统的硬件由四大部分组成：微焦点X射线源、高精度转台、平板探测器（或线阵探测器）、运动控制系统。很多人会把注意力全放在射线源和探测器上，忽略了转台精度的重要性，这是很常见的误区。

X射线源的关键参数是焦斑大小、最大管电压、最大管电流。焦斑越小，几何不清晰度越低，分辨率越高。检测铝件一般选160kV到225kV的射线源，检测钢件需要300kV以上甚至更高，而检测大尺寸高密度铸件时，就需要直线加速器级别的射线源了。管电压决定射线的穿透能力，管电流决定射线通量——通俗讲就是“亮度”。但管电流调大了，焦点尺寸也会变大，分辨率会下降，这是个需要权衡的点：密度分辨率靠剂量，空间分辨率靠焦斑。

转台承载工件，旋转精度直接影响投影几何的一致性。转台跳动超过几个微米，重建后的图像边缘就会出现模糊或者伪影。高精度气浮转台的径向跳动可以控制在1微米以内，但价格也很“感人”。做检测方案的时候，要根据工件大小和测量精度合理选型，没必要在小型塑料件检测上用气浮转台。

探测器决定动态范围和像元尺寸。非晶硅平板探测器是目前工业CT的主流选择，CsI闪烁体把X射线转成可见光，再由TFT阵列读出数字化信号。像元尺寸常见的是127微米、89微米、50微米级别。探测器面积越大，单次扫描覆盖的视野越大，但像元尺寸大，空间分辨率会受限。这里也涉及一个放大倍数的概念：工件离射线源越近、离探测器越远，投影放大倍率越大，等效像元尺寸（像元尺寸除以放大倍率）越小，空间分辨率越高。

2.2 采集参数的计算与选择逻辑

扫描参数的设计，说白了是在分辨率、信噪比、扫描时间和剂量之间做平衡。讲几个核心参数的选取逻辑：

放大倍数与几何分辨率

$$ M = \frac{SDD}{SOD} $$

M是放大倍数，SDD是射线源到探测器的距离，SOD是射线源到工件的距离。等效像素尺寸：

$$ Pixel_{eff} = \frac{Pixel_{det}}{M} $$

工件越靠近射线源，放大倍数越大，分辨率越高。但受两个因素限制：一是视野变小，工件可能超出探测器范围；二是射线源的焦斑半影效应，当放大倍数超过某个值后，焦斑尺寸成为分辨率瓶颈，再放大没有收益。这个极限大约在焦距的1000倍左右，具体要看焦斑大小。

实操经验：检测亚毫米级缺陷时，先把等效像素尺寸算出来，目标是让最小缺陷至少覆盖3×3个像素，否则缺陷对比度太弱，分割时很难稳定提取。

管电压与穿透性

X射线穿过材料时遵循指数衰减规律：

$$ I = I_0 e^{-\mu d} $$

管电压决定了X射线能谱的峰值能量，不是所有射线都能穿透工件。检测钢件时，能量不够，探测器收到的信号几乎为零，重建出来就是一团噪声。但管电压也不能无脑调高：电压越高，射线能量越强，但低密度材料（碳纤维、塑料）在高能射线下的对比度反而会下降。经验法则是：管电压约为工件最大穿透厚度的2到3倍（以钢为参考）。比如穿透30mm钢件，需要约90kV到120kV的有效能量，实际上通常选160kV以上的射线源留余量。

帧数与投影角度数

采集帧数越多，角度采样越密，重建伪影越少。但帧数增加带来扫描时间线性增长。对于标准锥束CT，角度数一般取探测器宽度像素数的π/2倍以上，但实际工业中不等间隔采样和稀疏角度采样也越来越多。我的建议是：先做2倍余量的过采样，再逐步减少帧数做对比，找到“再多一帧没明显收益，少一帧就出现伪影”的临界值。这个临界值跟工件的结构复杂度和材质有关，换工件就要重新标定，没有一劳永逸的参数。

2.3 扫描过程中的关键控制点

扫描执行阶段，有几个容易被忽视的细节，直接决定重建质量：

• 预热与漂移校正：X射线源出束后需要一定时间达到热稳定状态，否则射线强度漂移会导致投影图像整体亮度变化，重建后出现杯状伪影。扫描前至少预热30分钟，并采集暗场和亮场校正数据。
• 工件装夹：工件必须牢固固定在转台上，任何微小的位移都会在重建中产生运动伪影。而且夹具本身的材料尽量选低密度、低衰减的材料（如泡沫、碳纤维棒），避免夹具边缘在投影中产生不必要的边界伪影。
• 中心校正：转台旋转中心在探测器上的投影位置必须精确标定，偏离半个像素就会导致重建图像边缘出现双轮廓。这个标定值要定期校准，尤其是搬动过系统或更换过探测器后，必须重新做。

提示：扫描前花10分钟做系统几何标定，比后面花2小时修伪影要划算得多。这句话是我做了几百次扫描后总结出的最大教训。

3. 投影数据预处理与重建核心流程

3.1 从投影图到高质量正弦图的四步预处理

拿到原始投影图之后，不能直接丢给重建算法。数据预处理这一步直接决定重建图信噪比和是否残留伪影。

第一步：暗场与亮场校正

暗场是指关闭射线源时探测器采集的图像，反映的是探测器暗电流和系统噪声；亮场是指没有工件、射线直接照射时采集的图像，反映的是射线强度分布和探测器响应不均匀性。校正公式：

$$ I_{norm} = \frac{I_{raw} - I_{dark}}{I_{bright} - I_{dark}} $$

这个操作相当于给探测器做了一次“基础校准”，消除固有的不均匀响应。暗场和亮场必须在与扫描相同的成像条件下采集，比如相同的管电压、管电流和积分时间，否则校正无效。

第二步：坏点坏线修正

平板探测器上难免存在坏像素或坏线，表现为图像中固定位置的亮点或断线，在重建后形成环状伪影。修正方法有两种：插值法和滤波法。插值法是用周围正常像素的均值替代；滤波法则是通过中值滤波或自适应滤波去除。实操中，我会在扫描前先拍一张空场图像，自动生成坏点掩膜，然后在每帧投影图上做替换，效率高且一致性好。

第三步：几何校正

工业CT系统即使机械重复精度再高，源焦点、转台旋转中心、探测器像元之间的相对几何关系，在扫描过程中也难免存在微小偏差。几何校正是通过扫描一个已知结构的标定模体（通常是一组小钢球），反算出系统的实际几何参数，然后对投影数据做重采样校正。不做几何校正的后果是：重建后的三维模型边缘发虚，尺寸测量结果系统性偏大，而且工件不同方向上的放大倍率不一致。

第四步：射束硬化校正

这是工业CT里最常见的伪影来源。多色X射线的低能部分在穿过材料时被优先吸收，剩余射线的平均能量升高，导致探测器接收到的强度–厚度关系偏离指数衰减的单色近似。表现在重建图上就是“杯状伪影”：均匀材料的中心区域亮度低于边缘，出现看似密度偏低的假象，严重影响尺寸测量和缺陷判读。

射束硬化校正的方法主要有硬件滤波法和软件校正法。硬件手段是在射线源前加铜片、铝片等滤波片，预先把低能成分滤掉，使射线“变硬”；软件手段是用不同厚度的同种材料制作阶梯模体，通过多项式拟合建立真实的衰减曲线，做线性化校正。我强烈建议两者结合使用：硬件滤波先压掉大部分硬化效应，软件线性化再做残余校正，效果好且稳定。

3.2 重建算法原理与选型

滤波反投影与FDK算法

标准的二维滤波反投影（FBP）是CT重建的基石。中心切片定理告诉我们：物体在某个角度上的傅里叶分量，恰好等于该角度投影值的傅里叶变换。但投影数据在频域是径向稀疏采样，直接反变换得到的图像是模糊的，所以必须在反投影前对投影谱乘以一个与频率成正比的高通滤波核（斜坡滤波），补偿中心区域密度过采样。

锥束CT在工业中流行的是FDK算法，它是FBP在锥束几何下的一种近似实现。FDK在中心平面（与锥束中线垂直的平面）处是精确的，离中心平面越远，重建误差越大。但这并不影响它在大多数工业场景下的使用，因为工业CT的锥角通常控制在±5度以内，误差可以接受。

FDK最大的优点是速度，GPU加速下几秒钟就能重建一帧体积数据。它的缺点是：对投影噪声敏感、对伪影抑制几乎没有能力、对有限角度数据无能为力。

迭代重建算法

迭代法的思想完全不同于解析法：先是猜测一个初始的体积分布，然后正投影出去得到预估投影，把预估投影和实际测量投影的差异反馈回来，修正体积分布，如此反复迭代直到收敛。常见的有代数重建技术（ART）、联合代数重建技术（SART）、同时迭代重建技术（SIRT）。

迭代法在两类场景中优势明显：一是投影角度不足（稀疏角度、有限角度），二是信噪比极低。当扫描时间紧张或工件辐射剂量受限时，迭代法能用更少的投影张数获得不亚于甚至优于FDK的重建质量。

但迭代法有个很头疼的问题：收敛标准不统一，迭代次数靠经验。迭代太少，图像模糊；迭代太多，噪声被放大。实际项目中，我通常选SART，迭代次数从10次起步，对比迭代20次、30次的结果，观察图像变化情况。

下表是我在实际项目中总结的选型建议：

3.3 重建参数的味道与参数

重建时有一堆参数要设置，其中最核心的是：

• 重建体素尺寸：根据等效像素尺寸和重建矩阵大小决定。体素设置得比像素还小没有意义，只会增加计算量。
• 滤波核类型：斜坡滤波是基础，实际重建软件中会提供多种窗函数（Shepp-Logan、Hamming、Hanning等）。窗函数越软，噪声抑制越强，但边缘越模糊。做缺陷检测时我倾向用Shepp-Logan，尺寸测量时用Hamming，兼顾边缘保持和噪声抑制。
• 重建范围（ROI）：只重建关心的区域，可以大幅减少计算时间和内存占用。很多初学者一上来就对整个视野做全尺寸重建，结果数据量巨大、处理速度极慢，而这其实完全没必要。

4. 从体数据到三维模型：分割、表面提取与可视化

4.1 阈值分割：看似简单实则精细的环节

重建完成后，得到的是体数据，也就是每个体素对应一个灰度值，这个值反映该位置的X射线线性衰减系数。要得到三维模型，必须从体数据中提取出工件的表面或区域，这就是分割。

最常用的方式是全局阈值分割：设定一个灰度阈值，高于阈值的体素被视为材料，低于阈值的视为空气或缺陷。听起来很简单，做起来坑非常多。

首先是部分容积效应：当物体边界不完全对齐体素网格时，边界体素的值是材料和空气的混合，灰度落在中间区域。阈值选得偏高，边界向内部收缩，模型偏小；偏低，边界向外扩张，模型偏大。对于需要做精密尺寸测量的工件，阈值的选取直接影响测量结果，甚至造成几十微米的偏差。

处理办法：一是用亚体素表面提取算法，在边界处做插值，找到更精确的表面位置；二是使用区域生长分割，从种子点出发，把连通区域生长出来，相比全局阈值，区域生长能避免孤立噪声点被误判为材料。

我在实际项目中常用的做法是：先用全局阈值做一个初分割，算出大致体积，然后对表面区域做子体素级的灰度梯度分析，用梯度峰值的50%位置作为精确表面。这样做出来的尺寸稳定性和重复性比固定阈值好很多。

4.2 表面网格生成与简化

阈值分割得到的是二值化的体数据，要变成直观可旋转查看的三维表面模型，需要经过等值面提取。经典算法是Marching Cubes（移动立方体），原理很简单：把每个体素看作一个小立方体，根据8个顶点的值跟等值面的位置关系，插值生成三角形面片，把等值面近似出来。这个算法开源实现到处都是，但真正要出高质量的网格，有几个细节：

• 法向计算：法向量应该基于灰度梯度来计算，而不是直接从三角形面片算。基于灰度梯度的法向与真实的表面方向更一致，渲染出来的效果光滑很多，不会出现“台阶感”。
• 网格简化：Marching Cubes生成的网格面片数量通常非常庞大，一个中等尺寸的工件动辄上千万个三角面片。显示会卡，处理会慢。需要做网格简化，但要控制简化率，不要大幅改变几何特征。我习惯把面片数量控制在100万到300万之间，既保证显示流畅，又保持足够的几何精度。
• 网格修复：如果分割时有些区域灰度值特别接近阈值，可能导致网格出现空洞或非流形边。需要用网格修复工具补洞、去重叠面，生成封闭的流形网格。输出STL给3D打印或者逆向软件前，这个修复步骤不能省。

4.3 体绘制与平面切片分析

三维模型提取出来之后，很多人不知道下一步该看什么。实际上工业CT分析有两个层次：表面分析和内部体分析。

表面分析就是上面说的网格模型，适合做外形尺寸测量、逆向建模。内部体分析则是直接在体数据上做，适合做缺陷检测和内部结构观察。体绘制技术（直接体渲染）能把体数据中的密度差异用不同颜色和透明度显示出来，金属和缺陷同时可见，比如看电池极片对齐、看复合材料内部的分层。体绘制的意义在于不丢失内部灰度信息，可以自由调整窗宽窗位来看不同密度范围的细节。

另外，平面切片分析也很关键。无论三维渲染做得多么炫酷，最终缺陷检测报告里，最有力的证据往往是一张清晰的高分辨率切片图，上面能看到缺陷的形状、位置、最小壁厚等测量尺寸。所以在做完三维重建后，不要忘了导出一组正交切片的截图和标注，这是跟客户或生产部门沟通时最直观的材料。

5. 伪影成因与排查对照表

5.1 五大经典伪影的表现与成因

做工业CT时间久了，你会发现重建图像里的伪影翻来覆去就是那么几种，掌握了它们的成因和解决办法，大部分问题都能独立解决。

杯状伪影：均匀材料中心的灰度值低于边缘，看起来像挖了一个碗。成因是多色X射线的射束硬化。解决手段：加滤波片、软件硬化校正。

星芒伪影：在高密度区域周围出现放射状亮线，比如钢件里有钨合金嵌件。成因是局部密度差异过大，射线经过高密度区域时能量谱被剧烈改变，硬化校正失效。解决手段：提高管电压、厚滤波片、迭代重建。

环形伪影：重建图像中出现同心圆环。成因是探测器坏点、坏线，或者闪烁体响应不均匀在校正中残留。解决手段：坏点坏线修正、重新采集亮场图、平场场校正频率提高。

运动伪影：图像边缘有拖影或双轮廓。成因是扫描过程中工件发生位移，或者转台旋转不稳。解决手段：重新装夹、加固、检查转台精度，必要时使用分步扫描（工件静止扫描，台架移动）策略。

边缘模糊：重建后的边缘过渡带过宽，测量误差变大。成因可能很多：几何不清晰度过大（焦点太大、放大倍数太低）、探测器像元过大、重建滤波过软。解决手段：换小焦斑、提放大倍数、换探测器、调硬滤波核。

5.2 一次典型“伪影排查”实录

分享一个我最近遇到的项目案例。某项目需要检测一个铝合金压铸件内部的微小气孔，气孔目标尺寸约0.2mm。第一次扫描出来的重建图，工程师怎么看怎么不对：图像整体有轻微的杯状伪影，个别区域还有明显的环状伪影，导致缺陷检测软件把伪影误判成了气孔，产生了一堆虚假报警。

排查步骤是这样的：

第一步，先看原始投影数据。打开中间角度的投影图，发现右下角有一片固定区域的亮度异常，确认是探测器坏点区域。用坏点掩膜修正后重新重建，环状伪影减少了一部分，但还有残留循环。

第二步，重新采集亮场图。发现亮场校正文件是三天前扫描的，期间射线源已经做过一次重启，可能探测器的增益状态发生了变化。重新采集暗场、亮场后重建，环状伪影基本消失。

第三步，处理杯状伪影。在射线源出束口加了一片0.5mm厚的铜滤波片，并跑了一遍软件硬化校正标定流程。重建后对比中心与边缘灰度差值，杯状效应从15%降到了3%以内。

第四步，重新调试分割阈值，用梯度峰值法定位表面，重新提取气孔。最终检测结果重复性良好，虚警率大幅下降。

这个案例没有什么高深的技术，全部是基础步骤的严格执行。工业CT很多时候不是败在算法不够高级，而是败在流程不够规范、校正不到位。

5.3 常见的参数调节优先级

排查伪影时，我给自己定了一个“改动顺序表”，避免乱调一通：

1. 先检查几何校准和机械状态（这是基础，错了后面全白做）
2. 再检查暗场/亮场校正文件是否最新有效
3. 然后处理坏点坏线
4. 接着调整滤波片和管电压（能显著改善硬化伪影）
5. 最后才考虑上迭代重建

按这个顺序走，大多数伪影问题都能定位到根因，不需要反复试错。

6. 应用案例与实操经验汇总

6.1 三个典型应用场景的完整流程参考

场景一：铝铸件气孔率检测

扫描参数参考值：160kV射线源，管电压120kV，管电流80μA，铜滤波片0.5mm，扫描720帧，单帧积分时间1s。重建算法选FDK，Shepp-Logan滤波，体素尺寸30微米。分割阈值用Otsu自动阈值初评，再人工微调。检测指标：单位体积的气孔个数、平均直径、最大气孔位置坐标。整套流程扫描约15分钟，重建约3分钟，分析约10分钟。

场景二：锂电池电芯极片对齐度无损检测

这个比较特殊，因为电芯是软包结构，多层极片和隔膜叠加，密度差异小，对比度低。需要更低能量的射线源（60kV到90kV）来获得足够的衰减差异。扫描时电芯要尽量放置在转台中心，避免倾斜造成分层边界模糊。重建后需要用体绘制调整窗宽窗位，才能清楚分辨极片边缘和隔膜层。主要测量指标：正极/负极极片与隔膜的对齐偏差量、极片翻折情况。

场景三：注塑件内部结构分析与壁厚测量

注塑件材质大多是PC/ABS等塑料，密度低，用90kV左右的管电压即可穿透。由于塑料件的密度跨度小，重建后灰度动态范围窄，阈值分割要非常小心。我的做法是：先在设备上测量一块同材质纯料块的灰度均值作为参考，再根据部分容积效应确定阈值区间。测量壁厚时，用表面法向方向上的灰度剖面来定位两个表面位置，比直接阈值分割精度高很多。

6.2 实测下来最值得记住的几个经验

经验一：优先保设备稳定性，再谈算法创新。

工业CT的使用不是越先进的算法越好，而是越稳定的流程越好。一套规范的采集、校正、重建流程，比任何复杂的算法都更能保证检测结果的重复性。实测下来，规范流程能把同一工件两次扫描的尺寸测量偏差控制在正负一个体素以内。

经验二：管电流不是越大越好。

初学者容易把管电流开得很大来提升信噪比，结果重建后发现图像虽然噪声小了，但空间分辨率明显下降，小缺陷糊掉了。原因就是焦斑变大带来的几何不清晰度。我的建议是：管电流只要满足投影图信噪比需求就够了，一般以单个投影帧的信噪比在30dB以上为下限，再配合多帧叠加提升质量，远比盲目调大电流划算。

经验三：分割阈值一定要做可重复性验证。

同一个扫描数据，换一个操作员来分割，结果可能就差一截。正确的做法是定义清楚分割规则，比如“用梯度峰值法的50%作为表面位置”“缺陷面积统计时忽略小于9个体素的区域”，这样不同操作员得到的结果才能对齐。如果面临客户审核，还需要把整个分析流程参数化存档，实现可追溯。

经验四：对高密度工件一定要舍得花时间做射束硬化校正。

我接手过一个钢件的项目，初期没做硬化校正，尺寸测量结果跟三坐标测量机差了0.1mm以上，怎么调重建参数都没用。后来老老实实制作了阶梯钢模体做了线性化校正，误差立刻降到0.02mm以内，整个团队都松了一口气。

6.3 从初学者到熟练工程师的一条建议路径

如果你想系统性上手工业CT三维重建，我建议按这个路径走：

第一步，吃透原理。把中心切片定理、FBP推导、FDK近似误差来源搞明白，构建起理论直觉。这一步不能跳，否则后面调参就是瞎蒙。

第二步，熟悉工具。掌握至少一套主流工业CT软件的操作，不管商用还是开源的，把采集、校正、重建、分析全流程跑通至少20遍。

第三步，建立样本库。用不同材质、不同尺寸、不同结构的工件做横向对比，形成对“什么工件该用什么参数”的感性认知。

第四步，沉淀规范。把每类工件的扫描参数、重建参数、分析规则写成内部作业指导书，标注参数设置依据和效果对比，才算把经验变成可复用的资产。

我自己带人有个习惯：让新人先花一周时间只做同一批工件的重复性测试，每天扫描十次，重建五十次，比较每次结果之间的差异。看似枯燥，但能很快建立起对系统误差敏感度，后面解决实际问题的能力会强很大一截。

最后再分享一个我自己踩过多次坑之后养成的小习惯：每次扫描完工件，在拆下工件之前，先看一下中间角度和最后一角度投影图的一致性。如果发现工件在投影图上有明显位移，就要果断重扫，不要心存侥幸。省一次扫描的时间，很可能要花三倍时间在后期伪影修补上，这笔账怎么算都不划算。

工业CT三维重建不是一个“按下按钮等结果”的自动过程，它需要你把从焦距选择到阈值分割的每一个细节都校准摸透。但只要把流程走顺了，它提供的信息密度是无损检测手段里最高的，那种看到工件内部高清结构的瞬间，会觉得前期所有调参的枯燥都是值得的。