由投影重建图像的算法可以分为解析重建算法和代数迭代重建算法。解析重建算法依赖于数据完备的情形，是医学图像重建领域中较为普遍的算法。代数迭代算法在高噪声、少量数据或不完全数据等情况下较解析重建算法有着明显的优势，其重建图像有较好的密度分辨率。　　现有的多数迭代算法都是基于传统的网格剖分构造的离散化模型，由此进行迭代重建。近来，关于新的离散化模型的讨论引出了许多新的方法和相应的改进算法。建立一种实际扫描模式本身和图像离散化形式相结合的模型，在迭代校正的过程中，应用模型中存在的对称结构来简化计算、抑制噪声、加快收敛过程，可以形成快速有效的新的迭代校正格式，对解决现有医用和工业CT面临的实际问题有很好的意义。　　本文讨论了两种典型的图像重建离散化模型：基于正方形剖分的图像重建离散化模型和基于正六边形剖分的重建离散化模型。分析了两种模型的特点，并给出了其计算过程中存在的问题。在分析扫描模式和结构的基础上，从扫描模型的几何结构的基本特性出发，提出了建立一种基于计算点的图像重建离散化模型。新的离散化方法用点到射线的距离描述了计算点对射线衰减的权重，重新定义了投影系数矩阵中的元素。基于新的离散化模型，本文给出了一种投影系数矩阵元素的计算方法，并进行了实测数据和模拟数据实验。实验结果表明基于计算点的图像重建离散化模型，利用经典ART和SB-ART算法进行迭代重建，与传统的基于正方形剖分的图像重建离散化模型相比，重建后图像的空间分辨率和密度分辨率都有所提高。