在过去十年中，CT理论、技术与应用经历了快速的发展。鉴于CT的实用性，无疑CT技术将继续推动生物医学应用和非生物医学应用。　　CT数学模型中最核心的技术就是重建算法，它主要包括解析法和迭代法。解析法重建速度快，成像质量较好，成为了最主流的CT重建算法。但是，它要求完全的、等间距的投影数据，积分路径（射线）要为直线，而且重建图像有伪影。代数重建算法是最早被提出并应用的迭代法的典型形式，它适用于不同方式的采样数据，对不完全数据也可重建图像。迭代算法的特点是一开始就把连续的图像离散化，把整个图像区域划分为有限个像素点，将得到的投影数据结合投影方式构成一个未知的方程组，对方程组求解未知图像向量。但是由于数据量大、重建速度慢，当时计算机硬件和软件的制约，影响了算法的应用。例如128乘128的图像格式，用代数迭代重建方式需要求解的方程组中方程的个数估计是16384个，如此大的方程组求解是需要非常大的计算量的。但是近些年来随着计算机的普及和发展，计算机数据处理能力不断的提升，使得迭代算法的缺点正在被克服。相信正如CT和核磁共振的出现没能将X片赶出历史的舞台一样，解析重建算法也不能取代迭代算法。因为这两种算法各有利弊，而且有理由相信随着计算机技术不断革新，硬件性能不断提升，或许不久的将来，就可以看到迭代算法用于商用CT扫描装置。　　本文主要针对扇束扫描CT的图像迭代重建算法进行了研究。首先，从最基本的迭代算法代数重建算法(简称ART)开始，研究了松弛系数、投影顺序、数据访问方式的选择对于图像重建的速度和图像的质量的影响。其次，还研究了有序子集算法(O-S)，并给出选取子集序列的一般方法，分析了不同迭代算法对图像重建速度及图像质量的影响。对有序子集方法在不同投影顺序和不同子集水平下的收敛情况进行分析，得出非顺序方式收敛速度及重建质量都明显变好，但子集水平高时图像会发散的结果。　　本文使用MATLAB软件进行计算机仿真，并对实验得到的结果进行了比较和分析。