La reconstruction, après rebinning, est envisagée dans un contexte discret. A la différence de la reconstruction analytique, on dispose de nombreux degrés de liberté. C'est ce qui en fait sa richesse. On aboutit en général à un système d'équations à inverser. Le problème étant mal posé, il faut régulariser et donc introduire une information a priori qui nous guide dans le choix d'une estimée. Celle-ci est introduite dans un cadre Markovien. L'image correspond à des zones homogènes séparées par des bords francs. Le système de voisinage est basé sur la distance entre voxels. L'interaction entre les voisins est calculée sur un opérateur différentiel de premier ordre (gradient discret). La fonction de potentiel est choisie en accord avec le théorème de Geman & Reynolds étendu et nous permet de préserver les discontinuités. D'autre part, la volonté d'utiliser un algorithme déterministe pour l'inversion du système nous conduit à considérer une fonction de potentiel convexe (hypersurfaces). Comme le système d'équations est non linéaire, nous envisageons une stratégie de minimisation alternée qui nous conduit à résoudre une série de systèmes linéaires (minimisation semi-quadratique). L'inversion de chacun de ces systèmes est faite par un algorithme de gradient conjugué. Nous aboutissons alors à l'algorithme Alg.6.