医学图像三维重建面绘制算法,本文关于医学图像论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
医学图像论文参考文献：
摘 要：面绘制是医学图像三维重建中能够快速绘制出物体表面轮廓的方法,面绘制比体绘制具有更快的速度.该文首先简单介绍了三维重建的一般流程,然后分别论述了三维重建面绘制的立方块法、移动立方体法、移动四面体法、剖分立方体法、表面跟踪法、网格简化的方法以及现在常用的三维可视化开发工具.
关键词：面绘制；三维重建；移动立方体法
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）32-0210-02
1 概述
医学成像设备CT、MRI等可以得到人体内部器官的二维数字断层图像,但无法显示物体的三维结构.计算机图像处理、图形学中的三维重建技术可以对二维医学图像序列进行三维重建,能够模拟显示出器官的三维结构.
2 医学图像三维重建流程
1） 通过医学扫描成像设备对人体的扫描,得到连续的二维断层数字图片,然后输入计算机并读取图片.
2） 图像预处理,对断层序列图像进行滤波、特征增强、插值、分割等操作.
3） 对分割后的区域运用重建算法进行图像三维重建.
3 医学图像三维重建
医学图像三维重建可分为面绘制和体绘制两种方法.面繪制是通过对图像序列的三维体数据进行等值面提取生成中间几何单元,并对生成的中间几何单元进行显示的表面重建方法.体绘制是对数据场中的所有体素赋予一定的光亮度和不透明度,利用光线透过半透明物质的光学原理得到的二维投影图像.
3.1 面绘制方法
面绘制根据重建方法的不同可分为基于切片的表面重建和基于体素的表面重建.
3.1.1 切片级表面重建
早期医学扫描成像设备切片间距比较大,所以采用切片级表面重建的方法.先在每个断层切片图像中提取检测器官的边缘轮廓曲线形成轮廓集,然后在相邻的断层图像间,通过层间轮廓特征点的连接,构造出三角面片进行轮廓拼接,来拟合断层间轮廓的曲面.采用不同的拼接方法,可以得到不同的三角网格,所以要采用一定的限制准则,保持拓扑结构的一致性.
3.1.2 体素级表面重建
随着医学扫描成像设备技术的提高,出现了基于体素的表面重建.体素级面绘制流程：运用一定的算法提取等值面,构造体素中等值面片的几何图元,绘制等值面.体素三维数据场分割的最小的单位,体素是立方体,八个顶点有相应的空间位置坐标.等值面是三维数据空间中所有具有相同值的点的集合.
1） 立方块法
立方块法是体素级重建中使用的最早的方法,其假定单个体素内部灰度值是相等的,只用边界体素的外表面拟合等值面.该算法容易出现外表面阶梯状明显,不流畅,不能很好地显示细节轮廓.
2） 移动立方体法
图1 体素模型
移动立方体法是三维规则数据场中,利用等值面生成物体表面的经典重建算法.其假设沿体素边的灰度值是呈连续线性变化的.利用三线性插值公式3-1可以计算出体素（如图1）内某点的灰度值：
[f（x,y,z）等于a0+a1x+a2y+a3z+a4xy+a5yz+a6zx+a7xyz] （1）
a0-a7表示体素8个顶点的灰度值,x,y,z表示体素内的坐标点,f（x,y,z）表示体素内的（x,y,z）点的灰度值.
把z等于z0代入公式（1）得：
[a0+a1x+a2y+a3z0+a4xy+a5yz0+a6z0x+a7xyz0等于c] （2）
由公式（2）得出,公式表示的是双曲线,用直线来拟合曲线是一种近似.
移动立方体绘制物体表面的方法为：处理三维数据场中的所有体素,把等值面的值与体素中各顶点的灰度值进行比较,当等值面的值处于体素各顶点灰度值中既非最大值,又非最小值时,等值面穿过体素,称这类体素为边界体素；等值面的值处于体素中所有顶点灰度值的最大值或最小值时,等值面不会穿过这类体素.根据边界体素八个顶点的灰度值与等值面的值的大小情况,对顶点进行分类,顶点灰度值大于等值面值的标记为1,顶点灰度值小于等值面值的标记为0,因此边界体素共有（2的8次方）256种组合,256种组合通过反转对称性（边界体素中所有顶点0、1值的互换）,变成128种组合,经过旋转对称性（边界体素旋转后,顶点0、1位置值相同）,可以简化成15种情况.然后利用线性插值公式（2）、公式（3）或中点插值公式（4）的方法计算出等值面片与边界体素的交点.
假设边界体素的一条边上的两个顶点的灰度值,一个小于等值面的值,一个大于等值面的值,两顶点的坐标值分别为为（x1,y1,z1）和（x2,y2,z2）,位于这两个顶点所在边上的等值点坐标值为（xi,yi,zi）,两顶点的灰度值分别为c1和c2,c为等值面的值.
①用线性插值的方法：
[K等于（c-c1）/（c2-c）] （3）
等值点坐标：
[xi等于x1+K（x2-x1）]
[yi等于y1+K（y2-y1）]
[zi等于z1+K（z2-z1）] （4）
②用中点插值的方法：
[xi等于（x1+x2）/2]
[yi等于（y1+y2）/2]
[zi等于（z1+z2）/2] （5）
在图像分辨率比较高的情况下,两种方法重建出来的三维图像差异不大.
采用相应的方法（比如渐近线法）来消除二义性；采用中心差分方法公式（6）来计算体素各顶点处的法向量：
[gx等于f（xi+1,yj,zk）-f（xi-1,yj,zk）2Δx]
结论：适合医学图像论文写作的大学硕士及相关本科毕业论文，相关医学图像开题报告范文和学术职称论文参考文献下载。
探究小波变换在医学图像处理中的应用
摘 要：由于受到医疗器械先进水平及环境等要素的影响，临床医师的医学图像应用过程常常会产生一些人工处理需求。通过对目前我国医学图像处理现状的分析可。
基于稀疏表示的图像超分辨率重建算法
摘 要：本文在基于稀疏表示的图像超分辨率重构算法的研究基础上提出一种改进的算法。该算法的思想是在原有的稀疏表示图像超分辨率重建的基础上采用图像结。
机器人立体视觉中三维重建
摘 要：如何更好地实现智能化一直是机器人领域的研究前沿，如果它们像人一样有自己的“眼睛”，那么，机器人就更接近智能化了。在三维重建阶段，文章通过。
Tikhonov非线性算法在ECT图像重建中应用
摘 要：传统ECT算法受到分辨率低、边界模糊等问题的限制，文章提出基于有限元正演模型的Tikhonov非线性迭代算法。首先分析了ECT图像重建基。