[发明专利]基于立方体棱边共享等值点的加速改进算法

说明书

技术领域

本发明涉及一种基于立方体棱边共享等值点的加速改进算法。

背景技术

医学影像可视化是医学和计算机科学计算可视化研究领域的一个重要分支，也一直是学者研究的热门点。医学影像三维重建就是把在医院里拍摄的CT(Computed Tomography-计算机X射线断层扫描技术)，MRI(Nuclear Magnetic Resonance Imaging-核磁共振成像)等数字化影像数据，通过相关算法，在计算机里直观的用三维建模的方式展现。

科学计算可视化(简称可视化，英文是Visualization in Scientific Computing，简称ViSC)是计算机图形学的一个重要研究方向，是图形科学的新领域。事实上，将任何抽象的事物、过程变成图形图像的表示都可以称为可视化。科学计算可视化的基本含义是运用计算机图形学或者一般图形学的原理和方法，将科学与工程计算等产生的大规模数据转换为图形、图像，以直观的形式表示出来。它涉及计算机图形学、图像处理、计算机视觉、计算机辅助设计及图形用户界面等多个研究领域，已成为当前计算机图形学研究的重要方向。

传统的医学影像技术只是首先用CT等技术拍摄人体某一断层的影像数据，然后医生通过胶片或屏幕显示进行观察、诊断。但是医生观察到的只是固定视角的二维图像，这导致医生在判断病人的病情时主要依据的是所看到的图像的分析，并且需要结合医生的实际经验，有很大的主观性。随着数字化、网络化时代的到来，医学影像技术进入一个崭新的时代。在医学影像领域，多种新的数字化成像技术(如CT，MRI)的问世，成为医学影像技术的主流。利用计算机技术对二维切片图像进行分析及处理，重建出三维模型，可以让医生多视角、多层次地进行医学病理观察和分析。从而可以大大提高医疗诊断的准确性和正确性。这给医学影像的应用增加了宝贵的价值。所以自20世纪90年代起，医学图像三维可视化技术一直是国内外研究与应用的热点。

Marching Cubes(移动立方体)算法是三维数据场等值面生成的经典算法。现有的基于Marching Cubes技术的三维医学影像技术，由于Marching Cubes本身算法的复杂性，在处理大数据量的影响数据时效率低。

Marching Cubes算法比较直观，它是对每个立方体进行处理，通过8个顶点计算该立方体的索引值，然后根据索引值去查出哪些棱边有等值点，通过线性插值运算并求出棱边上的交点，绘制出三角面片。

然而，对于其中一个立方体的棱边而言，它不仅仅属于当前的这个立方体，它同时还属于另外三个与当前立方体相邻的立方体。即一条棱边是由4个相邻的立方体共享的。若按照朴素的Marching Cubes算法进行计算，如果4个立方体都是在这棱边有等值点的话，计算会重复4次，大大浪费了计算机的处理开销，增加了算法的时间。

发明内容

鉴于上述现有Marching Cubes算法处理效率低的问题，本发明的目的在于提出一种基于立方体棱边共享等值点的加速改进算法，它能够比现有技术更有效、更高效地解决医学影像三维重建问题。

为实现上述技术目的，本发明采用如下技术方案：

一种基于立方体棱边共享等值点的加速改进算法，包括如下步骤：

1)用一个全局数组变量保存一个立方体的每条棱边的相关信息，包括该条棱边是否有等值点，以及等值点的坐标值和法向量；

2)计算等值点的坐标值，包括如下步骤：

a)在计算等值点之前，先判断此棱边是否有等值点，如果此棱边有等值点，则直接把已经存在数组里的数据提取出来用于计算三角面片；如果此棱边没有等值点，跳到步骤b)；

b)通过线性插值计算等值点的坐标和法向量，把当前体素的棱边的等值点记录下来，以及对共享这条棱边的其他体素的棱边的等值点给予赋值；

3)用Marching Cubes算法计算三角面片，并通过GPU加速图像处理软件处理生成的三角面片，绘制得到三维图形。

进一步的，所述步骤3)是采用双线程Marching Cubes算法同时运算生成三角面片，并汇总生成的三角面片，然后通过GPU加速图像处理软件处理三角面片，绘制得到三维图形。

进一步的，所述步骤2)的b)子步骤包括如下三个方面：

1)将当前体素表示为grid[i][j][k]，表示该立方体是在X方向的第i个，Y方向的第j个，Z方向的第k个；其中i、j、k为正整数；