[发明专利]一种体数据的裁减方法

说明书

技术领域

本发明涉及医学图像处理的领域，尤其涉及一种体数据的裁减方法。

背景技术

裁减是图形学中的基本操作。经典的多边形裁减算法，如Sutherland-Hodgeman算法、梁-Barsky算法等要求裁减多边形为矩形，而在实际应用中，裁减多边形和实体多边形可能均为一般多边形。Weiler算法、Vatti算法以及Greiner-Hormann算法可以在一定的时间内处理一般多边形的裁减，其中，Weiler算法使用的是树形数据结构，Vatti和Greiner-Hormann算法使用的是双线性链表数据结构。

如对医学图像进行裁减处理时，首先需要通过扫描获得人体图像的体数据，所述体数据包括人体器官体数据及冗余体数据。用户如医生在观察体数据的绘制结果时，需要裁减掉一些自己不关心的组织或部位，这需要对体数据进行裁减处理。目前，体绘制技术中已有一些方法能调节体素的可见性。例如，通过改变颜色表，可以根据灰度值来调整体素的可见性；也可以采用区域增长算法，对某类组织进行分割提取，把提取结果存放在一个和原始体数据具有相同维度大小的mask数据中，体绘制结果由原始体数据和mask数据来确定。

但是，现有技术对所述医学图像的裁减是基于所述体数据中的单个的体素进行的，即需要对每个所述体素进行判断其是否需要被裁减，裁减需要的时间较长，验证影响医学图像的处理效率。

发明内容

本发明解决的问题是提供一种体数据的裁减方法，用以提高医学图像进行裁减的效率。

为解决上述问题，本发明提供了一种体数据的裁减方法，包括：提供医学图像的体数据及预设多边形，将所述体数据所在空间进行多次划分，并在每次划分后产生的子空间内，对子空间内的体数据进行裁减，以使得所述体数据形成预设多边形对应的形状。

可选的，所述划分为基于树结构对所述体数据所在空间进行的空间划分。

可选的，所述树结构包括二叉树、四叉树、八叉树或十六叉树。

可选的，还包括设定划分体素阈值，若划分后的子空间的体素值不大于所述划分阈值，则停止后续的空间划分。

可选的，若停止后续的空间划分后，则遍历当前形成的子空间中所有的体素，逐个判断其是否位于所述预设多边形内／外。

可选的，还包括节点，每一个节点对应于所述空间划分后形成的一个子空间，第一次划分形成的节点为子节点，最后一次划分的节点为叶子节点，其余的划分形成的节点为孩子节点。

可选的，还包括在每次空间划分后，对位于当前划分形成后的子空间内的体数据进行裁减。

可选的，所述对位于当前划分形成后的子空间内的体数据进行裁减包括：判断位于所述子空间内的体数据是否全部位于所述预设多边形内部或全部位于所述预设多边形的外部。

可选的，若所述子空间内的体数据不完全位于所述预设多边形内部或不完全位于所述预设多边形的外部，则对所述子空间继续进行下一步的划分，形成更小单元的子空间。

可选的，还包括在每次空间划分后，判断当前划分形成后的子空间内的预设多边形的凹凸性。

可选的，若所述子空间内的预设多边形为凸多边形，且所述子空间内的体数据对应的所有空间顶点都在多边形外，则所述子空间内的体数据全部位于所述预设多边形外部；若所述子空间内的体数据对应的所有空间顶点都在多边形内，则节点对应的立方体在多边形内。

可选的，若所述子空间内的预设多边形为凹多边形，且所述子空间内的体数据对应的所有面都在多边形外，则所述子空间内的体数据全部位于所述预设多边形外部；若所述子空间内的体数据对应的所有面都在多边形内，则节点对应的立方体在多边形内。

与现有技术相比，本发明具有以下优点：

对体数据所在空间进行划分，并在形成的子空间内进行体数据的裁减，不必对每个体素都进行是否被裁减的判定，而是利用子空间的空间结构，首先只对一些关键的点面进行判定就能判定大部分体积空间，最后只需对一些较小的体积空间进行逐点判定，从而极大地提高了裁减速度。

进一步地，基于如八叉树等树结构进行体数据的多边形裁减，能很好利用树结构的空间特性，当使用多边形对体数据进行裁剪时，不必对每个体素都进行是否被裁减的判定，而是利用树结构的空间结构，只需对一些较小的体积空间进行逐点判定，从而极大地提高了裁减速度。

附图说明

图1所示为本发明一个实施例的体数据的裁减方法的流程示意图。

具体实施方式