[发明专利]一种面向骨骼CT序列图像的网格模型自适应重建方法

摘要

本发明提出一种面向骨骼CT序列图像的网格模型自适应重建方法，包括下述步骤：依次提取每层CT图像中骨骼的二维轮廓数据；将形成的多层二维轮廓数据集转化为带有法向量的三维点云；构建骨骼模型的隐式曲面；对骨骼隐式曲面进行自适应图元采样；对自适应图元集进行三角化，形成骨骼网格模型。本发明可以避免在骨骼模型中生成大量冗余的三角网格和狭长三角网格，可以根据骨骼表面的曲率自适应重建高质量的三角网格模型，同时不同尺寸的三角网格之间合理过渡，网格光顺效果好，在数字骨科学领域具有重要的应用价值。

主权项

1.一种面向骨骼CT序列图像的网格模型自适应重建方法，其特征在于该方法包括：(1)依次提取每层骨骼CT序列图像中骨骼的二维轮廓数据；(2)将形成的二维轮廓数据集转化为带有法向量的三维点云；具体包括：(2‑1)对二维轮廓数据集中每层二维轮廓的内部图像进行边缘填充，以轮廓边缘为约束，对轮廓边缘内部连通区域进行八向连通填充为白色，轮廓外部边缘连通区域填充为黑色，形成轮廓二值图像；(2‑2)对多层轮廓二值图像的序列形成的三维体素集V进行三维高斯滤波，得到滤波后的体素集V'，其中，三维高斯滤波函数表达式如下：式中[x,y]表示轮廓像素点所在的CT图像平面内坐标，z为切片的层数所在的坐标，σ是标准偏差；(2‑3)使用空间Prewitt算子计算二维轮廓的像素点所在的体素位置处的梯度；(2‑4)通过二维轮廓像素点所在的体素位置梯度计算出二维轮廓像素点的单位法向量，计算表达式如下：式中，n_i是法向量，是二维轮廓像素点所在的体素位置p_i的梯度；(2‑5)依次提取每层图像的像素空间位置p_i(x,y,z)，得到三维点云数据n表示点数；(3)根据三维点云构建骨骼模型的隐式曲面；(4)对骨骼隐式曲面进行自适应图元采样；(5)对采集的自适应图元集进行三角化，形成骨骼网格模型。