图像分割与三维重建

<1>.医学图像分割:
根据需要选择一定的特征量或指定特定的测量准则来检测图像中不同区域的一致性,根据检测出来的区域一致性将图像区别成不同区域,从而可以更加方便地进行进一步的分析和理解。
<2>.医学图像分割方法:
a.基于图像区域的方法:通过检测同一区域内的均匀性是否一致来将图像中的不同区域识别出来。
区域分割方法包括:阈值分割法,区域生长法,基于随机场的方法。
b.基于边缘检测的分割方法:边缘检测技术提取区域进行分割。
常用的边缘检测技术有:并行微分算子、基于边界曲线拟合的方法、基于局部图像的方法、串行边界查找等。
c.结合区域和边缘信息的方法:采用基于形变模型的方法将基于区域的分割方法和边缘检测方法结合起来进行图像分割处理。
<3>.医学图像三维可视化技术:
将医学影像设备输出的二维切片图像序列重新组合重建为三维图像模型,并对重建后的模型进行定性定量分析的技术。
<4>.医学图像三维重建流程:
获得和封装体数据、模型的建立、映射体数据、三维图形绘制。
体数据分类(根据三维空间上每个数据点之间的相互关系):结构化体数据、非结构化体数据、结构化和非结构化混合型体数据。
<5>.三维重建方法:
a.面绘制:表面重建,即从医学影像设备输出的切片数据集构造出三维数据,然后在三维数据中抽取出等值面,然后进行三角剖分,获得三角形面片,在用图形学中的图元绘制技术将三角形面片绘制出来实现表面绘制。
根据用户需要提取的目标物体的属性设定一个特定的阈值,从体数据中提取到与该阈值相同的数据点,并根据三角剖分分为若干个三角面片集,在利用图形学中基本的三角形图元的绘制方法对三角面片进行渲染,形成三维图像。
常用的面绘制算法有:移动立方体算法,剖分立方体算法,立方体算法。
b.体绘制:。将体数据中的“体素”作为基本的绘制单位。把体数据中的每个体素看成是可以接收或发出光线的点,选择光照模型,对体素进行分类并根据其实际的介质属性分配不同的颜色和不透明度,并沿着视线观察的方向进行合成,在视点所在的位置形成具有一定颜色和透明度的三维投射图像。
常用的体绘制算法有:光线投射算法、错切变形法、和基于硬件的3D纹理映射算法。
<6>DICOM格式图像文件的数据结构:
图像分割与三维重建_第1张图片

你可能感兴趣的:(图像分割与三维重建)