随着计算机运算能力的不断提高及医学影像技术的发展,使疾病诊断和治疗过程发生了巨大的变化。CT数据辅助医疗诊断和治疗可以很大程度上提高手术效率和成功率,是目前数字化医疗研究的热点。本研究针对传统CT数据轮廓提取和重建的不足,研究了DICOM数据轮廓自动分割、点云数据重建及去自交的方法。主要内容如下:(1)研究了一种基于收缩包围算法的CT影像轮廓自动分割算法。首先采用拉普拉斯算子对CT图像序列进行边缘检测将得到的边缘像素点和原始轮廓切片进行叠加,然后用轮廓匹配映射技术实现初始轮廓启发式传递,最后基于收缩包围算法自动分割图像序列。本研究进行了一定数量的样本轮廓提取实验,实验结果验证了此算法的有效性和高效性。(2)通过对比基于直接体绘制和基于面绘制的两种三维重建算法,设计了一种基于三角网格铺面剖分建模的三维重建方法。首先对每层点云数据进行过滤,将偏离离散点云数据中心坐标的数据点进行删除,然后构造三角面片对上下层点云数据进行边界搭桥,最后进行边界剖分铺面。实验结果验证了基于三角网格铺面剖分建模的三维重建算法可以提高CT数据三维重建的稳定性和效率。(3)实现了基于直线求交算法的三维模型去自交技术。首先基于点的偏置算法对模型进行偏置,然后以原始模型上的点坐标为投射直线原点,以邻接面法矢加权总和平均值为直线的方向向量来构建直线。投射直线穿过偏置模型,提取所需要的自交三角面片编号装入链表,最后滤除自交点云数据,重新构建网格模型。通过对不同的离散数据模型进行去自交实验,验证了本文算法是有效的。本文算法开发工具基于VS2008并以Open GL 2.0库函数为图像渲染平台,通过MFC搭建软件框架。通过对医学CT数据进行算法实验,实验结果验证了本研究对数字化医疗诊断和治疗具有一定的意义和实际应用价值。