论文部分内容阅读
医学图象体绘制是可视化领域的研究热点和经典主题。医学图象体绘制技术能充分利用CT、MRI等医学图象体数据,根据需要得到任意视角的三维图象,便于医生对人体内部结构进行观察,并且通过丰富的交互过程,给医生提供了多角度、多层次的观察和分析手段。然而面对现今庞大的数据量,对可视化技术提出了更高的要求,如何在PC机上实现大规模体数据的实时绘制成为我们亟待解决的问题。因此体数据压缩成为现今非常活跃的一个研究领域。本文在国家数字化医学影像设备工程技术研究中心的资助下,主要在体绘制加速及压缩方面进行了研究,主要工作围绕以下几个方面:首先,根据DICOM医学图象格式与数据编码方法实现了DICOM文件的解析和读取,使其能直接用于体绘制中然后,分析研究了当今主流的体绘制算法。针对实际应用中要求实时绘制的要求,实现了提高体绘制效率的Proximity Clouds加速算法,绘制速度因此提高了70%。并且进一步对梯度计算进行改进,将改进后的算法应用于基于GPU的光线投射法中,绘制速度又进一步得到了提高。最后,提出了增量式体数据压缩算法,在光线投射体绘制算法中完成了压缩体数据的工作。与传统的VQ和小波变换等压缩算法相比,增量式体数据压缩算法是无损压缩,不需要解压缩,能够实现大规模数据的实时体绘制,压缩比一般可以达到1:2以上(如心脏体数据的压缩比为1:2.5,头部体数据的压缩比为1:1.8),但是预处理时间较长。此外,本文还实现了动态体数据载入算法,使大规模数据能够分层载入容量有限的显卡中。