随着各类三维成像技术的快速发展及其在生物医学领域的应用,在实际中产生了大量的三维生物医学图像。作为可视化的一个重要分支,三维生物医学图像的可视化正以前所未有的速度推动着医学事业的发展。在三维生物医学图像的可视化技术中,人们常试图从三维图像中抽取特定的等值面以近似表示三维图像中包含的边界曲面。考虑到三维图像中包含的许多边界曲面事实上难以被任何等值面很好地逼近,因此,识别三维图像中哪些边界曲面可以被特定的等值面很好地逼近成为一个非常重要的问题。本文将讨论边界曲面能否通过等值面进行逼近以及如何计算优化等值面。首先,应用边界曲面提取算法提取属于三维图像边界曲面的点,根据不同边界曲面上点的灰度与梯度特性,通过基于密度的聚类方法过滤低梯度噪声及细节,同时分类不同边界曲面。然后,提取与边界曲面点在三维空间中相邻的三维点的灰度信息,同时检测出边界曲面两侧分别属于背景与目标的三维点,应用梯度方向或反方向延伸的方法消除三维成像中Partial volume effect的影响,最后通过对背景与目标两类点的灰度直方图的分离性特性进行分析,根据我们对边界曲面进行等值面逼近的误分计算准则,提出边界曲面能否被等值面进行逼近的判定方法。根据背景与目标两类点的灰度直方图,应用两种阈值计算方法计算最优逼近等值:双峰法与大律算法。针对背景与目标已知的情形,对大律算法进行了一些改进。最后通过对三维图像的二维切片图中等值线与目标结构轮廓的逼近关系,验证我们所提出的判定方法与计算最优逼近等值面的有效性。