在三维图像中,感兴趣目标(如解剖结构)的表面或边界面是一个非常重要的特征。通过抽取该类特征,我们可以对目标进行定量的测量与分析、交互操作、识别、追踪等处理。因此,感兴趣目标的边界面的抽取成为三维图像分析中最重要的研究问题之一。三维图像中边界曲面可以由包含在三维图像的连续采样区域中的连续隐曲面多边形面片近似的逼近表示,也可以由体素(立方体)构成的离散边界曲面表示。本文将讨论连续隐曲面的三角片模型的重构,离散边界曲面的重构及边界曲面模型的可视化。首先,本文通过交互方式,并依据边界曲面间的连通性原理,利用追踪算法抽取三维图像中特定的感兴趣目标。在本文的边界曲面抽取算法框架中,首先通过交互方式在二维切片图像上选择感兴趣目标中梯度值较高和梯度值较低的两个区域,并计算算法中关键的高低阈值参数。然后以梯度较高区域中的边缘立方体为种子立方体,根据连通性原理追踪出包含整个边界曲面的所有边缘立方体。最后利用Marching Cubes算法抽取边缘立方体中三角边界曲面片并可视化。本文的算法通过交互方式结合边缘立方体追踪算法实现了三维图像中对特定目标的抽取,同时也解决了算法中的参数梯度阈值难以设定的问题。并且,本文在进行追踪时设计了高效的数据结构,有效的降低算法的时间复杂度。其次,本文依托离散边界曲面与连续隐曲面之间的关系模型,提出了一种新的三维图像中感兴趣目标的离散边界曲面的抽取策略。该策略并不直接考虑离散边缘体素的检测与追踪问题,而是首先检测及追踪包含连续隐边界曲面的边缘立方体。然后,有选择性地保留边缘立方体中的被连续隐边界曲面相交的边的一个端点。通过这种方式,获得单体素厚度的离散边界曲面。本文的方法避开了三维边缘检测技术中需要沿离散边界曲面的多个方向追踪边缘立方体的复杂问题,使得边界曲面追踪问题简单化且易于实现。本文的方法很好地改进了存在的三维边缘检测技术的检测结果,更适合于从三维图像在中抽取梯度值存在从大到小变化的边界曲面。为了更好的可视化那些梯度值从高到低变化的包含弱边界的边界曲面,避免噪声等小碎片的影响,本文还提出了边界曲面模型的半透明显示方法,利用半透明技术显示边界曲面及附着在其上的小碎片;同时,利用人的智能及知识在观察可视化结果时对小碎片及弱边界进行有效的区分。本文的方法有助于正确理解及完整显示三维图像中的梯度值从高到低变化的边界曲面,为进一步交互式操作去除小碎片提供依据。本文所提出的交互式的感兴趣目标的边界曲面抽取,离散边界曲面的追踪算法以及半透明的可视化方法,能够抽取三维图像中完整的高精度的边界曲面模型。这些方法已被应用于大量的三维生物、医学及工业图像,实验结果表明了这些算法的有效性及优点。