论文部分内容阅读
随着可视化技术的发展,医学图像体绘制技术在疾病诊断、手术导航、辅助教学等方面开始发挥着越来越大的作用。它可以将各组织内部的层次关系表现出来,呈现出丰富的三维信息,因此具有较大的发展空间和良好的发展前景。本文在系统研究与分析体绘制的基本原理、典型算法的基础上,对体绘制算法中传递函数、光照模型以及加速技术三个关键环节进行详细、透彻地剖析,并针对其中出现的问题提出具体有效的改进措施,改进后的结果可满足医学图像交互式体绘制的要求。传递函数设计是体绘制算法中的重要环节,它能突出显示体数据中人们感兴趣的特征。一维传递函数难以提取复杂的特征,基于边界模型的二维灰度-梯度传递函数可以清晰地绘制出物体之间的边界。但是如果两个弧相互重叠时,就会引起边界区分的歧义,因此就引入LH直方图。由于边界以聚集点的形式出现,所以LH直方图解决了灰度-梯度直方图中的弧线相交选取困难的问题。原始LH值计算速度慢,无法满足交互体绘制的要求。另外只将梯度幅值作为判断标准,容易丢失一些重要边界,而且积分路径易受噪声影响,鲁棒性差。本文提出一种快速计算LH值的方法,实验表明改进方法的计算速度比原方法有了大幅度提高。以体素到物体边界的距离作为衡量尺度,对改进方法得到的LH直方图进行修正,提高了精确度和鲁棒性。快速体绘制技术一直是学者研究的热点。文中以光线投射算法的加速技术为基础,阐述了体绘制的加速原理,并介绍了基于GPU的多通道和单通道光线投射算法。虽然其性能大大超过只在CPU上执行的算法的性能,但由于其架构上的缺陷,为达到理想的绘制速度往往不得不放弃编程的灵活性。NVIDIA的GeForce 8系列显卡上的统一设备架构(Common Unified Device Architecture, CUDA)不需要映射到图形API便可在GPU上进行计算的分配和管理,因此较适合于大数据量的医学图像可视化领域。本文分析了CUDA的设计思想和编程模式,针对其特点对传统基于硬件的光线投射法进行改进,将计算耗时的绘制部分改造成单指令多数据模式(Single Instruction Multiple Data, SIMD),并分别运用纹理存储器和共享存储器对算法进行优化。实验结果表明该方法能够快速、高效地生成可视化图像。本文还详细剖析了常用光照模型的漫反射、镜面反射原理及其计算方法,并分析比较三种梯度计算方法对光照模型的影响。