CN101178816A - 基于面采样的体绘制可视化方法 - Google Patents

Abstract

本发明为基于面采样的体绘制可视化方法，首先将体数据转换为3D纹理存储；再设计一个包含全部体数据的包围盒，其中心为直角坐标系原点，设定其8个顶点坐标与颜色值的初始对应关系，让包围盒围绕中心旋转，用自定义旋转矩阵计算包围盒顶点旋转后的新坐标；对垂直于视线的切割平面与包围盒各棱的交点，进行点坐标逆旋转操作并做线性变换得到其对应的颜色值后，GPU三线插值计算得彩色凸多边形采样面，以采样面各点的颜色值为坐标采样出3D纹理中体数据值，进行颜色合成计算；修改步进值使切割平面沿视线前进，至其与包围盒不再相交，绘制出最终图像。方法一次计算多边形采样面内大量采样点坐标，提高程序并行性，减少工作量，显著提高体绘制速度。

Description

基于面采样的体绘制可视化方法

(一)技术领域

本发明涉及图像处理技术领域，具体为一种基于面采样的在图形处理器(GPU)中体绘制可视化方法。

(二)背景技术

20世纪80年代以来随着成像技术的快速发展，特别是医学影像技术的逐渐成熟，出现了大量的体数据，如何有效地利用这些数据是研究人员面临的难题。大部分的体数据需要通过体绘制(Volume Rendering)可视化方法处理，用二维图象序列重构三维形体，将三维体数据中物体内部信息在不同的二维图像中呈现，为用户提供具有真实感的三维立体图形，便于用户从多角度、多层次进行观察和分析。体绘制广泛应用于医学、化学、天文学、气象学和其它领域，如：医学影像三维重建、影像引导的辅助手术系统、虚拟内窥镜等等。

体绘制直接将所有体数据通过重采样和复合技术生成最后的绘制图象，在结果图象中包含了对象的所有信息。体绘制有极大量的计算工作量，为满足实际应用中的实时响应需求，提高体绘制速度成为目前此领域的研究重点。

以往普通PC机上的运算是由中央处理器CPU完成的。目前显卡技术的飞速发展，2003年后推出的标准显卡都已内置了可编程的图形处理器GPU(Graphics Processing Unit)，可用于进行与图形相关的运算或通用运算。

光线投射(ray-Casting)是体绘制的算法之一，能够得到高质量的绘制结果。但在CPU中执行速度过慢，很多相关研究是为了改进光线投投射算法。J.Kruger和R.Westermann在IEEE可视化(Visualization)2003年会上发表文章“基于GPU的体绘制加速技术(Acceleration Technique ForGPU-based Volume Rendering)”，首次提出了在GPU中实现光线投射的方法，该方法是使用GPU支持的可编程Shader技术，实现了和CPU算法效果相同、但是速度更快的基于GPU的方法。此后Simon Stegmaier等人在体绘制(Volume Rendering)2005年会上发表文章“基于光线投射的图形硬件的简捷灵活的体绘制方法(A Simple and Flexible Volume Rendering Frameworkfor Graphics-Hardware-based Raycasting)”，对上述算法做了进一步改进，利用最新的GPU，把原来需要多遍的算法改为只需单遍，提高了绘制速度。

上海交通大学2005的中国专利申请200510110665“医学图像中基于GPU硬件加速的体绘制方法”公开的方法使用GPU来完成光线投射过程，其包括步骤：(1)对体数据进行预处理后存储为纹理；(2)为GPU计算生成和提供参数；(3)GPU计算，生成图像。

新提出的基于GPU的光线投射算法都提高了体绘制的速度，但是都还是需要逐个对采样点的颜色坐标进行线性插值计算，即每条光线均需要在片断程序(Fragment Shader)中进行动态循环计算，逐点计算各采样点坐标，动态循环的数据是相关的，因此在并行执行过程中，速度要受限于最慢的那条光线。抵消GPU硬件并行架构的并行运算能力。

因此目前基于GPU的光线投射算法体绘制的效率仍较低，耗时，没有充分发挥GPU硬件的速度，尚难以满足体绘制实时响应、实时交互的要求。

(三)发明内容

本发明的目的是公开一种基于面采样的体绘制可视化方法，设计采样面，一次完成位于同一个面上的大量采样点的颜色值与直角坐标值的计算转换，大幅度提高体绘制速度，改善实时交互操作性能。

本发明的基于面采样的体绘制可视化方法包括如下步骤：

I、体数据转换为3D纹理数据并存储；

图形处理器与显存的关系，如同中央处理器与内存的关系，但显存中必须以纹理格式来保存数据，图形处理器自动完成体数据的3D纹理转换并保存在显存中；

II、设计体数据包围盒

设计包含全部体数据立方体包围盒，设定直角坐标系的原点位于包围盒的中心，观测者视线为某一坐标轴，当包围盒围绕另外两个坐标轴旋转，等同于观测者改变视线的方向，从多角度观察体数据所包含的内部信息。

设定初始状态包围盒8个顶点的坐标与满足3D纹理的颜色值的对应关系，即可得到包围盒12条棱上的任意一点的坐标与其对应的颜色值的线性变换关系。

III、包围盒的旋转操作

为让观察者方便地从不同角度观察体数据，鼠标操作初始状态下的包围盒围绕中心旋转。根据初始状态下的包围盒围绕中心相对坐标轴旋转的角度，定义4×4的旋转矩阵，以计算包围盒棱上任一点的旋转后的新坐标。

IV、采样面的生成

在GPU中实现光线投射算法，关键是计算用于采样体数据的采样点坐标。本发明提供的方法是生成垂直于视线方向的系列切割平面：

①计算系列切割平面与包围盒的各棱的交点坐标；

②对交点进行顺或逆时针排序，构成以各交点为顶点的凸多边形的采样面；

③根据步骤II的旋转矩阵，对多边形采样面各顶点坐标进行逆旋转操作并线性变换换算为其对应的颜色值；

④根据多边形采样面各顶点的颜色值，GPU的硬件加速三线插值计算一次计算得到位于同一个采样面上的大量采样点颜色值，构造出一个彩色的多边形采样面；

V、在GPU中进行颜色合成计算；

按各采样点的颜色值在GPU的片段程序(Fragment Shader)中采样出相应的多边形采样面的体数据值(灰度值)，再利用前一采样面绘制保存下来的结果，根据光线投射算法的颜色合成公式，进行光线投射算法的颜色合成计算。

VI、计算系列采样面的灰度值，颜色合成，绘制出最终图像

按预设的采样间距，计算所需采样面的数量并生成一系列采样面，按采样间距步进，对下一采样面进行上述IV、V步骤的采样和颜色合成；

当系列采样面遍历包围盒的8个顶点，颜色合成计算完成，最终的图像绘制完成。

体数据原始值表示物质某种特性，需要分类为不同彩色或不同透明度后才便于观察到感兴趣区域。就CT数据而言，每个原始体数据表示不同事物的灰度值，不同人体组织对应于不同的灰度值。为了能清晰显示出感兴趣区域的图像，可针对感兴趣的区域的灰度值，设计一个合适的颜色传递函数，存放在1D纹理中；在上述步骤V中，所得采样面的灰度值再采样所存颜色传递函数，获得对应的彩色值和透明度。

本发明基于面采样的图形处理器体绘制可视化方法的积极效果或优点如下：仅需计算多边形采样面顶点坐标和其相对应的颜色，再用GPU硬件加速的方法实现颜色线性插值，一次性计算出位于该多边形采样面内的大量采样点坐标(取决于一个多边形被光栅化为多少个片段)，无需在片断程序中进行动态循环，提高了程序的并行性，更充分地利用GPU的硬件加速能力，同时还极大地减少了计算工作量，有效地提高了体绘制的速度，提供了更好的实时交互性能。

(四)附图说明

图1是本发明实施例流程图；

图2是本发明实施例步骤II设计的初始状态下的包围盒示意图；

图3是本发明实施例步骤IV①和②中生成多边形采样面的示意图；

图4是本发明实施例步骤IV④中生成彩色多边形采样面的示意图；

图5是本发明实施例步骤V中采样面采样体数据后的示意图；

图6是本发明实施例步骤I和V中所述的颜色传递函数的示意图；图中纵坐标为透明度α，横坐标为体数据灰度值S，横坐标下为灰度值对应的彩色值；

图7是本发明所述方法中采样间距与绘制速度及图像质量之间的关系图；

图8是本发明实施例的绘制效果图。

(五)具体实施方式

本发明基于面采样的体绘制可视化方法实施例的硬件环境为：个人计算机，配备有3.0GHz CPU，512MB内存，GPU显存256MB；所处理的体数据为人体腹腔CT二维影像数据，每张图像的分辨率为128×128，共448张。

本实施例具体处理程序如图1所示，包括如下步骤：

I、体数据转换为3D纹理并存储

读入一系列二维的人体腹腔CT图像，GPU将体数据转换生成128×128×448大小的3D纹理数据，存入显存中；

设计颜色传递函数

为了能清晰显示出感兴趣器官区域的图像，针对感兴趣的器官区域的灰度值，设计出一个合适的彩色值和透明度的颜色传递函数，如图6所示为灰度值S与透明度α对应关系图，本例中，为突出显示人体腹腔中结肠组织的图像，在结肠组织的所占据的灰度范围87-113内设置透明度加大，而在其它灰度范围的透明度设置为零。如图6所示灰度值为87透明度α开始直线上升，在灰度值为101时透明度α为最大值0.2，至灰度值为113时透明度α下降为零。该颜色传递函数存储于1D纹理数据中。同样可设置感兴趣范围的灰度值对应的彩色值，按该彩色突出显示有关灰度值。

II、设计体数据包围盒

根据体数据的大小，并考虑对应长、宽、高的X、Y、Z三个方向上相邻像素的间隙值，计算体数据真实的大小。设本例的体数据X、Y、Z方向上的间隙值分别为2.88mm、2.88mm和0.8mm，那么体数据在X、Y、Z方向上的真实大小为：128×2.88＝368.64mm，128×2.88＝368.64mm，448×0.8＝358.4mm。据此比例，设定体数据包围盒的不同方向的三条棱的长，即包围盒的长宽高L_VW、L_VH、L_VD满足关系：

L_VW∶L_VH∶L_VD＝368.64∶368.64∶358.4

在本实施例中，取L_VW＝10.0；L_VH＝10.0；L_VD＝9.72。

如图2所示，本例中，坐标系原点(0，0，0)设定在包围盒中心，定义初始状态包围盒各边与坐标轴平行，即未发生旋转的情况。8个顶点的坐标分别为(-0.5L_VW，-0.5L_VH，-0.5L_VD)；(+0.5L_VW，-0.5L_VH，-0.5L_VD)；

  (+0.5L_VW，+0.5L_VH，-0.5L_VD)；(-0.5L_VW，+0.5L_VH，-0.5L_VD)；

  (-0.5L_VW，-0.5L_VH，+0.5L_VD)；(+0.5L_VW，-0.5L_VH，+0.5L_VD)；

  (+0.5L_VW，+0.5L_VH，+0.5L_VD)；(-0.5L_VW，+0.5L_VH，+0.5L_VD)。

观测者眼睛设定在(0，0，Z)，即在Z轴上，且Z≥3×L_VD，Z取值足够大以便能完全看见包围盒，视线方向向量为(0，0，-1)，向上方向为Y轴。包围盒无需使用平移操作，观察者就能观察到整个包围盒。

设定在初始状态的包围盒8个顶点的坐标与颜色值满足下列的对应关系，红Cr、绿Cg、蓝Cb三色值的范围为0.0至1.0。

顶点坐标(x，y，z)              颜色值(Cr，Cg，Cb)

(-0.5L_VW，-0.5L_VH，-0.5L_VD)    (0.0，0.0，0.0)

(+0.5L_VW，-0.5L_VH，-0.5L_VD)    (1.0，0.0，0.0)

(+0.5L_VW，+0.5L_VH，-0.5L_VD)    (1.0，1.0，0.0)

(-0.5L_VW，+0.5L_VH，-0.5L_VD)    (0.0，1.0，0.0)

(-0.5L_VW，-0.5L_VH，+0.5L_VD)    (0.0，0.0，1.0)

(+0.5L_VW，-0.5L_VH，+0.5L_VD)    (1.0，0.0，1.0)

(+0.5L_VW，+0.5L_VH，+0.5L_VD)    (1.0，1.0，1.0)

(-0.5L_VW，+0.5L_VH，+0.5L_VD)    (0.0，1.0，1.0)。

那么在初始状态下，包围盒12条棱上的任意一点P的坐标为(x，y，z)，与其对应的颜色值Cr、Cg、Cb，满足下列的线性变换关系：

$\left[\begin{array}{cccc}\mathrm{Cr}& \mathrm{Cg}& \mathrm{Cb}& 1.0\end{array}\right]=\left[\begin{array}{cccc}x& y& z& 1.0\end{array}\right]\×\left[\begin{array}{cccc}\frac{1}{L_{\mathrm{VW}}}& 0& 0& 0\\ 0& \frac{1}{L_{\mathrm{VH}}}& 0& 0\\ 0& 0& \frac{1}{L_{\mathrm{VD}}}& 0\\ 0.5& 0.5& 0.5& 1.0\end{array}\right]$ (式1)

III、包围盒旋转操作

为让观察者方便地从不同角度观察体数据，初始状态下的包围盒围绕中心旋转操作。如图3所示，视线方向不变，保持为Z轴方向，包围盒绕X轴旋转φ角度，绕Y轴旋转θ角度，8个顶点进行旋转，自定义的4×4旋转矩阵MR为：

$\mathrm{MR}=\left[\begin{array}{cccc}\cos \mathrm{\θ}& 0& -\sin \mathrm{\θ}& 0\\ -\sin \mathrm{\φ}\sin \mathrm{\θ}& \cos \mathrm{\φ}& -\sin \mathrm{\φ}\cos \mathrm{\θ}& 0\\ \cos \mathrm{\φ}\sin \mathrm{\θ}& \sin \mathrm{\φ}& \cos \mathrm{\φ}\cos \mathrm{\θ}& 0\\ 0& 0& 0& 1\end{array}\right]$

对初始状态时包围盒棱上的任意一点P坐标为(x，y，z)，进行旋转操作之后的该点P的坐标为：

$\left[\begin{array}{cccc}x& y& z& 1\end{array}\right]\×\left[\begin{array}{cccc}\cos \mathrm{\θ}& 0& -\sin \mathrm{\θ}& 0\\ -\sin \mathrm{\φ}\sin \mathrm{\θ}& \cos \mathrm{\φ}& -\sin \mathrm{\φ}\cos \mathrm{\θ}& 0\\ \cos \mathrm{\φ}\sin \mathrm{\θ}& \sin \mathrm{\φ}& \cos \mathrm{\φ}\cos \mathrm{\θ}& 0\\ 0& 0& 0& 1\end{array}\right]$

$=\left[\begin{array}{cccc}x\cos \mathrm{\φ}-y\sin \mathrm{\φ}\sin \mathrm{\θ}+z\cos \mathrm{\φ}\cos \mathrm{\θ}& y\cos \mathrm{\φ}+z\sin \mathrm{\φ}& -x\sin \mathrm{\θ}-y\sin \mathrm{\φ}\sin \mathrm{\θ}+z\cos \mathrm{\φ}\cos \mathrm{\θ}& 1\end{array}\right]$

IV、多边形采样面的生成。

①求包围盒与切割平面交点

为了简化线面的求交运算，切割平面始终与视线垂直，即切割平面的法向量始终为(0，0，-1)，切割平面的方程A*x+B*y+C*z+D＝0可以简化为Z＝D，其中D为切割平面在Z轴上的截距，通过修改D的值，得到一系列切割平面。

P1和P2是包围盒的一条棱上的两个顶点，切割平面与包围盒此条棱的交点坐标可用下式计算：

$=P1+\frac{C\×{P1}_z+D}{C\×({P1}_z-{P2}_z)}\×(P2-P1)$

$=P1+\frac{-{P1}_z+D}{{P2}_z-{P1}_z}\×(P2-P1)$ (式2)

如图3所示，切割平面与包围盒各条棱的交点即为切割平面与包围盒相交形成的多边形平面的顶点，其顶点数目在3～6个之间。切割平面与包围盒相交形成的平面即为采样面。

②对交点进行逆时针排序

因为包围盒是个凸包体，所以切割平面与包围盒相交的多边形一定是凸多边形。步骤IV①中，包围盒的棱按其固定的编号与切割平面进行求交点运算，其求出的交点不能保证按一定的逆时针顺序保存在交点数组中。为了不出现非凸多边形，所以在绘制彩色多边形前必须对凸多边形顶点进行逆时针顺序排序。方法是：

a.计算凸多边形的中心坐标为Cx＝(∑Xi)/n，Cy＝(∑Yi)/n，Cz＝D，i＝0～(n-1)，n为凸多边形顶点数；

b.平移凸多边形，使其中心位于原点，第i个顶点坐标为NXi＝Xi-Cx；NYi＝Yi-Cy；

c.根据NXi和NYi，计算第i个顶点的角度正切，判断该顶点所处的象限，得出该顶点和中心点之间的连线与X正半轴的角度，按此角度值对各顶点进行排序。

对多边形顶点进行逆时针的排序，确保绘制出凸多边形采样面，如附图3所示。

③根据交点坐标计算出其对应的颜色值

在步骤II中，已经明确在初始状态下，包围盒棱上任意一点P的坐标值与其对应的颜色值的线性关系。在旋转操作后，要求出包围盒的棱与切割平面的交点所对应的颜色值，只要将旋转后的交点坐标，恢复为旋转前的坐标，再施行线性变换即可。根据旋转后的交点坐标，求旋转前的坐标，只要将旋转矩阵MR进行转置，即可求出旋转矩阵的逆矩阵MR’。因为在步骤III中，通过设置观察者对包围盒的观察位置，避免了使用平移操作，通过包围盒单纯的旋转，观察者就能完全观察到包围盒。单纯的旋转矩阵求其逆矩阵，只要简单进行转置操作；求出逆矩阵MR’后，用MR’对旋转后的采样面交点进行逆变换，即可求出旋转前的各交点的坐标，即初始状态下各交点的坐标。再对各交点进行步骤III中式1的线性运算，得到各交点所对应的正确颜色值。

④在步骤IV③得到采样面各交点对应的颜色值后，通过图形处理器三线插值计算得到彩色的采样面，如附图4所示，因专利图无法用彩色，此图只能表示为渐变的灰度。

V、在GPU中进行颜色合成计算

图形处理器的片段程序(Fragment Shader)用多边形采样面的颜色值作为3D纹理的采样坐标，由步骤I所存3D纹理的体数据采样出当前采样面所对应的体数据值，即对应的灰度值，如图5所示。再用该灰度值作为采样坐标来采样步骤I中设计的存储于1D纹理中的颜色传递函数，获得对应的彩色值C和/或透明度α，如图6所示。所得本采样面的绘制结果按照下列的颜色合成公式，与上一次的采样面绘制合成后保存下来的结果，进行光线投射算法的颜色合成计算；

C_out＝C_in×(1-α)+C×α                    (式3)

α_out＝α_in×(1-α)+α                     (式4)

式中C和α分别为本次采样的彩色值、透明度

C_in和α_in分别为前次保存的彩色值、透明度

C_out和α_out分别为本次合成计算所得的彩色值、透明度

本步骤颜色合成计算结果C_out和α_out，保存到临时的2D纹理中，下一个采样面合成计算时作为C_in和α_in调出使用。

至此，完成了一次多边形采样面的操作，完成了一次颜色合成计算。

VI、按预设的采样间距，计算所需采样面的数量并生成一系列采样面，按采样间距步进，对下一采样面进行上述IV、V步骤的采样和颜色合成；至系列采样面的灰度值计算与颜色合成完成，绘制出最终图像。

完成了一次采样面的操作后，再进行下一次采样和颜色合成工作，所有穿过体数据的光线同时前进一段距离，即沿观察者视线方向步进一段距离再做切割平面，此步进值为采样间距。采样间距参数决定了要计算采样面的次数。采样间距与绘制速度是正比关系、采样间距与图像质量是反比关系，如附图7所示，其横坐标为采样间距，纵坐标为绘制速度和图像质量，图内细实线和粗实线分别表示绘制速度和图像质量。根据体数据包围盒距离观测者眼睛位置的最近点和最远点，以及所需绘制最终图像的质量和绘制的速度，预设采样间距，计算所需采样面的数量。

要判断所有的光线是否都离开了体数据，即切割平面不再和体数据的包围盒存在交点。在步骤III进行旋转操作的过程中，会遍历一次包围盒的8个顶点，那么在进行了旋转操作之后，记录下旋转后的这8个顶点的z坐标的最大值和最小值，在完成一次采样计算、判断是否为最前或最后的切割平面时，就可以用这最大值和最小值，步进值等于最小值时采样循环开始，步进值大于最大值采样循环结束。

确定切割平面与包围盒不再有交点之后，说明最终的颜色合成计算完毕，最后一次采样计算颜色合成的结果即是最终绘制结果，显示为最终的图像，本例的实施效果图如图8所示，突出显示了观测者感兴趣的结肠组织和灰度值与之相近的皮肤，若用彩色图，立体感和清晰度将更佳。

Claims (8)

1.一种基于面采样的体绘制可视化方法，其特征在于包括如下步骤：

I、体数据转换为3D纹理数据并存储在显存中；

II、设计体数据包围盒

设计包含全部体数据立方体包围盒，设定直角坐标系的原点位于包围盒的中心，观测者视线为某一坐标轴；

设定初始状态包围盒8个顶点的坐标与满足3D纹理的颜色值的对应关系，并得到包围盒12条棱上的任意一点的坐标与其对应的颜色值的线性变换关系；

III、包围盒的旋转操作

初始状态下的包围盒围绕中心旋转操作，根据初始状态下的包围盒相对坐标轴旋转的角度，定义4×4的旋转矩阵，计算包围盒棱上任一点的旋转后的新坐标；

IV、采样面的生成

①计算垂直于视线方向的系列切割平面与包围盒的各棱的交点坐标；

②对交点进行顺或逆时针排序，构成以各交点为顶点的凸多边形的采样面；

③根据步骤II的旋转矩阵，对多边形采样面各项点坐标进行逆旋转操作并换算为其对应的颜色值；

④根据多边形采样面各顶点的颜色值，图形处理器三线插值计算一次计算得到位于同一个采样面上的大量采样点颜色值，构造出一个彩色的多边形采样面；

V、在图形处理器中进行颜色合成计算

按各采样点的颜色值在图形处理器的片段程序中采样出相应的采样面的体数据灰度值，再利用前一采样面绘制保存下来的结果，根据光线投射算法的颜色合成公式，进行光线投射算法的颜色合成计算；

VI、计算系列采样面的灰度值，颜色合成，绘制出最终图像

按预设的采样间距，计算所需采样面的数量并生成一系列垂直于观察者视线的采样面，按采样间距步进，对下一采样面进行上述IV、V步骤的采样和颜色合成；

当系列采样面遍历包围盒的8个顶点，最终的图像绘制完成。

2.根据权利要求1所述的基于面采样的体绘制可视化方法，其特征在于：

针对感兴趣的区域的灰度值，设计彩色值和/或透明度的颜色传递函数，存放在1D纹理中；在所述步骤V中，所得采样面的灰度值再采样所存颜色传递函数，获得对应的彩色值和/或透明度。

3.根据权利要求1或2所述的基于面采样的体绘制可视化方法，其特征在于：

所述步骤II根据体数据的大小和对应长、宽、高的X、Y、Z三个方向上相邻像素的间隙值，计算体数据在X、Y、Z方向的比例，设定体数据包围盒长宽高L_VW、L_VH、L_VD满足此比例；

定义初始状态包围盒各边与坐标轴平行，观测者眼睛设定在Z轴，且Z≥3×L_VD，向上方向为Y轴；

在初始状态的包围盒8个顶点的坐标与颜色值满足下列的对应关系，

顶点坐标x，y，z              颜色值Cr，Cg，Cb

-0.5L_VW，-0.5L_VH，-0.5L_VD    0.0，0.0，0.0

+0.5L_VW，-0.5L_VH，-0.5L_VD    1.0，0.0，0.0

+0.5L_VW，+0.5L_VH，-0.5L_VD    1.0，1.0，0.0

-0.5L_VW，+0.5L_VH，-0.5L_VD    0.0，1.0，0.0

-0.5L_VW，-0.5L_VH，+0.5L_VD    0.0，0.0，1.0

+0.5L_VW，-0.5L_VH，+0.5L_VD    1.0，0.0，1.0

+0.5L_VW，+0.5L_VH，+0.5L_VD    1.0，1.0，1.0

-0.5L_VW，+0.5L_VH，+0.5L_VD    0.0，1.0，1.0；

在初始状态下，包围盒12条棱上的任意一点P的坐标为与其对应的颜色值Cr、Cg、Cb，满足下列的线性变换关系：

$\left[\begin{array}{cccc}\mathrm{Cr}& \mathrm{Cg}& \mathrm{Cb}& 1.0\end{array}\right]=\left[\begin{array}{cccc}x& y& z& 1.0\end{array}\right]\×\left[\begin{array}{cccc}\frac{1}{L_{\mathrm{VW}}}& 0& 0& 0\\ 0& \frac{1}{L_{\mathrm{VH}}}& 0& 0\\ 0& 0& \frac{1}{L_{\mathrm{VD}}}& 0\\ 0.5& 0.5& 0.5& 1.0\end{array}\right].$

4.根据权利要求1或2所述的基于面采样的体绘制可视化方法，其特征在于：

所述步骤III包围盒旋转操作，视线方向不变，为Z轴方向，包围盒绕X轴旋转φ角度，绕Y轴旋转θ角度，8个顶点进行旋转，自定义的4×4旋转矩阵MR为：

$\mathrm{MR}=\left[\begin{array}{cccc}\cos \mathrm{\θ}& 0& -\sin \mathrm{\θ}& 0\\ -\sin \mathrm{\φ}\sin \mathrm{\θ}& \cos \mathrm{\φ}& -\sin \mathrm{\φ}\cos \mathrm{\θ}& 0\\ \cos \mathrm{\φ}\sin \mathrm{\θ}& \sin \mathrm{\φ}& \cos \mathrm{\φ}\cos \mathrm{\θ}& 0\\ 0& 0& 0& 1\end{array}\right]$

初始状态时包围盒棱上的任意一点P进行旋转操作之后的坐标为：

$\left[\begin{array}{cccc}x& y& z& 1\end{array}\right]\×\left[\begin{array}{cccc}\cos \mathrm{\θ}& 0& -\sin \mathrm{\θ}& 0\\ -\sin \mathrm{\φ}\sin \mathrm{\θ}& \cos \mathrm{\φ}& -\sin \mathrm{\φ}\cos \mathrm{\θ}& 0\\ \cos \mathrm{\φ}\sin \mathrm{\θ}& \sin \mathrm{\φ}& \cos \mathrm{\φ}\cos \mathrm{\θ}& 0\\ 0& 0& 0& 1\end{array}\right]$

$=\left[\begin{array}{cccc}x\cos \mathrm{\φ}-y\sin \mathrm{\φ}\sin \mathrm{\θ}+z\cos \mathrm{\φ}\cos \mathrm{\θ}& y\cos \mathrm{\φ}+z\sin \mathrm{\φ}& -x\sin \mathrm{\θ}-y\sin \mathrm{\φ}\sin \mathrm{\θ}+z\cos \mathrm{\φ}\cos \mathrm{\θ}& 1\end{array}\right].$

5.根据权利要求4所述的基于面采样的体绘制可视化方法，其特征在于：

所述步骤IV求包围盒与切割平面交点时，切割平面的方程为Z＝D，

P1和P2是包围盒的一条棱上的两个顶点，切割平面与包围盒此条棱的交点坐标用下式计算：

6.根据权利要求5所述的基于面采样的体绘制可视化方法，其特征在于：

求得多边形采样面交点坐标后，将旋转矩阵MR进行转置，求出旋转矩阵的逆矩阵MR’，将旋转后的交点坐标，恢复为旋转前的坐标，施行线性变换，得到交点对应的颜色值；再通过图形处理器三线插值计算得到彩色的采样面。

7.根据权利要求1或2所述的基于面采样的体绘制可视化方法，其特征在于：

所述步骤V中，获得当前采样面对应的彩色值和/或透明度后，与上一次的采样面绘制合成后保存下来的结果，进行光线投射算法的颜色合成计算，所得本采样面的绘制结果保存到临时的2D纹理中，下一个采样面合成计算时调出使用。

8.根据权利要求1或2所述的基于面采样的体绘制可视化方法，其特征在于：

根据体数据包围盒距离观测者观察位置的最近点和最远点，以及所需绘制最终图像的质量和绘制的速度，预设采样间距，计算所需采样面的数量。

Images