CN101271574A - 三维可视化的方法、装置 - Google Patents

Abstract

本发明涉及计算机图像处理领域，本发明实施例公开了一种三维可视化的方法、装置，该方法包括：对计算机X射线断层扫描图像进行预处理，突出感兴趣的区域的图像；根据感兴趣的各组织的图像特性，对所述感兴趣的区域的图像进行图像分割，获取所述区域内、感兴趣的各组织的图像；对内部包含有其它要分割的组织的组织的图像进行数学形态学处理；根据各组织的图像，进行三维重建，获取三维图像。应用本发明实施例的技术方案能够将个体的人体图像数据进行可视化，并且有利于准确显示各组织之间的空间位置关系。

Description

三维可视化的方法、装置

技术邻域

本发明涉及计算机图像处理领域，尤其涉及一种三维可视化的方法、装置。

背景技术

医学图像可视化，就是把由计算机X射线断层扫描(computedtomography，简称CT)、磁共振成像(Magnetic Resonance Imaging，简称MRI)等数字化成像技术获得的人体信息在计算机上直观地表现为三维效果，从而提供用传统手段无法获得的结构信息。由于其能够为医生提供具有真实感的三维图像，便于医生根据所提供的图像多角度、多层次的进行观察和分析，因此医学图像可视化在辅助诊断、医学教学等方面发挥着重要的作用。

现有技术的图像可视化处理主要包括下的步骤：

对人体图像数据进行分割处理，得到感兴趣的各组织的图像数据，比如，目前要处理的是一肝区域的图像，肝的内部包含有血管、肿瘤，那么对该区域的图像进行图像分割，分割后分别得到的肝、血管、肿瘤的组织的图像；然后应用三维重建技术，将分割得到的各组织进行三维重建，将其转变为具有直观立体效果的各组织构成的三维图像，展示组织或器官的三维形态，从而提供若干传统手段无法获得的解剖结构信息，向医生为治疗或手术提供参考，有利于提高医疗行业的现代化程度。

由于人体数据的复杂性，在某一组织内存在其它组织，比如肝脏内部有各种血管，那么对于这些内部有其它组织的组织，比如肝脏，经分割之后，对于这些内部还存在其他组织的组织，其被分割后的图像内部还会存在一些空洞(其内部的其他组织的“印记”)，比如，对于肝而言，由于肝内还存在血管或者其他的神经组织，那么在分割之后，这些原存在在肝内部的等组织会在分割得到的肝的图像内部留下“印记”：具体表现为图像的空洞，特别的对于血管、神经等组织，其在被分割后的肝组织的图像中留下的“印记”为：细小的空洞。而另外，由于被分割的图像中存在随机噪声，这些随机噪声也会在分割的图像中留下“印记”：表现为细小的空洞。那么对于最后获得的分割得到的图像，其中细小空洞可能是其中的其内部的细小组织(比如血管)的“印记”，也有可能是噪声的“印记”，造成在将分割之后的各组织进行三维重建后，在需要进行透明化显示各层的图像时，较难判断其中的空洞是真实的组织还是噪声，导致较难判断各种组织之间的空间位置关系，噪声严重时甚至会使得几何模型的内部杂乱无章，给医学诊断带来难度。

发明内容

本发明实施例提供了一种三维可视化的方法，能够将个体的人体图像数据进行可视化，并且有利于准确显示各组织之间的空间关系。

本发明实施例还提供了一种三维可视化的装置，应用该装置能够将个体的人体图像数据进行可视化，并且有利于准确显示各组织之间的空间关系。

本发明实施例还提供了三维可视化的方法，包括：

对计算机X射线断层扫描图像进行预处理，突出感兴趣的区域的图像；

根据感兴趣的各组织的图像特性，对所述感兴趣的区域的图像进行图像分割，获取所述区域内、感兴趣的各组织的图像；

对内部包含有其它要分割的组织的组织的图像进行数学形态学处理；

根据各组织的图像，进行三维重建，获取三维图像。

本发明实施例提供的，三维可视化的装置，包括：

输入单元，用于输入计算机X射线断层扫描图像；

预处理单元，用于对所述输入单元输入的计算机X射线断层扫描图像进行预处理，突出感兴趣的区域的图像；

分割单元，用于对所述感兴趣的区域的图像进行图像分割，获取所述区域内、感兴趣的各组织的图像；

形态学处理单元，用于对内部包含有其它要分割的组织的组织的图像进行数学形态学处理；

三维重建单元，用于根据各组织的图像，进行三维重建，获取三维图像。

由上可见，应用本发明实施例的技术方案，由于在对图像进行分割前，对CT图像进行预处理，突出感兴趣的区域的图像，能够向用户准确的明确所感兴趣的图像的位置，以便能够准确地对所感兴趣的区域进行图像分割，有利于提高图像可视化质量。

在本发明实施例的技术方案中，在分割之后，对内部包含有其它组织的组织的图像进行形态学处理，消除这些组织的图像内部的细小物体，在纤细处分离物体和平滑较大物体边界，并且填充物体内细小空洞，连接邻近物体和平滑边界，避免现有技术中由于细小空洞的存在所导致的各种组织之间的空间位置关系难以判断的问题，应用本发明实施例的技术方案有利于准确显示各组织之间的空间关系。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的不当限定，在附图中：

图1为本发明实施例1的提供的一种三维可视化的方法流程示意图；

图2为本发明实施例1中预处理方法得到的包含肝的区域的图像；

图3为本发明实施例1中包含肝的区域的图像示意图；

图4为本发明实施例1中用直方图统计得到的直方图；

图5为本发明实施例1中使用动态自适应区域增长算法对肝进行分割得到的肝的图像；

图6为本发明实施例1中初始的种子区域D0示意图；

图7为本发明实施例1中使用三维体素生长算法对血管进行分割得到的血管的图像；

图8为本发明实施例1中使用三维体素生长算法对肿瘤进行分割得到的血管的图像；

图9为本发明实施例1中对图5所示的肝的图像进行形态学处理后得到的图像；

图10为本发明实施例1中由相邻层上的各四个像素组成立方体示意图；

图11为本发明实施例1提供的另一种三维可视化的方法流程示意图；

图12为本发明实施例2提供的一种三维可视化的装置结构示意图；

图13为本发明实施例3提供的一种三维可视化的装置结构示意图；

图14为本发明实施例4提供的一种三维可视化的装置结构示意图；

图15为本发明实施例5提供的一种三维可视化的装置结构示意图；

图16为本发明实施例6提供的一种三维可视化的装置结构示意图；

图17为本发明实施例7提供的一种三维可视化的装置结构示意图。

具体实施方式

下面将结合附图以及具体实施例来详细说明本发明，在此本发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。

实施例1：

图1为本实施例提供的三维可视化的方法流程示意图，如图示，该方法包括：

步骤101：获取CT图像。

目前，医学CT数据是通过CT来获取的。CT图像是以不同的灰度来表示，反映组织对X线的吸收程度。因此，与X线图像所示的黑白影像一样，黑影表示低吸收区，即低密度区，如含气体多的肺部；白影表示高吸收区，即高密度区，如骨骼。但是CT与X线图像相比，CT的密度分辨力高，即有高的密度分辨力(density resolutiln)。因此，人体软组织的密度差别虽小，吸收系数虽多接近于水，也能形成对比而成像。所以，CT扫描可以更好地显示由软组织构成的器官，如脑、脊髓、纵隔、肺、肝、胆、胰以及盆部器官等，并在良好的解剖图像背景上显示出病变的影像。CT图像是层面图像，常用的是横断面。为了显示整个器官，需要多个连续的层面图像，通过CT设备上图像的重建程序的使用，还可重建冠状面和矢状面的层面图像，可以多角度查看器官和病变的关系。

步骤102：对CT图像进行预处理，突出感兴趣的区域的图像。

医学图像与普通图像相比，具有模糊性和不均匀的特点，因而首先对CT图像进行预处理，突出目标区域，能够为下一步的分割做好准备工作。针对CT图像，可以采用增强、图像格式转化等方式执行本步骤，突出显示感兴趣的区域的图像。在本实施例中可以采用以下的预处理方式：

由于人眼能够辨识的灰阶范围比较小，而CT值中所包含的信息大大超过了人眼所能辨识的范围，因而我们在CT中引入灰度窗的概念，利用灰度窗来充分利用图片中所含的信息，灰度窗由窗宽(Window Width)和窗位(WindowCenter)确定。窗宽和窗位是CT检查中用以观察不同密度的正常组织或病变组织的一种显示技术。窗宽是：CT图像上所感兴趣的区域的图像的CT值范围，在此CT值范围内的组织和病变均以不同的模拟灰度显示；窗位是：灰度窗的中心位置，同样的窗宽，由于窗位不同，其所包括CT值范围的CT值也有差异。在本实施例中，欲显示某一感兴趣的区域内的组织的结构细节时，应设置适合观察该区域的窗宽和窗位，以获得最佳显示。

在确定了灰度窗之后，根据以下的函数式(1)，计算CT图像中的各像素点的灰度值：

$g(x,y)=\left\{\begin{array}{cc}0& ,f(x,y)<W_P-W_W/2\\ [f(x,y)-(W_P-W_W/2)]*255/W_W& ,W_P-W_W/2<f(x,y)<W_P+W_W/2,\\ 0& ,f(x,y)>W_P+W_W/2\end{array}\right.---\left(1\right)$

其中，g(x，y)为：计算得到的坐标为(x，y)的像素点的灰度值，f(x，y)为：坐标为(x，y)的像素点的CT值，W_P为：所设的窗宽，W_W为：所设的窗位，W_P、W_W可以根据经验进行设置，比如当前的所感兴趣的区域为肝的区域，而根据经验可知该区域的CT值范围为300到420，那么可以将窗宽W_P的大小设为360，窗位W_W设为60。

由函数式(1)可以看出，对于CT值不在区间范围[W_P-W_W/2，W_P+W_W/2](灰度窗)内的像素点，令其灰度值等于0；而对于CT值在区间范围[W_P-W_W/2，W_P+W_W/2]内的像素点，根据函数式[f(x，y)-(W_P-W_W/2)]*255/W_W计算各像素点的灰度值，各像素点的灰度值与该像素点的原始CT值成线性关系，并且保证计算获得的各像素点的灰度值大于0且小于255。

根据函数式(1)得到的图像的各像素点的灰度值后，将CT图像中的各像素点分别按照计算得到灰度值显示出来，由上述函数式(1)可见，对于像素点的CT值不在灰度窗内的像素点，在显示的平面上均为黑色背景，只有CT值在灰度窗内的像素点才能够以一定的灰度值显示出来。那么所显示出来的图像中包括该感兴趣的区域，即从所显示出来的图像中能够看出感兴趣的区域的图像。比如图2所示为根据上述预处理方法得到的包含肝的区域的图像。

需要说明的是，在函数式(1)中，还可以令CT值不在感兴趣的区域的像素点CT值范围内的像素点的灰度值等于255，即令其在显示时显示为白色的背景。

应用上述的方法，还可以用窗口移动的方式保证用户可以自由地观看任意感兴趣的区域的图像，但是这种方法不容易对感兴趣的数据有一个准确的了解。为此我们提供了一种基于直方图统计分析的CT图像预处理算法，算法实现的具体步骤如下：

第一步，直方图统计，图3中区域301就是需要的统计区域。通过对大量CT图像的数据的统计分析，可以得到图4所示的直方图，由图4可见，感兴趣区域(肝区)的像素点的CT值大概集中在(0～255)这个范围内，将该范围记为感兴趣的CT范围P，有了这个比较准确的数据分析，就有利于下一步的图像分割工作。

第二步，计算感兴趣区域的图像的各像素点的灰度值，由图4所示的统计分析的结果可知，由于感兴趣的区域的像素点的CT值大概集中在(0～255)这个范围内，而为了更好的保留原始CT图像的数据细节，可以采用以下的函数式进行变换，即：对于CT值在感兴趣的CT范围P内的像素点，使这些像素点的灰度值等于该点的原始CT值，而对于CT值不在感兴趣的CT范围P内的像素点，使其的灰度值等于零，具体如函数式(2)所示：

式中InGray为：像素点的原始CT值，OutGray为：像素点的灰度值。

根据函数式(2)求得图像的各像素点的灰度值后，按照计算得到的各像素点的灰度值显示图像，由上述函数式(2)可以看出，对于CT值不在感兴趣的CT范围P内的像素点，在显示的图像上表现为黑色背景，而对于CT值在感兴趣的CT范围P内的像素点，则以灰度值等于其CT值显示出来。

需要说明的是，在函数式(2)中，还可以对于CT值不在感兴趣的CT范围P内的像素点，令其灰度值等于255，即令其在显示时显示为白色的背景。对于CT值在感兴趣的CT范围P内的像素点，令其灰度值与其原始的CT值成线性关系，而不是直接等于其原始CT值。

步骤103：根据用户感兴趣的各组织的图像特性，对感兴趣的区域的图像进行图像分割，获取该区域内、用户感兴趣的各组织的图像。

对图像进行分割，提取出感兴趣的器官、组织或病变体，以便后面根据被分割的客体，重新进行三维几何建模，以达到辅助医疗诊断、手术规划和手术模拟的目的。

本发明根据需要分割的各组织的图像特性，选取不同的分割方法，对图像进行分割，假设当前用户感兴趣的区域为器官肝的区域，需要分割的组织分别为：肝、肝内的血管、肝内的病变组织：肿瘤。由于根据CT成像的原理可知，肝与其附近的其它组织的灰度值比较相近，而血管以及肿瘤的灰度值与肝、以及其它组织的灰度值成比较明显的反差，本实施例针对各组织的特点，对各组织采用不同的分割方法，以对肝的区域的图像进行图像分割，要分割的感兴趣的组织为：肝、血管、肿瘤为例：

对于肝，由于其与附近的其它组织(比如肝的附近的胆)的灰度值比较相近，在对肝进行分割时，有可能会分割出一些其附近的不属于肝本身的其它组织，特别的如果对其进行三维分割时，带出的组织更多，因此本实施例针对肝的分割提出了基于二维分割的动态自适应区域增长算法。

动态自适应区域增长算法为现有技术的区域增长算法的改进，区域增长法的基本思想是将具有相似性的像素集合起来构成区域。初始区域是很小的邻域，甚至是单个像素，然后依据生长准则，逐步扩大区域。区域生长过程如下：1、先为每个子区域赋一组参数，该参数要能够反映各目标体的特性，而且能将不同的目标分开。2、考查边界，若相邻区域平均度量之间的差异小，则边界弱，反之则强。边界弱的相邻区域合并，强边界继续保留。3、重复该过程，直到没有需要合并的区域为止。该方法的关键在于种子点的位置、生长准则和生长顺序等。

在本实施例中应用的动态自适应区域增长算法具体如下：

首先，在感兴趣的区域中当前需要分割的组织(在本实施例中为肝)中选择一像素点作为初始的种子点，然后将该初始的种子点的第一邻域(在本实施例中选取3*3邻域)作为初始的种子区域，然后根据函数式(3)计算该初始的种子区域内的像素点的灰度值的平均值，记为第一平均值：

$\mathrm{mean}(x,y)=\frac{1}{9}\underset{r=-1}{\overset{1}{\mathrm{\&Sigma;}}}\underset{c=-1}{\overset{1}{\mathrm{\&Sigma;}}}g(x+r,y+c)---\left(3\right),$

其中，mean(x，y)为：计算得到的该初始的种子区域内的像素点的灰度值的平均值，r、c分别为：坐标x、y的步长，其取值均可为-1，0，或+1，g(x+r，y+c)为：坐标为(x+r，y+c)的像素点的灰度值。

然后，根据函数式(4)计算该初始的种子点的第二邻域(在本实施例中选取5×5邻域)内的像素点的灰度值与所述第一平均值的方差，将该方差作为本实施例中的动态子适应区域增长算法的生长准则的归并阈值：

$\mathrm{\&delta;}=\sqrt{\underset{r=-2}{\overset{2}{\mathrm{\&Sigma;}}}\underset{c=-2}{\overset{2}{\mathrm{\&Sigma;}}}{[g(x+r,y+c)-\mathrm{mean}(x,y)]}^2}---\left(4\right),$

其中，mean(x，y)为：该初始的种子区域内的像素点的灰度值的平均值，r、c分别为：坐标x、y的步长，其取值均可为-2，-1，0，+1，或+2，g(x+r，y+c)为：坐标为(x+r，y+c)的像素点的灰度值。

再然后，根据所计算得到的归并阈值δ设置生长规则，在本实施例中该生长准则可设为：

|g(x，y)-AveGray|＜δ                (4)

其中，g(x，y)为：待归并的坐标为(x，y)的像素点的灰度值，AveGray为：当前种子区域内的各像素点的灰度值的平均值，AveGray的初始值为mean(x，y)。根据关系式(4)所示的生长规则，对初始的种子区域进行种子区域生长，获取分割结果。该种子区域生长具体是：

进行以下步骤，直到找不到新的种子点为止：

判断当前种子区域相相连通的像素点的灰度值g(x，y)与当前种子区域内的像素点的灰度值的平均值AveGray的差值的绝对值是否小于方差δ，如果小于，则将该像素点作为新的种子点，获取新的种子区域，该新的种子区域由：所述新的种子点、以及更新前的种子区域内的种子点共同构成；如果不小于，继续寻找下一新的种子点。

当利用关系式(4)所示的生长规则找不到新的种子点时，那么最终得到的种子区域内的像素点所构成的图像便为分割所得的组织的图像。如图5所示为使用本实施例的动态自适应区域增长算法对肝进行分割得到的肝的图像。

对于血管、肿瘤，由于这些组织与附近组织的灰度值相差较大，故对其的分割比较不易带出其它组织，可以对它们使用基于三维的分割方法，本实施例还提供了一种基于三维的分割方法，记为三维体素生长算法，具体如下：

该算法采用了多次迭代的方式进行动态体素生长。相对于传统的基于三维的分割方法，三维体素生长算法可以根据当前区域的局部统计特性，自适应地动态调整每一次迭代的最优阈值范围，从而加强算法的鲁棒性与实用性。

首先，在感兴趣的区域内、当前需要分割的组织(在本实施例中以血管为例)中选择一像素点作为初始的种子点。

然后，将三维空间中与初始的种子点相邻的26个像素点(在本实施例中称为体素)所构成的区域，作为初始的种子区域D0，如图6所示。根据函数式(5)计算该初始的种子区域内D0的体素的灰度值的平均值mean(x，y，z)，根据函数式(6)计算初始的种子区域内D0的体素的灰度值与该初始的种子区域内的体素的灰度值得平均值mean(x，y，z)的方差δ0：

$\mathrm{mean}(x,y,z)=\frac{1}{27}\underset{r=-1}{\overset{1}{\mathrm{\&Sigma;}}}\underset{c=-1}{\overset{1}{\mathrm{\&Sigma;}}}\underset{d=-1}{\overset{1}{\mathrm{\&Sigma;}}}g(x+r,y+c,z+d)---\left(5\right),$

$\mathrm{\&delta;}0=\sqrt{\underset{r=-1}{\overset{1}{\mathrm{\&Sigma;}}}\underset{c=-1}{\overset{1}{\mathrm{\&Sigma;}}}\underset{d=-1}{\overset{1}{\mathrm{\&Sigma;}}}{[g(x+r,y+c,z+d)-\mathrm{mean}(x,y,z)]}^2}---\left(6\right),$

其中，mean(x，y，z)为：初始的种子区域D0内的体素的灰度值的平均值，g(x+r，y+c，z+d)为：坐标为(x+r，y+c，z+d)的像素点的灰度值，r、c、d分别为：坐标x、y、z的步长。

然后，进行步骤(1)、(2)，直到找不到新的种子点为止：

(1)根据函数式(7)更新阈值范围Ω_n

Ω_n＝[m_n-1-θσ_n-1，m_n-1+θσ_n-1](7)，

其中，n为：迭代的次数，m_n-1为：第n-1次(上一次)迭代时的种子区域∏_n-1内的所有像素点的灰度值的平均值，σ_n-1为：第n-1次迭代时的种子区域∏_n-1内的像素点的灰度值与所述初始的种子区域内的象素点的灰度值的平均值的方差，θ为预设的参数；

(2)根据阈值范围Ω_n、以及正在生长的种子区域∏_n-1，获取新的种子区域∏_n，其中新的种子区域∏_n由：种子区域∏_n-1、和新的种子点构成，其中新的种子点满足条件：与种子区域∏_n-1相连通、且该像素点和与种子区域∏_n-1内的像素点的灰度值的平均值m_n在阈值范围Ω_n内。

当找不到新的种子点时，最终得到的种子区域∏_n内的像素点所构成的图像则为：分割所得的组织的图像。如图7所示为使用本实施例所提供的三维体素生长算法对血管进行分割得到的血管的图像。

同理，应用上述的体素生长算法对肿瘤进行分割，可以得到图8所示的肿瘤的图像。

步骤104：对内部包含有其它组织的组织的图像进行数学形态学处理。

在本实施例中，以感兴趣的区域为肝的区域为例，由于肝的内部还包含有血管、肿瘤等其它组织，那么在分割获取肝的图像时，分割得到的肝的图像的内部存在有这些组织的“印记”，这些“印记”表现为细小的空洞，而同时由于噪声的存在，在对图像进行分割操作时，噪声也有可能会在分割得到图像中留下“印记”，其表现亦为细小的空洞，导致最终分割得到的图像中的细小的空洞可能是其它组织(比如血管)的“印记”也有可能为噪声的“印记”。如图5所示。如果直接将步骤103中分割得到的各组织直接进行三维重建，那么三维重建后，在需要进行透明化显示各层的图像时，较难判断其中的细小的空洞是真实的组织还是噪声，从而较难判断各种组织之间的空间位置关系，噪声严重时甚至会使得几何模型的内部杂乱无章。

为了克服上述的问题，本实施例在步骤103后还进行本步骤，以当前感兴趣的区域为肝区域为例，在对该区域的图像进行分割获取如图5所示的肝的图像之后，对肝的分割结果(如图5所示的图像)进行数学形态学处理。

数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。

数学形态学的基本运算有四个：膨胀、腐蚀、开启和闭合。基于这些基本运算可以推导和组合成各种数学形态学实用算法。

数学形态学中二值图像的形态变换是一种针对集合的处理过程。其形态算子的实质是表达物体或形状的集合与结构元素间的相互作用，结构元素的形状就决定了这种运算所提取的信号的形状信息数学形态学处理在图像的应用中是在图像中移动一个结构元素，然后将结构元素与下面的二值图像进行交、并等集合运算。基本的形态运算是腐蚀和膨胀。

在数学形态学中，结构元素是最重要最基本的概念。结构元素在形态变换中的作用相当于信号处理中的“滤波窗口”。用B(x)代表结构元素，对工作空间E中的每一点x，腐蚀和膨胀的定义为：

腐蚀：

膨胀：

用B(x)对E进行腐蚀的结果就是把结构元素B平移后使B包含于E的所有像素点构成的集合。用B(x)对E进行膨胀的结果就是把结构元素B平移后使B与E的交集非空的像素点构成的集合。先腐蚀后膨胀的过程称为开运算。它具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用。先膨胀后腐蚀的过程称为闭运算。它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。

在本实施例中对图5所示的肝的图像采用开运算、以及闭运算对肝的分割结果，平滑肝的图像的边缘，去除其边缘连结的其它组织，并且填充其内部的细小的空洞，如图9所示为对图5所示的肝的图像进行数学形态学处理后得到的图像。

步骤105：根据各组织的图像，进行三维重建，获取三维图像。

可以采用现有技术的各种三维重建技术对各组织的图像进行三维重建。在本实施例中以采用Marching Cubes(MC)方法对各组织进行三维重建为例。

MC方法的基本思想是，给定一个等值面的值c，对于三维数据场中的一个六面体体素，比较其8个顶点处的函数值和给定的等值面的值c，如果顶点处函数值大于或者等于c，则将其设为1，否则将其设为0。如果一个体素全部顶点的值都为1或者为0，则说明没有等值面经过该体素，否则该体素必与等值面相交。

等值面的定义如下：

{(x，y，z)|s(x，y，z)＝c}，

其中c  为常数，由体素的八个角的值唯一决定。s(x，y，z)＝a₀+a₁x+a₂y+a₃z+a₄xy+a₅xz+a₆yz+a₇xyz，a_i(i＝0，1，...，7)为常数，x、y、z分别为三维数据常的三维坐标。

体素是一逻辑上的立方体，由相邻层上的各四个像素组成立方体上的8个顶点，如图10所示。算法以扫描线方式逐个处理数据场中每一立方体体素，求出每一体素内包含的等值面，由此生成整个数据场的等值面。

基于以上分析，MC方法用一个字节的空间构造了一个体素状态表，该状态表中的每一位可表示出该体元中的一个角点的0或者1的状态，从而确定等值面与体素相交情况。等值面与体素边界的交点通过该边两端点函数值的线性插值求出，并将这些交点连接成三角形或者多边形。在求出立方体元中的三角形面片后，首先根据中心差分方法计算出体元各顶点处的梯度值，然后用线性插值计算出三角形顶点处的梯度，也就是顶点处的法向量。

对已经分割好的各组织的图像，可以利用可视化工具包(VisualizationToolkit，简称VTK)函数库，根据MC算法抽取等值面，具体步骤如下：

第一、利用VTK中的vtkBMPReader类读取分割好的图片，并将其信息保存在vtkStructuredPoints类中；

第二、利用vtkContourFilter类设定等值面的值，提取出感兴趣的轮廓；

第三、调用vtkPolyDataMapper函数，将经过各种vtkContourFilter处理后的应用数据映射为几何数据，根据这些几何数据构造得到三维的肝的区域的图像：肝的内部包括血管、肿瘤分割得到的各组织。

第四、为了得到更好的显示效果，还可一定义vtkActor，指定场景光照，视角，焦点等信息，并用vtkRender类将绘制场景中的实体渲染出来，得到更加立体的可视化三维图像。

由上可见，应用本发明实施例的技术方案，由于在对图像进行分割前，对CT图像进行预处理，突出感兴趣的区域的图像，能够向用户准确的明确所感兴趣的图像的位置，以便能够准确地对所感兴趣的区域进行图像分割，有利于提高图像可视化质量。

在本发明实施例的技术方案中，在分割之后，对内部包含有其它组织的组织的图像进行形态学处理，消除这些组织的图像内部的细小物体，在纤细处分离物体和平滑较大物体边界，并且填充物体内细小空洞，连接邻近物体和平滑边界，避免现有技术中由于细小空洞的存在所导致的各种组织之间的空间位置关系难以判断的问题，应用本发明实施例的技术方案有利于准确显示各组织之间的空间关系。

需要说明的是，如图11所示，在本实施例中在步骤103之后，步骤105之前还可以进行以下的步骤：

步骤1101：对内部不包含有其它组织的组织的图像进行中值滤波处理。该步骤1101既可以在步骤104之前也可以在步骤104之后，图11以其在步骤104为例进行示意。

这里所述的内部不包含有其它组织的组织，具体比如：血管、肿瘤等

中值滤波具体是，对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。

增加本步骤可以抑制这些图像中的椒盐噪声，进一步优化这些图像的质量，以使最终得到更优的三维可视化图像。

增加本步骤之后，那么显然步骤105中，根据各组织的图像，进行三维重建，获取三维图像，具体是：对经过中值滤波处理后的图像、以及经过数学形态学处理后的图像进行三维重建。

实施例2：

图12为本实施例提供的一种三维可视化的装置结构示意图，如图示，该装置包括：

输入单元121，用于输入CT图像。

其原理参见实施例1中的步骤101的描述。

预处理单元122，用于对输入单元121所输入的CT图像进行预处理，突出感兴趣的区域的图像。可以选择现有的各种预处理方法对图像进行预处理，突出感兴趣的区域的图像。

其原理参见实施例1中的步骤102的描述。

分割单元123，用于对经过预处理单元122处理得到的所述感兴趣的区域的图像进行图像分割，获取所述区域内、用户感兴趣的各组织的图像。其所应用的分割方法可以采用现有技术的各种分割方法。

其详细的原理参见实施例1中的步骤103的描述。

假设当前分割得到肝、血管、肿瘤的各组织的图像，分割后的各组织的图像分别参见图5、7、8。

形态学处理单元124，用于分割单元123分割得到的组织的图像中、内部包含有第二组织的组织的图像进行数学形态学处理。

其原理参见实施例1中的步骤104的描述。比如，对图5所示的分割后得到的肝的图像进行形态学处理，其处理后的图像如图9所示。

三维重建单元115，用于根据各组织的图像，进行三维重建，获取三维图像。

其原理参见实施例1中的步骤105的描述。

由上可见，应用本发明实施例的技术方案，由于在对图像进行分割前，对计算机X射线断层扫描(computed tomography，简称CT)图像进行预处理，突出感兴趣的区域的图像，能够向用户准确的突出显示所感兴趣的图像的位置，以便能够准确地对所感兴趣的区域进行图像分割，有利于提高图像可视化质量。

在本发明实施例的技术方案中，在分割之后，对内部包含有其它组织的组织的图像进行形态学处理，消除这些组织的图像内部的细小物体，在纤细处分离物体和平滑较大物体边界，并且填充物体内细小空洞，连接邻近物体和平滑边界，避免现有技术中由于细小空洞的存在所导致的各种组织之间的空间位置关系难以判断的问题，应用本发明实施例的技术方案有利于准确显示各组织之间的空间关系。

实施例3：

图13为本实施例提供的一种三维可视化的装置结构示意图，如图示，该装置与图12所示的装置所不同的是，本实施例的装置还可以包括：

中值滤波单元131，用于对内部不包含有其它组织的组织的图像进行中值滤波处理，将处理后的图像输入至所述三维重建单元135。

三维重建单元135根据经中值滤波单元131滤波处理后的组织、以及形态学处理单元124处理后的组织进行三维重建。

实施例4：

图14为本实施例提供的一种三维可视化的装置结构示意图，如图示，该装置与图13所示的装置所不同的是，本实施例的分割单元143还可以包括：

第一计算单元1431，用于计算，所述计算包括：

计算当前种子区域内的像素点的灰度值的平均值，其中所述种子区域初始为：以指定的初始的种子点为中心的、预定的邻域，

计算以所述初始的种子点为中心的、第二邻域内的像素点的灰度值与所述平均值的方差，

计算当前种子区域相邻的像素点的灰度值与当前种子区域内的像素点的灰度值的平均值的差值的绝对值；

第一判断单元1432，用于判断当前种子区域相邻的像素点是否满足：所述像素点的灰度值与所述平均值的差值的绝对值是否小于所述方差，

第一种子区域计算单元1433，用于当第一判断单元1432判定：当前种子区域相邻的像素点的灰度值与所述平均值的差值的绝对值小于所述方差时，获取新的种子区域，所述新的种子区域由：所述新的种子点和更新前的种子区域构成，所述新的种子点为满足条件的像素点，所述条件为：所述像素点与当前种子区域连通，并且，所述像素点的灰度值与当前种子区域内的像素点的灰度值的平均值的差值的绝对值小于所述方差。

对于内部包含有要分割的其它组织的组织(比如肝，其内部还包含有血管、肿瘤等要分割得组织)，可以应用第一计算单元1431、第一判断单元1432、第一种子区域计算单元1433对图像进行分割获取，而对于其它的组织可以采用现有技术的各种分割方法进行分割获取。

其具体原理参见实施例1步骤102的相应描述。

实施例5：

图15为本实施例提供的一种三维可视化的装置结构示意图，如图示，该装置与图14所示的装置所不同的是，本实施例的分割单元153还可以包括：

第二计算单元1531，用于计算，所述计算包括：

计算确定区域内的像素的灰度值的平均值m_n，

计算所述确定区域内的像素点与所述初始的种子点的灰度值的方差σ_n，

根据函数式：Ω_n＝[m_n-1-θσ_n-1，m_n-1+θσ_n-1]，计算阈值范围Ω_n，

其中：n为迭代的次数，n的初始值为零，

其中当n等于零时，m₀为初始的种子区域内的像素的灰度值的平均值，所述初始的种子区域为：由初始的种子点、以及三维空间中与所述初始的种子点相邻的所有像素点构成的区域，m_n-1为：第n-1次迭代时的种子区域∏_n-1内的所有像素的灰度值的平均值，σ_n-1为：第n-1次迭代时的种子区域∏_n-1内的各像素与所述初始的种子点的灰度值的方差，θ为：预设的参数；

第二判断单元1532，判断与所述种子区域∏_n-1连通的像素点是否满足条件：所述像素点、与所述种子区域∏_n-1内的像素点的灰度值的平均值m_n是否在所述阈值范围Ω_n内；

第二种子区域更新单元153，用于当所述第二判断单元判定：与所述种子区域∏_n-1连通的像素点、与所述种子区域∏_n-1内的各像素点的灰度值的平均值m_n在所述阈值范围Ω_n内时，计算新的种子区域∏_n，

其中所述新的种子区域∏_n由：种子区域∏_n-1、和满足所述第二判断单元的判断条件的像素点构成。

对于内部不包含有要分割的其它组织的组织(比如：血管、肿瘤等要分割的组织)，可以采用第二计算单元1531、第二判断单元1532、第二种子区域更新单元153进行分割得到。可选的，其分割得到的图像可以输入到中值滤波单元131进行中值滤波处理。

其具体原理参见实施例1步骤102的相应描述。

实施例6：

图16为本实施例提供的一种三维可视化的装置结构示意图，如图示，该装置与图12所示的装置所不同的是，本实施例的预处理单元162还可以包括：

灰度窗确定单元1621，根据所述感兴趣的区域的大小，确定灰度窗的窗位、窗宽，其中所述窗宽为：根据经验预设的、所述感兴趣的区域的计算机X射线断层扫描图像的计算机X射线断层扫描值范围，窗位为：所述灰度窗的中心位置；

第三计算单元1622，用于根据函数式：

计算所述图像中的各像素点的灰度值，

其中所述g(x，y)为坐标为(x，y)的像素点被赋的灰度值，f(x，y)为坐标为(x，y)的像素点的计算机X射线断层扫描值，W_P为窗宽，W_W为窗位。

其具体原理参见实施例1步骤102的相应描述。

实施例7：

图17为本实施例提供的一种三维可视化的装置结构示意图，如图示，该装置与图16所示的装置所不同的是，本实施例的预处理单元172还可以包括：

直方图统计单元1721，用于对大量的计算机X射线断层扫描图像进行直方图统计，获取所述感兴趣的区域的计算机X射线断层扫描图像的计算机X射线断层扫描值范围，根据所述得到的范围得到所述窗宽，将所述窗宽输入到灰度窗确定单元1621，灰度窗确定单元1621根据所输入的窗宽确定所述灰度窗。

其具体原理参见实施例1步骤102的相应描述。

需要说明的是，在本发明实施例中的三维可视化装置可以为由硬件构成的独立的设备或硬件模块，亦可以为以软件的形式存储在一个计算机可读存储介质中的功能模块。

综上，应用本发明实施例的技术方案，由于在对图像进行分割前，对计算机X射线断层扫描(computed tomography，简称CT)图像进行预处理，突出感兴趣的区域的图像，能够向用户准确的突出显示所感兴趣的图像的位置，以便能够准确地对所感兴趣的区域进行图像分割，有利于提高图像可视化质量。

在本发明实施例的技术方案中，在分割之后，对内部包含有其它组织的组织的图像进行形态学处理，消除这些组织的图像内部的细小物体，在纤细处分离物体和平滑较大物体边界，并且填充物体内细小空洞，连接邻近物体和平滑边界，避免现有技术中由于细小空洞的存在所导致的各种组织之间的空间位置关系难以判断的问题，应用本发明实施例的技术方案有利于准确显示各组织之间的空间关系。

以上对本发明实施例所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明实施例的原理；同时，对于本邻域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (13)

1. 一种三维可视化的方法，其特征是，包括：

对计算机X射线断层扫描图像进行预处理，突出感兴趣的区域的图像；

根据感兴趣的各组织的图像特性，对所述感兴趣的区域的图像进行图像分割，获取所述区域内、感兴趣的各组织的图像；

对内部包含有其它组织的组织的图像进行数学形态学处理；

根据各组织的图像，进行三维重建，获取三维图像。

2. 根据权利要求1所述的三维可视化的方法，其特征是，根据感兴趣的各组织的图像特性，在对所述感兴趣的区域的图像进行图像分割，获取所述区域内、感兴趣的各组织的图像之后，在根据各组织的图像，进行三维重建，获取三维图像之前，还包括：

对内部不包含有其它组织的组织的图像进行中值滤波处理。

3. 根据权利要求1所述的三维可视化的方法，其特征是，如果所述组织的图像与背景的对比度小，对所述感兴趣的区域的图像进行图像分割，包括：

在所述区域内感兴趣的组织的图像内指定一像素点作为初始的种子点；

以所述初始的种子点为中心的第一邻域内作为初始的种子区域，计算第一平均值：所述初始的种子区域内的像素点的灰度值的平均值；

计算以所述初始的种子点为中心的、预设的第二邻域内的像素点的灰度值与所述第一平均值的方差；

进行以下步骤，直到找不到新的种子点为止：

判断当前种子区域相连通的像素点的灰度值与所述第一平均值的差值的绝对值是否小于所述方差，如果是，则将所述像素点作为新的种子点，获取新的种子区域，否则，继续寻找下一新的种子点，

所述新的种子区域由：所述新的种子点、以及更新前的种子区域内的种子点构成；

直到找不到新的种子点时，当前种子区域内的像素点所构成的图像则为所述感兴趣的组织的图像。

4. 根据权利要求1所述的三维可视化的方法，其特征是，如果所述感兴趣的组织的图像与背景的对比度大，对所述感兴趣的区域的图像进行图像分割，包括：

在所述区域内感兴趣的组织的图像内指定一像素点作为初始的种子点；

将所述初始的种子点、以及三维空间中与所述初始的种子点相邻的像素点构成的区域作为初始的种子区域；

计算所述初始的种子区域内的像素的灰度值的平均值m₀，计算所述初始的种子区域内的像素点与所述初始的种子点的灰度值的方差σ₀；

进行以下步骤，直到找不到新的种子点为止：

根据函数式：Ω_n＝[m_n-1-θσ_n-1’m_n-1+θσ_n-1]，更新阈值范围Ω_n，

其中n为迭代的次数，m_n-1为第n-1次迭代时的种子区域∏_n-1内的像素的灰度值的平均值，σ_n-1为第n-1次迭代时的种子区域∏_n-1内的各像素点与所述初始的种子点的灰度值的方差，θ为预设的参数；

根据阈值范围Ω_n、种子区域∏_n-1’获取新的种子区域∏_n，其中所述新的种子区域∏_n由：所述种子区域∏_n-1和新的种子点构成，所述新的种子点满足条件：与所述种子区域∏_n-1连通、且所述新的种子点和所述种子区域∏_n-1内的所有像素点，所述新的种子区域∏_n内的像素点的灰度值的平均值m_n在所述阈值范围Ω_n内；

直到找不到新的种子点时，当前的种子区域内的像素点所构成的图像为所述感兴趣的组织的图像。

5. 根据权利要求1至4之任一所述的三维可视化的方法，其特征是，对计算机X射线断层扫描图像进行预处理，突出感兴趣的区域的图像，包括：

根据所述感兴趣的区域的大小，确定灰度窗的窗位、窗宽，

其中所述窗宽为：根据经验预设的、所述感兴趣的区域的计算机X射线断层扫描图像的计算机X射线断层扫描值范围，窗位为：所述灰度窗的中心位置；

根据函数式：

计算所述图像中的各像素点的灰度值，

其中，所述g(x，y)为：计算获得的坐标为(x，y)的像素点的灰度值，f(x，y)为：坐标为(x，y)的像素点的计算机X射线断层扫描值，W_P为：所述窗宽，W_W为：所述窗位；

按照所计算的各像素点的灰度值显示图像。

6. 根据权利要求5所述的三维可视化的方法，其特征是，所述窗宽为：对大量的计算机X射线断层扫描图像进行直方图统计所获取的所述感兴趣的区域的计算机X射线断层扫描图像的计算机X射线断层扫描值范围。

7. 根据权利要求1至4所述的三维可视化的方法，其特征是，所述感兴趣的区域的计算机X射线断层扫描图像的计算机X射线断层扫描值范围为[0，255]之内，对计算机X射线断层扫描图像进行预处理，突出感兴趣的区域的图像，具体为，

根据函数式：

计算所述图像中的各像素点的灰度值，

按照所计算的各像素点的灰度值显示图像。

8. 一种三维可视化的装置，其特征是，包括：

输入单元，用于输入计算机X射线断层扫描图像；

预处理单元，用于对所述输入单元输入的计算机X射线断层扫描图像进行预处理，突出感兴趣的区域的图像；

分割单元，用于对所述感兴趣的区域的图像进行图像分割，获取所述区域内、感兴趣的各组织的图像；

形态学处理单元，用于对内部包含有其它要分割的组织的组织的图像进行数学形态学处理；

三维重建单元，用于根据各组织的图像，进行三维重建，获取三维图像。

9. 根据权利要求8所述的三维可视化的装置，其特征是，所述装置还包括：

中值滤波单元，用于对内部不包含有其它组织的组织的图像进行中值滤波处理，将处理后的图像输入至所述三维重建单元。

10. 根据权利要求9所述的三维可视化的装置，其特征是，所述分割单元包括：

第一计算单元，用于计算，所述计算包括：

计算当前种子区域内的像素点的灰度值的平均值，其中所述种子区域初始为：以指定的初始的种子点为中心的、预定的邻域，

计算以所述初始的种子点为中心的、第二邻域内的像素点的灰度值与所述平均值的方差，

计算当前种子区域相邻的像素点的灰度值与当前种子区域内的像素点的灰度值的平均值的差值的绝对值；

第一判断单元，用于判断当前种子区域相邻的像素点是否满足：所述绝对值是否小于所述方差，

第一种子区域计算单元，用于当所述第一判断单元判定：所述绝对值小于所述方差时，获取新的种子区域，所述新的种子区域由：所述新的种子点和更新前的种子区域构成，所述新的种子点为满条件的像素点，所述条件为：所述像素点与当前种子区域连通，并且，所述像素点的灰度值与当前种子区域内的像素点的灰度值的平均值的差值的绝对值小于所述方差。

11. 根据权利要求9或10所述的三维可视化的装置，其特征是，所述分割单元包括：

第二计算单元，用于计算，所述计算包括：

计算确定区域内的像素的灰度值的平均值m_n，

计算所述确定区域内的像素点与所述初始的种子点的灰度值的方差σ_n，

根据函数式：Ω_n＝[m_n-1-θσ_n-1’m_n-1+θσ_n-1]，计算阈值范围Ω_n，

其中：n为迭代的次数，n的初始值为零，

其中当n等于零时，m₀为初始的种子区域内的像素的灰度值的平均值，所述初始的种子区域为：由初始的种子点、以及三维空间中与所述初始的种子点相邻的所有像素点构成的区域，

m_n-1为：第n-1次迭代时的种子区域∏_n-1内的所有像素的灰度值的平均值，σ_n-1为：第n-1次迭代时的种子区域∏_n-1内的各像素与所述初始的种子点的灰度值的方差，θ为：预设的参数；

第二判断单元，判断与所述种子区域∏_n-1连通的像素点是否满足条件：所述像素点、与所述种子区域∏_n-1内的像素点的灰度值的平均值m_n是否在所述阈值范围Ω_n内；

第二种子区域更新单元，用于当所述第二判断单元判定：与所述种子区域∏_n-1连通的像素点与所述种子区域∏_n-1内的各像素点的灰度值的平均值m_n在所述阈值范围Ω_n内时，计算新的种子区域∏_n，

其中所述新的种子区域∏_n由：种子区域∏_n-1、和满足所述第二判断单元的判断条件的像素点构成。

12. 根据权利要求9所述的三维可视化的装置，其特征是，所述预处理单元包括：

灰度窗确定单元，根据所述感兴趣的区域的大小，确定灰度窗的窗位、窗宽，其中所述窗宽为：根据经验预设的、所述感兴趣的区域的计算机X射线断层扫描图像的计算机X射线断层扫描值范围，窗位为：所述灰度窗的中心位置；

第三计算单元，用于根据函数式：

计算所述图像中的各像素点的灰度值，

其中所述g(x，y)为：计算得到的坐标为(x，y)的像素点的灰度值，f(x，y)为：坐标为(x，y)的像素点的计算机X射线断层扫描值，W_P为：所述窗宽，W_W为：所述窗位。

13. 根据权利要求12所述的三维可视化的装置，其特征是，所述预处理单元包括：

直方图统计单元，用于对大量的计算机X射线断层扫描图像进行直方图统计，获取所述感兴趣的区域的计算机X射线断层扫描图像的计算机X射线断层扫描值范围，根据得到的范围得到所述窗宽。

Images