CN101814191A - 基于二维传递函数的三维图像可视化方法 - Google Patents

Abstract

本发明公开一种基于二维传递函数的三维图像可视化方法，首先建立了二维传递函数的广义模型，并设计了四种分类器，然后，设计出了二维传递函数的具体模型，最后，根据二维传递函数模型得到的光学参数绘制出三维图像。该方法简单，对基于图形硬件的体绘制算法和基于软件的体绘制算法具有普适性，其结果直观，能够实现体数据中光学参数设置、用户感兴趣结构提取、无关结构抑制和三维图像半透明绘制。

Description

基于二维传递函数的三维图像可视化方法

技术领域

本发明涉及计算机图形学中的三维可视化领域，特别涉及体绘制中的二维传递函数技术。

背景技术

体绘制(Volume Rendering)出现于上个世纪70年代，是三维图像可视化方法中非常重要的一种方法。由于体绘制不仅可以显示体数据的表面信息，还可以显示其内部信息，从而能实现体数据的真实感显示，有利于体数据信息的全面理解与分析，因此在辅助医生诊断、工业CT缺陷检测等方面有着非常重要的作用。

体绘制算法的关键之一是传递函数(Transfer Function)。传递函数负责设置体数据(也称为三维数据)的颜色、不透明度(也称为阻光度)等光学参数，从而实现具有真实感的三维图像可视化。传递函数从性质上可分为一维传递函数、二维传递函数和三维传递函数等等；从用途上可分为颜色传递函数、不透明度(阻光度)传递函数等等。其中，二维传递函数是体数据中标量值和梯度幅度与光学参数之间的映射关系。然而，传递函数的设计是一件非常困难的事情，设计合适的传递函数已经被列为可视化领域里的十大难题之一。原因之一：传递函数的核心问题之一是提取用户感兴趣的特征，同时抑制那些不需要的结构，传递函数仅仅使用了体数据的标量、梯度等数据信息，然而，在图像中，各种组织器官间的亮度值梯度值差异不大，很难将其分开；原因之二：传递函数界面缺乏直观性，空间域与传递函数域是相对独立的，空间域是我们熟悉的三维体数据空间，而传递函数域则是一个抽象的空间，它的维度并不是空间维度而是体数据的亮度等等，它的函数值不是标量值而是颜色(如R、G、B)、不透明度等向量值；原因之三：传递函数的设计存在盲目性，对于一个具体的体数据集，医生并不十分清楚感兴趣特征的传递函数信息，例如，对于一个待分析的腹部数据集，医生无法知道病人的肝脏是否有肿瘤还是有损伤，无法知道这些特征的亮度范围大概在哪个区间，只有通过反复的调节光学参数才能知道，需要耗费大量的时间和精力。

发明内容

解决的技术问题：

为了解决体数据光学参数(如不透明度，颜色等)设置、用户感兴趣结构提取、无关结构抑制和三维图像半透明可视化的技术问题，本发明的目的是提供一种基于二维传递函数的三维图像可视化方法。

技术方案：

为达成所述目的，本发明提出基于二维传递函数的三维图像可视化方法的技术方案如下：

步骤S1：根据体数据的标量值和梯度幅度建立二维传递函数的广义模型：

$g=\mathrm{TF}(f,||\▿f|\left|\right)$

其中，g表示二维传递函数的广义模型；TF表示体数据的标量值和梯度幅度与光学参数的映射规则；f表示体数据中的标量值；

表示体数据的梯度幅度；

步骤S2：根据体数据的标量值和梯度幅度设计斜坡分类器、半椭球分类器、金字塔形状分类器和斜面分类器。

步骤S3：结合步骤S1中二维传递函数广义模型和步骤S2中斜坡分类器、半椭球分类器、金字塔形状分类器和斜面分类器，得到二维传递函数的具体模型：

其中，G表示二维传递函数的具体模型；

表示二维传递函数的最大值，设定如果是不透明度二维传递函数取值范围为0～1，则有

m表示二维传递函数第i种分类器，设定m＝4；n表示二维传递函数第i种分类器中个数；C_ij表示二维传递函数第i种分类器中的第j个，C_i0＝0；

步骤S4：根据二维传递函数具体模型得到的光学参数绘制出三维图像。

本发明的有益效果：本发明提出的二维传递函数可以应用在体绘制算法中实现二维传递函数实现体数据光学参数(如不透明度，颜色等)设置、用户感兴趣结构提取和无关结构抑制，从而实现三维图像可视化。同时，本发明提出的二维传递函数既可以支持基于软件的体绘制，能够实现大规模体数据的高质量绘制，也可以支持基于图形硬件的体绘制，能够实现中小规模体数据的快速绘制，在体数据可视化领域具有重要的应用价值。

附图说明

图1是本发明基于二维传递函数的三维图像可视化流程图。

图2是本发明四种分类器的三维几何模型。

图3是本发明分类器设计的流程图。

图4是本发明二维传递函数设计的流程图。

图5是本发明四种分类器分别在二维传递函数交互界面里的投影。

图6是本发明基于二维传递函数的三维图像可视化应用实例。

图7是本发明二维传递函数交互界面及其实现三维图像具有真实感的半透明可视化应用实例。

图8是本发明利用二维传递函数在三维图像中进行结构提取的应用实例。

具体实施方式

本发明技术方案是：首先，建立二维传递函数的广义模型，然后，设计了四种分类器：斜坡分类器、半椭球分类器、金字塔形状分类器和斜面分类器，接着，结合二维传递函数广义模型和分类器建立了二维传递函数的具体模型，最后，将这种二维传递函数方法应用在体绘制算法中实现二维传递函数实现体数据光学参数(如不透明度，颜色等)设置、用户感兴趣结构提取和无关结构抑制，从而实现三维图像可视化。

结合附图详细描述本发明提出的基于二维传递函数的三维图像可视化方法。

模型M1：二维传递函数的广义模型

本发明首先建立了一个如式(1)的二维传递函数的广义模型，二维传递函数的广义模型是体数据的标量值和梯度幅度与不透明度或颜色之间的映射关系。

$g=\mathrm{TF}(f,||\▿f|\left|\right)---\left(1\right)$

其中，g表示二维传递函数的广义模型；TF表示体数据的标量值和梯度幅度与光学参数的映射规则；f表示体数据中的标量值；体数据的梯度幅度

$\left|\right|\▿f\left|\right|=\sqrt{\frac{\∂f{(x,y,z)}^2}{\∂x}+{\left(\frac{\∂f(x,y,z)}{\∂y}\right)}^2+{\left(\frac{\∂f(x,y,z)}{\∂z}\right)}^2}---\left(2\right)$

其中x表示体数据的三维空间坐标系的水平坐标；y表示体数据的三维空间坐标系的纵坐标；z表示体数据的三维空间坐标系垂直于平面x0y的坐标；(x，y，z)表示体数据的三维空间坐标系中的体素；f(x，y，z)表示体数据的三维空间坐标系中的体素值；体数据中的每一个体素的偏导数

和

的具体模型为：

表示体数据的三维空间坐标系中的第(x_i，y_i，z_i)个体素的体素值；f(x_i-1，y_i，z_i)表示体数据的三维空间坐标系中的第(x_i-1，y_i，z_i)个体素的体素值；f(x_i+1，y_i，z_i)表示体数据的三维空间坐标系中的第(x_i+1，y_i，z_i)个体素的体素值；f(x_i，y_i-1，z_i)表示体数据的三维空间坐标系中的第(x_i，y_i-1，z_i)个体素的体素值；f(x_i，y_i+1，z_i)表示体数据的三维空间坐标系中的第(x_i，y_i+1，z_i)个体素的体素值；f(x_i，y_i，z_i-1)表示体数据的三维空间坐标系中的第(x_i，y_i，z_i-1)个体素的体素值；f(x_i，y_i，z_i+1)表示体数据的三维空间坐标系中的第(x_i，y_i，z_i+1)个体素的体素值；

模型M2：分类器

本发明使用的二维传递函数模型是由一些基本的几何基元组成的。这些几何基元包括类五面体、椭球、四棱锥和棱台(如图2a-图2d所示)。本发明分别把这些几何基元分别称为斜坡分类器C₁、半椭球分类器C₂、金字塔形状分类器C₃和斜面分类器C₄。它们各具有独特的性质，针对不同的特征，可以使用不同的分类器。

I、斜坡分类器C₁由四个控制点、七至九条棱边、两个曲面和二到三个平面组成；四个控制点包括：左顶点、右顶点、中心点和下顶点，中心点的函数值最大，其它三个点的函数值最小；斜坡分类器C₁形状由这四个控制点设置，当中心点在下顶点的正上面时，斜坡分类器C₁有七条棱边，两个平面；当中心点在下顶点的正上面以外的其它位置时，斜坡分类器C₁有九条棱边，三个平面。如图2a所示，斜坡分类器C₁：

$C_1={\mathrm{\α}}_{\max }\·\left\{\begin{array}{cc}\frac{(f-f_b){\left|\right|\▿f\left|\right|}_H{\left|\right|\▿f\left|\right|}_H+(f_b-f_L)\left|\right|\▿f\left|\right|{\left|\right|\▿f\left|\right|}_L}{(f_c-f_b){\left|\right|\▿f\left|\right|}_H\left|\right|\▿f\left|\right|+(f_b-f_L){\left|\right|\▿f\left|\right|}_L\left|\right|\▿f\left|\right|},& \left|\right|\▿f\left|\right|[{\left|\right|\▿f\left|\right|}_L,{\left|\right|\▿f\left|\right|}_H],f\∈{[f}_b-(f_b-f_L)\frac{\left|\right|\▿f\left|\right|}{{\left|\right|\▿f\left|\right|}_H},f_b-(f_b-f_c)\frac{\left|\right|\▿f\left|\right|}{{\left|\right|\▿f\left|\right|}_L}]\\ \frac{(f_b-f){\left|\right|\▿f\left|\right|}_H{\left|\right|\▿f\left|\right|}_L+(f_R-f_b)\left|\right|\▿f\left|\right|{\left|\right|\▿f\left|\right|}_L}{(f_R-f_b){\left|\right|\▿f\left|\right|}_L\left|\right|\▿f\left|\right|+(f_b-f_c){\left|\right|\▿f\left|\right|}_H\left|\right|\▿f\left|\right|},& \left|\right|\▿f\left|\right|[{\left|\right|\▿f\left|\right|}_L,{\left|\right|\▿f\left|\right|}_H],f\∈{[f}_b-(f_b-f_c)\frac{\left|\right|\▿f\left|\right|}{{\left|\right|\▿f\left|\right|}_L},f_b-(f_R-f_c)\frac{\left|\right|\▿f\left|\right|}{{\left|\right|\▿f\left|\right|}_H}]\end{array}\right.---\left(3\right)$

II、半椭球分类器C₂在三维空间内为一个半椭球；半椭球分类器C₂的位置和形状由左顶点、右顶点、中心点和下顶点四个控制点设置，中心点的函数值最大，其它三个点的函数值最小；如图2b所示，半椭球分类器C₂：

$\left\{\begin{array}{cc}{C}_2={\mathrm{\α}}_{\max }\sqrt{1-\frac{{(f-f_c+||\▿f||-{\left|\right|\▿f\left|\right|}_c)}^2}{{4r}^2}}& \left|\right|\▿f\left|\right|\∈[{\left|\right|\▿f\left|\right|}_L,{\left|\right|\▿f\left|\right|}_H],f\∈[f_L,f_R]\\ r=\min ({\left|\right|\▿f\left|\right|}_c-{\left|\right|\▿f\left|\right|}_L,{\left|\right|\▿f\left|\right|}_H-{\left|\right|\▿f\left|\right|}_c,f_c-f_L,f_R-f_c)& \end{array}\right.---\left(4\right)$

III、金字塔形状分类器C₃由四个控制点、一个底面、四个侧面和八条棱边组成；四个控制点包括：左顶点、右顶点、中心点和下顶点，中心点的函数值最大，其它三个点的函数值最小；金字塔形状分类器C₃由四个控制点设置；如图2c所示，金字塔形状分类器C₃：

$C_3={\mathrm{\α}}_{\max }\·\left\{\begin{array}{cc}\frac{\left|\right|\▿f\left|\right|-{\left|\right|\▿f\left|\right|}_L}{{\left|\right|\▿f\left|\right|}_c-{\left|\right|\▿f\left|\right|}_L},& \left|\right|\▿f\left|\right|\∈[{\left|\right|\▿f\left|\right|}_L,{\left|\right|\▿f\left|\right|}_c],f\∈[f_L+(f_c-f_L)\frac{\left|\right|\▿f\left|\right|-{\left|\right|\▿f\left|\right|}_L}{{\left|\right|\▿f\left|\right|}_c-{\left|\right|\▿f\left|\right|}_L},f_R-(f_R-f_c)\frac{\left|\right|\▿f\left|\right|-{\left|\right|\▿f\left|\right|}_L}{{\left|\right|\▿f\left|\right|}_c-{\left|\right|\▿f\left|\right|}_L}]\\ \frac{{\left|\right|\▿f\left|\right|}_H-\left|\right|\▿f\left|\right|}{{\left|\right|\▿f\left|\right|}_H-{\left|\right|\▿f\left|\right|}_c},& \left|\right|\▿f\left|\right|\∈[{\left|\right|\▿f\left|\right|}_c,{\left|\right|\▿f\left|\right|}_H],f\∈[f_L+(f_c-f_L)\frac{{\left|\right|\▿f\left|\right|}_R-\left|\right|\▿f\left|\right|}{{\left|\right|\▿f\left|\right|}_R-{\left|\right|\▿f\left|\right|}_c},f_R-(f_R-f_c)\frac{{\left|\right|\▿f\left|\right|}_R-\left|\right|\▿f\left|\right|}{{\left|\right|\▿f\left|\right|}_R-{\left|\right|\▿f\left|\right|}_c}]\\ \frac{f-f_L}{f_c-f_L},& f\∈[f_L,f_c],\left|\right|\▿f\left|\right|\∈[{\left|\right|\▿f\left|\right|}_L+({\left|\right|\▿f\left|\right|}_c-{\left|\right|\▿f\left|\right|}_L)\frac{{f-f}_L}{f_c-f_L},{\left|\right|\▿f\left|\right|}_H-({\left|\right|\▿f\left|\right|}_H-{\left|\right|\▿f\left|\right|}_c)\frac{{f-f}_L}{f_c-f_L}]\\ \frac{f_R-f}{f_R-f_c},& f\∈[f_c,f_R],\left|\right|\▿f\left|\right|\∈[{\left|\right|\▿f\left|\right|}_L+({\left|\right|\▿f\left|\right|}_c-{\left|\right|\▿f\left|\right|}_L)\frac{f_R-f}{f_R-f_c},{\left|\right|\▿f\left|\right|}_H-({\left|\right|\▿f\left|\right|}_H-{\left|\right|\▿f\left|\right|}_c)\frac{f_R-f}{f_R-f_c}]\end{array}\right.---\left(5\right)$

IV、斜面分类器C₄由三个控制点、六个平面、十二条棱边组成。斜面分类器C₄的形状由三个控制点设置；控制点包括左顶点、右顶点和下顶点，左顶点和右顶点函数值相等；当左顶点和右顶点函数值最大的时候，下顶点函数值最小；当左顶点和右顶点函数值最小的时候，下顶点函数值最大；如图2d所示，斜面分类器C₄：

$C_4={\mathrm{\α}}_L+({\mathrm{\α}}_H-{\mathrm{\α}}_L)\frac{\left|\right|\▿f\left|\right|-{\left|\right|\▿f\left|\right|}_L}{{\left|\right|\▿f\left|\right|}_H-{\left|\right|\▿f\left|\right|}_L},$ $\left|\right|\▿f\left|\right|\∈[{\left|\right|\▿f\left|\right|}_L,{\left|\right|\▿f\left|\right|}_H],$ f∈[f_L，f_R]     (6)

其中，C_i表示第i种分类器的不透明度或颜色，其中i＝1，2，3，4；α_max表示最大函数值；f表示标量值；f_L表示分类器的最小标量值；f_R表示分类器的最大标量值；

表示分类器的梯度幅度；

表示分类器的最小梯度幅度；

表示分类器的最大梯度幅度；f_c表示分类器中心点的标量值；

表示分类器中心点的梯度幅度；f_b表示斜坡分类器下顶点的标量值；α_L表示斜面分类器的最小函数值；α_H表示斜面分类器的最大函数值。

模型M3：二维传递函数的具体模型

在式(1)二维传递函数的广义模型和式(3)-(6)四种分类器模型基础之上，得到本发明的二维传递函数的具体模型：

其中，G表示二维传递函数的具体模型；

表示二维传递函数的最大值，设定如果是不透明度二维传递函数取值范围为0～1，则有

m表示二维传递函数第i种分类器，设定m＝4；n表示二维传递函数第i种分类器中个数；C_ij表示二维传递函数第i种分类器中的第j个，C_i0＝0；

步骤2：分类器设计的步骤(见图3)详细描述如下：

步骤S2.1：在二维传递函数控制面板上设定需要添加分类器的类型；

步骤S2.2：使用鼠标左键单击二维传递函数交互界面添加分类器；

步骤S2.3：调节添加分类器的控制点；

步骤S2.4：根据设定的分类器类型，判断是否是斜面分类器，如果是斜面分类器，则进入步骤S2.5；如果不是斜面分类器，则进入步骤S2.6；

步骤S2.5：设置斜面分类器下顶点的函数值，设置斜面分类器的左、右顶点的函数值，之后，进入步骤S2.7。

步骤S2.6：设置斜坡分类器或者半椭球分类器或者金字塔形状分类器中心点的函数值，进入步骤S2.7；

步骤S2.7：分类器设计完成，结束。

步骤3：二维传递函数设计的步骤(见图4)详细描述如下：

步骤S3.1：在二维传递函数交互界面里添加一种分类器；

步骤S3.2：根据步骤S2设计当前添加的分类器，得到临时的不透明度和颜色值；

步骤S3.3：根据步骤S3.2得到的不透明度值和颜色值，使用体绘制算法得到绘制图像；

步骤S3.4：观察步骤S3.3得到的绘制图像，判断图像质量是否满意，如果图像质量不满意，则返回步骤S3.1；如果图像质量满意，则进入步骤S3.5；

步骤S3.5：得到需要的二维传递函数，结束。

运行结果

已经将本发明所提出的方法集成到了自行研发的三维图像工具包中。该工具包采用面向对象的设计方法和软件工程规范，是用C++语言实现的、跨平台的三维图像处理包。在该工具包中，除了利用光线投射体绘制来获得二维投影图像外，还实现了利用体素投影(Splatting)体绘制、错切变形(Shear Warp)体绘制以及三维纹理(3D Texture)体绘制来进行体数据的绘制。为验证本发明所提方法提取用户感兴趣结构、抑制无关结构、三维图像半透明的绘制效果，在一台计算机上进行了大量实验。计算机的软硬件配置为：Intel Pentium(R)3.4GHz处理器，2GB物理内存，ATIRadeon X300显卡，Windows XP操作系统。

图5a-图5d是四种分类器分别在二维传递函数交互界面里的投影。图5a中整个黑色的矩形区域是二维传递函数的交互界面，其中包含了一个斜坡分类器，图5a中显示的是斜坡分类器在二维传递函数界面里的投影，斜坡分类器的投影由四个黑点、四条边和灰白色区域构成，四个黑点对应于斜坡分类器的四个控制点：左顶点、右顶点、中心点和下顶点，灰白色的区域中某个点具有一定的亮度，亮度越大，该点函数值越大；图5b中整个黑色的矩形区域是二维传递函数的交互界面，其中包含了一个半椭球分类器，图5b中显示的是半椭球分类器在二维传递函数界面里的投影，半椭球分类器的投影由四个黑点、四条边和灰白色区域构成，四个黑点对应于半椭球分类器的四个控制点：左顶点、右顶点、中心点和下顶点，灰白色的区域中某个点具有一定的亮度，亮度越大，该点函数值越大；图5c中整个黑色的矩形区域是二维传递函数的交互界面，其中包含了一个金字塔形状分类器，图5c中显示的是金字塔形状分类器在二维传递函数界面里的投影，金字塔形状分类器的投影由四个黑点、四条边和灰白色区域构成，四个黑点对应于金字塔形状分类器的四个控制点：左顶点、右顶点、中心点和下顶点，灰白色的区域中某个点具有一定的亮度，亮度越大，该点函数值越大；图5d中整个黑色的矩形区域是二维传递函数的交互界面，其中包含了一个斜面分类器，图5d中显示的是斜面分类器在二维传递函数交互界面里的投影，斜面分类器的投影由三个黑点、四条边和灰白色区域构成，三个黑点对应于斜面分类器的三个控制点：左顶点、右顶点和下顶点，灰白色的区域中某个点具有一定的亮度，亮度越大，该点函数值越大；

图6a-图6d是基于二维传递函数的三维图像可视化应用实例，实验数据来自http://www.gris.uni-tuebingen.de/edu/areas/scivis/volren/datasets/datas ets.html右半脑旋转C臂X射线扫描数据集(256×256×256)。从图中可以看出本发明提出的基于二维传递函数的三维图像可视化方法可以绘制出不同效果的具有真实感三维图像，这就意味着本发明提出的二维传递函数能提取出多种结构，显示出不同的绘制结果。图6a下面部分是一个二维传递函数的交互界面，该二维传递函数使用了一个斜坡分类器，上面部分是一张动脉的三维可视化图像，采用的可视化方法是基于图6a中交互界面里二维传递函数的三维图像可视化方法；图6b下面部分是一个二维传递函数的交互界面，该二维传递函数使用了一个半椭球分类器，上面部分是一张动脉的三维可视化图像，采用的可视化方法是基于图6b中交互界面里二维传递函数的三维图像可视化方法；图6c下面部分是一个二维传递函数的交互界面，该二维传递函数使用了一个金字塔形状分类器，上面部分是一张动脉的三维可视化图像，采用的可视化方法是基于图6c中交互界面里二维传递函数的三维图像可视化方法；图6d下面部分是一个二维传递函数的交互界面，该二维传递函数使用了一个斜面分类器，上面部分是一张动脉的三维可视化图像，采用的可视化方法是基于图6d中交互界面里二维传递函数的三维图像可视化方法。

图7a-图7b是二维传递函数交互界面及其实现三维图像具有真实感的半透明可视化应用实例，实验数据来自http://radiology.uiowa.edu/down loads/(160×430×183)脚部CT数据集。图7a是一个二维传递函数的交互界面，界面的水平方向表示体数据的标量值，交互界面的垂直方向表示体数据的梯度幅度，交互界面里包含了一个半椭球分类器和两个金字塔形状分类器；图7b中采用的二维传递函数是由图7a生成的，图7b清晰地显示了骨骼、皮肤、塑料带和木材，这表明本发明采用的二维传递函数的图像可视化方法具有较高的提取体数据中结构的能力，能够实现用户感兴趣结构提取、无关结构抑制和具有真实感的三维图像半透明显示。

图8a-图8c是利用二维传递函数在三维图像中进行结构提取的应用实例，http://radiology.uiowa.edu/downloads/膝部的CT数据集(379×229×305)，图8a是膝部体数据中的一张冠状切片图像；图8b是从图8a中体数据提取出皮肤的显示结果；图8c是从图8a中体数据提取出骨骼的显示结果。图8b和图8c显示结果说明本发明提出的基于二维传递函数的可视化方法能够提取出感兴趣的结构和抑制无关的结构。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (9)

1.一种基于二维传递函数的三维图像可视化方法，其特征在于，包括以下步骤：

步骤S1：根据体数据的标量值和梯度幅度建立二维传递函数的广义模型：

$g=\mathrm{TF}(f,||\▿f|\left|\right)$

其中，g表示二维传递函数的广义模型；TF表示体数据的标量值和梯度幅度与光学参数的映射规则；f表示体数据中的标量值；表示体数据的梯度幅度；

步骤S2：根据体数据的标量值和梯度幅度设计斜坡分类器、半椭球分类器、金字塔形状分类器和斜面分类器；

步骤S3：结合步骤S1中二维传递函数广义模型和步骤S2中斜坡分类器、半椭球分类器、金字塔形状分类器和斜面分类器，得到二维传递函数的具体模型：

其中，G表示二维传递函数的具体模型；

表示二维传递函数的最大值，设定如果是不透明度二维传递函数取值范围为0～1，则有

m表示二维传递函数第i种分类器，设定m＝4；n表示二维传递函数第i种分类器中个数；C_ij表示二维传递函数第i种分类器中的第j个，C_i0＝0；

步骤S4：根据二维传递函数具体模型得到的光学参数绘制出三维图像。

2.根据权利要求1所述基于二维传递函数的三维图像可视化方法，其特征在于：二维传递函数的广义模型是体数据的标量值和梯度幅度与不透明度或颜色之间的映射关系。

3.根据权利要求1所述基于二维传递函数的三维图像可视化方法，其特征在于：斜坡分类器由四个控制点、七至九条棱边、两个曲面和二到三个平面组成；四个控制点包括：左顶点、右顶点、中心点和下顶点，中心点的函数值最大，其它三个点的函数值最小；斜坡分类器形状由四个控制点设置，当中心点在下顶点的正上面时，斜坡分类器有七条棱边，两个平面；当中心点在下顶点的正上面以外的其它位置时，斜坡分类器有九条棱边，三个平面。

4.根据权利要求1所述基于二维传递函数的三维图像可视化方法，其特征在于：半椭球分类器在三维空间内为一个半椭球；半椭球分类器的位置和形状由左顶点、右顶点、中心点和下顶点四个控制点设置；中心点的函数值最大，其它三个点的函数值最小。

5.根据权利要求1所述基于二维传递函数的三维图像可视化方法，其特征在于：金字塔形状分类器由四个控制点、一个底面、四个侧面和八条棱边组成；四个控制点包括：左顶点、右顶点、中心点和下顶点，中心点的函数值最大，其它三个点的函数值最小；金字塔形状分类器由四个控制点设置。

6.根据权利要求1所述基于二维传递函数的三维图像可视化方法，其特征在于：斜面分类器由三个控制点、六个平面、十二条棱边组成；斜面分类器的形状由三个控制点设置，控制点包括左顶点、右顶点和下顶点，左顶点和右顶点函数值相等；当左顶点和右顶点函数值最大的时候，下顶点函数值最小；当左顶点和右顶点函数值最小的时候，下顶点函数值最大。

7.根据权利要求1所述基于二维传递函数的三维图像可视化方法，其特征在于：二维传递函数的具体模型由二维传递函数的广义模型和分类器模型组成。

8.根据权利要求1所述基于二维传递函数的三维图像可视化方法，其特征在于：分类器设计的步骤S2包括：

步骤S2.1：在二维传递函数控制面板上设定需要添加分类器的类型；

步骤S2.2：使用鼠标左键单击二维传递函数交互界面添加分类器；

步骤S2.3：调节添加分类器的控制点；

步骤S2.4：根据设定的分类器类型，判断是否是斜面分类器，如果是斜面分类器，则进入步骤S2.5；如果不是斜面分类器，则进入步骤S2.6；

步骤S2.5：设置斜面分类器下顶点的函数值，设置斜面分类器的左、右顶点的函数值，之后，进入步骤S2.7；

步骤S2.6：设置斜坡分类器或者半椭球分类器或者金字塔形状分类器中心点的函数值，进入步骤S2.7；

步骤S2.7：分类器设计完成，结束。

9.根据权利要求1所述基于二维传递函数的三维图像可视化方法，其特征在于：二维传递函数设计的步骤S3包括：

步骤S3.1：在二维传递函数交互界面里添加一种分类器；

步骤S3.2：根据步骤S2设计当前添加的分类器，得到临时的不透明度和颜色值；

步骤S3.3：根据步骤S3.2得到的不透明度值和颜色值，使用体绘制算法得到绘制图像；

步骤S3.4：观察步骤S3.3得到的绘制图像，判断图像质量是否满意，如果图像质量不满意，则返回步骤S3.1；如果图像质量满意，则进入步骤S3.5；

步骤S3.5：得到需要的二维传递函数，结束。

Images