CN104200511B - 基于块内插值的多分辨率体绘制方法 - Google Patents
基于块内插值的多分辨率体绘制方法 Download PDFInfo
- Publication number
- CN104200511B CN104200511B CN201410427177.XA CN201410427177A CN104200511B CN 104200511 B CN104200511 B CN 104200511B CN 201410427177 A CN201410427177 A CN 201410427177A CN 104200511 B CN104200511 B CN 104200511B
- Authority
- CN
- China
- Prior art keywords
- piecemeal
- block
- point
- current
- org
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Generation (AREA)
Abstract
本发明公开了一种基于块内插值的多分辨率体绘制方法。其包括以下步骤:数据划分、分块细节水平选择、建立二级索引和体绘制。本发明的有益效果是:本发明的基于块内插值的多分辨率体绘制方法利用块内边界插值方法,避免了引入额外数据量和额外的数据预处理,消除了多分辨率体绘制的分块效应,并且利用GPU完成插值,使本发明的体绘制方法更加简单高效。
Description
技术领域
本发明属于体绘制方法技术领域,尤其涉及一种基于块内插值的多分辨率体绘制方法。
背景技术
体绘制是一种直接由三维数据场产生屏幕上二维图像的技术。数字图像对应的是描述数据元素的颜色和光强的二维阵列,这些元素称为像素,同理,一个三维数据场可以用一个具有相应值的三维阵列来描述,这些值称为体素。类似于数字图像的二维光栅,可以把体数据场看为一个三维光栅。一个典型的三维数据场是医学图像三维数据场,由CT(计算机断层成像)或MRI(核磁共振)扫描获得一系列的医学图像切片数据,把这些切片数据按照位置和角度信息进行规则化处理,然后就形成一个三维空间中由均匀网格组成的规则的数据场,网格上的每个节点为一个体素,描述了对象的密度等属性信息。体绘制以这种体素为基本操作单位,计算出每个体素对显示图像的影响。体绘制技术最大的优点是可以探索物体的内部结构,可以描述非常定形的物体,如肌肉,烟云等,而面绘制在这些方面比较弱。缺点是数据存储量大,计算时间较长。体绘制形成的图像一般是半透明的图像,颜色一般是人工指定的伪彩色。体绘制首先需要对数据进行分类处理,不同类别赋予不同的颜色和不透明度值,然后根据空间中视点和体数据的相对位置确定最终的成像效果。体绘制常用的算法有光线投射法,足迹表法,错切变形法,三维纹理贴图法等。体绘制技术是一种用于三维数据体显示的重要方法,通过对空间三维物体的直接展现,它能够准确表达出三维体数据中的数据分布、空间关系等特点。同时,通过旋转放大等一系列的交互手段,它能够形象直观的展示出数据内部的结构层次关系,因此,体绘制技术已经广泛应用于包括机械工程、地质勘探、医学以及流体物理在内的多个领域之中。随着数据探测和数据存储技术的发展,现在所用于体绘制的体数据的大小急速增加。由于体绘制技术需要预先将整个体数据读入显存,因此当数据量的大小超过显存容量的时候,体绘制就会受到限制。虽然可以采用将数据分块,然后分开读入内存分开绘制的方法解决内存不足的限制,但是该方法会导致频繁地硬盘到显存的读写操作,严重影响绘制的实时效率。在这种情况下,多分辨率体绘制技术应运而生。多分辨率体绘制技术采用了多分辨率表示的思想,按某种方式对数据体进行分块,为每个分块赋予不同的分辨率级别,并据此对其进行不同程度的抽样处理,以此减小绘制过程中载人显存的总体数据量。这种方式既能够在一定程度上降低用于绘制的整体数据量,又能最大限度的保证数据体内信息的完整,保证绘制质量。但是,由于在数据处理过程中采用了分块处理,同时,在生成数据纹理的时候,对不同大小的块进行了重新的整合,因此,生成的数据纹理和数据本身的空间位置关系不一样。在光线投影法中,沿着一条光线对数据进行采样时,就可能会导致采样点选取错误,从而在最终的绘制结果中出现边界效应。现有的解决边界效应的方法,大多是通过增加额外的数据量来保证采样过程的正确性。但是当数据量很大,内存限制极为严重的时候,通过增加额外数据量的方法就可能会导致最终的数据量超过内存容量限制,使得绘制变得困难。同时,该方法会增加数据预处理的复杂度。
发明内容
为了解决以上问题,本发明提出了一种基于块内插值的多分辨率体绘制方法。
本发明的技术方案是:一种基于块内插值的多分辨率体绘制方法,包括以下步骤:
S1.依据选取的块大小将数据体划分为多个大小相等的分块;
S2.对步骤S1中得到的每一个分块选择合适的分块细节水平,具体包括以下步骤:
S21.将步骤S1中得到的每一个分块进一步细分为多个子块;
S22.计算步骤S21中每个子块中所有数据点的均值,表示为:
其中,avgi表示第i个子块的均值,Sj为当前子块内第j个点的标量值,lmax为当前算法中所能使用的最高分块细节水平,l表示当前用于分析的细节水平;
S23.根据步骤S22中得到的每个子块中所有数据点的均值,计算每个子块的均方差,表示为:
其中,Bi表示当前分块中第i个子块的均方差;
S24.对当前分块的所有子块进行综合分析,计算在当前分块细节水平之下当前分块的平均均方差,表示为:
其中,Vl表示在当前细节水平下当前分块的平均均方差,Smax表示当前分块数据的最大值,Smin表示当前分块数据的最小值;
S25.定义满足|sj-avgi|>Bi的所有点为奇异点,计算在当前分块细节水平下每个子块内奇异点所占比例,并找出所有的奇异子块,计算奇异子块在当前分块内所占比例Tl;
S26.建立均方差和奇异子块比例列表,引入用户设定的门限值,计算当前分块的最终分辨率级别,表示为:
其中,Tu表示用户设定的均方差门限,Ts表示用户设定的奇异子块比例门限,L表示所有满足门限的分块细节水平,lm表示当前分块最终使用的分块细节水平;
S3.创建二级索引,将分块数据整合为空间矩形,具体包括以下步骤:
S31.对原始数据体组织进行处理,形成元祖体;
S32.将所有低级分块组合为最高级分块,计算最高级分块的累计个数;
S33.根据步骤S32中的最高级分块累计个数计算空间矩形大小;
S34.根据步骤S33中的空间矩形大小,申请打包数据所需空间,并利用分级坐标方法,形成打包数据;
S4.根据步骤S3中的空间矩形,在GPU片元上利用光线投射法进行体绘制,具体包括以下步骤:
S41.按照采样间隔Δt对元祖体数据进行采样,并用该采样点处的光强度以及光衰减系数表征数据体中对应段的光强度和光衰减系数,则光学深度表示为:
其中,表示光线从0位置传递到t位置的累计衰减程度,k(i·Δt)表示光衰减程度,i表示采样点序号;
S42.根据元祖体与打包数据的映射关系,计算采样点位置的颜色值Ci与不透明度Ai,表示为:
S43.将所有点发出的光线进行融合,并在GPU片元着色器上利用块内边界方法得到绘制结果,表示为:
进一步地,上述步骤S32中计算最高级分块的累计个数的公式具体为:
Ll=Nl%8 (l∈[0,lmax-2]),
其中,Nl表示将所有级别低于l的分块进行组合之后级别l的累积分块个数,Ll则代表将l级及以下的所有分块全部进行组合之后l级别还剩余的分块个数。
进一步地,上述步骤S33根据最高级分块累计个数计算空间矩形大小具体包括以下步骤:
S331.设定空间矩形三个方向的边长分别为x、y、z,并将其初始值均设为1;
S332.判断当前空间矩形是否已经满足空间要求;
S333.若满足,则得到计算结果;
S334.若不满足,则找到三条边长中的最小值,将其增加1,重复步骤S332。
进一步地,上述步骤S34根据空间矩形大小,申请打包数据所需空间,并利用分级坐标方法,形成打包数据具体包括以下步骤:
S341.初始化分级坐标,将其所有级别均设置为0;
S342.从当前的分辨率级别列表中的最高级别中取出一个分块,若最高级别列表为空,则从次高级别列表中获取;
S343.根据当前的分级坐标计算该分块存放的起始点位置;
S344.将该分块写入步骤S343中得到的对应位置;
S345.将分级坐标中对应级别的值增加一,并进行进位检查;
S346.判断分辨率级别列表是否为空;
S347.若为空,则操作结束;
S348.若不为空,则继续步骤S342。
进一步地,上述步骤S343根据当前的分级坐标计算该分块存放的起始点位置具体包括以下步骤:
S3431.根据分级坐标中的最高级别坐标Flmax,计算当前分块应放置的大块位置ORG,计算公式表示为:
S3432.取出l′级坐标Fl′,其中l′比步骤S3431中分块级别低一级;
S3433.若步骤S3431中分块级别为0级,则操作结束;
S3434.若步骤S3431中分块级别不为0级,则计算当前分块的起始点坐标,具体包括以下步骤:
S34341.若Fl′=0,则ORG不变;
S34342.若Fl′=1,则ORGx增加2l′;
S34343.若Fl′=2,则ORGy增加2l′;
S34344.若Fl′=3,则ORGx,ORGy增加2l′;
S34345.若Fl′=4,则ORGz增加2l′;
S34346.若Fl′=5,则ORGx,ORGz增加2l′;
S34347.若Fl′=6,则ORGy,ORGz增加2l′;
S34348.若Fl′=7,则ORGx,ORGy,ORGz增加2l′。
进一步地,上述步骤S42中元祖体与打包数据的映射关系的确定方法具体包括以下步骤:
S421.确定采样点所在分块位置,并计算该分块的起始点位置;
S422.根据分块原始点位置与采样点位置,计算当前采样点的块内偏移;
S423.根据当前分块在打包数据中的起始点位置及经过转换后的块内偏移,得到该点在打包数据中的实际位置。
进一步地,上述步骤S43中块内边界插值方法具体包括以下步骤:
S431.根据当前采样点的纹理坐标计算其块内相对坐标;
S432.根据相对坐标判断其是否属于边界区域;
S433.若采样点不属于边界区域,则直接取出其纹理值;
S434.若采样点属于边界区域,则根据块内已知点的值估算该采样点的纹理值,具体包括以下步骤:
S4341.设点A属于边界区域,记为v(A);
S4342.将点A沿Y方向分别平移相同距离,得到点B和点C,使点B处于边界上,点C处于边界内,分别记为v(B)和v(C);
S4343.根据点B和点C的值,计算得到点A的值,表示为:
v(A)=2v(B)-v(c)。
本发明的有益效果是:本发明的基于块内插值的多分辨率体绘制方法利用块内边界插值方法,避免了引入额外数据量和额外的数据预处理,消除了多分辨率体绘制的分块效应,并且利用GPU完成插值,使本发明的体绘制方法更加简单高效。
附图说明
图1是本发明的基于块内插值的多分辨率体绘制方法流程示意图。
图2是本发明的二级索引示意图。
图3是本发明的分级坐标示意图。
图4是本发明的元祖体与打包数据映射示意图。
图5是本发明的块内偏移转换示意图。
图6是本发明的光线投射法示意图。
图7是本发明的分块边界处理示意图。
图8是本发明的块内插值效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,为本发明的基于块内插值的多分辨率体绘制方法流程示意图。一种基于块内插值的多分辨率体绘制方法,其特征在于,包括以下步骤:
S1.依据选取的块大小将数据体划分为多个大小相等的分块。
S2.对步骤S1中得到的每一个分块选择合适的分块细节水平,具体包括以下步骤:
S21.将步骤S1中得到的每一个分块进一步细分为多个子块。
要计算在某一细节水平下小块所产生的误差,需要根据当前用于分析的细节水平,将小块进一步细分为多个子块。子块的个数与当前细节水平下对分块进行抽样后所剩余的采样点个数相等,每个采样点与一个子块相对应。
S22.计算步骤S21中每个子块中所有数据点的均值,表示为:
其中,avgi表示第i个子块的均值,Sj为当前子块内第j个点的标量值,lmax为当前算法中所能使用的最高分块细节水平,l表示当前用于分析的细节水平。每个子块中所有数据点的均值,即其所对应的采样点的值。
S23.根据步骤S22中得到的每个子块中所有数据点的均值,计算每个子块的均方差,表示为:
其中,Bi表示当前分块中第i个子块的均方差。
S24.对当前分块的所有子块进行综合分析,计算在当前分块细节水平之下当前分块的平均均方差,表示为:
其中,Vl表示在当前细节水平下当前分块的平均均方差,Smax表示当前分块数据的最大值,Smin表示当前分块数据的最小值。分块细节水平通常由小块内部数据的变化剧烈程度而定,均方差能够反映分块内的数据变化情况。
S25.定义满足|sj-avgi|>Bi的所有点为奇异点,计算在当前分块细节水平下每个子块内奇异点所占比例,并找出所有的奇异子块,计算奇异子块在当前分块内所占比例Tl。奇异点是变化幅度大于块内平均变换率的点,它能够反映数据的反常情况。
S26.建立均方差和奇异子块比例列表,引入用户设定的门限值,计算当前分块的最终分辨率级别,表示为:
其中,Tu表示用户设定的均方差门限,Ts表示用户设定的奇异子块比例门限,L表示所有满足门限的分块细节水平,lm表示当前分块最终使用的分块细节水平;
S3.创建二级索引,将分块数据整合为空间矩形,具体包括以下步骤:
S31.对原始数据体组织进行处理,形成元祖体。
如图2所示,为本发明的二级索引示意图。元祖体为索引数据,它是一个标准的三维网格数据,其三个方向边长比例与原始数据相等,其中每一个点对应了原始数据中的一个分块。元祖体中记录了每一个分块的分块细节水平以及其在打包数据中的起始位置。元祖体中某一纹理坐标位置将直接对应与其相关的原始数据点。
S32.将所有低级分块组合为最高级分块,计算最高级分块的累计个数。
计算最高级分块的累计个数的公式具体为:
Ll=Nl%8 (l∈[0,lmax-2]),
其中,Nl表示将所有级别低于l的分块进行组合之后级别l的累积分块个数,Ll则代表将l级及以下的所有分块全部进行组合之后l级别还剩余的分块个数。
为了将多个大小不一的离散分块组合成一个大的整体,即将多个离散的空间矩形组合为一个大的空间矩形,需要首先估算该空间矩形的大小以及形状。在统一划分的多分辨率方法中,l级分块的大小刚好为l+1级分块的八分之一,即八个低级分块正好可以组合为一个高级分块。因此,我们将所有的低级分块都尽可能的组合为最高级分块,并根据最高级分块的数量来估算打包数据的空间大小。最终打包数据的空间大小不会大于Nl+1个最高级别分块所占的空间大小。
S33.根据步骤S32中的最高级分块累计个数计算空间矩形大小。
根据最高级分块累计个数计算空间矩形大小具体包括以下步骤:
S331.设定空间矩形三个方向的边长分别为x、y、z,并将其初始值均设为1;
S332.判断当前空间矩形是否已经满足空间要求;
S333.若满足,则得到计算结果;
S334.若不满足,则找到三条边长中的最小值,将其增加1,重复步骤S332。
S34.根据步骤S33中的空间矩形大小,申请打包数据所需空间,并利用分级坐标方法,形成打包数据;
根据空间矩形大小,申请打包数据所需空间,并利用分级坐标方法,形成打包数据具体包括以下步骤:
S341.初始化分级坐标,将其所有级别均设置为0;
S342.从当前的分辨率级别列表中的最高级别中取出一个分块,若最高级别列表为空,则从次高级别列表中获取;
S343.根据当前的分级坐标计算该分块存放的起始点位置;
如图3所示,为本发明的分级坐标示意图。分级坐标中的级别最高为lmax,最低为0。分级坐标之上的每一级与分辨率级别列表之上的每一级一一对应,每一级上的数字代表之前已经存放的个级别分块数。
根据当前的分级坐标计算该分块存放的起始点位置具体包括以下步骤:
S3431.根据分级坐标中的最高级别坐标Flmax,计算当前分块应放置的大块位置ORG,计算公式表示为:
S3432.取出l′级坐标Fl′,其中l′比步骤S3431中分块级别低一级;
S3433.若步骤S3431中分块级别为0级,则操作结束;
S3434.若步骤S3431中分块级别不为0级,则计算当前分块的起始点坐标,具体包括以下步骤:
S34341.若Fl′=0,则ORG不变;
S34342.若Fl′=1,则ORGx增加2l′;
S34343.若Fl′=2,则ORGy增加2l′;
S34344.若Fl′=3,则ORGx,ORGy增加2l′;
S34345.若Fl′=4,则ORGz增加2l′;
S34346.若Fl′=5,则ORGx,ORGz增加2l′;
S34347.若Fl′=6,则ORGy,ORGz增加2l′;
S34348.若Fl′=7,则ORGx,ORGy,ORGz增加2l′。
S344.将该分块写入步骤S343中得到的对应位置;
S345.将分级坐标中对应级别的值增加一,并进行进位检查;
S346.判断分辨率级别列表是否为空;
S347.若为空,则操作结束;
S348.若不为空,则继续步骤S342。
此时已经将所有离散分块组织成了一个整体,由于其中的分块进行了多分辨率表示,其空间大小小于原始数据体。将此数据体生成三维纹理,即打包数据纹理。并且,在分块数据填入数据体过程中,在元祖体内填入分块起始点位置,并生成元祖体纹理。
S4.根据步骤S3中的空间矩形,在GPU片元上利用光线投射法进行体绘制。
光线投射算法采用了光学模型中的发射/吸收模型。光线投射法模拟了一系列由视线方向发出的射线,并将其投射至数据体内部。在进行融合计算时,沿视线方向按照一定的采样间隔对这些射线所经过的点进行采样,之后通过一定的融合方式将采样所得到的点计算为视点处所接受到的光线强度。
S41.按照采样间隔Δt对元祖体数据进行采样,并用该采样点处的光强度以及光衰减系数表征数据体中对应段的光强度和光衰减系数,则光学深度表示为:
其中,表示光线从0位置传递到t位置的累计衰减程度,k(i·Δt)表示光衰减程度,i表示采样点序号;
S42.根据元祖体与打包数据的映射关系,计算采样点位置的颜色值Ci与不透明度Ai,表示为:
如图4所示,为本发明的元祖体与打包数据映射示意图。如图5所示,为本发明的块内偏移转换示意图。元祖体与打包数据的映射关系的确定方法具体包括以下步骤:
S421.确定采样点所在分块位置,并计算该分块的起始点位置;
S422.根据分块原始点位置与采样点位置,计算当前采样点的块内偏移;
S423.根据当前分块在打包数据中的起始点位置及经过转换后的块内偏移,得到该点在打包数据中的实际位置。
S43.将所有点发出的光线进行融合,并在GPU片元着色器上利用块内边界插值方法得到绘制结果,表示为:
为了不引入额外的数据量,同时又能解决块边界的问题,本发明提出了一种对于内部点的值和边界点的值分开计算的方法。如图6所示,为本发明的光线投射法示意图。
块内边界插值方法具体包括以下步骤:
S431.根据当前采样点的纹理坐标计算其块内相对坐标;
S432.根据相对坐标判断其是否属于边界区域;
S433.若采样点不属于边界区域,则直接取出其纹理值;
S434.若采样点属于边界区域,则根据块内已知点的值估算该采样点的纹理值,具体包括以下步骤:
S4341.设点A属于边界区域,记为v(A);
S4342.将点A沿Y方向分别平移相同距离,得到点B和点C,使点B处于边界上,点C处于边界内,分别记为v(B)和v(C);
S4343.根据点B和点C的值,计算得到点A的值,表示为:
v(A)=2v(B)-v(c)。
其余两个方向偏移计算方法与此类似,不再累述。
如图7所示,为本发明的分块边界处理示意图。为了描述方便,我们选用二维的情况。分块中的边长都归一化到了1,其中的点代表离散的已知点,于是边界区域的厚度表示为为:
其中,l为当前分块的分辨率级别,2l+1为每个方向上的采样点数。
如果一个点(x,y)处于边界区域,当且仅当满足:
{(x,y)|x≤M∪x≥1-M∪y≤M∪y≥1-M},
其中,M由上式计算得到,点(x,y)的坐标归一化到0到1之间。
类似地,将上式推广到三维的情况:
{(x,y,z)|x≤M∪x≥1-M∪y≤M∪y≥1-M∪z≤M∪Z≥1-M}。
假设点(x,y)位于如图7所示A点位置。显然,y<M,即在Y方向上,A点处于边界区域。因此我们需要找出Y方向的变化规律。将点A沿Y方向平移到虚线框内,得到点B(x,M),继续沿Y方向平移至点C(x,2M-y),使得线段点B和点C的值可以根据线性插值得到。在小范围内沿Y方向的变化是连续平滑的,因此点C到点B的增量应该等于点B到点A的增量。设v(P)表示点P的值,则有:
v(A)=2v(B)-v(c)。
我们可以得到点A的近似值。对于任意满足边界条件的点,我们可以用如下方法计算它们的值:
(1)如果x<M(或x>1-M),则x0=M(或x0=1-M),否则x0=x;
(2)如果y<M(或y>1-M),则y0=M(或y0=1-M),否则y0=y;
(3)点(x1,y1)=2·(x0,y0)-(x,y);
(4)设v(a,b)表示点(a,b)的值,则v(x,y)=2v(x0,y0)-v(x1,y1)。
如图8所示,为本发明的块内插值效果图。它展示了未做任何处理的绘制效果和采用了块内插值后的多分辨率体绘制绘制效果。从上面两幅图中可以清楚的看到由于块间的错误插值而导致的分块边界效应。而从下面两幅图可以看出,采用了块内插值后,分块边界效应被有效的缓解甚至消除了。因此块内插值能够有效地缓解甚至消除由于块间错误插值而导致的分块边界效应。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.一种基于块内插值的多分辨率体绘制方法,其特征在于,包括以下步骤:
S1.依据选取的块大小将数据体划分为多个大小相等的分块;
S2.对步骤S1中得到的每一个分块选择合适的分块细节水平,具体包括以下步骤:
S21.将步骤S1中得到的每一个分块进一步细分为多个子块;
S22.计算步骤S21中每个子块中所有数据点的均值,表示为:
其中,avgi表示第i个子块的均值,Sj为当前子块内第j个点的标量值,lmax为当前算法中所能使用的最高分块细节水平,l表示当前用于分析的细节水平;
S23.根据步骤S22中得到的每个子块中所有数据点的均值,计算每个子块的均方差,表示为:
其中,Bi表示当前分块中第i个子块的均方差;
S24.对当前分块的所有子块进行综合分析,计算在当前分块细节水平之下当前分块的平均均方差,表示为:
其中,Vl表示在当前细节水平下当前分块的平均均方差,Smax表示当前分块数据的最大值,Smin表示当前分块数据的最小值;
S25.定义满足|sj-avgi|>Bi的所有点为奇异点,计算在当前分块细节水平下每个子块内奇异点所占比例,并找出所有的奇异子块,计算奇异子块在当前分块内所占比例Tl;
S26.建立均方差和奇异子块比例列表,引入用户设定的门限值,计算当前分块的最终分辨率级别,表示为:
其中,Tu表示用户设定的均方差门限,Ts表示用户设定的奇异子块比例门限,L表示所有满足门限的分块细节水平,lm表示当前分块最终使用的分块细节水平;
S3.创建二级索引,将分块数据整合为空间矩形,具体包括以下步骤:
S31.对原始数据体组织进行处理,形成元祖体;
S32.将所有低级分块组合为最高级分块,计算最高级分块的累计个数;
S33.根据步骤S32中的最高级分块累计个数计算空间矩形大小;
S34.根据步骤S33中的空间矩形大小,申请打包数据所需空间,并利用分级坐标方法,形成打包数据;
S4.根据步骤S3中的空间矩形,在GPU片元上利用光线投射法进行体绘制,具体包括以下步骤:
S41.按照采样间隔Δt对元祖体数据进行采样,并用该采样点处的光强度以及光衰减系数表征数据体中对应段的光强度和光衰减系数,则光学深度表示为:
其中,表示光线从0位置传递到t位置的累计衰减程度,k(i·Δt)表示光衰减程度,i表示采样点序号;
S42.根据元祖体与打包数据的映射关系,计算采样点位置的颜色值Ci与不透明度Ai,表示为:
S43.将所有点发出的光线进行融合,并在GPU片元着色器上利用块内边界插值方法得到绘制结果,表示为:
所述块内边界插值方法具体包括以下步骤:
S431.根据当前采样点的纹理坐标计算其块内相对坐标;
S432.根据相对坐标判断其是否属于边界区域;
S433.若采样点不属于边界区域,则直接取出其纹理值;
S434.若采样点属于边界区域,则根据块内已知点的值估算该采样点的纹理值,具体包括以下步骤:
S4341.设点A属于边界区域,记为v(A);
S4342.将点A沿Y方向分别平移相同距离,得到点B和点C,使点B处于边界上,点C处于边界内,分别记为v(B)和v(C);
S4343.根据点B和点C的值,计算得到点A的值,表示为:
v(A)=2v(B)-v(c)。
2.如权利要求1所述的基于块内插值的多分辨率体绘制方法,其特征在于:所述步骤S32中计算最高级分块的累计个数的公式具体为:
其中,Nl表示将所有级别低于l的分块进行组合之后级别l的累积分块个数,Ll则代表将l级及以下的所有分块全部进行组合之后l级别还剩余的分块个数。
3.如权利要求1所述的基于块内插值的多分辨率体绘制方法,其特征在于:所述步骤S33根据最高级分块累计个数计算空间矩形大小具体包括以下步骤:
S331.设定空间矩形三个方向的边长分别为x、y、z,并将其初始值均设为1;
S332.判断当前空间矩形是否已经满足空间要求;
S333.若满足,则得到计算结果;
S334.若不满足,则找到三条边长中的最小值,将其增加1,重复步骤S332。
4.如权利要求1所述的基于块内插值的多分辨率体绘制方法,其特征在于:所述步骤S34根据空间矩形大小,申请打包数据所需空间,并利用分级坐标方法,形成打包数据具体包括以下步骤:
S341.初始化分级坐标,将其所有级别均设置为0;
S342.从当前的分辨率级别列表中的最高级别中取出一个分块,若最高级别列表为空,则从次高级别列表中获取;
S343.根据当前的分级坐标计算该分块存放的起始点位置;
S344.将该分块写入步骤S343中得到的对应位置;
S345.将分级坐标中对应级别的值增加一,并进行进位检查;
S346.判断分辨率级别列表是否为空;
S347.若为空,则操作结束;
S348.若不为空,则继续步骤S342。
5.如权利要求4所述的基于块内插值的多分辨率体绘制方法,其特征在于:所述步骤S343根据当前的分级坐标计算该分块存放的起始点位置具体包括以下步骤:
S3431.根据分级坐标中的最高级别坐标Flmax,计算当前分块应放置的大块位置ORG,计算公式表示为:
S3432.取出l′级坐标Fl′,其中l′比步骤S3431中分块级别低一级;
S3433.若步骤S3431中分块级别为0级,则操作结束;
S3434.若步骤S3431中分块级别不为0级,则计算当前分块的起始点坐标,具体包括以下步骤:
S34341.若Fl′=0,则ORG不变;
S34342.若Fl′=1,则ORGx增加2l′;
S34343.若Fl′=2,则ORGy增加2l′;
S34344.若Fl′=3,则ORGx,ORGy增加2l′;
S34345.若Fl′=4,则ORGz增加2l′;
S34346.若Fl′=5,则ORGx,ORGz增加2l′;
S34347.若Fl′=6,则ORGy,ORGz增加2l′;
S34348.若Fl′=7,则ORGx,ORGy,ORGz增加2l′。
6.如权利要求1所述的基于块内插值的多分辨率体绘制方法,其特征在于:所述步骤S42中元祖体与打包数据的映射关系的确定方法具体包括以下步骤:
S421.确定采样点所在分块位置,并计算该分块的起始点位置;
S422.根据分块原始点位置与采样点位置,计算当前采样点的块内偏移;
S423.根据当前分块在打包数据中的起始点位置及经过转换后的块内偏移,得到该点在打包数据中的实际位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410427177.XA CN104200511B (zh) | 2014-08-27 | 2014-08-27 | 基于块内插值的多分辨率体绘制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410427177.XA CN104200511B (zh) | 2014-08-27 | 2014-08-27 | 基于块内插值的多分辨率体绘制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104200511A CN104200511A (zh) | 2014-12-10 |
CN104200511B true CN104200511B (zh) | 2017-02-15 |
Family
ID=52085797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410427177.XA Expired - Fee Related CN104200511B (zh) | 2014-08-27 | 2014-08-27 | 基于块内插值的多分辨率体绘制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200511B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160699B (zh) * | 2015-09-06 | 2018-07-10 | 电子科技大学 | 一种基于张量近似的海量数据多分辨率体绘制方法 |
CN106530386B (zh) * | 2016-11-25 | 2020-08-04 | 上海联影医疗科技有限公司 | 医学图像的体绘制方法及其系统 |
WO2017114479A1 (zh) | 2015-12-31 | 2017-07-06 | 上海联影医疗科技有限公司 | 图像处理的方法及系统 |
US11417027B2 (en) | 2020-12-01 | 2022-08-16 | Canon Medical Systems Corporation | Image data processing method and apparatus |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7242401B2 (en) * | 2004-06-25 | 2007-07-10 | Siemens Medical Solutions Usa, Inc. | System and method for fast volume rendering |
CN102096939A (zh) * | 2011-02-25 | 2011-06-15 | 浙江工业大学 | 面向医学海量数据的多分辨率体绘制方法 |
CN103198514A (zh) * | 2013-03-25 | 2013-07-10 | 南京大学 | 一种三维地震体数据的实时光线投射体绘制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101334188B1 (ko) * | 2011-11-25 | 2013-11-28 | 삼성전자주식회사 | 볼륨 데이터의 렌더링 장치 및 방법 |
-
2014
- 2014-08-27 CN CN201410427177.XA patent/CN104200511B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7242401B2 (en) * | 2004-06-25 | 2007-07-10 | Siemens Medical Solutions Usa, Inc. | System and method for fast volume rendering |
CN102096939A (zh) * | 2011-02-25 | 2011-06-15 | 浙江工业大学 | 面向医学海量数据的多分辨率体绘制方法 |
CN103198514A (zh) * | 2013-03-25 | 2013-07-10 | 南京大学 | 一种三维地震体数据的实时光线投射体绘制方法 |
Non-Patent Citations (1)
Title |
---|
基于统一划分的多分辨率直接体绘制方法;梁超;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110515(第5期);第10-12、15、28-33、35、37-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104200511A (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nelson et al. | Visualization of 3D ultrasound data | |
CN101271574B (zh) | 三维可视化的方法、装置 | |
Hall et al. | Adaptive polygonalization of implicitly defined surfaces | |
Toriwaki et al. | Fundamentals of three-dimensional digital image processing | |
Sitek et al. | Tomographic reconstruction using an adaptive tetrahedral mesh defined by a point cloud | |
CN104200511B (zh) | 基于块内插值的多分辨率体绘制方法 | |
CN104966317B (zh) | 一种基于矿体轮廓线的三维自动建模方法 | |
Long et al. | Neuraludf: Learning unsigned distance fields for multi-view reconstruction of surfaces with arbitrary topologies | |
CN104574263A (zh) | 一种基于gpu的快速三维超声重建和显示方法 | |
CN103337074A (zh) | 一种基于主动轮廓模型分割乳腺dce-mri病灶的方法 | |
Aykroyd et al. | Global and local priors, and the location of lesions using gamma-camera imagery | |
CN101290684B (zh) | 三维超声图像的快速体绘制方法与装置 | |
CN101996415B (zh) | 眼球的三维建模方法 | |
Luo | Distance-based focus+ context models for exploring large volumetric medical datasets | |
Liu et al. | Study of Tunnel Surface Parameterization of 3-D Laser Point Cloud Based on Harmonic Map | |
CN109035353A (zh) | 一种基于ct图像多平面重建的血管拉直曲面重组方法 | |
Campagnolo et al. | An experimental study on volumetric visualization of black oil reservoir models | |
Chen et al. | A PDE‐based head visualization method with CT data | |
Wang et al. | 3D image interpolation based on directional coherence | |
CN101937575B (zh) | 一种快速高质量最大密度投影实现方法 | |
CN101174331A (zh) | 一种医学影像最大密度投影生成方法 | |
Boissonnat et al. | From segmented images to good quality meshes using delaunay refinement | |
Çalışkan et al. | Overview of Computer Graphics and algorithms | |
i Bartrolı et al. | Visualization techniques for virtual endoscopy | |
Büscher et al. | A Comprehensive Survey of Isocontouring Methods: Applications, Limitations and Perspectives |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170215 Termination date: 20190827 |
|
CF01 | Termination of patent right due to non-payment of annual fee |