CN114612318B - 基于文物ct图像轮廓线的三维建模方法、系统及设备 - Google Patents
基于文物ct图像轮廓线的三维建模方法、系统及设备 Download PDFInfo
- Publication number
- CN114612318B CN114612318B CN202210143583.8A CN202210143583A CN114612318B CN 114612318 B CN114612318 B CN 114612318B CN 202210143583 A CN202210143583 A CN 202210143583A CN 114612318 B CN114612318 B CN 114612318B
- Authority
- CN
- China
- Prior art keywords
- contour
- image
- contours
- point
- algorithm
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000000605 extraction Methods 0.000 claims abstract description 36
- 239000010410 layer Substances 0.000 claims abstract description 32
- 230000000694 effects Effects 0.000 claims abstract description 18
- 239000011229 interlayer Substances 0.000 claims abstract description 13
- 239000012535 impurity Substances 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 36
- 238000007781 pre-processing Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000002474 experimental method Methods 0.000 claims description 8
- 230000009191 jumping Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000011282 treatment Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 238000009877 rendering Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000008676 import Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000010146 3D printing Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011369 optimal treatment Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明属于三维建模技术领域,公开了一种基于文物CT图像轮廓线的三维建模方法、系统及设备,通过八邻域轮廓提取算法进行轮廓提取处理;使用基于广义柱体和轮廓树结合的算法进行轮廓匹配,识别相邻断层的每个轮廓,并拟合成椭圆,排除无效轮廓及杂质点,轮廓树是以一棵树的分枝关系表示一对相邻切片间各轮廓间嵌套关系的一种数据结构,树的一个节点对应层中的一个轮廓,每一个轮廓一一对应一个数组,根据数组比对得知层间轮廓的分组对应关系,提取了文物的内外多层轮廓;通过最短对角线法进行轮廓拼接处理。本发明实施重建效果好,保证了在有效时间内结果的精确性,有效缩小了轮廓匹配搜索范围,提高了轮廓对应的准确性和自动化程度。
Description
技术领域
本发明属于三维建模技术领域,尤其涉及一种基于文物CT图像轮廓线的三维建模方法、系统及设备。
背景技术
目前,文物是人类社会历史文明发展时期的重大遗存物,透过对文物保护的深入研究能够更多地探索发展史的未解之谜,但如何对文物进行无损检验却是当前文物保护科学研究的关键问题。目前文物保护科学研究和保护领域主要使用的两种数字化技术手段,分别为三维扫描建模和X光透射成像。但由于三维扫描建模技术仅仅获取了物件的外部表面结构,而无法掌握其内部结构;X光透射成像技术获取的内部结构重叠影像也只是二维信息,对一些内部构造细节的空间分析无法给出更为全面有效的数据信息。因此,近年来更多学者和研究机构将工业CT(Industrial Computerized Tomography,ICT)这一技术运用到文物保护领域中。工业CT技术,即工业用计算机层析成像技术,是一种先进的射线无损检测技术,它能在对被检物体无损伤条件下以二维或三维数字化图像的形式清晰、准确、直观地展示被检物体内部的结构、组成、材料及缺损状况,因此,该技术已经在医学、航天、航空、兵器、电力等领域得到了应用。
三维重建的方法大致可以分为两种:一种是体绘制,另一种是面绘制。体绘制又称为直接体绘制方法,它是指不重建中间图元,直接以体素集合来表示实体,将原始数据通过光线传输规律方程投射到二维投影平面进行绘制。体绘制认为每一个体素都具有一定的属性,比如透明度、光亮度,然后根据光照模型和体素介质属性分配一定的不透明度和光强度,并在视线方向上积分计算,最后将计算得出的半透明图像在屏幕上显示出来。面绘制是先提取物体的几何信息,构造中间几何图元,再采用计算机图形学技术生成物体的三维表面。面绘制分为体素级重建和切片级重建。体素级重建也称为基于等值面的重建,首先依次对每个体素进行处理,确定出其所包含的等值面片然后将所有的体素的面片连接起来形成整个物体表面。所谓等值面就是指如果把体数据看成是某个空间区域内关于某种物理属性的采样集合,通过插值来估计非采样点和邻近采样点上的采样值,则该空间区域内所有具有某一个属性的点集合定义成为一个或多个曲面,称之为等值面。切片级重建也称为基于轮廓线的重建,在得到轮廓线后,采用三角面片来覆盖物体的表面,由于满足条件的顶点连接方式很多,不适当的连接会引起重建表面的扭曲,所以为了保证重建表面自然光滑,通常还需要采用一定的优化准则对顶点连接加以约束,来实现物体的表面重建,例如体积最大准则、表面积最小准则、跨距最短准则。
通过上述分析,现有技术存在的问题及缺陷为:
(1)由于体绘制在计算中需要对所有数据进行大量的处理和运算,大大增加了体绘制的计算开销,而且对硬件设备有较高的要求,导致了图像绘制速度比较慢,从而很难达到实时交互的效果。
(2)现有面绘制中的体素级重建方法会产生大量的几何图元,占用大量的存储空间,即使对于几何结构非常简单的物体也是如此。
(3)现有的面绘制中切片级重建方法约束性不强,导致它们具有很大的随意性。在轮廓线形态复杂多变,轮廓线位置、方向和形状差异较大的情况下,重建的效果不理想。
解决以上问题及缺陷的难度为:
对体绘制进行加速处理,在能得到较好的体绘制图像质量的基础上,减少算法开销是这方面的研究难点。针对面绘制的体素级重建,在重建过程中会产生大量的小面片,占用额外空间,给图形的显示和更新带来麻烦。因此,如何减少冗余的小面片是一个值得研究的课题。切片级建模相对于体素级而言压缩了大量冗余的数据,但是存在轮廓线拼接的多义性问题,存在着轮廓对应、轮廓拼接、轮廓分支等问题,其中轮廓对应和分支问题是难点问题。由于以前切片的层间距离和层片间的分辨率差距较大,传统的切片级重建算法很难得到高精度的建模结果,并且针对数据量大,图像复杂及存在噪声的三维重建成为一大难点。
解决以上问题及缺陷的意义为:
体绘制建模效果可以展现半透明图像,使得文物保护研究者们可以看清文物立体的内部结构,解决绘制速度较慢,减少绘制开销,可以使得在人机交互时不产生卡顿,使得画面更为流畅清晰。
表面建模算法的研究进展很大程度上决定了三维表面建模系统的发展以及功能的开发,是实现表面重建的关键,减少体素级重建中产生的中间几何图元可以减少模型占有量,提高显示和更新速度,使得整个建模速度更高效快捷。
由于切片级重建压缩了大量冗余的数据,所以从根本上解决轮廓线的多义性问题,可使得此算法在数据少、速度快的基础上,能适应轮廓线形态复杂多变,轮廓线位置、方向和形状差异较大的复杂情况,使得算法鲁棒性更强,建模结果精度更高。
发明内容
针对现有技术存在的问题,本发明提供了一种基于文物CT图像轮廓线的三维建模方法、系统及设备。
本发明是这样实现的,一种基于文物CT图像轮廓线的三维建模方法,所述基于文物CT图像轮廓线的三维建模方法通过八邻域轮廓提取算法进行轮廓提取处理;使用基于广义柱体和轮廓树的轮廓对应算法进行轮廓匹配;轮廓树是以一棵树的分枝关系表示一对相邻切片间各轮廓间嵌套关系的一种数据结构,树的一个节点对应层中的一个轮廓,每一个轮廓一一对应一个数组,根据数组比对得知层间轮廓的分组对应关系,提取了文物的内外多层轮廓。
进一步,所述基于文物CT图像轮廓线的三维建模方法包括以下步骤:
第一步,读取图像,读入一组断层CT图像,为bmp格式、jpg格式、png格式;
第二步,进行去噪处理,文物的断层CT图像采用中值滤波法处理,为后面步骤奠定基础;
第三步,对图像进行二值化处理,为轮廓提取奠定基础;
第四步,通过八邻域轮廓提取算法进行轮廓提取处理,以获取每层轮廓数据信息;
第五步,基于广义柱体和轮廓树的轮廓对应算法,根据数组比对得知层间轮廓的分组对应关系,提取文物的内外多层轮廓,有效缩小了轮廓匹配搜索范围,提高了轮廓对应的准确性和自动化程度;
第六步,引入内插边处理分叉,使得原本的一对多问题转化为一对一问题,为下一步轮廓拼接奠定基础;
第七步,采用最短对角线算法进行轮廓拼接,将同一轮廓的坐标点通过线段相连接,将相邻两层对应的轮廓的坐标点通过三角面片相连接,将点状图转化为网格模型;
第八步,通过顶点坐标px,py,pz,采用OpenGL绘制三角形,使得建模结果可视化的呈现在屏幕上,并和使用者进行实时交互;
第九步,将模型保存为导出查看的STL格式,可进行精度的对比实验,并进行3D打印,得到实物展示。
进一步,所述第二步进行去噪处理具体包括如下步骤:生成一个5*5区域的滤波模板,将滤波模板内的各像素值进行排序,生成单调上升或单调下降的二维数据序列,二维中值滤波计算公式为:
g(x,y)=med{f(x-m,y-n)}(m,n)∈S;
其中f(x,y)是原图像,g(x,y)是处理后的图像,S为输入的二维模板,(m,n)是属于S领域的组合数;通过从图像中的二维模板取出奇数个数据进行排序,用排序后的中值取代要处理的数据。
进一步,所述第四步通过八邻域轮廓提取算法进行轮廓提取处理具体包括如下步骤:
步骤一,从图像左上角顶点开始,按照从左到右的扫描方向对图像象素点进行搜索,检查各象素点是白色还是黑色,把最先检查出来的黑色象素点作为轮廓线跟踪的起点,起点为图像轮廓线上最左上角的点,象素点为P1,若在图像中不能搜索到颜色为黑色的象素点,则结束轮廓跟踪算法;
步骤二,使用一个以Pi为中心的米字型模板,将模板内各点标记为1~8,从序号为1的点开始,沿顺时针方向依次检查模板内的8个点是否是图像的边缘点,把最初遇到的边缘点设为P2,若同时存在几个位置的边缘点的情况,保留最先遇到的点,去除剩下的点,设为背景;
步骤三,若已经检测出边缘点PN,将PN作为模板中心象素,返回步骤二继续搜索PN+1,开始搜索的方向为沿检测到PN的方向逆时针旋转两格;如果搜索的结果为PN=P1、PN+1=P2,或搜索到了图像的边界,表示已经找到了封闭轮廓或一条完整的轮廓,则结束这条轮廓线的搜索,记录这条轮廓线上点的坐标。
进一步,所述第五步基于广义柱体和轮廓树的轮廓对应算法具体包括如下步骤:
步骤一,统计每张图像的轮廓数,对每个轮廓线的顶点按照逆时针顺序排序,生成轮廓点集;
步骤二,由于至少5个点唯一确定一个椭圆,所以如果轮廓上的像素点少于6个,排除,不做拟合;
步骤三,平面上每个椭圆可以用圆锥曲线方程的代数形式表示:
Ax2+Bxy+Cy2+Dx+Ey+F=0;
用平面坐标系的5个几何参数表示,5个参数分别是:椭圆的中心点坐标(xc,yc)、长短轴长度Ix,Iy和朝向角θ,长轴与x的夹角;二维平面里的任意椭圆都用这5个参数唯一确定,2种表示形式的参数转换:
步骤四,求目标函数式的最小值来确定各系数值,得到椭圆方程:
步骤五,如果长宽比大于30,则排除,不做拟合;
步骤六,此时,轮廓数与上层轮廓数不同时,跳转至第六步进行分支处理,否则,进行轮廓树的构建,根据同层切片轮廓间的嵌套及并列关系,建立轮廓树,实现同层轮廓内外特征的识别,为层间轮廓匹配提供约束机制。
进一步,所述第六步引入内插边处理分叉具体包括如下步骤:
步骤一,分叉前的轮廓为C1,分叉后的两个轮廓为C2。对分支轮廓C2,分别寻找其两个轮廓在x轴上的最相近两点P1,P2,连接P1,P2,并寻找其中点T;
步骤二,过点T做直线P1P2的垂线,并将该线投影至C1,分割成两个轮廓C1-1,C1-2;
步骤三,使得C1-1,C1-2与C2中的两个轮廓分别对应。
进一步,所述第七步采用最短对角线算法进行轮廓拼接具体包括如下步骤:
步骤一,在下层轮廓线上选取一点qj作为起点,选择距qj最近的一点pi;
步骤二,分别计算qj和pi+1的距离D1,pi和qj+1的距离D2;
步骤三,判断D1是否小于D2,若满足则进入下一步,若不满足则跳转至步骤五;
步骤四,三角面片的第3个顶点是pi+1,形成三角片piqjpi+1,若还有轮廓点,则令i=i+1,返回步骤二,否则退出;
步骤五,三角面片的第3个顶点是qj+1,形成三角片qjpiqj+1,若还有轮廓点,令j=j+1,返回步骤二,否则退出。
进一步,所述第九步将模型保存为导出查看的STL格式具体包括如下步骤:
步骤一,写入文件名及文件路径;
步骤二,通过顶点坐标px(x1,y1,z1),py(x2,y2,z2),pz(x3,y3,z3),计算三个顶点构成的面的法向量;
px,py,pz形成3个向量,向量pxpy(x2-x1,y2-y1,z2-z1),pxpz(x3-x1,y3-y1,z3-z1),pypz(x3-x2,y3-y2,z3-z2)。设平面的法向量坐标是(x,y,z),通过公式解得x,y,z:
步骤三,写入三角形法向量及顶点坐标;
步骤四,完成对一个三角形的定义,循环结束即整个文件结束。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述基于文物CT图像轮廓线的三维建模方法的步骤。
本发明的另一目的在于提供一种实施所述基于文物CT图像轮廓线的三维建模方法的基于文物CT图像轮廓线的三维建模系统,所述基于文物CT图像轮廓线的三维建模系统包括:
数据预处理模块,用于对数据预处理,读入一组断层CT图像,为bmp格式、jpg格式、png格式;
去噪处理模块,用于进行去噪处理,分别通过中值滤波法、均值滤波法和高斯滤波法对图像进行了实验,得出对于文物的断层CT图像,中值滤波法处理的效果最优;
图像二值化处理模块,用于对图像进行二值化处理;
轮廓提取模块,用于通过八邻域轮廓提取算法进行轮廓提取处理;
内外多层轮廓提取模块,用于基于广义柱体和轮廓树的轮廓对应算法,根据数组比对即可得知层间轮廓的分组对应关系,完整高效地提取了文物的内外多层轮廓;
轮廓分支及对应模块,用于引入内插边处理分叉,并将分支部分进行对应处理;
轮廓拼接模块,用于采用最短对角线算法进行轮廓拼接;
三角形绘制模块,用于通过顶点坐标px,py,pz,采用OpenGL绘制三角形;
模型保存模块,用于将模型保存为可导出查看的STL格式。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明采用文物扫描数据存在诸多噪声,结构复杂等缺点,造成重建难度大,匹配效率低,通过本发明方案的实施重建效果好,保证了在有效时间内结果的精确性,适应了轮廓线形态复杂多变,轮廓线位置、方向和形状差异较大的复杂情况,有效缩小了轮廓匹配搜索范围,提高了轮廓对应的准确性和自动化程度,减少了人为干预的情况,使得算法鲁棒性更强,建模结果精度更高。
附图说明
图1是本发明实施例提供的基于文物CT图像轮廓线的三维建模方法流程图。
图2是本发明实施例提供的基于文物CT图像轮廓线的三维建模系统的结构示意图。
图3是本发明实施例提供的基于文物CT图像轮廓线的三维建模方法的实现流程图。
图4是本发明实施例提供的滤波去噪结果图。
图5是本发明实施例提供的轮廓提取结果图。
图6是本发明实施例提供的轮廓拼接原理图。
图7是本发明实施例提供的所用文物CT数据构建的网格模型效果图。
图8是本发明实施例提供的所用文物CT数据构建的STL模型效果图。
图9是本发明实施例提供的本发明与MC算法的对比效果图。
图10是结合本发明实施例所做的系统效果图。
图中:1、数据预处理模块;2、去噪处理模块;3、图像二值化处理模块;4、轮廓提取模块;5、内外多层轮廓提取模块;6、轮廓分支及对应模块;7、轮廓拼接模块;8、三角形绘制模块;9、模型保存模块。
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仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于文物CT图像轮廓线的三维建模方法、系统及设备,下面结合附图对本发明作详细的描述。
如图1所示,本发明提供的基于文物CT图像轮廓线的三维建模方法包括以下步骤:
S101:对数据预处理,读入一组断层CT图像,可为bmp格式、jpg格式、png格式;
S102:进行去噪处理,分别通过中值滤波法、均值滤波法和高斯滤波法对图像进行了实验,得出对于文物的断层CT图像,中值滤波法处理的效果最优;
S103:对图像进行二值化处理;
S104:通过八邻域轮廓提取算法进行轮廓提取处理,以获取每层轮廓数据信息;
S105:基于广义柱体和轮廓树的轮廓对应算法,根据数组比对即可得知层间轮廓的分组对应关系,完整高效地提取了文物的内外多层轮廓;
S106:引入内插边处理分叉,并将分支部分进行轮廓对应;
S107:采用最短对角线算法进行轮廓拼接;
S108:通过顶点坐标px,py,pz,采用OpenGL绘制三角形,通过pThreads进行多线程并行加速来提升绘制速度;
S109:将模型保存为可导出查看的STL格式。
本发明提供的基于文物CT图像轮廓线的三维建模方法业内的普通技术人员还可以采用其他的步骤实施,图1的本发明提供的基于文物CT图像轮廓线的三维建模方法仅仅是一个具体实施例而已。
如图2所示,本发明提供的基于文物CT图像轮廓线的三维建模系统包括:
数据预处理模块1,用于对数据预处理,读入一组断层CT图像,可为bmp格式、jpg格式、png格式;
去噪处理模块2,用于进行去噪处理,分别通过中值滤波法、均值滤波法和高斯滤波法对图像进行了实验,得出对于文物的断层CT图像,中值滤波法处理的效果最优;
图像二值化处理模块3,用于对图像进行二值化处理;
轮廓提取模块4,用于通过八邻域轮廓提取算法进行轮廓提取处理;
内外多层轮廓提取模块5,用于基于广义柱体和轮廓树的轮廓对应算法,根据数组比对即可得知层间轮廓的分组对应关系,完整高效地提取了文物的内外多层轮廓;
轮廓分支及对应模块6,用于引入内插边处理分叉,之后对分支部分进行轮廓对应;
轮廓拼接模块7,用于采用最短对角线算法进行轮廓拼接;
三角形绘制模块8,用于通过顶点坐标px,py,pz,采用OpenGL绘制三角形,并通过并行加速的方式提高绘制速度;
模型保存模块9,用于将模型保存为可导出查看的STL格式,可通过3D打印机获得实体模型。
下面结合附图对本发明的技术方案作进一步的描述。
如图3所示,本发明提供的基于文物CT图像轮廓线的三维建模方法包括以下步骤:
步骤一:采集茶壶的ICT扫描图像,进行数据清洗,去除无效数据、去除不合理数据,得到共190张bmp图像,分辨率为512×512。
步骤二:进行去噪处理,分别通过中值滤波法、均值滤波法和高斯滤波法对图像进行了实验,得出对于文物的断层CT图像,中值滤波法处理的效果最优。对于去噪后的图像质量,使用MSE、SNR、PSNR指标衡量结果,详细如下:
其中m和n分别是图像长度和宽度上的像素个数,g(i,j)和f(i,j)分别是原始图像和去噪后的图像在(i,j)处的灰度值。I和K分别是原始图像和去噪后的图像。
图像指标对比值如表1所示,得出中值滤波处理效果最好的结论。处理结果图如图4所示,(a)为原CT图像,(b)为中值滤波处理后图像,(c)为高斯滤波处理后图像,(d)为均值滤波处理后图像。
表1三种去噪算法的质量指标结果
步骤三:对图像进行二值化处理。
步骤四:通过八邻域轮廓提取算法进行轮廓提取处理,处理后图像如图3所示。
步骤五:使用本发明提出的基于广义柱体和轮廓树的轮廓对应算法进行轮廓匹配。
1)统计每张图像的轮廓数,对每个轮廓线的顶点按照逆时针顺序排序,生成轮廓点集。
2)由于至少5个点唯一确定一个椭圆,所以如果轮廓上的像素点少于6个,即排除,不做拟合。
3)平面上每个椭圆可以用圆锥曲线方程的代数形式表示,见式(4):
Ax2+Bxy+Cy2+Dx+Ey+F=0 (4)
还可以用平面坐标系的5个几何参数表示,这5个参数分别是:椭圆的中心点坐标(xc,yc)、长短轴长度Ix,Iy和朝向角θ(长轴与x的夹角)。二维平面里的任意椭圆都可以用这5个参数唯一确定,2种表示形式的参数可用公式(5)~公式(9)转换。
4)求目标函数式(10)的最小值来确定各系数值,从而得到椭圆方程:
5)如果长宽比大于30,则排除,不做拟合。
6)此时,轮廓数与上层轮廓数不同时,跳转至第六步进行分支处理,否则,进行轮廓树的构建,根据同层切片轮廓间的嵌套及并列关系,建立轮廓树,实现同层轮廓内外特征的识别,为层间轮廓匹配提供约束机制。
轮廓树是以一棵树的分枝关系表示一对相邻切片间各轮廓间嵌套关系的一种数据结构,树的一个节点对应层中的一个轮廓,每一个轮廓一一对应一个数组,数组里有4个变量,分别代表当前轮廓的后一轮廓、前一轮廓、子轮廓、父轮廓的编号索引,根据数组比对即可得知层间轮廓的分组对应关系,完整高效地提取了文物的内外多层轮廓,解决了切片层间轮廓的对应问题。
表2三种方法时间比较(s)
总时间=单张处理时间×图片数(190张)+调试次数×30s。
由以上结果可以看出,轮廓树法时间最短,但当有杂质点或无效轮廓时,会对之后的轮廓对应造成无法扭转的错误。广义柱体法人工调试次数较多,所以时间最长。相比之下,本发明算法既兼顾了速度又兼顾了精度。
第六步:引入内插边处理分叉问题,具体包括如下步骤:
1)假设分叉前的轮廓为C1,分叉后的两个轮廓为C2。对分支轮廓C2,分别寻找其两个轮廓在x轴上的最相近两点P1,P2,连接P1,P2,并寻找其中点T。
2)过点T做直线P1P2的垂线,并将该线投影至C1,从而将其分割成两个轮廓C1-1,C1-2。
3)使得C1-1,C1-2与C2中的两个轮廓分别对应。
步骤七:采用最短对角线算法进行轮廓拼接,原理图如图6所示。
1)在下层轮廓线上选取一点qj作为起点,选择距qj最近的一点pi。
2)分别计算qj和pi+1的距离D1,pi和qj+1的距离D2。
3)判断D1是否小于D2,若满足则进入下一步,若不满足则跳转至5)。
4)三角面片的第3个顶点是pi+1,形成三角片piqjpi+1,若还有轮廓点,则令i=i+1,返回2),否则退出。
5)三角面片的第3个顶点是qj+1,形成三角片qjpiqj+1,若还有轮廓点,令j=j+1,返回2),否则退出。
步骤八:通过顶点坐标px,py,pz,采用OpenGL绘制三角形,可通过pThreads进行多线程并行加速来提升绘制速度。绘制结果如图7所示。图7的(a)是茶壶外表面网格模型,图7的(b)是茶壶内表面网格模型,图7的(c)是局部放大效果。
步骤九:将模型保存为可导出查看的STL格式,结果如图8所示,图8的(a)是茶壶外表面模型图,图8的(b)是茶壶内表面模型图。可通过3D打印机进行3D打印,获得实体模型。
下面结合实验对本发明的技术效果作详细的描述。
本实验通过3-matic软件进行对比,将本发明实现的模型与仿真模型进行对比,如图9的(b)所示,将另一种重建算法(MC算法)实现的模型与仿真模型进行对比,如图9的(a)所示。本发明的内表面模型与仿真模型的对比,如图9的(c)所示。其中红色部分代表突出部分,蓝色代表凹陷部分,绿色代表重合部分,右边进度条数据代表差距程度(单位:毫米)。由结果可看出本发明重建的模型精度优于MC算法,且MC算法无法得到内表面模型,说明本发明在三维建模上具有较好的效果。
下面对结合本发明所做的系统作详细的描述。
图10(a)是图像导入界面,支持导入的图像格式有bmp、jpg、png。先选中需要批量导入的图像文件夹,点击菜单栏中的导入图片,即可显示文件中的图像,并显示导入成功。可点击上一页或者下一页按钮进行查看,点击单个图像,可进行放大查看。
图10(b)是菜单栏中可选择的3种滤波去噪算法,图10(c)是图像中值滤波去噪处理界面。选择任意一种去噪算法之后,会弹出处理前和处理后图像框,同时进行每张图像的处理,从第一张图像到最后一张图像进行动态显示,并自动导入系统,显示“新图像载入成功!”。之后在原图像文件夹中会自动生成处理后的图像文件,如图10(c)所示,用中值滤波法之后,在左边的“chahu_000”目录下会生成“zhongzhi”文件夹,存储着处理后的所有图像。
图10(d)是轮廓提取界面,点击轮廓提取,会弹出处理前和处理后图像框,同时进行每张图像的处理,从第一张图像到最后一张图像进行动态显示,并自动导入系统,显示“新图像载入成功!”,同样会将处理后的图像存入本地。
图10(e)是菜单栏中可选择的3种重建算法,分别是,图10(f)本发明的方法结果图,图10(g)面绘制中体素级重建MC算法结果图,图10(h)体绘制中光线投射法结果图。图10(i)是MC算法重建后导出的STL模型。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于文物CT图像轮廓线的三维建模方法,其特征在于,所述基于文物CT图像轮廓线的三维建模方法通过八邻域轮廓提取算法进行轮廓提取处理;使用基于广义柱体和轮廓树结合的算法进行轮廓匹配,识别相邻断层的每个轮廓,并拟合成椭圆,在这一过程中排除无效轮廓及杂质点,轮廓树是以一棵树的分枝关系表示一对相邻切片间各轮廓间嵌套关系的一种数据结构,树的一个节点对应层中的一个轮廓,每一个轮廓一一对应一个数组,根据数组比对得知层间轮廓的分组对应关系,提取了文物的内外多层轮廓;
通过最短对角线法进行轮廓拼接处理;
所述基于文物CT图像轮廓线的三维建模方法包括以下步骤:
第一步,对数据预处理,读入一组断层CT图像,为bmp格式、jpg格式、png格式;
第二步,进行去噪处理,文物的断层CT图像采用中值滤波法处理;
第三步,对图像进行二值化处理;
第四步,通过八邻域轮廓提取算法进行轮廓提取处理;
第五步,基于广义柱体和轮廓树的轮廓对应算法,根据数组比对得知层间轮廓的分组对应关系,提取文物的内外多层轮廓;
第六步,引入内插边处理分叉,并将分叉部分进行轮廓对应;
第七步,采用最短对角线算法进行轮廓拼接;
第八步,通过顶点坐标px,py,pz,采用OpenGL绘制三角形;
第九步,将模型保存为导出查看的STL格式;
所述第二步进行去噪处理具体包括如下步骤:生成一个5*5区域的滤波模板,将滤波模板内的各像素值进行排序,生成单调上升或单调下降的二维数据序列,二维中值滤波计算公式为:
g(x,y)=med{f(x-m,y-n)}(m,n)∈S;
其中f(x,y)是原图像,g(x,y)是处理后的图像,S为输入的二维模板,(m,n)是属于S领域的组合数;通过从图像中的二维模板取出奇数个数据进行排序,用排序后的中值取代要处理的数据;
所述第四步通过八邻域轮廓提取算法进行轮廓提取处理具体包括如下步骤:
步骤一,从图像左上角顶点开始,按照从左到右的扫描方向对图像象素点进行搜索,检查各象素点是白色还是黑色,把最先检查出来的黑色象素点作为轮廓线跟踪的起点,起点为图像轮廓线上最左上角的点,象素点为P1,若在图像中不能搜索到颜色为黑色的象素点,则结束轮廓跟踪算法;
步骤二,使用一个以Pi为中心的米字型模板,将模板内各点标记为1~8,从序号为1的点开始,沿顺时针方向依次检查模板内的8个点是否是图像的边缘点,把最初遇到的边缘点设为P2,若同时存在几个位置的边缘点的情况,保留最先遇到的点,去除剩下的点,设为背景;
步骤三,若已经检测出边缘点PN,将PN作为模板中心象素,返回步骤二继续搜索PN+1,开始搜索的方向为沿检测到PN的方向逆时针旋转两格;如果搜索的结果为PN=P1、PN+1=P2,或搜索到了图像的边界,表示已经找到了封闭轮廓或一条完整的轮廓,则结束这条轮廓线的搜索,记录这条轮廓线上点的坐标;
所述第五步基于广义柱体和轮廓树的轮廓对应算法具体包括如下步骤:
步骤一,统计每张图像的轮廓数,对每个轮廓线的顶点按照逆时针顺序排序,生成轮廓点集;
步骤二,由于至少5个点唯一确定一个椭圆,所以如果轮廓上的像素点少于6个,排除,不做拟合;
步骤三,平面上每个椭圆可以用圆锥曲线方程的代数形式表示:
Ax2+Bxy+Cy2+Dx+Ey+F=0;
用平面坐标系的5个几何参数表示,5个参数分别是:椭圆的中心点坐标(xc,yc)、长短轴长度Ix,Iy和朝向角θ,长轴与x的夹角;二维平面里的任意椭圆都用这5个参数唯一确定,2种表示形式的参数转换:
步骤四,求目标函数式的最小值来确定各系数值,得到椭圆方程:
步骤五,如果长宽比大于30,则排除,不做拟合;
步骤六,此时,轮廓数与上层轮廓数不同时,跳转至第六步进行分支处理,否则,进行轮廓树的构建,根据同层切片轮廓间的嵌套及并列关系,建立轮廓树,实现同层轮廓内外特征的识别,为层间轮廓匹配提供约束机制;
所述第六步引入内插边处理分叉具体包括如下步骤:
步骤一,分叉前的轮廓为C1,分叉后的两个轮廓为C2,对分支轮廓C2,分别寻找其两个轮廓在x轴上的最相近两点P1,P2,连接P1,P2,并寻找其中点T;
步骤二,过点T做直线P1P2的垂线,并将该线投影至C1,分割成两个轮廓C1-1,C1-2;
步骤三,将C1-1,C1-2与C2中的两个轮廓分别进行轮廓拼接;
所述第七步采用最短对角线算法进行轮廓拼接具体包括如下步骤:
步骤一,在下层轮廓线上选取一点qj作为起点,选择距qj最近的一点pi;
步骤二,分别计算qj和pi+1的距离D1,pi和qj+1的距离D2;
步骤三,判断D1是否小于D2,若满足则进入下一步,若不满足则跳转至步骤五;
步骤四,三角面片的第3个顶点是pi+1,形成三角片piqjpi+1,若还有轮廓点,则令i=i+1,返回步骤二,否则退出;
步骤五,三角面片的第3个顶点是qj+1,形成三角片qjpiqj+1,若还有轮廓点,令j=j+1,返回步骤二,否则退出;
所述第九步将模型保存为导出查看的STL格式具体包括如下步骤:
步骤一,写入文件名及文件路径;
步骤二,通过顶点坐标px(x1,y1,z1),py(x2,y2,z2),pz(x3,y3,z3),计算三个顶点构成的面的法向量;
px,py,pz形成3个向量,向量pxpy(x2-x1,y2-y1,z2-z1),pxpz(x3-x1,y3-y1,z3-z1),pypz(x3-x2,y3-y2,z3-z2),平面的法向量坐标是(x,y,z),通过公式解得x,y,z:
步骤三,写入三角形法向量及顶点坐标;
步骤四,完成对一个三角形的定义,循环结束即整个文件结束。
2.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1所述基于文物CT图像轮廓线的三维建模方法的步骤。
3.一种实施权利要求1所述基于文物CT图像轮廓线的三维建模方法的基于文物CT图像轮廓线的三维建模系统,其特征在于,所述基于文物CT图像轮廓线的三维建模系统包括:
数据预处理模块,用于对数据预处理,读入一组断层CT图像,为bmp格式、jpg格式、png格式;
去噪处理模块,用于进行去噪处理,分别通过中值滤波法、均值滤波法和高斯滤波法对图像进行了实验,得出对于文物的断层CT图像,中值滤波法处理的效果最优;
图像二值化处理模块,用于对图像进行二值化处理;
轮廓提取模块,用于通过八邻域轮廓提取算法进行轮廓提取处理;
内外多层轮廓提取模块,用于基于广义柱体和轮廓树的轮廓对应算法,根据数组比对即可得知层间轮廓的分组对应关系,完整高效地提取了文物的内外多层轮廓;
轮廓分支及对应模块,用于引入内插边处理分叉,并将分叉部分进行轮廓对应;
轮廓拼接模块,用于采用最短对角线算法进行轮廓拼接;
三角形绘制模块,用于通过顶点坐标px,py,pz,采用OpenGL绘制三角形;
模型保存模块,用于将模型保存为可导出查看的STL格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210143583.8A CN114612318B (zh) | 2022-02-16 | 2022-02-16 | 基于文物ct图像轮廓线的三维建模方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210143583.8A CN114612318B (zh) | 2022-02-16 | 2022-02-16 | 基于文物ct图像轮廓线的三维建模方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114612318A CN114612318A (zh) | 2022-06-10 |
CN114612318B true CN114612318B (zh) | 2024-04-19 |
Family
ID=81858702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210143583.8A Active CN114612318B (zh) | 2022-02-16 | 2022-02-16 | 基于文物ct图像轮廓线的三维建模方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114612318B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115329409B (zh) * | 2022-10-13 | 2023-01-31 | 北京开云互动科技有限公司 | 一种虚拟场景中的悬链线快速建模方法 |
CN116862816B (zh) * | 2023-07-28 | 2024-01-26 | 杭州雅智医疗技术有限公司 | 一种基于三维形态学的模型膨胀方法、装置及应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1758284A (zh) * | 2005-10-17 | 2006-04-12 | 浙江大学 | 从断层图像序列快速重建三维颌骨模型的方法 |
CN102855658A (zh) * | 2012-07-17 | 2013-01-02 | 天津大学 | 基于气象雷达基数据三维重构方法 |
CN105809668A (zh) * | 2016-01-15 | 2016-07-27 | 武汉武大卓越科技有限责任公司 | 基于线扫描三维点云的物体表面变形特征提取方法 |
CN107025687A (zh) * | 2016-12-27 | 2017-08-08 | 西北大学 | 一种基于视觉依赖曲率估算的文物线图绘制方法 |
CN111968231A (zh) * | 2020-08-14 | 2020-11-20 | 成都理工大学 | 一种基于地质图切剖面的三维地层建模方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100721536B1 (ko) * | 2005-12-09 | 2007-05-23 | 한국전자통신연구원 | 2차원 평면상에서 실루엣 정보를 이용한 3차원 구조 복원방법 |
-
2022
- 2022-02-16 CN CN202210143583.8A patent/CN114612318B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1758284A (zh) * | 2005-10-17 | 2006-04-12 | 浙江大学 | 从断层图像序列快速重建三维颌骨模型的方法 |
CN102855658A (zh) * | 2012-07-17 | 2013-01-02 | 天津大学 | 基于气象雷达基数据三维重构方法 |
CN105809668A (zh) * | 2016-01-15 | 2016-07-27 | 武汉武大卓越科技有限责任公司 | 基于线扫描三维点云的物体表面变形特征提取方法 |
CN107025687A (zh) * | 2016-12-27 | 2017-08-08 | 西北大学 | 一种基于视觉依赖曲率估算的文物线图绘制方法 |
CN111968231A (zh) * | 2020-08-14 | 2020-11-20 | 成都理工大学 | 一种基于地质图切剖面的三维地层建模方法 |
Non-Patent Citations (2)
Title |
---|
基于三角面片的三维医学图像体视化;陈文, 董育宁;微机发展(09);全文 * |
基于医学断层轮廓的三维可视化研究;陈舒华;黄展鹏;赵洁;;医学信息;20080705(07);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114612318A (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114612318B (zh) | 基于文物ct图像轮廓线的三维建模方法、系统及设备 | |
CN109993733A (zh) | 肺部病灶的检测方法、系统、存储介质、终端及显示系统 | |
Qin et al. | Learning tubule-sensitive CNNs for pulmonary airway and artery-vein segmentation in CT | |
CN109580630B (zh) | 一种机械零部件缺陷的视觉检测方法 | |
Zheng et al. | HLU 2-Net: a residual U-structure embedded U-Net with hybrid loss for tire defect inspection | |
Hu et al. | Structure‐aware 3D reconstruction for cable‐stayed bridges: A learning‐based method | |
CN110363802B (zh) | 基于自动分割和骨盆对齐的前列腺图像配准系统及方法 | |
CN106408609A (zh) | 一种基于双目视觉的并联机构末端运动位姿检测方法 | |
CN105046743A (zh) | 一种基于全局变分技术的超高分辨率三维重建方法 | |
Yang et al. | Semantic metric 3d reconstruction for concrete inspection | |
Navarro et al. | Robust and dense depth estimation for light field images | |
Liu et al. | High-quality textured 3D shape reconstruction with cascaded fully convolutional networks | |
CN107680154A (zh) | 基于视图的体素几何参数提取方法 | |
CN113538501A (zh) | 低空图像dsm生成建筑物边缘精细化方法 | |
CN115830004A (zh) | 表面缺陷检测方法、装置、计算机设备和存储介质 | |
Niu et al. | Defect attention template generation cycleGAN for weakly supervised surface defect segmentation | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
Yngve et al. | Creating smooth implicit surfaces from polygonal meshes | |
Li et al. | LSA-Net: Location and shape attention network for automatic surface defect segmentation | |
CN114494385A (zh) | 一种输水隧洞病害可视化预警方法 | |
CN110751732B (zh) | 一种2d图像转3d图像的方法 | |
CN110458951A (zh) | 一种电网杆塔的建模数据获取方法及相关装置 | |
Feng et al. | Winding Numbers on Discrete Surfaces | |
CN103955610B (zh) | 一种医学影像计算机辅助分析方法 | |
Gao et al. | Multi-target 3d reconstruction from rgb-d data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |