CN117649493A - 一种图像重建方法、装置、设备和存储介质 - Google Patents
一种图像重建方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117649493A CN117649493A CN202311733373.5A CN202311733373A CN117649493A CN 117649493 A CN117649493 A CN 117649493A CN 202311733373 A CN202311733373 A CN 202311733373A CN 117649493 A CN117649493 A CN 117649493A
- Authority
- CN
- China
- Prior art keywords
- target
- isosurface
- vertex
- equivalent
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例公开了一种图像重建方法、装置、设备和存储介质,其中,方法包括:获取目标三维图像数据和等值面属性值;基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;根据所述等值坐标点确定目标等值面,以完成图像重建过程。本发明实施例的技术方案现有图像重建技术在确定等值面时,无法在平滑度和失真度之间寻找较好平衡点的问题,可以基于黄金分割的思想,确定三维数据中的等值点,再根据等值点确定等值面,在保证图像重建具有一定平滑度的同时,降低高图像重建的失真度。
Description
技术领域
本发明实施例涉及图像重建技术领域,尤其涉及一种图像重建方法、装置、设备和存储介质。
背景技术
三维面绘制算法中,最为经典的算法是Lorensen等提出的移动立方体(MarchingCube,MC)算法。从本质上来说,该算法是从由图像序列组成的三维数据场中抽取一个所需的三维曲面,以完成图像重建过程。以灰度图像的三维重建为例,这个三维曲面中所有点具有相同的灰度值,所以也被称为等值面。MC算法中的失真度和分割准确度是两个相互制约的指标,现有对MC算法的改进技术中,没有在图像重建的失真度和分割准确度没有较好的平衡点。
发明内容
本发明实施例提供了一种图像重建方法、装置、设备和存储介质,可以基于黄金分割的思想,确定三维数据中的等值点,再根据等值点确定等值面,在保证图像重建具有一定平滑度的同时,降低高图像重建的失真度。
第一方面,本发明实施例提供了一种图像重建方法,该方法包括:
获取目标三维图像数据和等值面属性值;
基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;
根据所述等值坐标点确定目标等值面,以完成图像重建过程。
第二方面,本发明实施例提供了一种图像重建装置,该装置包括:
图像数据获取模块,用于获取目标三维图像数据和等值面属性值;
等值坐标点确定模块,用于基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;
目标等值面确定模块,用于根据所述等值坐标点确定目标等值面,以完成图像重建过程。
第三方面,本发明实施例提供了一种计算机设备,该计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现任一实施例所述的图像重建方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例所述的图像重建方法。
本发明实施例所提供的技术方案,通过获取目标三维图像数据和等值面属性值;基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;根据所述等值坐标点确定目标等值面,以完成图像重建过程。本发明实施例的技术方案现有图像重建技术在确定等值面时,无法在平滑度和失真度之间寻找较好平衡点的问题,可以基于黄金分割的思想,确定三维数据中的等值点,再根据等值点确定等值面,在保证图像重建具有一定平滑度的同时,降低高图像重建的失真度。
附图说明
图1是本发明实施例提供的一种图像重建方法流程图;
图2是本发明实施例提供的又一种图像重建方法流程图;
图3是本发明实施例提供的一种体素的三角面片构型的示意图;
图4是本发明实施例提供的一种体素中等值面的示意图;
图5是本发明实施例提供的一种确定等值面的工作流程图;
图6是本发明实施例提供的一种图像重建装置的结构示意图;
图7是本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例提供的一种图像重建方法流程图,本发明实施例可适用于寻找三维图像中等值面的场景中,该方法可以由图像重建装置执行,该装置可以由软件和/或硬件的方式来实现。
如图1所示,图像重建方法包括以下步骤:
S110、获取目标三维图像数据和等值面属性值。
其中,目标三维图像数据可以是需要进行图像重建的三维图像数据。等值面属性值可以是需要重建出的等值面的参考属性的数值:示例性的,可以将灰度纸作为等值面属性值。也即等值面属性值包括等值面灰度值。等值面属性值可以由人为进行设定。本方面实施例的图像重建任务需要从目标三维图像数据中重建出一个相同等值面属性值的空间曲面。其中,在该空间曲面上的各个点的等值面属性值相同。
S120、基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点。
其中,等值点坐标可以是相同等值面属性值的等值点的三维坐标。具体的,可以基于等值面属性值对目标三维图像数据的坐标点进行筛选,进而确定出目标坐标点对,随后再对目标坐标点对的两个点的坐标进行黄金分割,得到等值坐标点。黄金分割是指将整体一分为二,较大部分与整体部分的比值等于较小部分与较大部分的比值,其比值约为0.618。这个比例被公认为是最能引起美感的比例,被称为黄金分割。同时,通过基于等值面属性值对目标三维图像数据的坐标点进行黄金分割,可以将黄金分割的思想引入到从顶点对中的确定等值点中,能够以减少较小平滑度为代价,大大减少图像重建的失真度。
S130、根据所述等值坐标点确定目标等值面,以完成图像重建过程。
其中,目标等值面可以是由目标三维图像数据中所有等值点组成的空间曲面。具体的,可以在确定等值坐标点后,可以根据等值坐标点确定相应的等值点,随后将全部等值点相连接得到等值线,在对全部等值线进行插值连接,进而得到目标等值点面。
本发明实施例所提供的技术方案,通过获取目标三维图像数据和等值面属性值;基于等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;根据等值坐标点确定目标等值面。本发明实施例的技术方案现有图像重建技术在确定等值面时,无法在平滑度和失真度之间寻找较好平衡点的问题,可以基于黄金分割的思想,确定三维数据中的等值点,再根据等值点确定等值面,在保证图像重建具有一定平滑度的同时,降低高图像重建的失真度。
图2是本发明实施例提供的又一种图像重建方法流程图,本发明实施例可适用于寻找三维图像中等值面的场景中,本实施例在上述实施例的基础上,进一步的说明如何基于等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;以及如何根据等值坐标点确定目标等值面,该装置可以由软件和/或硬件的方式来实现,集成于具有应用开发功能的计算机设备中。
如图2所示,图像重建方法包括以下步骤:
S210、获取目标三维图像数据和等值面属性值,并确定目标三维图像数据中的三维图像体素。
其中,目标三维图像数据可以是需要进行图像重建的三维图像数据。等值面属性值可以是需要重建出的等值面的参考属性的数值:示例性的,可以将灰度纸作为等值面属性值。也即等值面属性值包括等值面灰度值。等值面属性值可以由人为进行设定。本方面实施例的图像重建任务需要从目标三维图像数据中重建出一个相同等值面属性值的空间曲面。其中,在该空间曲面上的各个点的等值面属性值相同。
进一步的,三维图像体素可以是目标三维图像数据中的体素。具体的,确定三维图像数据中体素的方法此处不进行限定。示例性的,从三维图像数据中确定体素的方法通常包括以下步骤:
数据预处理:对获取的三维数据进行预处理,包括去除噪声、平滑图像、增强数据质量等操作,以便更好地提取特征和进行体素分割。
体素分割:根据三维数据的形状和特征,采用适当的分割算法将数据分割成若干个体素。常用的体素分割算法包括阈值分割、区域生长、边缘检测等。
特征提取:对分割后的体素进行特征提取,以描述每个体素的形状、大小、纹理等属性。常用的特征提取方法包括基于边缘的特征提取、基于形状的特征提取、基于纹理的特征提取等。
体素分类:根据提取的特征对体素进行分类,以区分不同的目标物体。常用的分类方法包括基于统计分类器、支持向量机、神经网络等。
体素重建:根据分类结果对目标体素进行重建,以恢复目标物体的原始形状和结构。常用的重建方法包括表面重建、体素重建等。
在确定体素时,需要注意以下几点:体素的大小和形状应该能够反映出目标物体的细节和特征,同时也要考虑到图像分辨率和数据质量的影响。在进行体素分割和特征提取时,应该考虑到不同体素之间的连接关系和空间分布情况,以便更好地描述目标物体的整体结构和形状。
在医学图像三维重建中,一个三维图像或体数据可以用一个存储着相应值的三维矩阵来描述,其中的每个元素成为体元素,简称体素。在两层切面中分别取相邻的4个点,共8个点组成一个体素。本方面实施例图像重建的基本思想是将三维空间划分为多个体素,然后遍历每个体素,从而找到整个三维空间中与等值面相交的体素。在体素内求得等值面在体素边上的交点,单个体素内的所有交点连接成为一个或多个三角面片,将这些三角面片连接起来可以得到等值面,也即完成了三维重建。
S220、基于所述等值面灰度值对将所述三维图像体素中的每个顶点进行筛选,确定目标顶点对。
其中,目标顶点对可以是用于确定组成等值面中坐标点的一对顶点。具体的,可以将等值面灰度值与三维图像体素中顶点的灰度值进行对比,并根据对比结果从三维体素中的顶点确定目标顶点对。
示例性的,可以根据三维图像体素确定三角面片,并将三角面片中每条边的两个端点作为候选顶点对;分别将候选顶点对中两个顶点的灰度值与等值面灰度值进行对比,并根据对比结果确定目标顶点对。
其中,三角面片可以是由三维图像体素中顶点连接形成的平面。一个体素有8个顶点,每个顶点都有等值面内和等值面外的2种状态,所以体素与等值面的关系有28=256种情况,通过枚举这256种情况建立一个三角面片构型索引表。三角面片构型索引表中需要包含全部256种三角面片构型的情况。示例的,图3是本发明实施例提供的一种体素的三角面片构型的示意图。
候选顶点对可以是有概率作为目标顶点对的一对顶点。具体的,可以将三角面片中每条边的两个端点作为候选顶点对。也即分别将每两个相邻的顶点组合成为候选定点对。进一步的,可以将候选顶点对中两个顶点的灰度值分别与等值面灰度进行对比,进而确定候选定点对是否可以作为目标定点对,便于后续基于目标定点对确定可以组成等值面的等值点。
其中,候选顶点对包括第一候选顶点和第二候选顶点,其中,第一候选顶点的灰度值大于第二候选顶点的灰度值。具体的,在确定目标顶点时,可以在第一候选顶点的灰度值大于等值面灰度值,且第二候选顶点灰度值小于等值面灰度值的情况下,将候选顶点对作为目标顶点对。
其中,第一候选顶点可以是候选顶点对中灰度值较大的顶点。第二候选顶点可以是候选顶点对中灰度值较小的顶点。在判定三角面片的别中是否有与等值面灰度值相同的坐标点时,可以基于组成边的两个端点的灰度值进行确定。在计算等值点时,当体素的一条边的两个顶点分别大于、小于等值面的值,根据线性变化的假设,等值面与该边有且仅有一个交点。如果两个顶点的灰度值都大于或都小于等值面阈值,则这条边和等值面没有交点。基于该思想,在第一候选定点和第二候选顶点均大于或小于等值面灰度值的情况下,表示该条边与等值面不存在交点,也即该边中不存在可以组成等值面的等值点。因此也无法将该候选顶点对作为目标顶点对。相应的,在第一候选顶点的灰度值大于等值面灰度值,且第二互选顶点灰度值小于等局面灰度值的情况下,可以确定该候选顶点对对应的边与等值面存在交点,也即该边中存在可以组成等值面的等值点,因此可以将该候选顶点对作为目标顶点对。
S230、对所述目标顶点对的坐标对进行黄金分割,确定所述等值坐标点的等值点坐标。
其中,等值点坐标可以是等值点的三维坐标。具体的,可以对目标顶点对中的两个顶点的坐标进行黄金分割,进而确定等值点坐标。黄金分割是指将整体一分为二,较大部分与整体部分的比值等于较小部分与较大部分的比值,其比值约为0.618。这个比例被公认为是最能引起美感的比例,被称为黄金分割。该确定等值点的方法能够以减少较小平滑度为代价,大大减少图像重建的失真度。
具体的,在对目标顶点对的坐标对进行黄金分割,确定等值坐标点的等值点坐标时,可以分别获取目标顶点对中两个顶点的坐标,得到第一顶点坐标和第二顶点坐标;将第一顶点坐标和第二顶点坐标输入至预设黄金分割公式中,得到等值点坐标。
其中,第一顶点坐标可以是目标定点对中灰度值较大的顶点的三维坐标。第二顶点坐标可以是目标顶点对中灰度值较小的顶点的三维坐标。预设黄金分割公式可以是预设的求取目标顶点对对应的等值点坐标的公式。通过将第一顶点坐标和第二顶点坐标代入到预设黄金分割公式中,可以输出等值点坐标。
具体的,预设黄金分割公式为:
其中,K表示等值坐标点的坐标;Pi=(xi,yi,zi)T表示端点Pi的坐标;Pj=(xj,yj,zj)T表示端点Pj的坐标;α为自定义系数;c为等值面灰度值;Fi表示端点Pi的灰度值;Fj表示端点Pj的灰度值;Fi小于Fj。
为了控制三维重建模型的平滑度与失真度,本发明实施例引入参数α表示平滑与失真系数。通过在[0,1]的范围内改变α来控制三维重建模型的平滑度与失真度,可以根据图像重建需要自主的调整参数α来对图像重建结果的平滑性与失真性之间做平衡,可以进一步提高图像重建的灵活性。当α=0时,此时的插值方式变为黄金分割插值方法,三维重建模型具有最低的失真度;当α=1时,此时的插值方式变为线性插值方法,三维重建模型具有最高的平滑度。
S240、根据在同一体素内的等值坐标点确定目标三角面片,并根据每个所述目标三角面片确定所述目标等值面。
其中,目标三角面片可以是同一体素内等值点组成的空间曲面。通过上述步骤分别确定体素内的等值点后,可以分别将体素内等值点连接得到等值点线,再通过对等值点线的插值进而确定目标三角面片。进一步的,目标等值面可以是由目标三维图像数据中所有等值点组成的空间曲面。具体的,可以在确定每个体素中的目标三角面片后,将全部体素中的三角面片进行拼接组合,进而确定目标等值点面。
示例性的,图4是本发明实施例提供的一种体素中等值面的示意图。如图4所示,可以对体素中顶点的边进行黄金分割,在边上确定等值点,再将等值点进行连接成等值线,再由等值线构成等值面。
进一步的,图5是本发明实施例提供的一种确定等值面的工作流程图。如图5所示,确定等值面的工作流程为:首先输入CT图像序列作为重建所需的原始三维数据,将该原始三维数据空间选取体素进行划分。然后取出某个体素,根据三角面片构型索引表确定体素内三角面片的构型。计算等值点的坐标和三角面片的法向量。遍历三维数据空间中的所有体素后,将所有得到的三角面片输出,得到等值面。最终得到三维重建模型。
本发明实施例所提供的技术方案,通过获取目标三维图像数据和等值面属性值,并确定目标三维图像数据中的三维图像体素;基于等值面灰度值对将三维图像体素中的每个顶点进行筛选,确定目标顶点对;对目标顶点对的坐标对进行黄金分割,确定等值坐标点的等值点坐标;根据在同一体素内的等值坐标点确定目标三角面片,并根据每个目标三角面片确定目标等值面。本发明实施例的技术方案现有图像重建技术在确定等值面时,无法在平滑度和失真度之间寻找较好平衡点的问题,可以基于黄金分割的思想,确定三维数据中的等值点,再根据等值点确定等值面,在保证图像重建具有一定平滑度的同时,降低高图像重建的失真度。
图6是本发明实施例提供的一种图像重建装置的结构示意图,本发明实施例可适用于寻找三维图像中等值面的场景中,该装置可以由软件和/或硬件的方式来实现,集成于具有应用开发功能的计算机设备中。
如图6所示,图像重建装置包括:图像数据获取模块310、等值坐标点确定模块320和目标等值面确定模块330。
其中,图像数据获取模块310,用于获取目标三维图像数据和等值面属性值;等值坐标点确定模块320,用于基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;目标等值面确定模块330,用于根据所述等值坐标点确定目标等值面,以完成图像重建过程。
本发明实施例所提供的技术方案,通过获取目标三维图像数据和等值面属性值;基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;根据所述等值坐标点确定目标等值面,以完成图像重建过程。本发明实施例的技术方案现有图像重建技术在确定等值面时,无法在平滑度和失真度之间寻找较好平衡点的问题,可以基于黄金分割的思想,确定三维数据中的等值点,再根据等值点确定等值面,在保证图像重建具有一定平滑度的同时,降低高图像重建的失真度。
在一种可选的实施方式中,所述等值坐标点确定模块320具体用于:确定目标三维图像数据中的三维图像体素;基于所述等值面灰度值对将所述三维图像体素中的每个顶点进行筛选,确定目标顶点对;对所述目标顶点对的坐标对进行黄金分割,确定所述等值坐标点的等值点坐标。
在一种可选的实施方式中,所述等值坐标点确定模块320包括:目标顶点对确定单元,用于:根据三维图像体素确定三角面片,并将所述三角面片中每条边的两个端点作为候选顶点对;分别将所述候选顶点对中两个顶点的灰度值与所述等值面灰度值进行对比,并根据对比结果确定目标顶点对。
在一种可选的实施方式中,所述候选顶点对包括第一候选顶点和第二候选顶点,其中,第一候选顶点的灰度值大于第二候选顶点的灰度值,所述目标顶点对确定单元具体用于:在所述第一候选顶点的灰度值大于所述等值面灰度值,且所述第二候选顶点灰度值小于所述等值面灰度值的情况下,将所述候选顶点对作为目标顶点对。
在一种可选的实施方式中,所述等值坐标点确定模块320包括:等值点坐标确定单元,用于:分别获取所述目标顶点对中两个顶点的坐标,得到第一顶点坐标和第二顶点坐标;将所述第一顶点坐标和所述第二顶点坐标输入至预设黄金分割公式中,得到所述等值点坐标。
在一种可选的实施方式中,所述目标等值面确定模块330具体用于:根据在同一体素内的等值坐标点确定目标三角面片;根据每个所述目标三角面片确定所述目标等值面。
在一种可选的实施方式中,所述预设黄金分割公式为:
其中,K表示等值坐标点的坐标;Pi=(xi,yi,zi)T表示端点Pi的坐标;Pj=(xj,yj,zj)T表示端点Pj的坐标;α为自定义系数;c为等值面灰度值;Fi表示端点Pi的灰度值;Fj表示端点Pj的灰度值;Fi小于Fj。
本发明实施例所提供的图像重建装置可执行本发明任意实施例所提供的图像重建方法,具备执行方法相应的功能模块和有益效果。
图7为本发明实施例提供的一种计算机设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图7显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。计算机设备12可以是任意具有计算能力的终端设备,可以配置于图像重建设备中。
如图7所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18可以是几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图7所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图7中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的图像重建方法,该方法包括:
获取目标三维图像数据和等值面属性值;
基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;
根据所述等值坐标点确定目标等值面,以完成图像重建过程。
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的图像重建方法,包括:
获取目标三维图像数据和等值面属性值;
基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;
根据所述等值坐标点确定目标等值面,以完成图像重建过程。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种图像重建方法,其特征在于,包括:
获取目标三维图像数据和等值面属性值;
基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;
根据所述等值坐标点确定目标等值面,以完成图像重建过程。
2.根据权利要求1所述的方法,其特征在于,所述等值面属性值包括等值面灰度值,所述基于所述等值面灰度值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点,包括:
确定目标三维图像数据中的三维图像体素;
基于所述等值面灰度值对将所述三维图像体素中的每个顶点进行筛选,确定目标顶点对;
对所述目标顶点对的坐标对进行黄金分割,确定所述等值坐标点的等值点坐标。
3.根据权利要求2所述的方法,其特征在于,所述基于所述等值面灰度值对将所述三维图像体素中的每个顶点进行筛选,确定目标顶点对,包括:
根据三维图像体素确定三角面片,并将所述三角面片中每条边的两个端点作为候选顶点对;
分别将所述候选顶点对中两个顶点的灰度值与所述等值面灰度值进行对比,并根据对比结果确定目标顶点对。
4.根据权利要求3所述的方法,其特征在于,所述候选顶点对包括第一候选顶点和第二候选顶点,其中,第一候选顶点的灰度值大于第二候选顶点的灰度值,所述分别将所述候选顶点对中两个顶点的灰度值与所述等值面灰度值进行对比,并根据对比结果确定目标顶点对,包括:
在所述第一候选顶点的灰度值大于所述等值面灰度值,且所述第二候选顶点灰度值小于所述等值面灰度值的情况下,将所述候选顶点对作为目标顶点对。
5.根据权利要求2所述的方法,其特征在于,所述对所述目标顶点对的坐标对进行黄金分割,确定所述等值坐标点的等值点坐标,包括:
分别获取所述目标顶点对中两个顶点的坐标,得到第一顶点坐标和第二顶点坐标;
将所述第一顶点坐标和所述第二顶点坐标输入至预设黄金分割公式中,得到所述等值点坐标。
6.根据权利要求1所述的方法,其特征在于,所述根据所述等值坐标点确定目标等值面,包括:
根据在同一体素内的等值坐标点确定目标三角面片;
根据每个所述目标三角面片确定所述目标等值面。
7.根据权利要求5所述的方法,其特征在于,所述预设黄金分割公式为:
其中,K表示等值坐标点的坐标;Pi=(xi,yi,zi)T表示端点Pi的坐标;
Pj=(xj,yj,zj)T表示端点Pj的坐标;α为自定义系数;c为等值面灰度值;Fi表示端点Pi的灰度值;Fj表示端点Pj的灰度值;Fi小于Fj。
8.一种图像重建装置,其特征在于,所述装置包括:
图像数据获取模块,用于获取目标三维图像数据和等值面属性值;
等值坐标点确定模块,用于基于所述等值面属性值对目标三维图像数据的坐标点进行黄金分割,确定等值坐标点;
目标等值面确定模块,用于根据所述等值坐标点确定目标等值面,以完成图像重建过程。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的图像重建方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的图像重建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311733373.5A CN117649493A (zh) | 2023-12-15 | 2023-12-15 | 一种图像重建方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311733373.5A CN117649493A (zh) | 2023-12-15 | 2023-12-15 | 一种图像重建方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117649493A true CN117649493A (zh) | 2024-03-05 |
Family
ID=90047666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311733373.5A Pending CN117649493A (zh) | 2023-12-15 | 2023-12-15 | 一种图像重建方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117649493A (zh) |
-
2023
- 2023-12-15 CN CN202311733373.5A patent/CN117649493A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200402289A1 (en) | Systems and Methods for Providing Non-Parametric Texture Synthesis of Arbitrary Shape and/or Material Data in a Unified Framework | |
JP7373554B2 (ja) | クロスドメイン画像変換 | |
US20190147296A1 (en) | Creating an image utilizing a map representing different classes of pixels | |
Jeong et al. | Scalable and interactive segmentation and visualization of neural processes in EM datasets | |
CN110368694B (zh) | 游戏场景的数据处理方法、装置、设备及可读存储介质 | |
Daniels Ii et al. | Spline-based feature curves from point-sampled geometry | |
US11189096B2 (en) | Apparatus, system and method for data generation | |
CN112862807B (zh) | 基于头发图像的数据处理方法及装置 | |
CN113610958A (zh) | 一种基于风格迁移的3d图像构建方法、装置及终端 | |
Pan et al. | Q-MAT+: An error-controllable and feature-sensitive simplification algorithm for medial axis transform | |
CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
Xiao | Research on visual image texture rendering for artistic aided design | |
CN114708374A (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
US20220012536A1 (en) | Creating an image utilizing a map representing different classes of pixels | |
CN113034387B (zh) | 一种图像去噪方法、装置、设备及介质 | |
KR20230005312A (ko) | 평면도를 생성하기 위한 방법 및 장치 | |
Chen et al. | Binary orientation trees for volume and surface reconstruction from unoriented point clouds | |
Wang et al. | A novel method for surface mesh smoothing: applications in biomedical modeling | |
CN115775283A (zh) | 图像压缩方法、装置、存储介质及计算机设备 | |
CN117649493A (zh) | 一种图像重建方法、装置、设备和存储介质 | |
Lee et al. | A bimodal empty space skipping of ray casting for terrain data | |
US11281935B2 (en) | 3D object detection from calibrated 2D images | |
CN114821216A (zh) | 图片去网纹神经网络模型建模、使用方法及相关设备 | |
Panchal et al. | Feature sensitive geometrically faithful highly regular direct triangular isotropic surface remeshing | |
CN116012666B (zh) | 图像生成、模型的训练、信息重建方法、装置及电子设备 |
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 |