CN1930588A - 用于表面渲染的沿边缘的自适应采样 - Google Patents

用于表面渲染的沿边缘的自适应采样 Download PDF

Info

Publication number
CN1930588A
CN1930588A CNA2005800079332A CN200580007933A CN1930588A CN 1930588 A CN1930588 A CN 1930588A CN A2005800079332 A CNA2005800079332 A CN A2005800079332A CN 200580007933 A CN200580007933 A CN 200580007933A CN 1930588 A CN1930588 A CN 1930588A
Authority
CN
China
Prior art keywords
sampling
frequency signal
carry out
sampled
image
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
Application number
CNA2005800079332A
Other languages
English (en)
Inventor
J·韦泽
M·布施
G·基菲尔
H·勒曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN1930588A publication Critical patent/CN1930588A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/003D [Three Dimensional] image rendering
    • G06T15/50Lighting effects
    • G06T15/503Blending, e.g. for anti-aliasing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Generation (AREA)

Abstract

如果采样频率低于奈奎斯特速率,则不能从所采样的数据正确重建高频信号。本发明通过沿着横贯包括高频信号的区域(比如边缘)的轨迹选择很少的附加样本点来解决这一问题。中间渲染数据被用于确定这些附加的样本点。因此,根据本发明的一个示范性实施例,每像素4个自适应选择的样本点可以提供与16倍超采样相当的视觉质量,但是却具有低得多的计算成本。

Description

用于表面渲染的沿边缘的自适应采样
本发明涉及数字成像领域。特别地,本发明涉及对数据集内的结构的自适应采样方法、用于对数据集内的结构进行自适应采样的图像处理设备、扫描器系统和计算机程序产品。
内窥镜检查是医疗诊断中的一种重要的技术。通常只有通过对活人身体内部的可视化检查才可能确定疾病的症状起源或者早期阶段的征兆。每年有数以千计的内窥镜检查程序被实施。光学内窥镜检查是用于检查人体内部的中空器官或体腔的医疗程序。这通常是一种痛苦的操作,其中通过天然孔道或者通过小的切口将内窥镜插入到患者体内。内窥镜检查技术根据被检查器官的不同而有所不同。其中一种最主要的内窥镜检查技术是结肠镜检查。
内窥镜检查的另一个实例是支气管镜检查,其可以对患者的肺部进行检查。结肠镜检查和支气管镜检查都可能使患者遭受危险和不适。
虚拟内窥镜检查是一种利用对三维图像数据集的计算机处理的较新的诊断技术。这些数据集提供与由标准内窥镜检查程序产生的图像类似或等效的对患者器官的模拟可视化。这些数据集是采用断层摄影(比如计算机断层摄影(CT)或磁共振成像(MRI))创建的。因此,数据采集是无创的,这意味着对患者仅会造成最低程度的不适。
传统的CT和MRI扫描提供身体的横截面或切片图像。每个数据切片是离散的等距离分布密度值,即所谓的体素(voxel)。这种离散化可能产生采样和重建误差。因此,从断层摄影得出的横截面从来都不是人体切片的完美表示。
可以采用复杂的算法和高性能计算来提供大量这种横截面,以作为对人体解剖结构的直接的三维表示。虚拟内窥镜检查可视化避免了真实内窥镜检查带来的危险,并且如果在进行实际内窥镜检查之前使用虚拟内窥镜检查,则可以使该程序的难度最小化。此外,虚拟内窥镜检查能够对真实内窥镜检查不能接近的身体区域进行检查,比如扁平脉管。
等密度表面渲染(iso-surface rendering)被用在三维医疗数据可视化的许多临床应用中。等密度表面是数据体积内被赋予相同密度值的所有点的集合。该数据值被称为阈值或等密度值(iso-value),并且必须由操作者在检查处理之前指定。其标记出可以被称为等密度表面内部的较高密度区域与可被称为等密度表面外部的较低密度之间的边缘。可被准确映射到该数据集的体素的该体积内的各点被赋予该体素值。利用周围体素的密度值之间的内插来计算其它点的密度值。通过等密度表面算法将密度值大于该阈值的点映射到内部,所有其他点被映射到外部。
在上述虚拟内窥镜检查期间进行的等密度表面渲染的一个实例是在虚拟结肠镜检查期间进行的。在虚拟结肠镜检查中,由CT数据渲染结肠的伪真实视图。生成沿预先计算的路径穿过结肠的影片是虚拟结肠镜检查中常见的应用。该路径的生成是半自动或者全自动地进行的,从而临床医生在所谓的“飞行穿越(fly-through)”期间可将注意力集中在寻找息肉上。如果发现这种解剖学异常,那么离开预先生成的路径并从任意视点观察该息肉是有益的。因此,交互式渲染有利于、并且可以最终代替虚拟结肠镜检查中的非交互式影片生成。
通常,表面渲染应用的先决条件和主要标准是高水平的画面质量,因为可视伪像会分散临床医生的注意力,或者甚至导致错误的判断。
另一个重要的需求是速度。为了挑战传统的内窥镜检查,虚拟内窥镜检查系统应当具有在所检查的人体器官内进行交互式导航的能力。
遗憾的是,虚拟内窥镜检查程序或方法的设计通常包括在这两个关键需求之间进行折衷,因为一方面提供高更新和渲染速度而另一方面提供高图像质量是很困难的。
由高渲染速度产生的一个缺点是混叠。混叠引起沿着边缘和所渲染图像的阶梯状伪像。这会导致图像质量下降,当以高帧速率渲染视图时或者当生成影片时,图像质量会更加恶化,例如在许多虚拟内窥镜检查应用中就存在这种情况。由于当边缘超出像素中心的限度时像素值在不同灰度值之间即刻切换,因此穿过图像像素的边缘产生闪烁。这种典型的混叠效应非常令人讨厌并且应当消除,从而达到卓越画面质量的目标。
超采样是去除混叠伪像的一种方法。这里,不是采用每个像素仅一个样本点,而是评估16个或更多样本并且将平均值赋予该像素。由于像素值在灰度级之间逐渐变化并且穿过边缘,从而可以获得平滑的边缘,并且影片中的闪烁也消失了。然而,该方法计算成本较高并且与高渲染性能的目标相抵触。即使当只需要对图像中的几个像素进行超采样时,渲染速度的减慢也是不可接受的。
本发明的一个目的是提供一种自适应采样,从而提高渲染性能。
根据如权利要求1所述的本发明的一个实施例,上述目的可以通过一种对数据集内的结构进行自适应采样的方法来实现,其中该方法包括以下步骤:识别该结构的包括高频信号的区域并且以第一采样速率执行第一采样,从而得出包括各第一样本点的被采样结构。从而沿着横贯包括高频信号的该区域的轨迹执行第一采样。
有利地,根据本发明的该示范性实施例,沿着横贯包括高频信号的区域的轨迹选择几个附加的样本点。该轨迹的取向可以为垂直于包括高频信号的该区域的方向。通过将第一采样速率选得足够高,可以从所采样的数据正确重建高频信号,因为采样频率处于奈奎斯特速率之上。有利地,通过沿着该轨迹执行第一采样(其是一维的)而不是沿着限定一个区域的两个方向执行采样,与超采样相比,可以减少每个像素的样本点数目,从而提高了采样速度。
根据如权利要求2所述的本发明的另一个示范性实施例,通过以第二采样速率执行第二采样来识别包括高频信号的结构区域,其中第一采样速率高于第二采样速率。
因此,不必对整个结构而是只对包括高频信号的结构区域以较高的第一采样速率执行采样。在以较低的第二采样速率对该结构进行采样之后并且在识别高频信号区域之后,可以以第一(较高)采样速率对该高频信号区域进行采样,从而在仍然提供与普通超采样相当的快速采样速度的同时,减少该特定区域内的混叠伪像。
根据如权利要求3所述的本发明的另一示范性实施例,基于第一采样来渲染所采样的结构,其中通过评估第一样本点值的平均值来确定包括高频信号的该区域内的像素的平均像素值。
有利地,根据本发明的该示范性实施例,对沿着横贯包括较高频信号的区域的轨迹设置的第一样本点的值求平均,并且随后将该平均值赋予该区域内的特定像素。这样可以减少该高频信号区域内的混叠伪像。
根据如权利要求4所述的本发明的另一示范性实施例,通过等密度表面渲染程序确定所述结构。
有利地,该等密度表面渲染程序可以提供对该结构(例如内部器官)的快速识别。有利地,该等密度表面渲染程序甚至可以提供交互式阈值调节。
根据如权利要求5所述的本发明的另一示范性实施例,沿其进行第一采样的轨迹是横贯包括高频信号的区域的一条线。
有利地,通过沿一条线执行第一采样可以进一步提高采样速度。
根据如权利要求6所述的本发明的另一示范性实施例,包括高频信号的所述结构区域是边缘。有利地,根据本发明的该示范性实施例,可以自适应地减少或者补偿沿着边缘出现的混叠伪像。
根据如权利要求7所述的本发明的另一示范性实施例,所述自适应采样包括射线投射(ray casting),并且所述射线投射被用于检测边缘。根据本发明的该示范性实施例,射线投射被用于生成例如具有低分辨率的该结构的图像。而后,根据本发明的一个方面,识别包括高频信号的该结构的图像区,并且沿着横贯该区域的轨迹提高采样频率。
根据如权利要求8所述的本发明的另一示范性实施例,所述结构包括表面,该表面包括表面变化。此外,该轨迹沿着最大表面变化方向延伸。
有利地,根据本发明的该示范性实施例,沿着表面取向变化最大的方向执行第一采样(具有较高频率),其例如可以是边缘。因此,根据本发明的该示范性实施例,在表面取向变化最大的方向上提供附加的样本点,因此这些样本点值的变化是最大的。
根据如权利要求9所述的本发明的另一示范性实施例,该方法用于虚拟内窥镜检查。这可以提供医疗应用中的自适应采样,例如虚拟结肠镜检查,从而提供改善的渲染性能。
有利地,根据如权利要求10所述的本发明的另一示范性实施例,提供一种用于对数据集内的结构进行自适应采样的图像处理设备,其包括用于存储该数据集的存储器和适于执行以下操作的图像处理器:加载该数据集,识别包括高频信号的结构区域并且以第一采样速率执行第一采样,从而得出包括各第一样本点的被采样结构。沿着横贯包括高频信号的该区域的轨迹执行第一采样。
有利地,这样能够进行自适应采样。
本发明还涉及扫描器系统,所述扫描器系统包括用于存储数据集的存储器和适于对该数据集内的结构执行自适应采样的图像处理器。根据本发明的该方面,该扫描器系统是CT扫描器系统和MR扫描器系统的其中一种。根据本发明的该扫描器系统在权利要求11和12中阐明。
有利地,这样能够进行自适应采样并且能够获得由CT扫描器系统或MR扫描器系统对所采集的数据集内的结构的改善的渲染性能。
本发明还涉及一种计算机程序产品,其可以例如在处理器(比如图像处理器)上执行。这种计算机程序可以是例如CT扫描器系统或者MR扫描器系统的一部分。根据本发明的另一示范性实施例,这些计算机程序在权利要求13中阐明。这些计算机程序可以优选地被加载到图像处理器的工作存储器内。从而,如此装配的图像处理器能够实现本发明的方法的示范性实施例。所述计算机程序可以被存储在计算机可读介质上,比如CD-ROM。这些计算机程序也可以在网络上提供(比如万维网),并且可以从这些网络下载到图像处理器的工作存储器中。根据本发明的该示范性实施例的计算机程序可以用任何适当的语言写成,例如C++。
作为本发明的示范性实施例的要点,可以看到,对数据集内的结构进行自适应采样,其中沿着横贯包括高频信号的区域的轨迹以较高采样速率执行采样。因此,根据本发明的一个示范性实施例,可以以较低采样速率对该结构的大部分进行采样,并且只对那些会导致混叠伪像的高频信号区域以较高采样速率进行部分地采样。有利地,根据本发明的一个示范性实施例,沿着垂直于高频信号区域的线以较高采样速率执行采样,这样可以得到与每像素点具有多得多的样本的超采样相当的渲染图像视觉质量。从而可以导致在仍然提供足够高的图像质量的同时减少计算成本。
本发明的这些和其它方面将会从此后描述的实施例变得更为明显,并且将参照此后描述的实施例对本发明进行阐述。
下面将参照附图描述本发明的示范性实施例:
图1示出根据本发明的计算机断层摄影(CT)扫描器的一个实施例的简化图示。
图2示出根据本发明的磁共振(MR)扫描器的一个实施例的简化图示。
图3示出原始图像和用正常采样、用包括超采样的抗混叠以及用根据本发明的示范性实施例的包括超采样的自适应抗混叠渲染的图像的图示。
图4示出用(右)和不用(左)根据本发明的示范性实施例的包括超采样的自适应抗混叠渲染的虚拟结肠镜检查的图像。
图5示出用正常采样渲染的显示出阶梯状伪像的图像(左),用包括超采样的抗混叠渲染的图像(中),以及用根据本发明的示范性实施例的包括超采样的自适应抗混叠渲染的图像(右)。
图6示出根据本发明的对数据集内的结构进行自适应采样的方法的一个示范性实施例的流程图。
图7示出用于执行根据本发明的方法的一个示范性实施例的根据本发明的图像处理设备的本发明的一个示范性实施例。
图1示出根据本发明的CT(计算机断层摄影)扫描器系统的本发明的一个示范性实施例。参照该示范性实施例,本发明将被描述为用于医疗成像。然而,应当注意到,本发明不限于医疗成像领域中的应用,而是还可用于比如行李件中的行李检查以检测如炸药一类的有害物质的应用中或者其它工业应用(比如材料测试)。
图1中所示的扫描器是锥形束CT扫描器。图1中所示的CT扫描器包括围绕旋转轴2旋转的台架1。该台架通过电动机3驱动。附图标记4指示辐射源(比如X射线源),其根据本发明的一个方面发射多色辐射束。
附图标记5指示孔径系统,其使从辐射源发射的辐射束形成锥形辐射束6。
锥形束6被导向成穿透放置在台架1的中心(即CT扫描器系统的检查区域内)的感兴趣对象7并且撞击到检测器8上。如图1所示,检测器8被设置在台架1上的与辐射源4相对的位置处,从而检测器8的表面由锥形束6覆盖。图1中所示的检测器8包括多个检测器元件。
在对感兴趣对象7的扫描期间,辐射源4、孔径系统5和检测器8沿着台架1在箭头16指示的方向上旋转。为使带有辐射源4、孔径系统5和检测器8的台架1旋转,电动机3连接到电动机控制单元17,电动机控制单17连接到计算单元18。
在图1中,感兴趣对象被放置在传送带19上。在对感兴趣对象7的扫描期间,当台架1围绕患者7旋转时,传送带19使感兴趣对象7沿着平行于台架1的旋转轴2的方向移动。由此,沿着螺旋扫描路径对该感兴趣对象7进行扫描。传送带19也可以在扫描期间停止。代替设置传送带19,例如在对象是患者的医疗应用中,可以采用可移动床。然而应当注意的是,在所描述的全部情形中,也可以进行圆形扫描,此时在平行于旋转轴2的方向上没有位移,而是仅有台架1围绕旋转轴2的旋转。
检测器8连接到计算单元18。计算单元18接收检测结果(即来自检测器8的检测器元件的读数),并且基于这些读数确定扫描结果。检测器8的各检测器元件可以适于测量由感兴趣对象对锥形射束产生的衰减。此外,计算单元18与电动机控制单元17通信,以使台架1的运动与电动机3和20相协调或者与传送带19相协调。
计算单元18可以适于根据检测器8的读数重建图像。由计算单元18生成的图像可以通过接口22被输出到显示器(图1中未示出)。
可以用集成到包括用于存储数据集的存储器的图像处理设备内的数据处理器来实现所述计算单元,该计算单元还可以适于对该数据集内的结构进行自适应采样。根据本发明的一个方面的数据处理器或图像处理器可以适于加载该数据集,并且适于识别该结构的包括高频信号的区域。此外,所述数据处理器可以适于以第一采样速率执行第一采样,从而得出包括各第一样本点的被采样结构,其中沿着横贯包括高频信号的该区域的轨迹执行第一采样。
此外,如图1所示,计算单元18可以连接到扬声器21,以例如自动输出报警。
图2示出根据本发明的MR扫描器系统的一个实施例的简化图示。MR扫描器系统包括线圈210,该线圈210沿着轴218设置并且围绕检查空间217,待检查的患者215位于检查空间217内。有利地,该患者躺在可移动床或者传送带216上,该可移动床或者传送带被放置在检查空间217的下部。围绕该检查空间217的线圈系统210包括HF线圈219、包含内部线圈的梯度线圈213和有源屏蔽线圈或屏蔽212的有源屏蔽安排、以及低温恒温器211,在磁场产生期间,这些线圈被设置在该低温恒温器内以便被冷却。梯度线圈213、212的安排可以被连接到梯度放大器220。
此外,根据如图1所示CT扫描器系统,该MR扫描器系统可以包括具有相应的电动机的电动机控制单元(例如用于移动传送带216)以及计算单元(图2中未示出)。在DE 102 02 986 A1中对这种MR扫描器系统进行了描述,该申请的内容被引入在此以作为参考。
图3示出包括结构区域44的原始图像31、38的示意图示,该区域44包括高频信号。包括高频信号的区域44可以是在位于高水平上的结构区42和位于低水平上的结构区43之间的边缘。附图标记32、45表示位于该边缘或台阶44上的两个像素。
正如可以从所渲染的图像39中看到的那样,混叠导致沿着所渲染图像39内的边缘44的阶梯状伪像,这是因为被采样图像33内的采样频率不够高。这导致图像质量的恶化,当以高帧速率渲染视图时或者当生成影片时(例如在许多虚拟内窥镜检查应用中就是情况),图像质量甚至会变得更差。由于当边缘超出像素中心时像素值在不同灰度值之间即刻切换,从而使穿过图像像素的边缘产生闪烁。这种典型的混叠效应在视觉上令人讨厌并且应当被消除,以便达到卓越画面质量的目标。
超采样是去除混叠伪像的一种方法,正如可以从被采样画面34以及相应的被渲染画面40中看到的那样。这里,不是对于每个像素只采用一个样本点,而是评估16个或者更多样本点的值并将它们的平均值赋予该像素。这样可以得到平滑的边缘,而且还可以使影片中的闪烁消失,这是因为当穿过边缘时,像素值在灰度级之间逐渐变化。然而,该方法计算成本较高并且与高渲染性能的目标相抵触。即使当只需要对图像中的几个像素进行超采样时,渲染速度的减慢也是不可接受的。
因此,根据本发明的一个示范性实施例,通过以预采样速率或第二采样速率执行预采样或第二采样来识别所述结构的包括高频信号的区域(即图3中的边缘44)。该预采样速率是较低的采样速率,从而得到快速采样,但是对于不包括高频信号的结构区域仍然具有足够高的采样速率。在识别出包括高频信号的区域之后,沿着横贯包括高频信号的该区域的轨迹36以后采样速率或第一采样速率执行后采样或第一采样。此外,沿着横贯包括高频信号的该区域的另一轨迹37执行另一个后采样。该后采样得到包括第一样本点46、47的被采样结构。
根据本发明的一个示范性实施例,该轨迹可以是横贯包括高频信号的所述区域的一条线(如图3所示)。但是应当注意,该轨迹可以具有任何其它形状,例如凸形或凹形。例如,该轨迹可以沿着最大表面变化方向上的点排列。
换句话说,根据本发明的一个方面,沿着最大表面法线变化的方向选择样本点。因此,只需要比其它超采样或抗混叠技术更少的附加样本就可以以相当的质量渲染图像。由此,抗混叠在计算上变得可行,即使对于在渲染性能方面有高要求的应用也是如此。
基于边缘取向自适应地选择附加的样本点46、47,正如可以从图3的被采样图像35中看到的那样。由于表面法线变化主要出现在垂直于边缘的方向上,同时表面法线在平行方向上不会有显著变化,因此评估沿着垂直方向的很少的附加样本,并且采用平均值(例如加权平均值)作为像素值。可以通过将具有较低深度值的像素(像素49)的表面法线投影到图像平面上来确定该垂直方向。沿着该方向的很少的附加样本点足以以卓越的画面质量渲染图像,正如可以从被渲染图像41中看到的那样。
应当注意,可以通过等密度表面渲染程序确定所述结构,其甚至能够进行交互式阈值调节,从而为交互式阈值确定提供在操作中(onthe fly)找到合适的阈值的可能性以及在一定阈值范围内检查令人感兴趣的特征的可能性。
图4示出采用401和未采用402根据本发明的一个示范性实施例的包括超采样的自适应抗混叠渲染的虚拟结肠镜检查图像。如果不满足奈奎斯特-香农采样定律,即如果采样频率低于奈奎斯特速率,则未采用自适应抗混叠401渲染的图像的高频信号不能根据被采样数据正确重建。由于这些图像特征的无限频谱,这种混叠在经过等密度表面渲染的图像中的一个明显表现是阶梯状伪像或者沿着边缘的“锯齿状图形(jaggie)”。在以高帧速率渲染的运动画面或图像中,视觉印象的缺陷变得更加明显,其中混叠伪像导致闪烁边缘,所述闪烁边缘引入神经过敏性注意力分散因素。生成影片的一个临床应用实例是虚拟结肠镜检查。这种令人讨厌的闪烁使观察者难于将注意力集中在寻找息肉的实际任务上,因此,任何改进这种情况的措施在临床实践中都将受到欢迎。
在图像401中,可以沿着边缘观察到混叠伪像。对于每个像素投影附加射线可以显著减少混叠伪像。然而,由传统超采样带来的附加计算成本与高渲染性能相的目标相抵触。本发明通过在例如垂直于边缘的方向选择很少的附加样本点来解决这一问题。从以预采样速率或第二采样速率进行的预采样或第二采样得出的中间渲染数据被用于确定这些附加样本点。实验表明,每像素4个自适应选择的样本点提供与16倍超采样相当的视觉质量,但是却具有低得多的计算成本,正如可以从图4中的图像402看到的那样。
图5示出用正常的低采样速率渲染的显示出阶梯状伪像的图像501,其中图像502、503显示出抗混叠的有益效果。当以高帧速率生成图像时,边缘看起来平滑并且不闪烁。自适应抗混叠为等密度表面渲染引入16倍超采样图像的质量,但是却具有低得多的计算成本。这可以从图502和与之相比较的图503中看到,图502示出对于每像素采用16个样本的超采样图像,而图503的根据本发明的一个示范性实施例的自适应抗混叠对于每像素仅采用4个附加样本点。
图6示出根据本发明对数据集内的结构进行自适应采样的方法的一个示范性实施例的流程图。该方法在步骤S0处开始,之后,在步骤S1执行数据集采集,这例如是通过产生多色射束的多色电磁辐射源以及通过检测该多色射束的射线检测器来进行的(这是在例如CT虚拟结肠镜检查或者例如磁共振虚拟内窥镜检查中的情形)。
之后,在步骤S2中,执行预采样或第二采样。该预采样可以以较低采样速率执行,该较低采样速率对于在较低频率区域内提供高图像质量而言足够高,但是对于在包括高频信号的区域内(比如边缘)提供卓越的图像质量而言则不够高。在预采样之后,在步骤S3执行等密度表面渲染,以便通过射线投射确定该数据集内的结构。可以对图像平面内的每个像素执行射线投射,以便计算从观察点到相应表面点的距离以及在观察矢量和该点处的表面法线之间的角度。现在,可以利用所述中间数据来确定其中欠采样将导致图像质量的显著损失的那些图像区,比如具有高表面取向变化的区域或者边缘(例如表面皱褶)。
在步骤S3中确定所述结构之后,在步骤S4中识别该结构中的包括高频信号的区域,即高表面取向变化区。然后,在步骤5中确定垂直于该边缘的方向,这例如是通过将具有较低深度值的像素(见图3中的附图标记49)的表面法线投影到图像平面上来进行的。沿着该方向的很少的附加样本点足以以卓越的画面质量渲染图像。
然后,在步骤S6中,以作为高采样速率的第一采样速率沿着横贯所述边缘的线、沿着垂直于该边缘的方向执行后采样或第一采样。在步骤S7中,通过评估沿着该线的样本点值的加权平均值来确定平均像素值。这样作可以得出明确确定的像素值,并且从而以低计算成本获得整个画面的卓越的画面质量(即使在边缘处也是如此)。该方法在步骤S8处结束。
应当注意到,当渲染网状模型时,自适应混叠还可以用于消除沿着相邻多边形的边界的混叠伪像,就像在大多数硬件加速表面渲染程序中的情况一样,例如在“步进立方(marching cube)”算法的所有变型中或者在当前的三维计算机游戏中就是这种情况。此外,每当在传输函数的陡峭部分处采用光影模型(shading model)以使闪亮透明表面可视化时,所述自适应抗混叠方法可以扩展到直接体积渲染。
二维图像处理是另一个应用领域,其中快速抗混叠可能证明是有益的。
图7示出用于执行根据本发明的方法的一个示范性实施例的根据本发明的图像处理设备的一个示范性实施例。图7所示的图像处理设备包括中央处理单元(CPU)或图像处理器151,其连接至用于存储描述感兴趣对象(比如患者)的图像的存储器152。图像处理器151可以连接到多个输入/输出网络或者诊断设备(比如MR设备或CT设备)。该图像处理器还可连接到显示设备154(例如计算机监视器),以用于显示在图像处理器151中计算和适配的信息或图像。操作者可以通过键盘155和/或未在图7中示出的其它输出设备与图像处理器151进行交互作用。
此外,通过总线系统153,还可以将图像处理和控制处理器151连接到例如运动监视器,该运动监视器监视感兴趣对象的运动。在例如对患者的肺部进行成像的情况下,运动传感器可以是呼气传感器。在对心脏进行成像的情况,运动传感器可以是心电图机(ECG)。

Claims (13)

1、一种对数据集内的结构进行自适应采样的方法,该方法包括以下步骤:识别该结构的包括高频信号的区域;以第一采样速率执行第一采样,从而得出包括各第一样本点的被采样结构;其中,沿着横贯包括高频信号的该区域的轨迹执行该第一采样。
2、根据权利要求1所述的方法,其中,通过以第二采样速率执行第二采样来识别包括高频信号的所述结构区域;并且其中,第一采样速率高于第二采样速率。
3、根据权利要求1所述的方法,其中,基于第一采样来渲染所述被采样结构;并且其中,通过评估各第一样本点值的平均值来确定包括高频信号的所述区域内的像素的平均像素值。
4、根据权利要求1所述的方法,其中,通过等密度表面渲染程序来确定所述结构。
5、根据权利要求1所述的方法,其中,沿其执行第一采样的所述轨迹是横贯包括高频信号的所述区域的线。
6、根据权利要求1所述的方法,其中,包括高频信号的所述结构区域是边缘。
7、根据权利要求1所述的方法,其中,所述自适应采样包括射线投射;并且其中,该射线投射被用于检测所述边缘。
8、根据权利要求1所述的方法,其中,所述结构包括表面;其中,该表面包括表面变化;并且其中,所述轨迹沿着最大表面变化方向延伸。
9、根据权利要求1所述的方法,其中,该方法被用于虚拟内窥镜检查。
10、一种用于对数据集内的结构进行自适应采样的图像处理设备,该图像处理设备包括用于存储该数据集的存储器和图像处理器,该图像处理器适于执行以下操作:加载该数据集;识别该结构的包括高频信号的区域;以第一采样速率执行第一采样,从而得出包括各第一样本点的被采样结构;其中,沿着横贯包括高频信号的该区域的轨迹执行第一采样。
11、一种扫描器系统,包括用于存储数据集的存储器和适于对该数据集中的结构进行自适应采样的图像处理器,其中,该图像处理器适于执行以下操作:加载该数据集;识别该结构的包括高频信号的区域;以第一采样速率执行第一采样,从而得出包括各第一样本点的被采样结构;其中,沿着横贯包括高频信号的该区域的轨迹执行第一采样。
12、根据权利要求11所述的扫描器系统,其中,该扫描器系统是CT扫描器系统和MR扫描器系统的其中之一。
13、一种用于对数据集内的结构进行自适应采样的计算机程序产品,其中当在图像处理器上执行该计算机程序时,该计算机程序产品使该图像处理器执行以下操作:加载该数据集;识别该结构的包括高频信号的区域;以第一采样速率执行第一采样,从而得出包括各第一样本点的被采样结构;其中,沿着横贯包括高频信号的该区域的轨迹执行第一采样。
CNA2005800079332A 2004-03-12 2005-03-03 用于表面渲染的沿边缘的自适应采样 Pending CN1930588A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP04101030.7 2004-03-12
EP04101030 2004-03-12

Publications (1)

Publication Number Publication Date
CN1930588A true CN1930588A (zh) 2007-03-14

Family

ID=34960838

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005800079332A Pending CN1930588A (zh) 2004-03-12 2005-03-03 用于表面渲染的沿边缘的自适应采样

Country Status (5)

Country Link
US (1) US7742631B2 (zh)
EP (1) EP1728217A1 (zh)
JP (1) JP2007528769A (zh)
CN (1) CN1930588A (zh)
WO (1) WO2005091227A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101673409B (zh) * 2009-09-11 2011-09-21 广州华多网络科技有限公司 一种应用于计算机桌面的图像渲染方法
CN103310447A (zh) * 2013-06-12 2013-09-18 中国科学院光电技术研究所 一种基于自适应技术的二维平面采样方法
CN105225264A (zh) * 2014-06-27 2016-01-06 三星电子株式会社 基于运动的自适应渲染
CN106725415A (zh) * 2016-11-15 2017-05-31 广州视源电子科技股份有限公司 电生理信号的处理方法和装置
CN107110946A (zh) * 2014-09-12 2017-08-29 Ge医疗系统环球技术有限公司 磁共振装置和程序

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8275091B2 (en) 2002-07-23 2012-09-25 Rapiscan Systems, Inc. Compact mobile cargo scanning system
US7963695B2 (en) 2002-07-23 2011-06-21 Rapiscan Systems, Inc. Rotatable boom cargo scanning system
US6928141B2 (en) 2003-06-20 2005-08-09 Rapiscan, Inc. Relocatable X-ray imaging system and method for inspecting commercial vehicles and cargo containers
GB0426170D0 (en) 2004-11-29 2004-12-29 Falanx Microsystems As Processing of computer graphics
US7471764B2 (en) 2005-04-15 2008-12-30 Rapiscan Security Products, Inc. X-ray imaging system having improved weather resistance
US8548566B2 (en) * 2005-10-21 2013-10-01 Koninklijke Philips N.V. Rendering method and apparatus
US20070297560A1 (en) * 2006-03-03 2007-12-27 Telesecurity Sciences, Inc. Method and system for electronic unpacking of baggage and cargo
US8115783B2 (en) 2008-01-31 2012-02-14 Arm Norway As Methods of and apparatus for processing computer graphics
US8044971B2 (en) 2008-01-31 2011-10-25 Arm Norway As Methods of and apparatus for processing computer graphics
GB0803644D0 (en) 2008-02-28 2008-04-02 Rapiscan Security Products Inc Scanning systems
GB0803641D0 (en) 2008-02-28 2008-04-02 Rapiscan Security Products Inc Scanning systems
GB0809110D0 (en) 2008-05-20 2008-06-25 Rapiscan Security Products Inc Gantry scanner systems
US20090322781A1 (en) * 2008-06-30 2009-12-31 Mikhail Letavin Anti-aliasing techniques for image processing
US20100013854A1 (en) * 2008-07-18 2010-01-21 Microsoft Corporation Gpu bezier path rasterization
KR101331047B1 (ko) * 2009-09-01 2013-11-19 한국전자통신연구원 모발 이미지 렌더링 시스템 및 렌더링 방법
US9218933B2 (en) 2011-06-09 2015-12-22 Rapidscan Systems, Inc. Low-dose radiographic imaging system
US9791590B2 (en) 2013-01-31 2017-10-17 Rapiscan Systems, Inc. Portable security inspection system
KR102370617B1 (ko) 2015-04-23 2022-03-04 삼성전자주식회사 적응적 샘플링을 수행하여 영상을 처리하는 방법 및 장치.
CA3074106A1 (en) * 2016-05-19 2017-11-23 Psip, Llc Methods for polyp detection
CN113541852B (zh) * 2020-03-31 2022-06-10 华为技术有限公司 信号解码方法、解码电路及手写笔
CN114061486B (zh) * 2021-11-19 2022-08-16 南京航空航天大学 面向飞机大型蒙皮曲面的自动化测量装置及其测量方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2988691B2 (ja) * 1990-06-15 1999-12-13 株式会社東芝 画像処理装置
US6018600A (en) * 1998-04-15 2000-01-25 Arch Development Corp. Sampling and reconstruction of signals and images including MR images of multiple regions
US6700672B1 (en) * 1999-07-30 2004-03-02 Mitsubishi Electric Research Labs, Inc. Anti-aliasing with line samples
DE10150428A1 (de) * 2001-10-11 2003-04-30 Siemens Ag Verfahren zur Erzeugung dreidimensionaler, mehrfachaufgelöster Volumenbilder eines Untersuchungsobjekts
DE10202986A1 (de) 2002-01-26 2003-07-31 Philips Intellectual Property Spulensystem für eine MR-Apparatur sowie MR-Apparatur mit einem solchen Spulensystem
US6943805B2 (en) * 2002-06-28 2005-09-13 Microsoft Corporation Systems and methods for providing image rendering using variable rate source sampling

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101673409B (zh) * 2009-09-11 2011-09-21 广州华多网络科技有限公司 一种应用于计算机桌面的图像渲染方法
CN103310447A (zh) * 2013-06-12 2013-09-18 中国科学院光电技术研究所 一种基于自适应技术的二维平面采样方法
CN103310447B (zh) * 2013-06-12 2016-01-13 中国科学院光电技术研究所 一种基于自适应技术的二维平面采样方法
CN105225264A (zh) * 2014-06-27 2016-01-06 三星电子株式会社 基于运动的自适应渲染
CN107110946A (zh) * 2014-09-12 2017-08-29 Ge医疗系统环球技术有限公司 磁共振装置和程序
CN107110946B (zh) * 2014-09-12 2020-05-15 Ge医疗系统环球技术有限公司 磁共振装置和程序
CN106725415A (zh) * 2016-11-15 2017-05-31 广州视源电子科技股份有限公司 电生理信号的处理方法和装置

Also Published As

Publication number Publication date
WO2005091227A1 (en) 2005-09-29
US7742631B2 (en) 2010-06-22
JP2007528769A (ja) 2007-10-18
US20070177005A1 (en) 2007-08-02
WO2005091227A8 (en) 2006-10-12
EP1728217A1 (en) 2006-12-06

Similar Documents

Publication Publication Date Title
CN1930588A (zh) 用于表面渲染的沿边缘的自适应采样
US7853058B2 (en) Determining a viewpoint for navigating a virtual camera through a biological object with a lumen
US7116810B2 (en) Method and system for airway measurement
CN1930587B (zh) 图像可视化
US7447535B2 (en) Mapping the coronary arteries on a sphere
Summers et al. Virtual bronchoscopy: segmentation method for real-time display.
US8081809B2 (en) Methods and systems for optimizing high resolution image reconstruction
US8229200B2 (en) Methods and systems for monitoring tumor burden
US9449381B2 (en) Methods, systems, and media for generating and analyzing medical images having elongated structures
US9858716B2 (en) Fast three-dimensional visualization of object volumes without image reconstruction by direct display of acquired sensor data
JP2004105731A (ja) コンピュータを利用した医療用画像の処理
CN1502310A (zh) 用于测量与疾病相关的组织变化的方法和系统
CN1875881A (zh) 拍摄、分析和显示医学图像数据组的方法
CN106691487A (zh) 成像方法和成像系统
EP1861825A1 (en) Method and device for the iterative reconstruction of cardiac images
CN108269292B (zh) 用于根据三维图像数据组产生二维投影图像的方法和设备
CN1895185A (zh) 显示检查对象的检查区域和药剂在体内影响的信息的方法
CN1707523A (zh) 医学图像显示和处理方法、ct设备、工作站及程序产品
US20130223706A1 (en) Quantification of a characteristic of a lumen of a tubular structure
CN114565711A (zh) 基于深度学习的心脏图像重建方法及系统
CN1531904A (zh) 运行成像医疗检查设备的方法
CN1711562A (zh) 用于显示以立体数据组成像的对象的方法
Zhou et al. Estimating the center of rotation of tomographic imaging systems with a limited number of projections
US20230048231A1 (en) Method and systems for aliasing artifact reduction in computed tomography imaging
Turlington et al. Improved techniques for fast sliding thin-slab volume visualization

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20070314