一種用于突出顯示體數(shù)據(jù)中目標(biāo)區(qū)域的體繪制方法
【專(zhuān)利摘要】本發(fā)明涉及一種用于突出顯示體數(shù)據(jù)中目標(biāo)區(qū)域的體繪制方法，屬于計(jì)算機(jī)圖形學(xué)中科學(xué)可視化直接體繪制【技術(shù)領(lǐng)域】。首先計(jì)算原始數(shù)據(jù)的多個(gè)特征，對(duì)特征數(shù)據(jù)進(jìn)行評(píng)估選擇合適的特征組成傳輸函數(shù)。用歸一化割方法分割二維直方圖圖像對(duì)目標(biāo)數(shù)據(jù)進(jìn)行分離。如果目標(biāo)分離不夠精細(xì)，就繼續(xù)選擇合適的特征對(duì)當(dāng)前結(jié)果進(jìn)一步分離，從而逐步得到精細(xì)的分離結(jié)果。之后利用分離結(jié)果合成最終的傳輸函數(shù)。最后在體繪制時(shí)利用傳輸函數(shù)突出顯示目標(biāo)區(qū)域，得到理想的可視化效果。本發(fā)明方法強(qiáng)化了傳輸函數(shù)的特征區(qū)分能力，使用了基于二維直方圖圖像分割和層次聚類(lèi)的交互方式，操作便捷。而且適用于多種數(shù)據(jù)。
【專(zhuān)利說(shuō)明】—種用于突出顯示體數(shù)據(jù)中目標(biāo)區(qū)域的體繪制方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種用于突出顯示體數(shù)據(jù)中目標(biāo)區(qū)域的體繪制方法，屬于計(jì)算機(jī)圖形學(xué)中科學(xué)可視化直接體繪制【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002]直接體繪制方法是探索三維圖像整體信息和內(nèi)部結(jié)構(gòu)的一種有效手段。直接體繪制方法通過(guò)傳輸函數(shù)為不同的體素設(shè)置不同的顏色和不透明度，然后采用光學(xué)積分模型對(duì)體數(shù)據(jù)采樣，得到繪制結(jié)果。其中傳輸函數(shù)的設(shè)計(jì)是決定體繪制結(jié)果好壞的關(guān)鍵。通過(guò)傳輸函數(shù)，用戶(hù)可以從原始體數(shù)據(jù)中分離出用戶(hù)感興趣的區(qū)域，并對(duì)其突出顯示。按使用的特征維度分類(lèi)，傳輸函數(shù)的幾種類(lèi)型及相應(yīng)存在的問(wèn)題如下:
[0003](I)以灰度作為特征的一維傳輸函數(shù)是目前應(yīng)用最廣的傳輸函數(shù)，它具有良好的交互性和較好的可視化效果。但對(duì)于具有相同灰度的不同特征，一維灰度傳輸函數(shù)并不能很好地區(qū)分。
[0004](2) 二維傳輸函數(shù)在科研領(lǐng)域十分流行。它憑借特征維度的優(yōu)勢(shì)相比一維傳輸函數(shù)擁有更強(qiáng)的特征區(qū)分能力。但是將三維以上的體素信息投射到二維傳輸函數(shù)上也會(huì)引起維度丟失，而且二維傳輸函數(shù)的交互不直觀，操作不便捷。
[0005](3)三維以上的傳輸函數(shù)具有更好的特征維度優(yōu)勢(shì)，特征區(qū)分能力更突出。但是其傳輸函數(shù)的交互非常復(fù)雜，無(wú)論在科研領(lǐng)域還是工業(yè)界都沒(méi)有得到廣泛的應(yīng)用。
[0006]除此之外，還有很多應(yīng)用于某種特定體數(shù)據(jù)的傳輸函數(shù)設(shè)計(jì)方法，如醫(yī)學(xué)中用于突出血管的傳輸函數(shù)設(shè)計(jì)。也有很多強(qiáng)化交互模式的傳輸函數(shù)設(shè)計(jì)方法，如直接與體繪制結(jié)果交互的所見(jiàn)即所得的傳輸函數(shù)設(shè)計(jì)。
[0007]以上這些方法都有自己獨(dú)特的優(yōu)勢(shì)，但不能同時(shí)具有簡(jiǎn)單的交互模式，強(qiáng)大的特征區(qū)分能力和多種數(shù)據(jù)應(yīng)用范圍這些特點(diǎn)。如何讓傳輸函數(shù)對(duì)多種數(shù)據(jù)同時(shí)擁有強(qiáng)大的特征區(qū)分能力和交互的便捷性仍然是一個(gè)亟待解決的問(wèn)題。


【發(fā)明內(nèi)容】

[0008]本發(fā)明的目的是提出一種用于突出顯示體數(shù)據(jù)中目標(biāo)區(qū)域的體繪制方法，在二維傳輸函數(shù)的基礎(chǔ)上，依次使用不同的特征對(duì)原始體數(shù)據(jù)進(jìn)行處理，以求利用特征維度的拓展，逐步精確目標(biāo)區(qū)域的分離。同時(shí)利用面向數(shù)據(jù)分類(lèi)的特征空間度量差異性的評(píng)估方法，在分離目標(biāo)區(qū)時(shí)下一二維傳輸函數(shù)特征維度的選取，使得選用特征之間的差異性較大，從而逐步構(gòu)造合適的特征序列。
[0009]本發(fā)明提出的用于突出顯示體數(shù)據(jù)中目標(biāo)區(qū)域的體繪制方法，包括以下步驟:
[0010](I)分別計(jì)算體數(shù)據(jù)的梯度特征、曲率特征、分型特征、光滑度、線型特征和三維不變矩，具體過(guò)程如下:
[0011](1-1)設(shè)體數(shù)據(jù)中任意一個(gè)體素的梯度特征為G，G = |g|，G為g的模，g為體數(shù)據(jù)中體素的梯度向量，

【權(quán)利要求】
1.一種用于突出顯示體數(shù)據(jù)中目標(biāo)區(qū)域的體繪制方法，其特征在于該方法包括以下步驟: (I)分別計(jì)算體數(shù)據(jù)的梯度特征、曲率特征、分型特征、光滑度、線型特征和三維不變矩，具體過(guò)程如下:(1-1)設(shè)體數(shù)據(jù)中任意一個(gè)體素的梯度特征為G，G = |g|，G為g的模，g為體數(shù)據(jù)中體素的梯度向量，
f為體數(shù)據(jù)灰度特征在x、y、z三個(gè)方向上的函數(shù)映射，灰度特征為體素的數(shù)值特征
的轉(zhuǎn)置，則體數(shù)據(jù)的梯度特征為體數(shù)據(jù)中所有體素的梯度特征按照體素在體數(shù)據(jù)中的位置排列得到的一個(gè)三維矩陣；(1-2)設(shè)體數(shù)據(jù)中任意一個(gè)體素的曲率特征為Cm,cn=k1+k2/2,K1為體素所在位置的主曲率，K 2為體素所在位置的副曲率
為幾何張量ζ的跡，F(xiàn)為幾何張量Z的弗羅貝尼烏斯范數(shù)，幾何張量
其中扎是體素的海森矩陣，Pffl是體素所在位置的等值面切平面矩陣，Pffl = Ι-ηνη；, I為單位矩陣，ην為體素所在位置的表面向量，nv = η；為ην的轉(zhuǎn)置，則體數(shù)據(jù)的曲率特征為體數(shù)據(jù)中所有體素的曲率特征按照體素在體數(shù)據(jù)中的位置排列得到的三維矩陣；(1-3)設(shè)體數(shù)據(jù)中任意一個(gè)體素的分型特征為D，對(duì)體數(shù)據(jù)中任意一個(gè)體素Vi,分型特征

為體素 Vi 的鄰域，r 為鄰域半徑，f(vj)為體素Vj的灰度特征，Vj為體素Vi的鄰域U(Vi，r)中任意體素，r))表示體素Vi的以r為半徑的鄰域中所有體素的灰度特征的和，kd的取值為2，則體數(shù)據(jù)的分型特征為體數(shù)據(jù)中所有體素的分型特征按照體素在體數(shù)據(jù)中的位置排列得到的三維矩陣；(1-4)設(shè)體數(shù)據(jù)中任意一個(gè)體素的光滑度為S，對(duì)體數(shù)據(jù)中任意一個(gè)體素Vi,光滑度5 = 1-$，其中σ2為體素Vi的鄰域U(Vi，r)中所有體素的灰度特征方差，體素Vi的鄰域半徑r取2，則體數(shù)據(jù)的光滑度為體數(shù)據(jù)中所有體素的光滑度按照體素在體數(shù)據(jù)中的位置排列得到的三維矩陣；(1-5)設(shè)體數(shù)據(jù)中任意一個(gè)體素的線型特征為Fflit，對(duì)體數(shù)據(jù)中任意一個(gè)體素Vi，線型特征
，其中為權(quán)值，取值為任意非負(fù)實(shí)數(shù)，r為體素Vi的鄰域半徑
，其中5力~均一化后的

結(jié)果，
為體素Vi的鄰域內(nèi)以鄰域邊界為兩端端點(diǎn)且通過(guò)Vi的線段，線段總數(shù)為12r2+l，'為線段Lk上的一個(gè)體素，體素Vi的鄰域半徑r取1，則體數(shù)據(jù)的線型特征為體數(shù)據(jù)中所有體素的線型特征按照體素在體數(shù)據(jù)中的位置排列得到的三維矩陣； (1-6)設(shè)體數(shù)據(jù)中任意一個(gè)體素的三維不變矩為τ，三維不變矩τ = μ 200+μ 020+μ 002^其中μ 200> μ 020和μ 002分別為中心距，對(duì)任意一個(gè)體素 '，中心距計(jì)算通式為:
其中Vj是體素Vi鄰域U (Vi, r)內(nèi)的任意一個(gè)體素，X1, X2, X3分別為體素Vj在體數(shù)據(jù)中三個(gè)維度的坐標(biāo)值，石，石，石分別為體素Vi的鄰域U(Vi，r)的灰度特征重心在體數(shù)據(jù)中三個(gè)維度的坐標(biāo)值，f (x1； x2, X3)為Vj的灰度特征，體素Vi的鄰域半徑r取4,則體數(shù)據(jù)的三維不變矩為體數(shù)據(jù)中所有體素的三維不變矩按照體素在體數(shù)據(jù)中的位置排列得到的三維矩陣； (1-7)將原始體數(shù)據(jù)進(jìn)行備份，備份的原始體數(shù)據(jù)記為Vcw ； (2)分別計(jì)算上述步驟(1)中得到的六個(gè)特征的特征評(píng)估量E，E=Q1Ln-W2R^w3Cn,其中ωι，ω2，ω3為權(quán)值，取值為任意非負(fù)實(shí)數(shù)，Ln、Rn、Cn分別為對(duì)特征距離評(píng)估量L、特征相關(guān)性評(píng)估量R、特征價(jià)值評(píng)估量C進(jìn)行均一化處理的結(jié)果，L、R、C分別為:
'其中為用k均值聚類(lèi)算法對(duì)特征Ρι聚類(lèi)后的
第I1個(gè)類(lèi)的重心，P1為上一次評(píng)估時(shí)選取的特征評(píng)估量E為最大的特征，若當(dāng)前評(píng)估為第一次評(píng)估，則特EP1為灰度特征，h為用k均值聚類(lèi)算法對(duì)特征P1聚類(lèi)后得到的類(lèi)的個(gè)數(shù)，為用k均值聚類(lèi)算法對(duì)特征P2聚類(lèi)后的第J1個(gè)類(lèi)的重心，P2為待評(píng)估的特征，k2為用k均值聚類(lèi)算法對(duì)待評(píng)估的特征P2聚類(lèi)后得到的類(lèi)的個(gè)數(shù)； R = H(P1)+H(P2)-H(P1, P2)，其中H(P1)為特征P1的信息熵，H(P2)為待評(píng)估特征P2的信息熵，H(P1, P2)為特征P1和待評(píng)估的特征P2的聯(lián)合熵；
C = H(P17P2)-H(P1)； (3)從步驟(2)的六個(gè)特征中選取特征評(píng)估量E為最大的特征，記為P，用特征P與原始體數(shù)據(jù)的灰度特征組成一個(gè)二維傳輸函數(shù)，用該二維傳輸函數(shù)對(duì)原始體數(shù)據(jù)中的目標(biāo)區(qū)域進(jìn)行分離，得到原始體數(shù)據(jù)中位置在目標(biāo)區(qū)域中的體素，分離過(guò)程如下: (3-1)用特征P與體數(shù)據(jù)的灰度特征組成一個(gè)二維統(tǒng)計(jì)直方圖，用歸一化割方法對(duì)該直方圖圖像進(jìn)行分割，得到多個(gè)二維統(tǒng)計(jì)直方圖圖像子區(qū)域，記該多個(gè)子區(qū)域組成的集合為Y0 ； (3-2)計(jì)算原始體數(shù)據(jù)中所有體素在二維統(tǒng)計(jì)直方圖中的坐標(biāo)，根據(jù)該坐標(biāo)，從原始體數(shù)據(jù)中分別找到與每個(gè)子區(qū)域相對(duì)應(yīng)的體素，利用光線投射方法，分別對(duì)與每個(gè)子區(qū)域相對(duì)應(yīng)的體素進(jìn)行體繪制，得到多個(gè)體繪制圖像； (3-3)從子區(qū)域集合Ytl中得到最終子區(qū)域集合Ofinal，過(guò)程如下: (3-3-1)初始化時(shí)，最終子區(qū)域集合為空集，對(duì)Ytl中所有子區(qū)域進(jìn)行從I到w排序，其中w是子區(qū)域集合Ytl中子區(qū)域的數(shù)量； (3-3-2)從子區(qū)域集合Ytl中取出標(biāo)號(hào)最小的子區(qū)域％，若與子區(qū)域％相對(duì)應(yīng)的體繪制圖像中只包含目標(biāo)區(qū)域，則將10放入最終子區(qū)域集合中，并將10從Ytl中刪除，將刪除10后的\記為Y1 ;若與子區(qū)域％相對(duì)應(yīng)的體繪制圖像中只包含非目標(biāo)區(qū)域，則將％從\中刪除，將刪除％后的Ytl記為Y1，若與子區(qū)域10相對(duì)應(yīng)的體繪制圖像中既包含目標(biāo)區(qū)域又包含非目標(biāo)區(qū)域，則用歸一化割方法對(duì)子區(qū)域10進(jìn)行分割，得到兩個(gè)新的子區(qū)域Y1和12，分別將Y1和I2加入到子區(qū)域集合Ytl中，將L從Yci中刪除，得到新的子區(qū)域集合Y1, Y1中Y1標(biāo)號(hào)為Nmax+1, Y2標(biāo)號(hào)為N_+2，其中Nniax為子區(qū)域集合Ytl中子區(qū)域標(biāo)號(hào)的最大值； 重復(fù)上述步驟，若子區(qū)域集合Y變?yōu)榭占?，則記最終子區(qū)域集合為Ofinal，進(jìn)行步驟(3-4);若上述步驟重復(fù)次數(shù)超過(guò)30次，則將Y3tl中剩余的所有子區(qū)域加入到最終子區(qū)域集合中，并記最終子區(qū)域集合為Ofinal，進(jìn)行步驟(3-4)； (3-4)根據(jù)步驟(3-2)得到原始體數(shù)據(jù)中所有體素的坐標(biāo)，分別分離出坐標(biāo)在最終子區(qū)域集合Ofinal中的每個(gè)子區(qū)域的所有體素，所有體素組成的集合記為I，按照體素在原始體數(shù)據(jù)中的坐標(biāo)，將\中的所有體素加入到原始體數(shù)據(jù)中，將加入\中的所有體素后的原始體數(shù)據(jù)記為\，根據(jù)下式對(duì) \的灰度特征進(jìn)行處理，得到Vn的新的灰度特征如下:
其中Vh為Vn中的任意一個(gè)體素，fold (Vh)為Vn中Vh的原來(lái)的灰度特征，fnew (Vh)為\中Vh的新的灰度特征； (3-5)對(duì)上述Vn中的體素進(jìn)行判斷，若Vn中的任意體素Vh滿(mǎn)足Vh e Vp則進(jìn)行步驟(4)，若Vn中存在一個(gè)體素vh，滿(mǎn)足仏t片，則根據(jù)下式對(duì)步驟⑴的6種特征數(shù)據(jù)進(jìn)行處理，得到與每種特征相對(duì)應(yīng)的新的特征值:
其中Vh為Vn中任意一個(gè)體素，Pf-(Vh)表示Vh的原來(lái)特征值，






Pfeatutr—new(Vh)表不Vh的新特征值，返回步驟(2); (4)利用步驟(3)得到的體數(shù)據(jù)Vn和步驟(1)中的備份原始體數(shù)據(jù)Vmw，合成一個(gè)傳輸函數(shù)，利用該傳輸函數(shù)得到體繪制圖像，具體過(guò)程如下: (4-1)將步驟(3)得到的體數(shù)據(jù)Vn中的體素歸為一個(gè)類(lèi)，記為Hitl; (4-2)根據(jù)備份的原始體數(shù)據(jù)Vrapy，將步驟(3)得到的體數(shù)據(jù)Vn中灰度特征變?yōu)镺的體素的灰度特征值恢復(fù)為原來(lái)的灰度特征值，將恢復(fù)灰度特征值的體素組成一個(gè)集合，記為V。，用V。中所有體素的梯度特征和灰度特征組成一個(gè)二維統(tǒng)計(jì)直方圖，采用歸一化割方法將此直方圖分割成e個(gè)子區(qū)域，分別記為a1、afae ； (4-3)計(jì)算上述V。中所有體素在梯度特征和灰度特征組成的二維統(tǒng)計(jì)直方圖中的坐標(biāo)，根據(jù)V。中所有體素在該二維統(tǒng)計(jì)直方圖中的坐標(biāo)，將V。劃分為e個(gè)類(lèi)，分別記為m1、m2...mb...me,b = I, 2,..., e,分類(lèi)方法為:對(duì)V0中任意一個(gè)體素Vi,若Vi在該二維統(tǒng)計(jì)直方圖中的坐標(biāo)在子區(qū)域ab內(nèi)部，則將Vi歸到類(lèi)mb中； (4-4)根據(jù)顯示需要，為體數(shù)據(jù)Vn中的體素的類(lèi)Hitl設(shè)置不透明度和顏色，為類(lèi)設(shè)置不透明度和互相不同的顏色，不透明度取值范圍為[O，I]，顏色采用紅綠藍(lán)顏色模型，紅、綠、藍(lán)顏色分量的強(qiáng)度值范圍為[0，255]，根據(jù)體數(shù)據(jù)中每個(gè)類(lèi)的顏色和不透明度，采用光線投射算法得到最終的突出顯示目標(biāo)區(qū)域的體繪制圖像。
【文檔編號(hào)】G06T7/00GK104167013SQ201410378697
【公開(kāi)日】2014年11月26日 申請(qǐng)日期:2014年8月4日 優(yōu)先權(quán)日:2014年8月4日
【發(fā)明者】陳莉, 孫思遠(yuǎn) 申請(qǐng)人:清華大學(xué)