对三维图像进行体绘制的方法及装置制造方法及图纸

本发明专利技术提供了一种对三维图像进行体绘制的方法及装置，该对三维图像进行体绘制的方法包括：确定位于三维图像的目标区域的边界上的多个点的深度信息；基于多个点的深度信息确定目标区域的多组起点和终点；基于多组起点和终点对目标区域进行体绘制。本发明专利技术的技术方案能够提高体绘制效率、保证图像显示的流畅度、提升交互感。

【技术实现步骤摘要】
对三维图像进行体绘制的方法及装置
本专利技术涉及图像处理
，具体涉及一种对三维图像进行体绘制的方法及装置。
技术介绍
图像的三维重建以及三维可视化可以帮助人们获取图像中的细节信息，指导人们做出相应的判断。体绘制作为一种三维可视化方法，可以充分挖掘图像中的各种信息，展示图像中的细节特征。但是现有的体绘制方法存在计算量大、绘制速度低、容易出现交互不畅的问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种对三维图像进行体绘制的方法及装置，能够提高体绘制效率、保证图像显示的流畅度、提升交互感。第一方面，本专利技术的实施例提供了一种对三维图像进行体绘制的方法，包括：确定位于三维图像的目标区域的边界上的多个点的深度信息；基于多个点的深度信息确定目标区域的多组起点和终点；基于多组起点和终点对目标区域进行体绘制。在本专利技术某些实施例中，确定位于三维图像的目标区域的边界上的多个点的深度信息，包括：利用面绘制算法确定目标区域的边界上的多个体素单元中的三角面片；基于三角面片确定多个点的深度信息。在本专利技术某些实施例中，基于三角面片确定多个点的深度信息，包括：通过深度剥离对目标区域进行切片，以获得多个具有深度值的表面；基于多个具有深度值的表面与三角面片的交点确定多个点的深度信息。在本专利技术某些实施例中，面绘制算法包括移动立方体算法或移动四面体算法。在本专利技术某些实施例中，该对三维图像进行体绘制的方法还包括：利用深度学习网络模型对三维图像进行分割，以确定目标区域。在本专利技术某些实施例中，体绘制采用的算法包括光线投射算法，其中，基于多个点的深度信息确定目标区域的多组起点和终点，包括：当基于光线投射算法确定的光线穿过多个点中的第一点和第二点时，第一点和第二点中深度值较小的点为起点，第一点和第二点中深度值较大的点为终点。在本专利技术某些实施例中，三维图像为肺部医学图像，目标区域为肺部器官。第二方面，本专利技术的实施例提供了一种对三维图像进行体绘制的装置，包括：第一确定模块，用于确定位于三维图像的目标区域的边界上的多个点的深度信息；第二确定模块，用于基于多个点的深度信息确定目标区域的多组起点和终点；体绘制模块，用于基于多组起点和终点对目标区域进行体绘制。第三方面，本专利技术的实施例提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述第一方面所述的对三维图像进行体绘制的方法。第四方面，本专利技术的实施例提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行上述第一方面所述的对三维图像进行体绘制的方法。本专利技术实施例提供了一种对三维图像进行体绘制的方法及装置，通过确定目标区域的多组起点和终点，并在光线投射时，使得光线经过起点和终点，在起点和终点之间提取采样点，从而能够提高体绘制效率、保证图像显示的流畅度、提升交互感。附图说明图1所示为本专利技术一示例性实施例提供的对三维图像进行体绘制的方法的流程示意图。图2所示为本专利技术另一示例性实施例提供的位于体素中的三角面片的示意图。图3所示为本专利技术另一示例性实施例提供的对三维图像进行体绘制的方法的流程示意图。图4所示为本专利技术一示例性实施例提供的对三维图像进行体绘制的装置的结构示意图。图5所示为本专利技术一示例性实施例提供的用于对三维图像进行体绘制的电子设备的框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。由于本申请实施例涉及医学图像处理和神经网络方面的应用，为了便于理解，下面先对本申请实施例可能涉及的相关术语及神经网络等相关概念进行简单介绍。(1)数字X线摄影：数字X线摄影术(digitalradiography，DR)是数字成像技术，是在数字荧光摄影(digitalfluorography，DF)基础上发展的，它以影像增强管为信息载体，接受透过人体的X线信息，经视频摄像机采集后转换为数字信号，再行数字化。(2)CT(ComputedTomography)，即电子计算机断层扫描，它是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，可用于多种疾病的检查；根据所采用的射线不同可分为：X射线CT(X-CT)以及γ射线CT(γ-CT)等。胸部CT是通过X线计算机体层摄影(CT)对胸部进行检查的一种方法。(3)深度学习：深度学习(DeepLearning，DL)是机器学习的一种，通过建立具有阶层结构的人工神经网络(ArtificialNeuralNetworks，ANNs)，在计算系统中实现人工智能。(4)卷积神经网络：卷积神经网络(ConvolutionalNeuralNetworks，CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(FeedforwardNeuralNetworks)，是深度学习(deeplearning)的代表算法之一。卷积神经网络仿造生物的视知觉(visualperception)机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化(grid-liketopology)特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程(featureengineering)要求。(5)图像分割(Segmentation)：分割包括语义分割(semanticsegmentation)和实例分割(instancesegmentation)，前者是对背景分离的拓展，要求分离开具有不同语义的图像部分，而后者是检测任务的拓展，要求描述出目标的轮廓(相比检测框更为精细)。分割是对图像的像素级描述，它赋予每个像素类别意义，适用于理解要求较高的场景，如无人驾驶中对道路和非道路的分割。(6)光线投射(RayCasting)方法是基于图像序列的直接体绘制算法。从图像的每一个像素，沿固定方向(通常是视线方向)发射一条光线，光线穿越整个图像序列，并在这个过程中，对图像序列进行采样获取颜色信息，同时依据光线吸收模型将颜色值进行累加，直至光线穿越整个图像序列，最后得到的颜色值就是渲染图像的颜色。(7)移动立方体(MarchingCube)是面绘制的经典算法，也是所有基于体素的面绘制算法的共同基础。移动四面体(MT)是MC算法的改进，引入了更多的三角面片，为了提高绘制速度，需要适当的方法处理几何网格。GPU的几何着色器为这个问题提供了良好的解决方案。基本原理：物体的表面实际上是一个闭合的灰度等值面，其灰度值称为阀值，在该等值面内部，所有体素的灰度值都大于这个阀值，在等值面外部，所有体素的灰度值都小于这个阀值。(8)深度剥离本文档来自技高网...

【技术保护点】
1.一种对三维图像进行体绘制的方法，其特征在于，包括：/n确定位于三维图像的目标区域的边界上的多个点的深度信息；/n基于所述多个点的深度信息确定所述目标区域的多组起点和终点；/n基于所述多组起点和终点对所述目标区域进行体绘制。/n

【技术特征摘要】
1.一种对三维图像进行体绘制的方法，其特征在于，包括：
确定位于三维图像的目标区域的边界上的多个点的深度信息；
基于所述多个点的深度信息确定所述目标区域的多组起点和终点；
基于所述多组起点和终点对所述目标区域进行体绘制。


2.根据权利要求1所述的方法，其特征在于，所述确定位于三维图像的目标区域的边界上的多个点的深度信息，包括：
利用面绘制算法确定所述目标区域的边界上的多个体素单元中的三角面片；
基于所述三角面片确定所述多个点的深度信息。


3.根据权利要求2所述的方法，其特征在于，所述基于所述三角面片确定所述多个点的深度信息，包括：
通过深度剥离对所述目标区域进行切片，以获得多个具有深度值的表面；
基于所述多个具有深度值的表面与所述三角面片的交点确定所述多个点的深度信息。


4.根据权利要求2所述的方法，其特征在于，所述面绘制算法包括移动立方体算法或移动四面体算法。


5.根据权利要求1所述的方法，其特征在于，还包括：
利用深度学习网络模型对所述三维图像进行分割，以确定所述目标区域。


6.根据权利要求1至5中任一项所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：王瑜，赵朝炜，张欢，孙岩峰，邹彤，张华杰，黄文豪，俞剑舟，李新阳，王少康，陈宽，
申请(专利权)人：北京推想科技有限公司，
类型：发明
国别省市：北京;11