小波与傅里叶分析基础图像处理电子书第6章.pptVIP

三维图像重建的面绘制 由于每个体元有8个角点，每个角点有0，1两种可能状态。因此每个体元的8个角点共有28＝256个不同的状态。要从256种不同的状态中求出每个体元的等值面是一件非常困难的事。可以利用不同的对称性： （1）绕3条坐标轴的任一轴旋转。 （2）沿3条坐标轴的任一轴镜向反转。 考虑这些对称性之后，就可用 15种基本组合反映一个体元中8个角点可能存在的全部256个状态。从8个角点的状态就可以判断出所求等值面将与哪些体元相交，穿过体元的等值面的形状等信息。 三维图像重建的面绘制 2.等值面与体元相交的边界交点 当三维离散数据场的密度很高、体元很小时，可以假定等值面与体元边界的交点用各角点函数值在体元边界上作线性插值求得。 在稀疏的数据场中，体元较大时，可以通过三次线性插值求得等值面与边界的交点 ，等值面不是简单的两个交点的直线连接，而是一条曲线。 图6-16 MC方法构造的等值面不一定是三角面片 三维图像重建的面绘制 3.求等值面的法向矢量 为了采用光照模型和消除各三角形面片之间明暗度的不连续性变化，需要求出各三角面片的法向矢量。因为重建图像表面的法向矢量代表了局部的弯曲性，也决定了镜面反射的方向。如果已知表面的解析表达式，表面法线可直接计算出来。但是，在—般情况下，仅知道多边形的近似表示。 当仅知道多边形的近似表示时，对于每一个三角形面片或多边形面片，可以根据其所在的平面方程的系数决定该小片的法线，并取其外法线方向。通过这样的方式可用多边形的顶点或棱边信息近似求得该顶点的法线 。 三维图像重建的面绘制 图6-18 顶点法矢量的近似 顶点V1的近似法线方向为 式中， ， ， 是包围V1的三个 三角形△V1V4V2，△VlV4V3，△VlV3V2的平面方程系数。 如果每一个多边形的平面方程已知，则多边形顶点的法线取包围该顶点的各多边形的法线的平均值。 三维图像重建的面绘制 如果各多边形的平面方程未知，顶点处的法线可取交于此顶点的各棱边的平均值。 即顶点V1处的近似法线取为： 求得各顶点处的法向矢量之后，就可以非常容易地绘制等值面图像。 6-55 三维图像重建的面绘制 利用MC算法，对40幅头部切片图像重新绘制如下图所示，每层数据为128×128，共40层。 MC算法重建物体的三维表面比较逼真，具有较强的立体感。 图6-19 头部切片数据MC算法重建后显示 6.8 小结 图像重建是指根据物体探测获取的数据来重新建立图像。 根据成像光源的获取方式和成像机理的不同，可以将图像重建分为透射模型、发射模型和反射模型三种。 常用的图像重建方法包括傅立叶反投影法、卷积反投影法和代数法等。 图像重建涉及如何解相容线性方程组的问题。图像重建的优化就是希望从这些解中找出一个满足一定优化条件的最优解，从而使重建后图像最接近原图像。 可视化是图像重建的任务之一。三维空间数据场的可视化通常有两类不同的方法：面绘制法，体绘制法。 重建公式的实用化 重建公式的实用化 这样便求得了数字计算的全部公式。实际执行时仍分三步： （1）据投影数据，对极轴变量m取一维傅立叶变换，即计算 6-25 式，并据 6-28 式求出 ； （2）由 6-29 式或 6-30 式计算出 的傅立叶反变换f ’ pε,qε, n△θ （3）由 6-31 式计算出重建图像f pε,qε 6.4 卷积法重建 在 6-19 式中，当用FFT计算投影数据的傅立叶变换时，投影数据总被有限截断。当ρ的采样间隔为d时，在变换域R的变化范围为从-1/2d到1/2d，于是投影反变换重建公式可以近似写成： 6.4 卷积法重建  由前面的 6-20 和 6-16 式可知 6.4 卷积法重建 由式 6-35 可以看出，要对已经得到的投影数据实现图像重建，则可以采取两个步骤：首先将投影数据g ρ,θ 先和脉冲响应为式 6-34 的滤波器进行卷积，然后由式 6-21 对不同旋转角θ求和，就能实现图像重建。这就是采用卷积法进行图像重建的基本思路和方法。 式 6-34 表现出来的恰好是频率响应为｜R｜的滤波器，通常称之为ρ滤波器。 6.5 代数重建方法 代数重建技术就是事先对未知图像的各像素给予一个初始估值，然后利用这些假设数据去计算各射束穿过对象时可能得到的投影值（射影和），再用它们和实测投影值进行比较，根据差异获得一个修正值，利用这些修正值，修正各对应射线穿过的诸像素值。如此反复迭代，直到计算值和实测值接近