体数据可视化.pptx

体数据可视化 体数据 体数据可以理解为三维空间内x, y, z方向延伸的立方体，这个立方体由许多单位正方体所构成，单位正方体被称作“体素”；每一个体素代表着体数据中一小块区域 Voxels= volume elements 体数据来源 测量数据 如医学数据包括计算机断层扫描(CT)、磁共振成象(MRI)，超声(Ultrasound)、正电子发射成像(PET)、单光子发射成像(SPET)、x射线，以及地震地质勘探数据、气象监测数据等。 科学计算或者仿真数据 几何实体的体素化数据 直观上，通常将体数据应当在空间中连续分布；但实际应用中，通常将体数据看做一个三维空间网格上的采样点集 采样、重构 绘制方法 对于三维数据场主要有两种绘制方法： 面绘制方法 体绘制方法 面绘制方法需要根据三维数据场构造出几何图元，然后再行渲染绘制。等值面提取技术是最常用的面绘制方法之一，它可以将原始数据场中某个属性值抽取特定大小范围的轮廓，进而构造三角形网格。 体绘制方法则不用构造中间的几何图元，而是直接由三维数据场，根据数据映射关系生成二维图像。该方法能反映三维数据场的整体信息，绘制图像质量高，绘制效率较低。 加速技术 从数据组织出发 采取分层存储数据结构：八叉树、K-D树 从绘制效率出发 基于GPU的加速技术 并行绘制技术 面绘制 面绘制首先由三维空间数据场构造出中间几何图元，然后由传统的计算机图形学技术实现绘制。 等值面的构造对应特定的阈值，可以对一个或多个等值面进行提取 绘制结果空间结构易于辨识 基本绘制单元是三角面片，可以利用现有的图形硬件实现绘制功能 绘制数据量小，绘制速度快，技术算法成熟 不能反映原始数据的全貌和细节，只是将用户关心的数据特征表现出来 MC 算法 (Marching Cubes) MC算法，首先把三维标量数据离散化为规则六面体三维数据，遍历每个六面体，判断六面体的每个顶点数据与等值面阈值大小关系，然后在六面体的每条边上插值出等值点，再连接等值点形成多边形 MC 算法 (Marching Cubes) 采样 阈值 面二义性 A E C B D A C B D EisoValue EisoValue 面二义性 E A C B D EisoValue EisoValue MT算法 (Marching Tetrahedron) MT算法 (Marching Tetrahedron) 相比MC算法，MT算法有效避免了二义性的问题 同时，MT算法采用正四面体作为基本单元，算法的精细度较MC算法有很大的提高 体绘制方法 直接由三维数据场产生整体图像，包括体数据内部细节，并具有等优点。其主要问题是计算量大，计算时间较长 绘制图像质量高、能得到深度信息 避免产生中间几何图元，注重细节 算法更为复杂，绘制效率较低，计算时间较长 体绘制方法 体绘制算法主要分为像序体绘制方法和物序体绘制方法 像序体绘制方法是从屏幕上的像素出发，在体数据场中采样混合来累加像素颜色，直接得到最终图像；而物序体绘制方法则是按预定的顺序扫描体素或单元，并把体素或单元投影到屏幕的像素上 像序体绘制： 光线投射(Ray Casting) 物序体绘制： 纹理映射(Texture Mapping)；抛雪球(Splatting) 混合序体绘制 错切-变形(Shear-Warp) 像序体绘制 for yi=1 to ImageHeight for xi=1 to ImageWidth for zi=1 to RayLength foreach x0 in ResamplingFilter(xi,yi, zi) foreach y0 in ResamplingFilter(xi,yi, zi) foreach z0 in ResamplingFilter(xi,yi, zi) add contribution of Voxel[x0,y0,z0] to ImagePixel[xi,yi] 物序体绘制 for y0=1 to VolumeDepth for x0=1 to VolumeHeight for z0=1 to VolumeWidth foreach xi in ResamplingFilter(x0,y0, z0) foreach yi in ResamplingFilter(x0,y0, z0) foreach zi in ResamplingFilter(x0,y0, z0) add c