基于图形处理器加速光线投射算法多功能体绘制技术.docxVIP

基于图形处理器加速光线投射算法多功能体绘制技术 摘要：为克服传统算法中体绘制交互速度不流畅、 重建耗时长、绘制效果单一的不足，实现了基于图形处理器 (GPU)的光线投射算法用于医学层析图像实时体绘制，并 能快速切换不同组织器官的绘制效果。首先，读入医学层析 图像到计算机内存，构造体素；然后，设置相应体素属性(如 插值方式、着色处理、光照参数)等，设计显示不同组织器 官的颜色及不透明度传输函数；最后，GPU加载体素据并进 行光线投射算法的计算。实验结果表明，在绘制速度上，GPU 加速光线投射算法实现的多功能体绘制技术的绘制速度能 达到每秒40帧以上，完全满足临床应用需求。在绘制质量 上，用户交互中由于重采样而产生的锯齿现象明显低于CPU 端实现的光线投射算法，GPU端与CPU端绘制时间的加速比 在9倍左右。 关键词：图形处理器加速；层析图像；光线投射；体 绘制；传输函数 中图分类号：TP391.41文献标志码：A 0引言 在传统医疗诊断中，医生根据二维层析图像和多年的阅 片经验识别病灶区域，诊断结果附带一定的医生主观判断。 医学层析图像三维可视化使得医生能够以一种直观立体的 方式从任意角度观察患者的组织结构及病灶区域，有助于医 生更准确、更科学地诊断。如何以一种有效方法快速、高质 量地实现绘制是本领域现今研究的重点。目前，最常用的体 绘制［1］算法为光线投射算法，其绘制质量最高，但计算量 非常大，耗时长。在对小数据集绘制时，交互结果基本能达 到应用要求［2］ o近年来，随着图形处理器 (GraphicProcessingUnit, GPU)朝着通用计算模型的发展, 其浮点运算能力远远超过了 CPUo借助GPU实现医学层析图 像三维可视化这种涉及高密度、多线程浮点运算已成为国内 外的热点研究领域。Kruger等［3］最先提出了 GPU加速的思 想，主要是光线提早终止及空间域隔开两种。Espinha等［4］ 在此基础上，把部分预积分法应用到光线投射算法中，在等 值面绘制上，效果得到一定的提高。吴玲达等［5］应用GPU 实现了等值面的提取，并应用到电磁环境的三维可视化中。 Wang等［6］利用GPU的并行计算实现了医学图像的最大密度 投影(MaximumlntensityProjection, MIP)立体绘制。文 献［7-8］先后应用八叉树结构对体数据进行优化，以物体空 间为序体绘制的空域跳过算法［9］实现了特定数据的快速绘 制。蔡勋等［10］对以往GPU体绘制流水线的结构进行深入分 析，采用自适应数据划分剔除算法实现了 GPU体绘制流水线 的优化与预处理加速算法，进一步完善了基于GPU的体绘制 算法。在电脑配备多块GPU的情况下，也有多个GPU协同的 体绘制EllJo上述方法中，多数是针对特定医学数据，或者 特定组织对象(如骨骼)而进行研究。如何对任意大小、任 意类型的医学数字成像和通信 (DigitallmagingandCoinmunicationsinMedicine, DICOM) 医学数据绘制出多种不同组织显示的效果，是体绘制的重点 与难点。针对这些问题，本文通过设计不同的颜色及不透明 度传输函数，并应用到光线投射算法中，实现了多种不同功 能的体绘制，可快速高效地切换不同的传输函数查看不同的 组织器官，不仅绘制质量高，并且交互速度快，能达到实际 应用需求。 1GPU加速光线投射算法技术流程 1. 1工具选择 借助特定的三维图形接口可编程实现医学影像的体绘 制，包括 NVIDIA 公司的统一计算架构 (ComputeUni fi edDev iceArchi tecture, CUDA), OpenGL 和 Kitware 公司的可视化工具包(VisualizationToolkit, VTK) [12]。但是若要利用CUDA,必须拥有NVIDIA公司的显卡， 其他类型的显卡无法进行基于CUDA的应用程序开发，这限 制了它开发的普遍性。OpenGL作为开放图形类库，利用它开 发三维可视化软件，必须要求开发人员了解非常多的底层图 像相关函数，存在开发难度大、周期长等问题。而VTK作为 开源工具包，在三维计算机图形学、图像处理和可视化方面 都有非常重要的应用。并且VTK是跨平台、支持并行处理的。 VTK从5. 6版本开始支持GPU运算，内部集成了 OpenGL,具 有多种着色器，其内部封装了可视化中比较常用算法，缩短 了开发周期，降低了开发门槛，在建筑学、气象学、医学和 生物学领域上都有非常广泛地应用。 1.2光线投射算法 光线投射算法是体绘制中的经典算法，由于其绘制出的 图像质量最高，因而被广泛研究与应用。其示意图如图1所 不O 2. 2绘制速度及绘制质量分析 为了不失客观性，本文借助第三方软件Fraps来测试三 维重建