移动立方体算法(Marching cubes algorithm)

百度百科:

医学图像三维重建的方法主要有两大类:一类是三维面绘制,另一类是三维体绘制。体绘制能够更真实地反映物体结构,但由于其运算量大,即使利用高性能的计算机也无法满足实际应用中交互操作的需要。因此,面绘制是目前医学图像三维重建的主流算法。

··MarchingCubes(MC)算法是面绘制算法中的经典算法,它是W.Lorensen等人于1987年提出来的一种体素级重建方法。因其原理简单容易实现,得到了广泛的应用。

·MC算法实际上是一个分而治之的方法,因为其将等值面的抽取分布于每一个体素(voxel)中进行。对于每个被处理的体素,以三角面片来逼近其内部的等值面。每个体素是一个小立方体(cube),在构造三角面片的处理过程中对每个体素都“扫描”一遍,就好像是一个处理器在这些体素上移动一样,也因此而得名。

··在等值面抽取的过程中将一系列二维切片数据看做是一个三维的数据场,从中将具有某种阈值的物质抽取出来,以某种拓扑形式连接成三角面片,所以MC算法也被称为“等值面提取”(IsosurfaceExtraction)算法

··在医学应用上,采用MC算法可以重建人体外部轮廓、内部组织器官,使医生能够直接在三维图像上观察感兴趣的器官与周围组织的空间关系。

·在MC算法中,假定原始数据是离散的三维空间规则数据场,用于医疗诊断的断层扫描(CT)图像就属于这一类型。

··MC算法的基本思想是逐个处理数据场中的立方体,找出与等值面相交的立方体,采用线性插值计算出等值面与立方体边的交点。根据立方体每一顶点与等值面的相对位置,将等值面与立方体边上的交点按一定方式连接生成等值面,作为等值面在该立方体内的一个逼近表示。

··因而,MC算法中每一单元内等值面抽取的两个主要计算

(1)体素中由三角面片逼近的等值面计算;

(2)三角面片各顶点法向量计算。

时间: 2024-10-26 14:59:34

移动立方体算法(Marching cubes algorithm)的相关文章

水泡动画模拟(Marching Cubes)

Marching Cubes算法是三维离散数据场中提取等值面的经典算法,其主要应用于医学领域的可视化场景,例如CT扫描和MRI扫描的3D重建等. 算法主要的思想是在三维离散数据场中通过线性插值来逼近等值面,具体如下:三维离散数据场中每个栅格单元作为一个体素,体素的每个顶点都存在对应的标量值.如果体素顶点上的值大于或等于等值面值,则定义该顶点位于等值面之外,标记为“0”:而如果体素顶点上的值小于等值面值,则定义该顶点位于等值面之内,标记为“1”.由于每个体素单元有8个顶点,那么共存在2^8 = 2

Marching squares & Marching cubes

提要 Marching squares 主要是用于从一个地图(用二维数组表示)生成轮廓的算法.Marching cubes则对应的是在空间生成网格的方法.最常见的应用就是天气预报中气压图的生成,还常用于随机地形的生成. Marching squares 先说算法步骤. (1) 输入是一个Scalar grid,它是一张二维的表. 这张表可以从一张二维图像生成,也可以从高度图生成等等.每个顶点对应一个Scalar值. (2) 接下来要做的就是将顶点值和与一个标准值 σ 相减,得到一张 +/- gr

leetcode 算法 之 马拉松算法(Manacher's algorithm)(未完成)

马拉松算法:马拉松算法是用来计算一个字符串中最长的回文字符串(对称字符串,如aba abba). 首先,我们拿到一个字符串S,然后在S中的每个字符之间加#.例如:S="abcb" T="a#b#c#b" 我们T字符串的每一个T[i]向延伸d个字符 使得 T[i-d,i+d]是一个回文字符串.你会立刻发现,d就是以T[i]为中心的最长回文字符串的长度. 我们建立一个P数组,是的P数组的长度等于T的长度,每一个P[i]的值表示对应的T[i]为中心的最大回文字符串的长度.

[算法导论]quicksort algorithm @ Python

算法导论上面快速排序的实现. 代码: def partition(array, left, right): i = left-1 for j in range(left, right): if array[j] <= array[right]: i += 1 array[j], array[i] = array[i], array[j] array[i+1], array[right] = array[right], array[i+1] return i+1 def quicksort(arr

PCL系列——三维重构之移动立方体算法

PCL系列 PCL系列--读入PCD格式文件操作 PCL系列--将点云数据写入PCD格式文件 PCL系列--拼接两个点云 PCL系列--从深度图像(RangeImage)中提取NARF关键点 PCL系列--如何可视化深度图像 PCL系列--如何使用迭代最近点法(ICP)配准 PCL系列--如何逐渐地配准一对点云 PCL系列--三维重构之泊松重构 PCL系列--三维重构之贪婪三角投影算法 PCL系列--三维重构之移动立方体算法 说明 通过本教程,我们将会学会: 如果通过移动立方体算法进行三维点云重

指数退避算法exponential back-off algorithm

在很多场景下,我们都需要解决一些诸如轮训这样的问题.如果这样的算法出现在app上,这种轮训对于app性能和电量的消耗都是个巨大的灾难,那如何解决这种问题呢? app在上一次更新操作之后还未被使用的情况下,使用指数退避算法exponential back-off algorithm来减少更新频率.这里我们介绍下指数退避算法. SharedPreferences sp = context.getSharedPreferences(PREFS, Context.MODE_WORLD_READABLE)

关联规则算法(The Apriori algorithm)详解

一.前言 在学习The Apriori algorithm算法时,参考了多篇博客和一篇论文,尽管这些都是很优秀的文章,但是并没有一篇文章详解了算法的整个流程,故整理多篇文章,并加入自己的一些注解,有了下面的文章.大部分应该是copy各篇博客和翻译了论文的重要知识. 关联规则的目的在于在一个数据集中找出项之间的关系,也称之为购物蓝分析 (market basket analysis).例如,购买鞋的顾客,有10%的可能也会买袜子,60%的买面包的顾客,也会买牛奶.这其中最有名的例子就是"尿布和啤酒

求平方根算法 Heron’s algorithm

求平方根问题 概述:本文介绍一个古老但是高效的求平方根的算法及其python实现,分析它为什么可以快速求解,并说明它为何就是牛顿迭代法的特例. 问题:求一个正实数的平方根. 给定正实数 \(m\),如何求其平方根\(\sqrt{m}\)? 你可能记住了一些完全平方数的平方根,比如\(4, 9, 16, 144, 256\)等.那其它数字(比如\(105.6\))的平方根怎么求呢? 实际上,正实数的平方根有很多算法可以求.这里介绍一个最早可能是巴比伦人发现的算法,叫做Heron's algorit

C++中的算法头文件&lt;algorithm&gt;,&lt;numeric&gt;和&lt;functional&gt;

算法部分主要由头文件<algorithm>,<numeric>和<functional>组成.<algorithm>是所有STL头文件中最大的一个,它是由一大堆模版函数组成的,可以认为每个函数在很大程度上都是独立的,其中常用到的功能范围涉及到比较.交换.查找.遍历操作.复制.修改.移除.反转.排序.合并等等.相关函数:http://www.cplusplus.com/reference/algorithm/<numeric>体积很小,只包括几个在