（计算机软件与理论专业论文）基于改进snake算法的轮廓线提取和颅面重建模型研究.pdf

摘要 在颅面重建过程中，大批颅骨和人脸三维模型大多用m c 算法生成，而用这种算法 生成的模型数据比较庞大并且大部分含有很难去除的杂质，化简到一定程度又会出现表 示精度不够的问题。本文通过研究颅面轮廓线提取算法和基于轮廓线的颅面模型重构算 法来解决这个问题。主要研究内容包括以下几个方面： 1 颅面轮廓线提取。提出了s n a k e 算法和射线法结合的思想，可以精准地把颅骨 部分和脑内杂质部分分离，提取出不连续的颅骨最夕 层轮廓线。 2 轮廓线处理。实现了对轮廓线上点的排序算法，让层与层之间的轮廓线中的点 的按照某种顺序存储，以便于下一步的基于轮廓线的三维模型重建。 3 基于轮廓线的颅面模型重建。提出了改进的最短对角线法，可以对封闭的面皮 最外层轮廓线、不连续的颅骨最外层轮廓线进行层与层之间的连接，重建无厚 度无杂质的颅面模型，为颅面重建提供了极好的数据支持。 4 三维模型优化。设计了“画刷”工具对三角网格模型进行杂质去除，同时运用 点删除算法进行三角网格化简，运用线性插值法对三角网格进行空洞修复。 基于如上研究内容设计与实现了c t 图像处理和i 维重建系统。在轮廓线提取阶段， 本文提出算法与传统轮廓线提取算法相比的优点是可以有选择地、批量地提取需要的轮 廓线部分并且只提取出颅骨图像的最外层轮廓线；在颅面模型重建阶段，本文提出的算 法可以智能对断裂轮廓线进行连接。实验证明，用本文算法提取出来的轮廓线生成的三 维颅面模型具有数据量小表达清晰的优点，为研究颅面形态学提供了便利。 关键词：改进s n a k e 算法，轮廓线提取，改进最短对角线法，模型重建，模型优化 c o n t o u re x t r a c t i o na n dc o n t o u r - b a s e dc r a n i o f a c i a lm o d e l r e c o n s t r u c t i o na l g o r i t h mr e s e a r c h a b s t r a c t i nt h ec r a n i o f a c i a lr e c o n s t r u c t i o np r o c e s s ，al a r g en u m b e ro fc r a n i o f a c i a lm o d e l sa r e m o s t l yg e n e r a t e db ym cm e t h o d ，b u tt h em o d e l sg e n e r a t e du s i n gt h i sa l g o r i t h mt a k e st o o m u c hs p a c ef o rs t o r i n ga n dm o s to ft h e mh a si n d e l i b l ei m p u r i t i e sw h i c hc a u s et h ep r o b l e mo f i n s u f f i c i e n ta c c u r a c yw h e ns i m p l i f i c a t e dt oac e r t a i nd e g r e e i no r d e rt os o l v et h i sp r o b l e m ， t h i sp a p e rt r i e st or e c o n s t r u c tb e t t e rc r a n i o f a c i a lm o d e l sb a s e do nt h ek e yp r o b l e ma b o u t c o n t o u re x t r a c t i n gt e c h n o l o g y t h er e s e a r c hi nt h i sp a p e ri sm a i n l ya b o u t ： 1 e x t r a c tc r a n i o f a e i a lc o n t o u r p r o p o s e dam e t h o dw h i c hm e r g es n a k ea l g o r i t h m a n dr a ym e t h o dt oa c c u r a t ee x t r a c tt h ec o m p l e x ，d i s c o n t i n u o u so u t e r m o s tl a y e ro f t h es k u l lc o n t o u r 2 c o n t o u r p r o c e s s i n g a c h i e v e dt h ep o i n ts o r ta l g o r i t h m ，t om a k es u r et h ec o n t o u r p o i n t si ss t o r e da c c o r d i n gt oa l lo r d e r - t h e nw ec a nd ot h et h r e e d i m e n s i o n a l m o d e lr e c o n s t r u c t i o nf r o mp l a n a rc o n t o u rs m o o t h l y 3 c r a n i o f a c i a ls u r f a c er e c o n s t r u c t i o n p r o p o s e da ni m p r o v e dm e t h o do ft h es h o r t e s t d i a g o n a lm e t h o dt oc o n n e c tc l o s e df a c ec o n t o u rl i n e sa n dd i s c o n t i n u o u ss k u l l c o n t o u rl i n e sb e t w e e nl a y e r s ，r e c o n s t r u c tn ot h i c k n e s sa n di m p u r i t yc r a n i o f a c i a l m o d e l s r e s u l ts h o w si t p r o v i d e s e x c e l l e n td a t a s u p p o r t f o rc r a n i o f a c i a l r e v e r s i o n 4 m o d e lo p t i m i z a t i o n d e s i g na ”p a i n tb r u s h ”t or e m o v ei m p u r i t i e s ，w h i l eu s ep 0 缸 d e l e t i o na l g o r i t h mt os i m p l i f yt r i a n g l em e s ha n du s et h el i n e a ri n t e r p o l a t i o nt o r e p a i rg r i dh o l e d e v e l o p sac ti m a g ep r o c e s s i n ga n dt h r e e - d i m e n s i o n a lr e c o n s t r u c t i o ns y s t e m i nt h e c o n t o u re x t r a c t i o ns t a g e ，t h ep r o p o s e da l g o r i t h mh a st h ea d v a n t a g eo fc h o o s i n gw h i c hp a r to f t h ec o n t o u r sb e e ne x t r a c t e da n do n l ye x t r a c t i n gt h eo u t e r m o s tc o n t o u rc o m p a r e d 、析t ht h e t r a d i t i o n a la l g o r i t h m i nt h er e c o n s t r u c t i o ns t a g e ，t h ep r o p o s e da l g o r i t h mc a nb es m a r to n c o n n e c t i n gc o n t o u rl i n e s t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ea l g o r i t h mi nt h i sp a p e rc a l l g e n e r a t em o d e l sw h i c ho c c u p yas m a l lh a r dd i s ks p a c ea n de x p r e s sal o to fi n f o r m a t i o n i t a l s op r o v i d e sa ne x c e l l e n tp l a t f o r mf o rf u r t h e rc r a n i o f a c i a lm o r p h o l o g ys t u d y k e yw o r d s ：i m p r o v e ds n a k ea l g o r i t h m ，c o n t o u re x t r a c t i n g ，i m p r o v e dm e t h o do f t h e s h o r t e s td i a g o n a l ，c r a n i o f a c i a lr e c o n s t r u c t i o n ，m o d e lo p t i m i z a t i o n 西北大学学位论文知识产权声明书 本人完全了解西北大学关于收集、保存、使用学位论文的规定。学校 有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许 论文被查阅和借阅。本人授权西北大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。同时授权中国科学技术信息研究所等机构将本学位论 文收录到中国学位论文全文数据库或其它相关数据库。 保密论文待解密后适用本声明。 学位论文作者签名：j 銮一指导教师签名： a o 。年6 月工，e l莎1 年h 月& f 日 西北大学学位论文独创性声明 本人声明：所呈交的学位论文是本人在导师指导下进行的研究工作及 取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，本 论文不包含其它人已经发表或撰写过的研究成果，也不包含为获得西北大 学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对 本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：铸 a 每i p 年6月) j 日 两北大学硕士学位论文 第1 章绪论 1 1 研究背景及意义 科学计算可视化能够把科学数据，包括测量获得的数值、图像或是计算中涉及、产 生的数字信息变为直观的、以图形图像信息表示的、随时间和空间变化的物理现象或物 理量呈现在研究者面前，使他们能够观察、模拟和计算。科学计算可视化自1 9 8 7 年提出 以来，在各工程和计算领域得到了广泛的应用和发展。 器官三维模型重建是科学计算机可视化的一个重要研究领域，是很多实用系统的基 础，如基于c t 病理分析、基于c t 的手术导引与增强、虚拟手术平台等应用系统，因 此医学图像的三维重建一直是国内外医学界及图像领域的研究热点。在此未被广泛应用 之前，医生主要通过计算机断层扫描( c o m p u t e r i z e dt o p o g r a p h y ，c t ) 、核磁共振成像 ( n u c l e a rm a g n e t i cr e s o n a n c ei m a g i n g ，简称m r i 或n m r ) 、等医学成像设备提供的二维 断层图像对患者进行诊断。而这些二维断层图像只是表达的某一层面的解剖信息并且存 在对比度低、图像粗糙等问题，很难清晰明了的表达出患者的症结所在。随着医学及计 算机科学领域技术的快速发展。以w l o r e n s e n 【1 】为代表的学者提出了基于二维断层图像 重建三维模型的构想。其主要原理是把实验或者数值计算获得的大量数据转化为人的视 觉可以感觉的计算机图像。主要目标是得到人体组织和器官的逼真三维图形显示，以便 于医生在计算机上对人体器官进行不同角度的观察和测量，对病情做出正确判断，必要 时还可从任意方向剖开或去掉头盖骨的某个部分，进行虚拟手术进而权衡手术可行性。 三维模型可视化技术的大力推进，大大降低的误诊率，研究有风险手术的可行性并有效 提高了手术的成功率和科学性，具有很大的医学应用价值。 另外，三维模型重建还可以扩展应用在其他方面，比如颅面彤态学研究，计算机辅 助的颅骨面貌复原技术【2 卅。研究人员只需要输入人体头部c t 数据，通过三维重建技术 以获得逼真的三维人脸及颅骨模型。此后对这些模型进行研究，例如三维测量，计算颅 骨和面皮的对应关系对颅面颅面形念学关系进行研究，从而实现面貌复原等等。 三维模型重建的主要方法包括以下两大类：一类是基于表面重构的方法，即面绘制 1 7 】；另一类是基于体数据0 8 1 的方法，即体绘制。 面绘制是一种摹于阈值的抽取物体表面信息的可视化方法，町有效地重构出感兴趣 的三维物体表面。表面绘制是表示三维物体形状最基本的方法，它可以提供三维物体形 状的全面信息。基于表面的方法主要优点是可以采用比较成熟的计算机图形学方法进行 第一章绪论 显示，( 如裁剪、隐藏面消除、光照和浓淡计算等) 计算量小，运行速度快，可实现实时 显示。最常用的方法有两种：断层问构造等值面和等值面提取法。所谓断层问构造等值 面即将相邻断面上的点以一定的方法用直线段连接构成三角化网格。而等值面生成法最 具代表性的就是w l o r e n s e n 提出的m a r c h i n gc u b e s 方法。该算法首先确定一个表面阈 值，以扫描线方式逐个处理数据场中每个体素( 两张切片上下相对应的四个点构成一个 立方体体素1 ，将体素中每个顶点的函数值与给定的等值面的阂值相比较，确定体素的 棱边与等值面的交点，以这些交点为顶点，绘制等值面。 体绘制与面绘制不同，它是一种基于体素的绘制技术，能显示出对象体的内部细节。 对象体不再是用几何曲面或曲线表示的三维实体，而是以体素( v o x e l ) 作为基本造型单 元。对于每一体素，不仅其表面而且其内部都包含了对象信息，这是仅用曲线或曲面等 几何造型方法所无法表示的。体绘制算法可以分为三类：物体空间的绘制算法1 9 ，- 0 l 、图 像空问的绘制算法l i m 2 和图像和物体空间混合算法t 1 3 , 1 4 l 。 本课题得到国家自然科学基金重点项目“颅面形态学与颅面重构的研究( 编号： 6 0 7 3 6 0 0 8 ) ”资助。2 l 世纪以来，计算机辅助颅面形态学关键技术的研究已引起信息学、 法医学、人类形态学等相关领域的高度重视，成为国际上研究的热点。三维模型重建作 为颅面复原的基础在现今是比较成熟的技术，但此次待重建模型作为在基于统计模型的 颅面复原项目的数据输入，对模型的要求是比较高的：模型必须是没有厚度的，即其表 面只由一层三角面片组成。并要求模型的数据量较小、表达能力强、无杂质。这种特殊 的要求给模型重建带来了难题。故本文将在后续的章节中对这个问题展开进行讨论。 本文鉴于项目需求，将分别采用面绘制的两种基本方法对模型进行重建。首先实现 了w l o r e n s e n 提出的m a r c h i n gc u b e s 方法，用该方法重建了颅骨和面皮模型：其次运 用基于断层轮廓线重构的方法再重建颅丽模型，该算法的研究和实现是本文研究的重 点。冈为该算法是基于断层轮廓线来进行三维重构，如果能顺利的提取出颅面轮廓线和 对这些复杂轮廓线进行重建，那么所重建出来的模型一定符合颅面复原项目的数据要 求。此算法步骤包括图像预处理、二值化、轮廓线提取，轮廓线上点的化简、三角面片 的生成、模型优化这几步。最后通过比较这两种算法生成的颅面模型，对这两种方法的 优劣进行了总结和比较。 1 2 国内外研究现状 对予三维重建算法，许多学者都对其进行了研究。经过我们对颅面数据的实验，用 m c 算法复原出的面皮和颅骨三维模型所占用存储空间较大并且含有一些杂质，重建完 2 两北大学硕士学位论文 成后仅仅是去杂就很费时费力。因此近些年来，仍然有研究者们从不同角度对该算法进 行改进【1 5 1 7 1 。k e p p l e 1 8 】于1 9 7 5 年发表了首篇系统探讨由断层轮廓序列重构物体三维表 面的论文，他提出了用系列三角面片覆盖物体表面且这些三角片所围成体积为最大的 原则。f u c h s l l 9 】进一步改进了k e p p e l 的方法，将目标规定为轮廓线拼接成的表面面积最 小。这两种采用的都是全局优化策略，计算量较大，具体实现比较繁琐。c h r i s t i a n s e n 2 0 等首次采用最短对角线法进行表面重构。这种方法简单易实现，但是当相邻层轮廓线的 中心点相差较远时，这种连接方式会出现椎体连接的情况。 不过，以上提到的基于轮廓线重建的方法只适用于单轮廓线重建，不解决轮廓分支 的问题。例如面皮的c t 断层中会出现上层包含两条轮廓线而相邻的下层只包含一层轮 廓线的情形，这种情况称作轮廓分叉，很多国内外的学者也对此进行了研究， c h r i s t i a n s e n 2 0 1 等通过构建过渡轮廓线来解决，即把分叉的轮廓线合并后与未分叉的轮廓 线进行三角网格生成。c h a n d r a j i tl b a j a j t 2 i 】与c h r i s t i a n s e n 的思想恰好相反，他主张将 未分叉但将要分叉的轮廓线进行分解，转换成子轮廓线的一一对应问题。m e y e r s 等i 矧 将分支轮廓线投影到与它相邻的未分叉轮廓线上，将其作为未分叉轮廓线的孔来处理， 计算带孔轮廓的中心轴线，并用其来构造过渡轮廓，这种方法构造的轮廓形状与未分叉 轮廓形状相似。e k o u l e t 2 3 1 把相邻层的轮廓按凹凸性分段，并构造出过渡轮廓来解决轮廓 线分叉问题。g c o n g 等1 2 4 提出把相邻层轮廓线隐射到同一平面上用v o r o n o i 图进行分 割，分割完成后，每一个点的z 值通过相邻层距离转换的线性插值进行计算。不用经过 分支处理，不用考虑如何生成最优的三角面片，不用考虑轮廓线与轮廓线是否匹配。是 一种十分灵活的方法。 我国可视化技术主要用于气象、物探、空气动力学、核技术等领域。近年来，开始 在医疗领域得到应用。西北大学可视化研究所多年来一直在从事虚拟现实、可视化技术、 颅骨复原等方面的研究，并取得了良好的成绩。设计并完成了国家“九五”重点科技攻 关项目“计算机辅助颅骨面貌复原系统”【2 5 】；承担了国家自然科学基金项目“计算机辅 助三维整形外科手术计划与预测关键技术研究( 编号：6 0 2 7 1 0 3 2 ) ；在8 6 3 项目支持下， 展开了基r 颅骨的颅相重合身份认证的关键技术研究1 2 6 - 2 8 1 。对于三维模型重构，中南大 学罗东礼提出了一种基于轮廓线的三维模型牛成算法 2 9 1 ，主要思想是在相邻的上下轮廓 线上找到距离最近的两个点，作为第一个产生的三角面片的两个点，第三个点在已找到 的两个点的相邻点上选择，选择夹角较小者。此方法优点足产生的三角形基本都足规整 的锐角方法简单，易于实现。缺点是不适用于复杂轮廓线。中科院自动化所的董玉宁【3 0 】 3 第一章绪论 提出了对相似轮廓的一对一重建，轮廓差异较大的一对一重建，一对多的轮廓重建方法， 针对三种具体问题提出了三种解决方法，重建出来的效果比较好，解决方法有一定的借 鉴价值，但是因为有针对性，所以使用面不广。东南大学的陈敏1 3 l 】针对于处理非凸或相 邻层轮廓线相差过大的轮廓提出了解决方法：首先对轮廓线进行凹凸性层次分析，然后 将相邻轮廓线从外到内逐层拼接，从而构成一个三角化的物体表面。其缺点是仅可用于 单轮廓重建，无法解决轮廓分支的情况。应用面较窄。中南大学的陈学i 1 3 2 】提出由一个 剖面向另一个剖面做投影的方法，剖面一上原有的轮廓线和剖面二投影到剖面一上的轮 廓线组成点集p ，然后再对点集p 和剖面一上原有的轮廓线为约束边进行三角化。三角 化后对生成的三角形进行分类，根据分类生成新的轮廓线，用新的轮廓线进行三角面片 生成。这种方法可以处理比较复杂的轮廓线，如颅骨的轮廓线。四川大学的苏安提出一 种新的基于相邻层轮廓线几何形状匹配的三维重建算法【3 3 l ：首先提取轮廓线的关键转折 点，再根据相邻层的几何形状来匹配关键点，然后连接上下匹配关键点将轮廓线分成几 个独立的部分，再分别拼接各个独立部分，从而完成整个重建的轮廓拼接。优点是对凹 凸多变、复杂的封闭轮廓线有较好的效果。但是只适用于相邻层轮廓线形状比较相似的 情况。但对于形状突变的物体，还不能取得满意的效果。 1 3 本文的技术路线和主要研究内容 本文的主要技术路线如图1 1 所示，主要包括c t 图像预处理，c t 图像分割和轮廓 线提取以及三维模型重建。首先对原始c t 进行预处理，包括排序、去杂、二值化，二 值化即图像分割，在本文具体的就是通过设置阈值把颅骨和面皮从c t 图像里分割开来， 其次对二值化后的图像进行颅面轮廓线提取，再次运用提取出来的轮廓线进行三角面片 连接，生成三维颅面模型，最后对生成的三维模型进行优化，包括模型去噪、模型化简、 模型窄涧修复。 主要研究内容有： 1 提取c t 图像中的人脸和颅骨的轮廓线。分别采用了射线法、s n a k e 算法、八近 邻法对二值化后的人体头部c t 进行了轮廓线提取，根据比较了这些算法的优 点和不足，并对这些算法进行了改进，提出了s n a k e 算法与射线法结合的算法。 实验表明，与其他算法相比，该算法可以精准地提取封闭的面皮的最外层轮廓 线，精准的提取复杂的、不连续的颅骨最外层轮廓线的轮廓线。 4 日北大学顾十学位论文 瑚1 i 披术路线 2 ，轮廓线上的点的排序。由轮廓线提取算法提取出来的颅面轮廓线上的点的顺序 是杂乱的。这十分不利于下一步轮廓线之间的置角面片连接，敲研究了如何把 点集按照一定顺序( 逆时针或者顺时针等) 排列的方法。让层与层之间的轮廓线 中的点的按照某种顺序存储。 3 基于轮廓线的颅面三维重构。对比了m c 算法和基于断层轮廓线的这两种三维 莛建算法。提出了一种基于断层轮廓线的重构方法，实验表明，与其他算法相 比，此算法可阻对封闭的面皮的最外层轮廓线、不连续的颅骨最外层轮廓线进 t 三维模型重建。重建出无厚度，数据量少却表达精准的颅面三维模型。 4三维模型后期处理。包括三角面片规则化，三角网格化简，三角网格空洞修复 等等。可用于处理包含杂质的模型、含柯空j f i 4 的模型及需要化简的模型。 5考虑到三维模型重建的需要，设计实现了一个计算机辅助三维模型重建平台。 该系统具有c t 图像预处理、c t 轮廓线提取、轮廓线上点的捧序、颅面三维模 型重建等功能，具有一定的研究参考意义和实际应用价值。 本文的创新点在于： 1提出了一种轮廓线提取算法一s t l a k e 算法与射线法的结合算法。实验证明，与 其他算法相比，该算法可以对轮廓线进行有选择的提取：保留对重建有用的部 分( 如颅骨) ，去掉对重建的不利的部分( 如脑内部分和颈椎部分) ，十分利十分离 颅骨和人量与颅骨阈值相同的脑内发颈椎杂质井具有一定通用忭：另外，浚 算法只提取出颅骨和面皮的最外层轮廓线，重建出来的模型是单层的，十分利 n 十算和用作颅面复原的训练数据。 日园四圈 区 第一章绪论 2 提出了基于断裂轮廓线的三维模型重建方法。经过大量的文献阅读，发现基于 断层轮廓线重建的方法基本上都是基于闭合轮廓线的。而由于颅骨轮廓线的特 殊性，必需设计一个算法，可以对变化较多的断裂轮廓线进行连接。本文提出 了改进的最短对角线法并实现了以上功能，具有一定的智能性。 3 提出了对基于断层轮廓线生成模型的空洞修复算法。此算法可以较好的修补三 角网格模型层与层之间的空洞和通过插值法添加新层，以对较大的空洞进行修 复。 1 4 本文的组织结构 根据本文的研究内容，给出本文的章节安排如下： 第1 章，绪论。首先阐述了当前三维模型重建的研究意义、应用领域，并提出了三 维模型重建的重要作用。其次，详细论述了三维模型重建国内外研究现状以及存在的亟 待解决的问题。并给出了本文的技术路线以及具体的研究思路和方法。 第2 章，医学影像的说明及预处理。介绍了c t 及m r i 医学影像的获取及这两种影 像的区别和联系，此外还介绍了医学影像的一些处理方法，如去噪，锐化，二值化。 第3 章，颅面c t 轮廓线提取及处理。详细介绍了射线法、改进的射线法、s n a k e 算法、改进的s n a k e 算法、八近邻法、射线法与s n a k e 算法结合的新算法。并表明每一 种算法所使用的情况及优缺点。找到了一种可以精准地提取封闭的面皮的最外层轮廓线 和精准地提取复杂的、不连续的颅骨最外层轮廓线的轮廓线提取方法。另外，对提取完 成的轮廓线上的点进行层信息的分配、点的排序和轮廓线上点的化简。 第4 章，颅面模型重建。分别用m c 算法和基于轮廓线重构的算法重构出了面皮和 颅骨的三维模型。对这两种算法生成的模型进行了详细的对比和评价。 第5 章，模型优化。针对模型中存在的一些问题，如模型中存在杂质，模型包含孔 洞，模型数据量过大等，提出了行之有效的解决办法。 第6 章，系统的设计与实现。介绍了基于本章理论而实现的系统的功能及实现方法， 并对其开发和运行环境进行了详细的说明，最后给出重点功能模块运行效果图。 最后，总结及展颦。总结了全文的主要内容，指出论文中尚存在的不足，给出下一 步的研究方向。 6 北 学坝士学位论文 第2 章颅面c t 数据预处理 随着科学技术发展的日新月异，医学影像领域采用了更多先进的技术，继x 射线之 后，c t ( c o m p u t e r t o m o g r a p h y ) 、m r l ( m a g n e t i c r e s o n a t e i m a g i n g ) 、p e t ( p o s i t r o n e m i s i o n t o m o g r a p h ) 等技术得到了更加广泛的应用和发展。p e t 从分子水平出发r 把组织病理学 检查延伸为组织局部生物化学的显示，确定病变的性质及恶化程度，这是目前c t 、m r i 所不及的，但是临床解剖学意义上它无法与c t 、m p j 等影像技术比较。在本文的研究 中，主要用到的是c t 数据，但是由于仪器设备、操作不当、病人人为移动等问题，本 文需要对被噪声污染的c t 图像进行去噪、对信息微弱的图像进行增强、对失真图像进 行几何校正。在这些步骤之后才能更好的进行轮廓线提取工作。 21c t 影像数据的原理和特点 2 1 1 c t 影像数据的基本原理 c t 是利用x 线束对人体进行扫描，由光电子探测器进行接收，把光转化为电信号， 随后把信号数字化后输入计算机处理并转化为图像。c t 图像足由白到黑不同灰度的像 素矩薛组成的，这些灰度显示出不同的器官对x 射线的吸收程度。矩阵的大小一般为 2 5 6 2 5 6 或者5 1 2 5 1 2 ，每一个像素点的太小一般为l0 x l _ 0 m m ，05 05 m m 不等， 像素点越小，图像越清晰表选越明晰。 c t 图像是层面图像，常用的是横断面。由于c t 具有高密度分辨率的优点，可以 比较好的显示如肝、胆、胞、肺等软组织构成的器官和局部病变。下面是人体头部的 c t 图像，如图2 1 所示。 一 ( a ) 牙齿部位( b ) 鼻子耳朵部位 图2 1 人体头部c t 图像 212d i e 0 u 标准 d i c o m ( d i g i t a li m a g i n ga n dc o m m u n i c a t 曲n si nm e d i c i n e ) ，是医学数字成像和通信 标准l 。j 要是由a c r ( a m e f i c a n c o l l e g e o f r a d i o l o g y ，美幽放射学会) 和n e m a ( n a t i o n a l 第二章医学影像的说明及预处理 e l e c t r i c a lm a n u f a c t o r e r sa s s o c i a t i o n ，国家电子制造商协会) 参与定制的。这个标准详细地 定义了专门用于医学图像的组成格式和交换方法，利用这个标准，人们就相当于有了一 个接口，可以实现不同设备之间的资源互通。 d i c o m 医学图像文件的后缀为d c m ，一般的图象处理软件是不支持这种文件格式 的。p h o t o s h o p 可以对d e m 数据进行简单的打开、修改和保存操作。d i c o m 文件从可分 为文件头和数据集两个部分。其中文件头是比较复杂的部分。它可分为两个部分：1 2 8 个字节的保留部分和存储元信息，1 2 8 个字节的保留部分主要用来判断一个文件是否属 于d i c o m 格式。而另一部分存储元信息则包含了传输语法、传输句法、c t 的序号、 病人的姓名、扫描日期、c t 大小、进行扫描的医院等信息。单一d i c o m 文件不仅可 以储存多幅二维图像，还可储存彩色图像。这些文件元素将依照某种传输语法来编码。 数据集由数据元素按照数据标签( t a g ) 的升序排列而成。数据元素主要有四个部分组 成：标签( t a g ) ，值表示类型( v rv a l u er e p r e s e n t a t i o n ) ，值长度( v a l u el e n g t h ) ，值域( v a l u e f i e l d ) ，其中值表示类型是可选的。 目前，医疗设备生产商和医疗界都宣布支持d i c o m 标准，以便于有效的进行海 量数据管理、连接不同生产商的设备和资源共享。这个标准的施行，将为全球医疗机构 带来全新的机会和巨大的效益。 2 1 3c t 影像数据的采集 本文所采用的d i c o m 数据是由螺旋c t 机通过螺旋扫描方式得到的。首先病人在 完全清醒的状态下朝天仰卧在平台上，随着平台慢慢通过一个拱形洞进入仪器中。仪器 中安装了- - j ux 射线探测器。每一次旋转都可以扫描出人体扫描部位的一个断层的信 息。为了显示整个器官，必须连续扫描整个器官，以得到组成这个器官的所有c t 切片， 扫描时大约每隔1 5 m m 对头部进行一次采样，平均一个人的头部大约需要2 0 0 3 5 0 张的 c t 切片以满足我们的研究需要。 c t 扫描仪通过p a c s 系统把扫描产生的信号传入计算机后，计算机会把接收到的 数字信号转化为c t 图像，后对这些c t 图像进行编号以便保存在计算机中。 2 2 颅面c t 数据的排序 在实际处理c t 过程中，发现计算机所编的序号并没有完全地按照扫描的顺序编排。 如果按这个顺序蕈建模型，则可能出现下巴出现在脑顶，而脑顶出现在下巴部位的情况， 如图2 2 ( a ) 所示。基于以上这种情况，在处理c t 前，需要对c t 图像进行排序。鉴于 8 西北太学磺士学位论文 c t 真正的扫描序号信息已经保存在c t 文件头晕，我们可以通过读每张c t 的文件头找 到c t 图像的扫描序号，依照这个序号为c t 图像重命名。排序后的结果如图2 2 ( b ) 所示。 量 ( 时未捧序的c t 顺席已排序后的c t 腻序 圈2 2 c r 捧序结果田 23 颅面c t 图像序列预处理 c t 图像中通常包含一些噪声及冗余影像，比如人脑所枕的金属槽( 板) 、人的头发以 及人的肩膀。因此需要对其进行预处理。 图像处理主要分为三种阶段； 低级处理：其特征为输入和输出均为图像例如降噪、对比度增强、图像锐化等。 中级处理：其特征为输入为图像，输出为图像的某些特征如边缘、轮廓或其他标识。 常见的撵作有圈像分割和轮廓线提取。 高级处理：涉及。一副图像中被识别物体的总体理解，带有人工智能的倾向。 由于本章主要介绍图像比较基础的知识，故本章涉及图像处理主要属于低级处理， 而在下一章中我们将集中介绍中级处理。 231 图像去噪 在c t 数据获取和传输过程中，不可避免会产生一些噪声，在这些环节之后进行适 当的去噪不仅可以提高图像的质量而且也方便了下一步的处理，因此图像去噪在数字 预图像处理中是不可缺少的个重要环节。 图像处理应用中最常见的噪声有：高斯噪声、瑞利噪声、伽马噪声、指数噪声、均 匀噪卢、脉冲f 椒盐) 噪声这六类。在最韧研究数字图像处理中的降噪过程时，人部分学 者作为尝试往往采用线性游波器对噪声进行抑制。坂冈是线性滤波器的数学表达式比较 简单而且其有一定的降噪功能。可足在后续研究中发现当信号中含有非叠加性噪声或者 信号频谱与噪声频谱混叠时，线性滤波器的处理结果就根难令人满意。它往往在去除曝 9 第一章阵学影像的说明预赴月 声的同时也模糊了图像的边缘。如此便失去了去噪的意义。在1 9 5 8 年维纳就提出了非 线性滤波理论。称为维纳滤波通常也称作照小均方误差滤波器。其综合了退化函数 和噪声统计特性复原两个方面避行去噪。能够在滤除噪声的同时，最大限度地保持了图 像信号的高频细节，使图像轮廓清晰，表达逼真，从而得到广泛应用和研究。目前已有 的中值滤波、形态滤波、层叠滤波以及基于中值滤波的一些改进滤波算法均属于比较经 典的非线性滤波算法。 中值滤波最初主要用于时日】序列分析，后来被用于图像处理。由于中值滤波对很多 随机噪声都有良好的去噪能力，且与线性滤波器相比引起的模糊更小，因此本文主要采 用中值滤波对颅面c t 进行去噪。中值谴波嚣是基于顺序统计完成信号恢复的一种典型 的非线性滤波器，其表达式为： ，( 。，y 卜m j e d i a n 、g ( 删 ( 21 ) 其中f ( x ，力代表经线性滤波器滤波后输 i 罔像，g o ，f ) 为受噪声污染的图像，为 表示中心为点( x ，y ) ，尺叫为m x7 1 的矩形图像窗r a 。其基本原理是把数字圈像或数字序 列中心点位置的值用该点邻域的中值替代。它的优点是运算简单而且速度快，除噪效果 好。 如图2 3 是对c t 图像进行击噪后的结果。可以看出，该算法滤捧了一些噪声，而 且图像清晰度变化不大。 网阿 ( a 原始c t 图像坼去噪后的c t 图像 圈2 3c t 击噪结累圈 232 图像锐化 锐化足增强图像细节的一种图像处理技术。用这种方法町咀补偿图像轮廓，增强图 像边缘去掉引起图像质睛劣化的原因之一“模糊”井把图像变得清晰。从数学上看 西北大学确学位论文 图像模糊的实质就是图像受到平均或者积分的影响，凼此对其进行逆运算则可实现图像 的锐化。经常用到的算法有梯度算子法和拉普拉斯算于法。 拉普拉斯算子是一种各项同性的二阶导数算子从数学上讲是图像f ( x ，y ) 在x ，y 方向上二次偏微分，即： v 2 ，= 軎+ 害 ， 对二维，幢y ) 的锐化表达式如下： g ( x ，y ) = f ( x ，y ) 一押2 f ( x ，y ) ( 22 ) 其中，a 为锐化程度的调节因子。对于离散数字图像，锐化表达式为： g ( f ) = ，“) 一口l 厂( i + 1 ，) + f ( i l ，) + ，( f ，+ 1 ) + f ( i ，一i ) - 4 f ( i ，) 】 ( 23 ) 0 - - z0 上述表达式是采用了四邻域的模板1 一口5 一口l ，其中口 0 ，通常让a 取1 。可 l0 0j 以看到经过锐化后。图像的边缘比原始图像的清楚，而且锐化后图像的直方图更直观， 更易确定阈值。如图24 是对c t 图像进行锐化后的结果可以看出，经过锐化后的图 像畸原图像比较轮廓清晰了很多。 翮厣 233 图像对比度增强 ( a ) 原始c t 图像( m 锐化扁结果 圈2 4c t 锐化后结果 对比度增强是阁像处州技术中的个重要内容，其目的是通过调整榭像扶度值的分 布柬增大图像的扶度变化范幽，丰富例像的荻度层次，从而显著改善蹦像的视觉效果 以提供更适于分析的| 冬| 像。对比度扩展的处理过程就是改变像素扶度级的过程，通过增 强函数对像素的荻度值进 ，变换。不同的增强龋数对应不同的处理结果。 第一 * 学影像说咧成 增强两数般可写作线性龋数y = f ( x ) = a x + b 其中x 为输入像素点的荻度值，y 为 输出像素点的灰度值。若口 l ，b = 0 ，则输出图像的对比度增大；若口 0 ) 或减少 ( c s e t i n p u t c o n n e c t i o n ( g a u s s - g e t o u t p u t p o r t 0 ) ； s k i n e x t m c t o r - c o m p u t e n o r m a l s o n o ； s k i n e x t r a c t o r - s e t v a l u e ( 0 ，1 0 0 ) ； 这里s e t v a l u e 0 函数土要用来设置阈值，面皮的阐值大概为。1 0 0 。运行结果如图42 所示： ( 曲面皮正面豳 ( b ) 面皮内部蚓 圈4 2m c 算法重建面片后结果 图42 显示的面皮模型所古点数均为6 3 3 4 3 个，m c 算法重建出来的面皮清楚的 反映出人面部眼睛、鼻子、嘴巴、耳朵、下巴等器官的各种特点，外表光滑形态逼真。 但是仔细观察罔42 彻发现在而皮内部仍含有些大块杂质，这些杂质不仅增加r 模 型的数据鼍，而且给用统计方法进行颅面复原带来了很大的障碍。直接删除遮些杂质是 西北大学硕士学位论文 十分困难的，这一问题将在第五章进行讨论，探索能够批量的、自动的删除这些杂质的 算法。 4 1 2 基于改进对角线法的三维面皮模型重建 基于断层轮廓线重建的方法是面向曲面的表面重构中使用的一种常见的方法。这种 方法首先在二维断层图像上找到待重建物体的轮廓线，然后找到相邻层轮廓线之间的对 应点，并将这些对应点连接起来，构成三角面片。 根据具体情况的不同，基于断层轮廓线进行三维重建的方法按每张c t 上轮廓线的 个数大致可分为轮廓线一对一重构、多对一重构、一对多重构和多对多重构。面皮轮廓 线的重构属于一对一重构的范围：即每一断层中，有且仅有二条闭合轮廓线。目前，基 于轮廓线一对一重构的方法很多：主要用到的有体积最大法、表面积最小法、最短对角 线法和最小极角法。 k e p p l e 于1 9 7 5 年发表了首篇系统探讨由断层轮廓序列重构物体三维表面的论文， 其中提出了体积最大的重构方法。体积是指形成的三角面片和轮廓中心点的所形成的四 面体的体积，具体实现则把体积与有向图对应，将求三角面片问题转化为求有向图中的 最大路径的搜索问题。f u c h s 对k e p p l e 方法稍作改进，提出表面积最小法，即求出使所 有三角面片表面积最小的三角面片连接方式。最短对角线法是一_ 种比较经典的表面重构 方法。它主要从局部最优着眼，首先选定连接的起始点，起始点必须是两条轮廓线间最 相近的点。每次连接在相邻轮廓线问各取两个点，组成四边形，计算此四边形的对角线 长度，以较短那条对角线为分隔，把四边形分为两个三角形。该方法首先要求相邻轮廓 线连接以相同方向进行，在层与层之间点密度比较类似的情况下，该方法连接的三角面 片基本上都为锐角，重建效果良好。但当点密度相差较大时，会出现椎体连接的情况。 最小极角法首先计算f j ；每条轮廓线的中心，计算公式如下： 1 卅一l 时= 三y 彤 ( 4 1 ) m 智 1m l = 二y z ( 4 2 ) m i = 。0 。 接着通过分别求起始点与待连接两点到轮廓线中心的极角大小来进行三角面片生 成。 ( 1 ) 最短对角线法 根据面皮轮廓线自身的特点。本文选定最短对角线法对其进行= 维面皮重构，具体 3 3 第四章颅面三维模型重建 过程如图4 3 所示：上一层轮廓采样点为a _ 舢a i ，a 2 a m i ，下一层轮廓采样点为 b = b o ，b b b 2 b n 1 ，假设a l 和b l 是上下两层轮廓线中距离最近的两点，则把a l ，b i 设 置为初始点，按逆时针或顺时针( 完全取决于轮廓线上点的排序情况) 取a i 的下点a 2 及b l 的下一点b 2 ，计算a l 和b 2 ，a 2 和b l 的长度，如果a l 和b 2 的长度大于等于a 2 和b l 的长度，则分别标记并保存a l 、a 2 、b l 和b l 、b 2 、a 2 为新连接的两个三角形。 之后对a 2 取代a l 、b 2 取代b 1 进行相同的操作，直到两层轮廓线上的点全部连接完成。 - 陀b 3 图4 3 最短对角线法示意图 但是在用最短对角线法后，发现用最短对角线法进行面皮重建还是存在一些问题 的：如在重建下图4 4 图( a ) 所示鼻子处的两层点云数据时，由于下一层数据出现了一个 尖角( 人的耳朵) ，而上一层数据并未有尖角，此时由于上下两层轮廓线上点的个数差 异，用最短对角线法极易生成钝角三角形，具体情况如图4 5 所示，这些钝角三角形使 生成的模型不够平滑，逼真度不强。又如图4 4 ( b ) 所示下巴肩膀处的点云数据时，由于 上下两层轮廓线形状相差较大，点的个数也相距甚远，故也易出现类似问题。用最短对 角线法