專利名稱：基于三維可視化和蒙特卡羅方法的體積測(cè)量方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種計(jì)算機(jī)信息處理技術(shù)領(lǐng)域的方法，具體是一種虛擬環(huán)境下主要針對(duì)不規(guī)則、不封閉物體的基于三維可視化和蒙特卡羅方法的體積測(cè)量方法。
背景技術(shù)：
體積大小的測(cè)量在很多領(lǐng)域中都有著重要的意義，近年來，由于二維信息的局限性，科學(xué)計(jì)算可視化技術(shù)得到迅速發(fā)展，由此引起的可視化技術(shù)的應(yīng)用越來越引起人們的重視?？梢暬ぞ甙黇TK是美國kitware公司開發(fā)的，主要針對(duì)的是二維和三維圖形圖像處理和可視化，它包含了可視化的多種方法，支持跨平臺(tái)使用。目前對(duì)于體積的測(cè)量的方法主要是針對(duì)規(guī)則的物體，一般有現(xiàn)成的體積計(jì)算公式可用，對(duì)不規(guī)則物體體積的測(cè)量也有現(xiàn)成的方法?，F(xiàn)有的測(cè)量不規(guī)則物體體積方法主要有排水法、剖分法、經(jīng)線法、二維超聲法和注水法等。排水法是金標(biāo)準(zhǔn)，針對(duì)的對(duì)象是離體的組織或器官，不適宜人體內(nèi)部器官或組織的測(cè)量；剖分法是最早提出的測(cè)量體積的方法，它將三角形網(wǎng)格先剖分成四面體然后求和，由于該方法復(fù)雜和低效，現(xiàn)在已經(jīng)很少使用；經(jīng)線法主要是針對(duì)離體的器官和病灶；二維超聲是通過測(cè)出器官的長(zhǎng)度、寬度和厚度，再按照標(biāo)準(zhǔn)的橢圓公式進(jìn)行計(jì)算得出器官的體積，該方法簡(jiǎn)單方便，但是精度不高，不適用于相對(duì)精確的測(cè)量；注水法針對(duì)的對(duì)象是完全封閉的對(duì)象，雖然能相對(duì)精確的求得體積的大小，但在使用上存在一定的局限性。對(duì)求取不規(guī)則不封閉物體的方法卻很少。蒙特卡羅方法是一種以概率統(tǒng)計(jì)理論為指導(dǎo)的數(shù)值計(jì)算方法，屬于計(jì)算數(shù)學(xué)的一個(gè)分支，是利用隨機(jī)數(shù)來解決問題的方法。具體的思路是給定一個(gè)多邊形網(wǎng)格，首先把它轉(zhuǎn)化為三角形網(wǎng)格，然后在網(wǎng)格的包圍盒外面放置一個(gè)簡(jiǎn)單的多邊形容器，在容器內(nèi)產(chǎn)生大量的隨機(jī)點(diǎn)，然后判斷有多少隨機(jī)點(diǎn)在待測(cè)多邊形的網(wǎng)格中，根據(jù)在多邊形中的隨機(jī)點(diǎn)的個(gè)數(shù)和總共的隨機(jī)點(diǎn)數(shù)的比率，再結(jié)合多邊形的容器的體積，就能得到待測(cè)多邊形網(wǎng)格在容器內(nèi)部的部分的體積。用蒙特卡羅方法求解時(shí)，最簡(jiǎn)單的情況是模擬一個(gè)事件A，它發(fā)生的概率是P。設(shè)置一個(gè)隨機(jī)變量I，若事件A發(fā)生則I值為1，否則I值為O。那么隨機(jī)變量I的數(shù)學(xué)期望E(€) = l*p+0*q = p,其中q = 1-p,即一次實(shí)驗(yàn)中事件A發(fā)生的概率，I的方差為E(l-E(l))2 = p-p2 = pq。假設(shè)在N次實(shí)驗(yàn)中事件A出現(xiàn)的次數(shù)是V,該頻數(shù)v也是一個(gè)隨機(jī)變量，其數(shù)學(xué)期望為E(v) =Np,方差為o2(v) = Npq0令p表示觀察頻率，/)=v/N,按照大數(shù)定理，當(dāng)N值充分大時(shí)，P =E{^) = p........................................(式 D成立的概率等于1，由上述模型得到的頻率i = ^和P近似相等，說明了頻率是收斂的，并且收斂于此概率，可利用樣本方差G1(P) = _ P)........................................(式 2)
N - I
作為理論方差o2(p)的相似估計(jì)。Monte Carlo方法的收斂性分析蒙特卡羅通常采用某個(gè)隨機(jī)變量X子樣的算術(shù)平均值作為所求問題I的近似解
___J NXn =X Xn................................................(式
B=I
3)其中Xl，x2, x3, x4,......，Xn是X子樣函數(shù)，由柯爾莫哥羅夫加強(qiáng)大數(shù)定理得，當(dāng)
E⑴=I時(shí)，算術(shù)平均值；將以概率I收斂于I，按照中心極限定理，對(duì)于任何X a > 0時(shí)有
--/I <72 t<2P{xn-1 < -^==) - ~^=\ e 2 dt = 1- a..........(式 4)
JY s/2^u表明，這個(gè)不等式X - I <...........................................(式 5)近似的和l_a的概率相等。在通常情況下，當(dāng)a很小時(shí)，如a = 0. 01時(shí)，a稱為顯著水平，l_a稱之為置信水平，a稱為隨機(jī)變量X的標(biāo)準(zhǔn)差。當(dāng)O古0時(shí)，蒙特卡羅方法的誤差e為￡ = j^=-......................................................(式
6)在上式中正態(tài)差X ^與a是對(duì)應(yīng)的關(guān)系,其對(duì)應(yīng)關(guān)系可以用下面N(0, I)積分公式進(jìn)行表示i——f a e 2 dt = 1-~..........................................(式
2
7)分析公式f =可以得出該方法的誤差精度e是由O和^決定的。在O不變的情況下，要提高精度一位數(shù)則要增加100倍的工作量；另外如果將O減小十倍，則減少100倍的工作量。在實(shí)際中不能為了提高精度人為的隨意改變參數(shù)，因?yàn)榧纫紤]精度也要考慮工作量和現(xiàn)實(shí)的條件。經(jīng)過對(duì)現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，浙江大學(xué)周海燕碩士論文《基于三維重建的肺部腫瘤的精確測(cè)量》，該文獻(xiàn)首先分析了肺部腫瘤CT圖像的特點(diǎn)、三維重建各個(gè)步驟所涉及的方法以及腫瘤任意兩點(diǎn)的直徑測(cè)量所涉及的方法，以此為基礎(chǔ)，對(duì)肺部腫瘤三維重建和測(cè)量進(jìn)行了具體的方案研究與驗(yàn)證，實(shí)現(xiàn)了基于三維重建的肺部腫瘤的精確測(cè)量。包括分析肺部腫瘤CT圖像的特點(diǎn)，分析肺部腫瘤三維重建的各個(gè)步驟，包括CT圖像預(yù)處理、肺部腫瘤的分割、繪制與顯示等。分析腫瘤直徑測(cè)量所涉及的三維交互，包括三維交互拾取和三維交互旋轉(zhuǎn)?；贗TK與VTK等開發(fā)庫，實(shí)現(xiàn)肺部腫瘤的三維重建，并在三維空間內(nèi)進(jìn)行任意兩點(diǎn)的直徑測(cè)量。通過臨床醫(yī)生驗(yàn)證，該方法只實(shí)現(xiàn)了在三維可視化的前提下的空間測(cè)量，比如空間距離的測(cè)量，沒有涉及到體積大小的測(cè)量。中國專利文獻(xiàn)號(hào)CN101756710A，
公開日2010-06-30，記載了一種“顱內(nèi)血腫體積的測(cè)量方法”，該方法I) CT圖像的第一步分割中，顱骨及顱骨外非腦組織的去除利用了閾值法、區(qū)域生長(zhǎng)及圖像邏輯運(yùn)算，由于顱骨在CT圖像中與其它組織在灰度上差異很大，因此采用經(jīng)驗(yàn)閾值很容易得到顱骨邊緣，不需要復(fù)雜耗時(shí)的檢測(cè)方法，區(qū)域生長(zhǎng)采用四鄰域生長(zhǎng)，遍布整個(gè)腦組織與血腫，最后對(duì)圖像進(jìn)行“異或”和“乘”邏輯運(yùn)算，得到只有腦組織與血腫的CT圖像；2)CT圖像的第二步分割中，對(duì)于腦組織與血腫的分割，考慮到CT圖像可避免噪聲干燥，采用二維熵閾值化的方法，用像素灰度及其鄰域灰度為參數(shù)來分割圖像；3)采用改進(jìn)的遺傳方法來搜尋最優(yōu)分割閾值使二維熵準(zhǔn)則函數(shù)最大；4)采用了“自適應(yīng)的大變異算子”，通過判斷適應(yīng)度函數(shù)平均值與最大值比值，最終決定采用變異概率和交叉概率。但該技術(shù)的缺點(diǎn)在于該方法過程復(fù)雜，需要進(jìn)行兩次分割處理，類似于文中提到的面積法求體積，工作量很大。文中提到自動(dòng)分割的概念，也未對(duì)其實(shí)現(xiàn)過程詳細(xì)介紹，最重要的一點(diǎn)就是該發(fā)明中未體現(xiàn)出分割后的圖像數(shù)據(jù)及測(cè)量數(shù)據(jù)，缺乏一定的認(rèn)可性。中國專利文獻(xiàn)號(hào)CN101601585，
公開日2009-12-16，記載了一種“基于CT增強(qiáng)掃描技術(shù)的肝臟分段體積測(cè)量方法”，該技術(shù)包括以下步驟1)圖像分割采用圖像處理方法對(duì)CT掃描后獲得的數(shù)據(jù)進(jìn)行處理，獲取肝臟器官的表面輪廓以及肝臟內(nèi)部的管道區(qū)域；2)三 維細(xì)化獲取肝臟管道中心線；3)管道樹分級(jí)將管道中心線處理成為一(棵)樹形結(jié)構(gòu)，即結(jié)點(diǎn)的數(shù)目等于邊的數(shù)目加一 ；4)管道投影將肝臟數(shù)據(jù)投影到一個(gè)投影平面，將三維的肝臟分段轉(zhuǎn)換為一個(gè)二維的分類；5)曲線擬合將血管中心線處理成為平滑的血管中心曲線；6)體積計(jì)算根據(jù)血管中心曲線將肝臟分段，并計(jì)算每一段的體積。但該技術(shù)的缺點(diǎn)在于該方法是將三維肝臟分段轉(zhuǎn)換成二維，是在二維的基礎(chǔ)上進(jìn)行求取像素的點(diǎn)數(shù)來進(jìn)行體積計(jì)算，不是針對(duì)整體求體積，而是通過部分求整體的體積,這樣誤差相對(duì)較大。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提出一種基于三維可視化和蒙特卡羅方法的體積測(cè)量方法，實(shí)現(xiàn)了對(duì)不規(guī)則物體體積的測(cè)量，且測(cè)量對(duì)象不需要進(jìn)行分割、分塊等處理，結(jié)果精度相對(duì)較高。本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明首先通過對(duì)被測(cè)物體的序列圖像進(jìn)行三維重建，并將重建的結(jié)果置于創(chuàng)建得到的虛擬盒內(nèi)部，然后在虛擬盒內(nèi)部產(chǎn)生若干個(gè)隨機(jī)點(diǎn)，最后統(tǒng)計(jì)三維重建后的被測(cè)物體內(nèi)部的隨機(jī)點(diǎn)的個(gè)數(shù)，并根據(jù)虛擬盒的體積和隨機(jī)點(diǎn)的總數(shù)按比例求取被測(cè)物體的體積大小。本發(fā)明具體包括以下步驟第一步對(duì)被測(cè)物體的序列圖像進(jìn)行三維重建，具體為先對(duì)序列圖像進(jìn)行抽取等值面處理、拼接三角面片處理和數(shù)據(jù)映射處理，然后采用經(jīng)典的面繪制方法-移動(dòng)立方體的方法實(shí)現(xiàn)三維重建。所述的抽取等值面處理采用的是移動(dòng)立方體(Marching Cube)面繪制方法，通過將一系列的二維切片數(shù)據(jù)視作三維數(shù)據(jù)場(chǎng)，并從中將具有特定閾值的物質(zhì)抽取出來以拓?fù)涞姆绞竭B接成三角面片，具體步驟包括i)每次讀兩張切片圖像，形成一個(gè)層單元(Layer)；ii)兩切片圖像上下相對(duì)應(yīng)的四個(gè)點(diǎn)構(gòu)成一個(gè)立方體單元(Cube)，如圖I所示；iii)先按照從左至右、從前到后的順序?qū)⒃搶訂卧械牧⒎襟w單元進(jìn)行像素切片并形成新的立方體單元；再按從下到上的順序?qū)?duì)應(yīng)各個(gè)立方體單元進(jìn)行像素切片并形成新的立方體單元，則對(duì)應(yīng)n個(gè)層單元的圖像共進(jìn)行了 n-1次像素切片。第二步將第一步得到的三維重建模型置于一構(gòu)建出的虛擬盒內(nèi)部，具體為通過SetPix)p3D()函數(shù)將重建后的結(jié)果添加到創(chuàng)建出的虛擬盒內(nèi)部，并進(jìn)行參數(shù)的設(shè)置。SetProp3D()函數(shù)是VTK中的常用函數(shù)類，主要是對(duì)重建后的物體進(jìn)行操作，在這里作用就是將重建后的物體添加到虛擬盒中。第三步采用偽隨機(jī)數(shù)發(fā)生器函數(shù)來產(chǎn)生由隨機(jī)數(shù)構(gòu)成坐標(biāo)的隨機(jī)點(diǎn)，并判斷隨機(jī)點(diǎn)是否落在三維重建模型內(nèi)部；所述的隨機(jī)點(diǎn)是指隨機(jī)函數(shù)產(chǎn)生的三維坐標(biāo)所對(duì)應(yīng)的點(diǎn)。所述的隨機(jī)數(shù)通過以下方式得到采用基于ANSI (美國國家標(biāo)準(zhǔn)學(xué)會(huì))標(biāo)準(zhǔn)的隨 機(jī)數(shù)發(fā)生器函數(shù)生成隨機(jī)序列，具體為3. I)給無符號(hào)整型函數(shù)srand()提供一個(gè)種子(seed)；3.2)調(diào)用函數(shù)rand()，它會(huì)根據(jù)srandO提供的種子返回隨機(jī)數(shù)；3. 3)根據(jù)需要可以多次調(diào)用rand()函數(shù)并且隨時(shí)可以為srand()函數(shù)提供新的種子，從而得到不同的新的隨機(jī)數(shù)；所述的判斷隨機(jī)點(diǎn)采用夾角之和判斷法、叉積判斷法或交點(diǎn)計(jì)數(shù)判斷法中任一得以實(shí)現(xiàn)。第四步根據(jù)第三步得到的判斷結(jié)果進(jìn)行統(tǒng)計(jì)，得到三維重建模型內(nèi)隨機(jī)點(diǎn)的個(gè)
數(shù)，并根據(jù)數(shù)值比例關(guān)系即可求得待測(cè)不規(guī)則物體的體積，具體為R = 其中=V1是
被求體積，V是虛擬盒的體積，M是生成的隨機(jī)點(diǎn)的總數(shù)，m是判斷后落入被測(cè)體內(nèi)部隨機(jī)點(diǎn)的數(shù)目。本發(fā)明實(shí)現(xiàn)了對(duì)不規(guī)則物體體積的測(cè)量，且測(cè)量對(duì)象不需要進(jìn)行分割、分塊等處理，結(jié)果精度相對(duì)較高。


圖I為立方體單元示意圖。圖2為實(shí)施例效果圖。圖中(a)為正面示意圖；(b)為背面示意圖，測(cè)量得到對(duì)象的體積為6076093. 00
立方毫米。圖3為實(shí)施例中點(diǎn)在多邊體內(nèi)外的判斷示意 圖中(a)為叉積判斷法示意圖，(b)夾角之和為2JI判斷法示意圖，(C)夾角之和為0判斷法示意圖，(d)交點(diǎn)計(jì)數(shù)判斷法示意圖。
圖4為實(shí)施例流程示意圖。
具體實(shí)施例方式下面對(duì)本發(fā)明的實(shí)施例作詳細(xì)說明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。實(shí)施例基于本發(fā)明使用具有普遍性，本發(fā)明中采用如圖2所示的頭顱作為體積測(cè)量的對(duì)象進(jìn)行效果演示。如圖4所示，本實(shí)施例包括以下步驟第一步對(duì)被測(cè)物體的序列圖像進(jìn)行三維重建，具體為先對(duì)序列圖像進(jìn)行抽取等值面處理、拼接三角面片處理和數(shù)據(jù)映射處理，然后在本實(shí)施例中采用經(jīng)典的面繪制方法-移動(dòng)立方體的方法實(shí)現(xiàn)三維重建。所述的抽取等值面處理采用的是移動(dòng)立方體(Marching Cube)面繪制方法,通過將一系列的二維切片數(shù)據(jù)視作三維數(shù)據(jù)場(chǎng)，并從中將具有特定閾值的物質(zhì)抽取出來以拓?fù)涞姆绞竭B接成三角面片，具體步驟包括i)每次讀兩張切片圖像，形成一個(gè)層單元(Layer)；ii)兩切片圖像上下相對(duì)應(yīng)的四個(gè)點(diǎn)構(gòu)成一個(gè)立方體單元(Cube)，如下圖所示； (圖I)iii)先按照從左至右、從前到后的順序處理層中的立方體單元；再按從下到上順序處理，如對(duì)應(yīng)n個(gè)層單元的圖像則處理n-1次，所述的處理是指進(jìn)行切片中像素的處理，使之形成新的立方體。本實(shí)施例中，對(duì)三角面片的拼接是利用VtkStripper類將生成的三角面片拼接生成三角帶形成等值面。本實(shí)施例中，采用VTK中的SetMapperO函數(shù)進(jìn)行映射處理。第二步通過SetProp3D()函數(shù)將重建后的結(jié)果添加到創(chuàng)建出的虛擬盒內(nèi)部，并進(jìn)行參數(shù)的設(shè)置。SetProp3D()函數(shù)是VTK中的常用函數(shù)類，主要是對(duì)重建后的物體進(jìn)行操作，在這里作用就是將重建后的物體添加到虛擬盒中。此處虛擬盒是根據(jù)物體的大小來生成的，不需要刻意設(shè)置其高低，它的大小可以通過頂點(diǎn)坐標(biāo)求出。第三步采用偽隨機(jī)數(shù)發(fā)生器函數(shù)來產(chǎn)生隨機(jī)數(shù)，隨機(jī)數(shù)的數(shù)目可以人為的確定，為接下來的計(jì)算提供方便，并判斷點(diǎn)在物體的內(nèi)外；此處點(diǎn)是指隨機(jī)函數(shù)產(chǎn)生的三維坐標(biāo)所對(duì)應(yīng)的像素點(diǎn)；物體是指虛擬盒內(nèi)部的三維構(gòu)造出的對(duì)象模型。所述的隨機(jī)數(shù)通過以下方式得到采用基于ANSI (美國國家標(biāo)準(zhǔn)學(xué)會(huì))標(biāo)準(zhǔn)的隨機(jī)數(shù)發(fā)生器函數(shù)生成隨機(jī)序列，具體為3. I)給無符號(hào)整型函數(shù)srand()提供一個(gè)種子(seed)；3.2)調(diào)用函數(shù)rand()，它會(huì)根據(jù)srandO提供的種子返回隨機(jī)數(shù)；3. 3)根據(jù)需要可以多次調(diào)用rand()函數(shù)并且隨時(shí)可以為srand()函數(shù)提供新的種子，從而得到不同的新的隨機(jī)數(shù)；所述的判斷采用以下任意一種方式實(shí)現(xiàn)-夾角之和判斷法將任意一點(diǎn)和除該點(diǎn)以外的其他多個(gè)點(diǎn)組成的多邊形的任意兩個(gè)頂點(diǎn)進(jìn)行連接，得到若干組兩條相連線段的組合，當(dāng)所有線段組合的夾角累加后為360。即2pi，則該點(diǎn)位于多邊形內(nèi)部。如圖3所示，圖3(b)中多邊形Q1Q2. ..Q5，將％與各頂點(diǎn)相連接，其中QiQtlQw= ^i,這是E e = 2 JI的情況；圖3(C)中將R0與R1R2. R5分別相連，其中RiR0Rw = Yi, E Y=0的情況；圖中QiQ0Qi+! = & !,RiR0Ri+! =^ = 2n ,則判斷點(diǎn)落在多邊形內(nèi)；當(dāng)E Y =0，則判斷點(diǎn)落在多邊形的外部；-叉積判斷法該方法適用于凸多邊形，點(diǎn)在凸多邊形內(nèi)的充要條件是叉積Y1XYinH = I^,......n)的符號(hào)相同，在三維空間內(nèi)，此法僅適用于凸多邊形，；如圖3(a)
中D1D2. . . D6表示為多邊形按逆時(shí)針排序的頂點(diǎn),DciS中心點(diǎn),其中多邊形頂點(diǎn)按逆時(shí)針排序 D1D2. D6,中心點(diǎn)為 D0, Vi = Di-D0, Vn+1 = V1, S t 為 Di 到 Di+1 的夾角，例如 8 :是 D1D0D2的夾角；交點(diǎn)計(jì)數(shù)判斷法當(dāng)多邊形為凹多邊形時(shí)，可通過將任一待判斷點(diǎn)沿同一方向作一射線至無窮遠(yuǎn)，然后求射線與多邊形的交點(diǎn)，若交點(diǎn)個(gè)數(shù)為奇數(shù)，則點(diǎn)在多邊形內(nèi)，否則點(diǎn)在多邊形外；如圖3(d)中A、B、C、D為判斷點(diǎn)，a、b、c、d分別對(duì)應(yīng)表示射線的方向，根據(jù)交點(diǎn)的個(gè)數(shù)判斷點(diǎn)在多邊形內(nèi)外。第四步根據(jù)第三步得到的判斷結(jié)果進(jìn)行統(tǒng)計(jì)，并根據(jù)數(shù)值比例關(guān)系得到待測(cè)不
ffl
規(guī)則物體的體積，具體為h其中=V1是被求體積，V是虛擬盒的體積，M是生成的
隨機(jī)點(diǎn)的總數(shù)，m是判斷后落入被測(cè)體內(nèi)部隨機(jī)點(diǎn)的數(shù)目。實(shí)驗(yàn)結(jié)果分析如圖1、2所示，測(cè)量對(duì)象為頭顱，數(shù)據(jù)來源是可視化人項(xiàng)目。目前尚未找到成熟軟件進(jìn)行對(duì)不規(guī)則體積進(jìn)行測(cè)量，本發(fā)明中采用對(duì)規(guī)則物體的測(cè)量，進(jìn)行說明本發(fā)明數(shù)據(jù)的可靠性。用此方法進(jìn)行求取規(guī)則球體的體積，對(duì)球體半徑不斷的改變，得出不同的結(jié)果值，如下表I所示表I:
\^半徑 R=O. I R=O. 2~ R=O. 3~ R-O 4~ R=O. 5~ R=O. 6~ R=O. 7~I R 0 8~ R=O. 9~
測(cè)量1\_________
測(cè)量值 0.0038 0,0312 0.1045 0.2423 0.4667 0.8360 1.3450 I 9381 2,7516
真實(shí)值 0. 0041 0. 03340.11300. 2679oTs 0.9041 I. 43572. 14323. 0515
誤差值 0.0003 0.00220. 00850. 02560. 03330.0681I. 3450I. 93842. 7516
誤差率 oTo7 oTo7 o7o8 Oo oTo7 oToi o7o6 oTIo Oo其中R是球體半徑，經(jīng)過半徑的變化得出不同的測(cè)量結(jié)果值；測(cè)量值是通過該方法得出的結(jié)果；真實(shí)值是該球體真正的體積大??；誤差值是真實(shí)值與測(cè)量值之差；誤差率是通過下面公式得出的誤差率=(真實(shí)值-測(cè)量值)/測(cè)量值。結(jié)果分析，測(cè)量值與真實(shí)值之間有一定的誤差，但是都在允許的范圍內(nèi)。
權(quán)利要求
1.一種基于三維可視化和蒙特卡羅方法的體積測(cè)量方法，其特征在于，首先通過對(duì)被測(cè)物體的序列圖像進(jìn)行三維重建，并將重建的結(jié)果置于創(chuàng)建得到的虛擬盒內(nèi)部，然后在虛擬盒內(nèi)部產(chǎn)生若干個(gè)隨機(jī)點(diǎn)，最后統(tǒng)計(jì)三維重建后的被測(cè)物體內(nèi)部的隨機(jī)點(diǎn)的個(gè)數(shù)，并根據(jù)虛擬盒的體積和隨機(jī)點(diǎn)的總數(shù)按比例求取被測(cè)物體的體積大小。
2.根據(jù)權(quán)利要求I所述的方法，其特征是，具體包括以下步驟 第一步對(duì)被測(cè)物體的序列圖像進(jìn)行三維重建； 第二步將第一步得到的三維重建模型置于一構(gòu)建出的虛擬盒內(nèi)部； 第三步采用偽隨機(jī)數(shù)發(fā)生器函數(shù)來產(chǎn)生由隨機(jī)數(shù)構(gòu)成坐標(biāo)的隨機(jī)點(diǎn)，并判斷隨機(jī)點(diǎn)是否落在三維重建模型內(nèi)部； 第四步根據(jù)第三步得到的判斷結(jié)果進(jìn)行統(tǒng)計(jì)，得到三維重建模型內(nèi)隨機(jī)點(diǎn)的個(gè)數(shù)，并根據(jù)數(shù)值比例關(guān)系即可求得待測(cè)不規(guī)則物體的體積。
3.根據(jù)權(quán)利要求I或2所述的方法，其特征是，所述的重建是指先對(duì)文件進(jìn)行抽取等值面處理、拼接三角面片處理和數(shù)據(jù)映射處理，然后采用經(jīng)典的面繪制方法-移動(dòng)立方體的方法實(shí)現(xiàn)三維重建。
4.根據(jù)權(quán)利要求3所述的方法，其特征是，所述的抽取等值面處理采用的是移動(dòng)立方體面繪制方法，通過將一系列的二維切片數(shù)據(jù)視作三維數(shù)據(jù)場(chǎng)，并從中將具有特定閾值的物質(zhì)抽取出來以拓?fù)涞姆绞竭B接成三角面片。
5.根據(jù)權(quán)利要求4所述的方法，其特征是，所述的抽取等值面處理的具體步驟包括 i)每次讀兩張切片圖像，形成一個(gè)層單元； ii)兩切片圖像上下相對(duì)應(yīng)的四個(gè)點(diǎn)構(gòu)成一個(gè)立方體單元，如圖I所示； iii)先按照從左至右、從前到后的順序?qū)⒃搶訂卧械牧⒎襟w單元進(jìn)行像素切片并形成新的立方體單元；再按從下到上的順序?qū)?duì)應(yīng)各個(gè)立方體單元進(jìn)行像素切片并形成新的立方體單元，則對(duì)應(yīng)n個(gè)層單元的圖像共進(jìn)行了 n-1次像素切片。
6.根據(jù)權(quán)利要求2所述的方法，其特征是，所述的隨機(jī)數(shù)通過以下方式得到采用基于ANSI標(biāo)準(zhǔn)的隨機(jī)數(shù)發(fā)生器函數(shù)生成隨機(jī)序列。
7.根據(jù)權(quán)利要求2所述的方法，其特征是，所述的隨機(jī)數(shù)通過以下方式得到 3. I)給無符號(hào)整型函數(shù)srand()提供一個(gè)種子(seed)； 3. 2)調(diào)用函數(shù)rand()，它會(huì)根據(jù)srand()提供的種子返回隨機(jī)數(shù)； 3.3)根據(jù)需要可以多次調(diào)用randO函數(shù)并且隨時(shí)可以為srand()函數(shù)提供新的種子，從而得到不同的新的隨機(jī)數(shù)。
8.根據(jù)權(quán)利要求I或2所述的方法，其特征是，所述的判斷隨機(jī)點(diǎn)采用夾角之和判斷法、叉積判斷法或交點(diǎn)計(jì)數(shù)判斷法中任一得以實(shí)現(xiàn)。
9.根據(jù)權(quán)利要求8所述的方法，其特征是，所述的夾角之和判斷法是指將任意一點(diǎn)和除該點(diǎn)以外的其他多個(gè)點(diǎn)組成的多邊形的任意兩個(gè)頂點(diǎn)進(jìn)行連接，得到若干組兩條相連線段的組合，當(dāng)所有線段組合的夾角累加后為360°即2pi，則該點(diǎn)位于多邊形內(nèi)部； 所述的叉積判斷法是指點(diǎn)在凸多邊形內(nèi)的充要條件是叉積ViXVUi = 1,2,……n)的符號(hào)相同； 所述的交點(diǎn)計(jì)數(shù)判斷法是指當(dāng)多邊形為凹多邊形時(shí)，可通過將任一待判斷點(diǎn)沿同一方向作一射線至無窮遠(yuǎn)，然后求射線與多邊形的交點(diǎn)，若交點(diǎn)個(gè)數(shù)為奇數(shù)，則點(diǎn)在多邊形內(nèi)，否則點(diǎn)在多邊形外。
10.根據(jù)權(quán)利要求I或2所述的方法，其特征是，所述的第四步具體為Z，其中W1是被求體積，V是虛擬盒的體積，M是生成的隨機(jī)點(diǎn)的總數(shù)，m是判斷后落入被測(cè)體內(nèi)部隨機(jī)點(diǎn)的數(shù)目。
全文摘要
一種計(jì)算機(jī)信息處理技術(shù)領(lǐng)域的基于三維可視化和蒙特卡羅方法的體積測(cè)量方法，通過對(duì)被測(cè)物體的序列圖像進(jìn)行三維重建，并將重建的結(jié)果置于創(chuàng)建得到的虛擬盒內(nèi)部，然后在虛擬盒內(nèi)部產(chǎn)生若干個(gè)隨機(jī)點(diǎn)，最后統(tǒng)計(jì)三維重建后的被測(cè)物體內(nèi)部的隨機(jī)點(diǎn)的個(gè)數(shù)，并根據(jù)虛擬盒的體積和隨機(jī)點(diǎn)的總數(shù)按比例求取被測(cè)物體的體積大小。本發(fā)明實(shí)現(xiàn)了對(duì)不規(guī)則物體體積的測(cè)量，且測(cè)量對(duì)象不需要進(jìn)行分割、分塊等處理，結(jié)果精度相對(duì)較高。
文檔編號(hào)A61B5/107GK102749053SQ20121018426
公開日2012年10月24日 申請(qǐng)日期2012年6月6日 優(yōu)先權(quán)日2012年6月6日
發(fā)明者呂曉琪, 張寶華, 李許峰 申請(qǐng)人:內(nèi)蒙古科技大學(xué)