三维提取等值面的重建方法Marching Cubes

最新推荐文章于 2024-05-26 10:04:43 发布

Cethy

最新推荐文章于 2024-05-26 10:04:43 发布

阅读量9k

点赞数 2

分类专栏：三维计算视觉文章标签：三维重建 Marching Cubes

三维计算视觉专栏收录该内容

6 篇文章 0 订阅

订阅专栏

感谢原作者的分享，转载出自：http://www.cnblogs.com/shushen/p/5542131.html

http://www.cnblogs.com/shushen/p/5607833.html

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 = 256种情形，下图是Marching Cubes算法的15种基本情形，其他241种情形可以通过这15种基本情形的旋转、映射等方式实现。

　　每个体素单元上顶点和边的索引规则如下图左所示，假如体素下方的顶点3的值小于等值面值，其他顶点上的值都大于等值面值（如下图右所示），那么我们可以生成一个与体素边2，3，11相交的三角面片，而三角面片顶点的具体位置则需要根据等值面值和边顶点3-2，3-0，3-7的值线性插值计算得到。

　　对于与等值面存在交点的体素边，交点坐标用P表示，P₁、P₂代表边上两个端点的坐标，V₁、V₂代表这两个端点上的值，V代表等值面值，那么交点坐标的计算公式如下：

P = P₁ + (V – V₁)·(P₂ – P₁)/(V₂ – V₁)

　　算法第一步：通过edgeTable表判断等值面和体素单元哪一条边相交

　　体素单元顶点状态的索引号定义规则如下：

cubeindex = 0;
if (V[0] < isolevel) cubeindex |= 1;
if (V[1] < isolevel) cubeindex |= 2;
if (V[2] < isolevel) cubeindex |= 4;
if (V[3] < isolevel) cubeindex |= 8;
if (V[4] < isolevel) cubeindex |= 16;
if (V[5] < isolevel) cubeindex |= 32;
if (V[6] < isolevel) cubeindex |= 64;
if (V[7] < isolevel) cubeindex |= 128;

　　以上图所示为例，仅顶点3标记为“1”，其他顶点标记为“0”，那么体素单元的顶点状态为0000 1000或者8，通过查找表得到edgeTable[8] = 1000 0000 1100，意味着体素单元的边2，3，11和等值面相交，然后通过线性插值计算各个交点的位置。

　　算法第二步：通过triTable表生成对应三角面片的组成情况

　　还是以上图所示为例，通过查找表得到triTable[8] = {3, 11, 2, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1}，意味着该种顶点状态可以生成三角面片(3, 11, 2)，代表三角面片的3个顶点为边3，11，2和等值面相交的交点。

　　经过上述步骤之后，我们可以得到等值面的点面信息。为了进一步完善显示效果，需要调整顶点法向。假设顶点(i, j, k)上的值为f(i, j, k)，采用中心差分方法可以计算该点处的梯度矢量：

　　对G进行归一化，得到顶点(i, j, k)上的单位法向量，然后对体素单元上8个顶点的法向量进行线性插值就可得到三角面片各个顶点的显示法向量。

edgeTable查找表

 
   
 View Code 

triTable查找表

 
   
 View Code 

本文为原创，转载请注明出处：http://www.cnblogs.com/shushen。

参考文献：

[1] William E. Lorensen and Harvey E. Cline. 1987. Marching cubes: A high resolution 3D surface construction algorithm. SIGGRAPH Comput. Graph. 21, 4 (August 1987), 163-169.

[2] http://graphics.stanford.edu/~mdfisher/MarchingCubes.html

上一篇介绍了Marching Cubes算法，Marching Cubes算法是三维重建算法中的经典算法，算法主要思想是检测与等值面相交的体素单元并计算交点的坐标，然后对不同的相交情况利用查找表在体素单元内构建相应的网格拓扑关系。Marching Cubes算法简单，但是存在一些缺陷：1.模型二义性问题；2.模型特征问题。

　　对于二义性问题，以2D情形为例，存在一个单元中同一顶点状态而不同的连接方式（如下图所示）。