为了在普通微机上实现对医学体数据场的实时清晰绘制,给出了一种多种因素融合的光学属性赋值方法,进而提出一种新的医学体绘制算法。将医学体数据场进行分类,对于前景体素集采用LOD(Layer of Detail)技术进行重采样;然后用定义的光学属...为了在普通微机上实现对医学体数据场的实时清晰绘制,给出了一种多种因素融合的光学属性赋值方法,进而提出一种新的医学体绘制算法。将医学体数据场进行分类,对于前景体素集采用LOD(Layer of Detail)技术进行重采样;然后用定义的光学属性赋值方法对采样点赋值,从而将物体距离视点的距离与物体距离光源的距离有效地结合起来。最后,采用基于空间跳跃的加速技术显示背景体素。实验结果表明:对于512×512×482×2 Byte大小的体数据在减少至原来大小2/3的情况下,在普通微机上能够达到2.5 frame/s的清晰绘制。本算法能够实现一般大小体数据场的实时绘制,而且组织器官显示清晰,符合人的视觉特征。展开更多
基金Supported by the National Basic Research Program of China under Grant No.2002CB312101(国家重点基础研究发展计划(973))the National Natural Science Foundation of China under Grant Nos.60373036,60333010(国家自然科学基金)+1 种基金the Doctoral Program of Higher Education(Specialized Research Fund)of China under Grant No.20050335069(国家教育部高等学校博士学科点专项科研基金)the Natural Science Foundation of Zhejiang Province of China under Grant No.R106449(浙江省自然科学基金)
文摘为了在普通微机上实现对医学体数据场的实时清晰绘制,给出了一种多种因素融合的光学属性赋值方法,进而提出一种新的医学体绘制算法。将医学体数据场进行分类,对于前景体素集采用LOD(Layer of Detail)技术进行重采样;然后用定义的光学属性赋值方法对采样点赋值,从而将物体距离视点的距离与物体距离光源的距离有效地结合起来。最后,采用基于空间跳跃的加速技术显示背景体素。实验结果表明:对于512×512×482×2 Byte大小的体数据在减少至原来大小2/3的情况下,在普通微机上能够达到2.5 frame/s的清晰绘制。本算法能够实现一般大小体数据场的实时绘制,而且组织器官显示清晰,符合人的视觉特征。
