基于高斯拉普拉斯的层次剥离体绘制

J4 ›› 2014, Vol. 36 ›› Issue (6): 1148-1153.

基于高斯拉普拉斯的层次剥离体绘制

刘旭江，徐圆，齐宏亮，洪虹，周凌宏

(南方医科大学生物医学工程学院医疗仪器研究所，广东广州 510515)

收稿日期:2012-07-21 修回日期:2013-01-21 出版日期:2014-06-25 发布日期:2014-06-25
基金资助:
国家自然科学基金资助项目(30970866)；广东省战略性新兴产业核心技术攻关(2011A081402003)

Layered peeling algorithm of volume rendering
based on Laplacian of Gaussian

LIU Xujiang,XU Yuan,QI Hongliang,HONG Hong,ZHOU Linghong

(Institute of Medical Equipment,School of Biomedical Engineering,Southern Medical University,Guangzhou 510515,China)

Received:2012-07-21 Revised:2013-01-21 Online:2014-06-25 Published:2014-06-25

摘要/Abstract

摘要：

由于仅修改传递函数很难解决组织间的遮挡问题，尤其是同种组织间的遮挡问题。采用边缘检测的原理确定不同组织间的分层点，并针对基于梯度的层次剥离体绘制难于选择合适的梯度阈值的缺点，提出通过判断图像二阶导数过零点的方法，确定不同组织的分层点。同时，为了达到实时效果，通过图形处理器对算法加速，实现实时绘制的效果。实验结果表明，该算法能够自动地并实时地实现体绘制的分层显示，显示结果较清晰。

关键词: 图形处理器, 高斯拉普拉斯, 光线投射

Abstract:

It is difficult to solve the problem of interorganizational occlusion by only modifying the transfer function, especially the occlusion between the same kind of tissues. The principle of edge detection is used to solve the problem above. In order to conquer the shortcoming that the gradientbased layered peeling algorithm of volume rendering is difficult to choose the right gradient threshold, a method is proposed to judge the zerocrossing of the second derivative of the image and to determine the layered points of different organizations. For the sake of achieving the realtime effect, graphic processing unit is used to accelerate the algorithm. The experimental results show that the algorithm can provide a clear and realtime layered display of volume rendering automatically.

Key words: graphic processing unit;Laplacian of Gaussian;raycasting

刘旭江，徐圆，齐宏亮，洪虹，周凌宏. 基于高斯拉普拉斯的层次剥离体绘制[J]. J4, 2014, 36(6): 1148-1153.

LIU Xujiang,XU Yuan,QI Hongliang,HONG Hong,ZHOU Linghong. Layered peeling algorithm of volume rendering
based on Laplacian of Gaussian [J]. J4, 2014, 36(6): 1148-1153.

[1]	石璐, 邹高远, 伍思琦, 张少帅. 基于Tensor Cores的新型GPU架构的高性能Cholesky分解[J]. 计算机工程与科学, 2025, 47(7): 1170-1180.
[2]	姜晶菲, 何源宏, 许金伟, 许诗瑶, 钱希福. NM-SpMM：面向国产异构向量处理器的半结构化稀疏矩阵乘算法[J]. 计算机工程与科学, 2024, 46(7): 1141-1150.
[3]	孙庆骁, 刘轶, 杨海龙, 王一晴, 贾婕, 栾钟治, 钱德沛. GNNSched：面向GPU的图神经网络推理任务调度框架[J]. 计算机工程与科学, 2024, 46(1): 1-11.
[4]	吴超, 卫谦, 周俊伟, 李会民, 孙广中. 基于异构计算平台的背景噪声预处理并行算法[J]. 计算机工程与科学, 2023, 45(10): 1711-1719.
[5]	贾朝阳, 张敦博, 王琼, 沈立. 一种高效的压缩Page Walk Cache结构[J]. 计算机工程与科学, 2020, 42(9): 1521-1528.
[6]	陈虎, 韩建国. GPU上典型存储器难散列函数的优化[J]. 计算机工程与科学, 2020, 42(10高性能专刊): 1905-1912.
[7]	方程，邢座程，陈顼颢，张洋. 一种基于GPU的高性能稀疏卷积神经网络优化[J]. 计算机工程与科学, 2018, 40(12): 2103-2111.
[8]	晏敏1，何欣1，李沙1，祝龙1，赵丽2. 基于一阶泰勒级数查表法单精度倒数的设计与实现[J]. 计算机工程与科学, 2017, 39(7): 1269-1272.
[9]	张阿关1,4，蒋慧琴1,4，马岭1,4，杨晓鹏2,4，刘玉敏3,4. 一种基于GPU的改进光线投射算法[J]. 计算机工程与科学, 2017, 39(1): 145-150.
[10]	尚长春,马宏伟,安静宇. 基于改进Canny算子的煤矿井下物体图像边缘检测方法研究[J]. J4, 2014, 36(3): 491-496.
[11]	黄亮，秦信刚，武玲娟，熊庭刚. 一种面向55 nm工艺的可扩展统一架构图形处理器设计与实现[J]. J4, 2014, 36(12): 2418-2423.
[12]	张连伟1，2，刘大学2，刘肖琳2，李焱2，徐昕2，贺汉根2. 基于图形处理器的点云快速光顺[J]. J4, 2011, 33(4): 86-92.
[13]	刘耀林邱飞岳王丽萍. 基于GPU的图像快速旋转算法的研究及实现[J]. J4, 2008, 30(6): 48-50.
[14]	张翔[2] 张大志[1] 田金文[1] 柳健[1]. 基于相关性的快速体绘制研究[J]. J4, 2005, 27(2): 33-35.
[15]	周璐[1] 乐嘉陵[2]. 计算流动显示——概念,原理及实现[J]. J4, 2000, 22(1): 7-9.