[发明专利]一种基于CUDA的医学图像的三维重建方法

说明书

本发明提供一种基于CUDA的医学图像的三维重建方法，光线投射算法在CUDA上实现的关键是能够利用GPU完成对体数据的遍历、采样和计算，并将得到的采样值进行混合，以产生最终的重建结果。本发明的技术方案，在保证了较满意的重建效果的前提下，提高了算法的效率，使得实时绘制更加流畅。

技术领域

本发明属于图像处理领域，尤其涉及一种基于CUDA的医学图像的三维重建方法。

背景技术

三维医学数据的体绘制技术在可视化中具有十分重要的意义，由于医学图像数据大多数属于规则的结构化体数据(Structured Regular Volume Data)，分布在正方体或长方体组成的三维网格点上，因此本文研究的内容都是围绕规则结构化体数据展开的。对于规则数据场的体绘制本文采用体绘制算法中比较典型的光线投射算法(Ray Casting)。由于光线投射算法只与投射光线的数量密切相关，因此特别适合于数据场规模大、数据集比较规则的三维数据场的体绘制。光线投射法的原理相对简单，过程易于实现，并且可以很容易地实现透视投影，绘制的图像质量也相对较高，因此适合作为医学图像三维重建的算法。

虽然光线投射算法在规则数据场中有很多的优点，但是也存在着一些不尽完善的地方，如：因为运算量比较大导致绘制速度比较慢，难以满足实时性要求。由于光线投射算法的实现与光线数量有关，处理速度一直是一个难点，单纯在算法上进行的优化很难保证三维重建的实时性。近年来，随着图形技术的发展，很多研究人员都对医学数据的体绘制进行了探索。随着GPU的发展，出现了一些基于GPU的加速算法。Kruger和Westermann等人在传统的光线投射算法基础上基于GPU并行计算特点对算法进行重构，它使用顶点着色程序计算投射光线参数、通过利用深度测试与阻塞询问模拟循环实现光线积分。Christof和Kolb等人提出了不透明度剥离的体绘制算法。尽管上述基于GPU的光线投射算法加快了体绘制速度，大大超过了只在CPU上运行的算法，但是为了达到理想的绘制速度而放弃了编程的灵活性。

2006年11月，NVIDIA公司推出了CUDA(通用并行计算)体系构架，该构架是一种新的并行编程模型和指令集的通用计算构架，它是基于高速图像处理单元GPU的，在GPU上高速并发执行，极大的提高了程序算法的运行速度，该体系构架为GPU编程提供了一种全新的软硬件构架。利用NVIDIA GPU的并行计算引擎，线程、线程块和网格可以进行比CPU更高效的复杂计算任务。CUDA集成了CPU和GPU各自的优势，内核部分在GPU上执行，其余部分则继续在CPU上完成。L.Marsalek最早在CUDA构架中对体绘制进行了加速尝试，并且证明了CUDA能有效提高体绘制的速度。以上的研究表明了对医学图像的三维重建用CUDA对光线投射算法进行优化加速，可以极大提高运算的效率和算法的执行速度。

在CUDA编程环境中，主要包括CPU和GPU两个部分。CPU作为主机，即Host端，GPU作为设备，即Device端。Host端与Device端有专用的通道进行数据通信，Host端负责对逻辑性事务进行处理，以及对串行化运算的控制；Device端负责执行大规模的并行化处理任务。将运行在图像处理单元GPU上的CUDA并行计算函数称为核函数，即kernel函数。

发明内容

本发明提供一种基于CUDA的医学图像的三维重建方法，在保证了较满意的重建效果的前提下，提高了算法的效率，使得实时绘制更加流畅。

为实现上述目的，本发明采用如下的技术方案：

一种基于CUDA的医学图像的三维重建方法，包括以下步骤：

步骤1、体数据映射成三维纹理

将unsigned char类型的体数据映射成可以被GPU读入的三维纹理，在体数据到三维纹理的映射过程中，可现实多种传递函数，进行灰度绘制时，直接使用体数据值作为三维纹理的灰度值；而进行光照绘制时，将每一个体数据点的梯度值作为三维纹理的RGB颜色值，使用中心差分公式计算梯度值，而将原始的体数据值作为透明度值；