为了更好地获取三维CT图像中的骨表面,本文利用轮廓跟踪的思想提出了一种三维骨表面检测算法。该算法首先通过三维轮廓跟踪方法找出初始的三维表面轮廓,然后利用一阶导数的方法对滤波去噪后的图像中的初始表面体素计算法线方向;为了保证该法线方向的足够精确,本文提出了一种预估-校正的方案,来对之前计算出的法线方向进行修正,从而得出一个更精确的法线方向;最后,利用此法线方向建立一维信号、进行边缘检测。实验结果表明本文算法有效地增强了轮廓跟踪算法的抗噪性,也较好地提取出完整的骨表面相当于点i的另一种法线方向的预估值，这个值就是利用了其相邻点的法线方向计算得到的。归纳可得，式(8)其实就是利用了一个因子qi而将两种法线估算方案实现了结合。而关于式(8)中因子qi应该如何选取，将会在3．1中进行详述。2．3三维法线方向校正方案该方案若要应用到三维图像中，表面检测算法-电动数控滚圆机滚弧机张家港钢管滚圆机滚弧机倒角机折弯机关于各个体素之间法线方向关系的表te图1(a)中，A珗=(1，θ1，φ1)和B珗=(1，θ2，φ2)是两个相邻体素的法线方向，其中φ是方位角，θ是天顶角。通过这种表示方法，即可将三维角度转换到两个不同的二维空间中，本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name而后分别利用上文中所得的方法对其进行校正，如图1(b)和图1(c)所示。如图1(b)和图1(c)所示，在这两个平面中，将分别使用式(8)来对方位角和天顶角进行校正，由此就得到了完整的三维图像中法线方向的预估－校正方案。3参数估计与边缘检测3．1三维法线方向校正方案从上文可以看出，目前需要制定取值方案的参数有两个，一个是高斯一阶导中高斯滤波的噪声标准差σ，另一个·78·智能计算机与应用第5卷含了除骨骼以外的其他组织的边缘，并且骨骼边缘还不一定是完整且闭合的，而本文的算法只找到了骨的边缘，滤除了其他组织，形成了完整闭合轮廓。这也就从根本体现了本文算法的优势。4．2三维图像图4(a)是使用Volview中包含的常见基本表面检测算法对髋关节CT图像处理后的结果，图4(b)是本研究算法处理的初步结果。图4三维髋关节骨表面检测结果对比比以上结果可以看出，由于本文的算法是基于跟踪的，所以只检测到了研究需要的髋关节，而不会和传统的算法一样把脊椎也显示包含于结果之中。此外，本文算法又将两侧的其他组织边缘也实现了过滤。除了从图像上的直观比较外，还需要将结果与手动分割得到的黄金标准做一比较。研究分别测量了四组三维图像分割结果与黄金标准的Dice系数和平均曲面距离)，并且和Canny算子与轮廓跟踪算法进行了结果比较，具体如表1所示。表1三种方法在三维髋关节CT图像上的精度表面检测算法-电动数控滚圆机滚弧机张家港钢管滚圆机滚弧机倒角机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name