本發(fā)明屬于圖形學領域，尤其涉及一種基于二維直方圖的傳遞函數(shù)設計方法及裝置。

背景技術：

直接體繪制技術是將三維體數(shù)據(jù)直接轉換為利于人們觀察的二維圖像，而不生成中間幾何圖元的一種渲染方法。其實質是重采樣與顏色合成。直接體繪制常見的實現(xiàn)方法有光線投射(Raycasting)、拋雪球法(Splatting)、錯切變形(Shear warp)、紋理映射(Texture Mapping)等，最常用的是光線投射算法。直接體繪制中核心步驟便是傳遞函數(shù)(TF，Transfer function)的設計。本質上講，傳遞函數(shù)反映的是將體數(shù)據(jù)中的數(shù)值和光學屬性(包括顏色RGB和不透明度Alpha)對應起來的一種映射關系。然而，如何找出合適的規(guī)則設計傳遞函數(shù)使得繪制結果滿足需求并不是一項容易的事。

現(xiàn)有技術中，基于灰度值和梯度模的二維傳遞函數(shù)設計方法能夠有效的提取不同物質的邊界，通過使用各種自定義的分類控件，如矩形、三角形等，用戶可以靈活的定義各種二維傳遞函數(shù)，但是，在上述現(xiàn)有技術中需要用戶不斷的進行試錯，并且由于控件形狀過于規(guī)則化，無法描述復雜的高維特征。

技術實現(xiàn)要素：

本發(fā)明提供一種基于二維直方圖的傳遞函數(shù)設計方法及裝置，通過對體素的灰度-梯度直方圖進行過分割，實現(xiàn)自動設計傳遞函數(shù)，從而不用受到控件形 狀不可隨意調試的限制，簡化了用戶操作，提高體數(shù)據(jù)的繪制效率。

本發(fā)明實施例提供了一種基于二維直方圖的傳遞函數(shù)設計方法，包括：

獲取體數(shù)據(jù)；對所有體素進行梯度計算以得到灰度-梯度直方圖；過分割所述灰度-梯度直方圖；根據(jù)分割后的體素的空間信息進行層次聚類；對不同類的體素進行色彩映射，以生成傳遞函數(shù)。

本發(fā)明實施例提供了一種基于二維直方圖的傳遞函數(shù)設計裝置，包括：

獲取模塊，用于獲取體數(shù)據(jù)；計算模塊，用于對所有體素進行梯度計算以得到灰度-梯度直方圖；過分割模塊，用于過分割所述灰度-梯度直方圖；聚類模塊，用于根據(jù)分割后的體素的空間信息進行層次聚類；映射模塊，用于對不同類的體素進行色彩映射，以生成傳遞函數(shù)。

從上述本發(fā)明實施例可知，通過對體素的灰度-梯度直方圖進行過分割對體素進行初步分類，并通過層次聚類進行第二次分類，從而實現(xiàn)自動設計傳遞函數(shù)，相對于現(xiàn)有技術，不用受到控件形狀不可隨意調試的限制，簡化了用戶操作，提高體數(shù)據(jù)的繪制效率。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明第一實施例提供的基于二維直方圖的傳遞函數(shù)設計方法的流程示意圖；

圖2是本發(fā)明第二實施例提供的基于二維直方圖的傳遞函數(shù)設計方法的流程示意圖；

圖3是本發(fā)明實例中對數(shù)據(jù)點進行層次聚類的示意圖；

圖4是本發(fā)明第三實施例提供的基于二維直方圖的傳遞函數(shù)設計裝置的結構示意圖；

圖5是本發(fā)明第四實施例提供的基于二維直方圖的傳遞函數(shù)設計裝置的結構示意圖。

具體實施方式

為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明各實施例中，假設同一種物質具有相同的灰度、梯度值并且在空間距離上也是接近的。另外，由于物質的邊緣和顏色對于感知非常重要，因此對于每一種物質的阻光度設置為與梯度大小成正比，即越是邊緣阻光度越大越容易被看到。

請參閱圖1，圖1為本發(fā)明第一實施例提供的基于二維直方圖的傳遞函數(shù)設計方法的實現(xiàn)流程示意圖，主要包括以下步驟S101至步驟S105：

步驟S101、獲取體數(shù)據(jù)；

體數(shù)據(jù)(Volume Data)一般由用戶輸入。

步驟S102、對所有體素進行梯度計算以得到灰度-梯度直方圖；

梯度是灰度值的一階導數(shù)，數(shù)據(jù)場中某點處的梯度方向為該點處變化率最大的方向，梯度模值是一個標量值，它等于這個最大變化率的值?？赏ㄟ^梯度模值來分出物質的邊界和物質的內部?；叶?梯度直方圖是體數(shù)據(jù)的統(tǒng)計結果，一般表示為一些二維的散點分布。通?；叶?梯度直方圖中散點的亮度L同它所對應體素的個數(shù)x存在一定的關系，以避免出現(xiàn)散點間亮度的數(shù)量級差別過大， 我們取對數(shù)L＝log(x)。根據(jù)灰度-梯度直方圖的定義，圖上的每個散點均對應了體數(shù)據(jù)中的一些體素，將其稱為體元，并且每個體元對應的都是具有相同灰度梯度值的體素。

步驟S103、過分割該灰度-梯度直方圖；

對該灰度-梯度直方圖進行過分割，將該灰度-梯度直方圖分成多個子區(qū)域，也就是將灰度-梯度直方圖看作圖像，并對圖像進行超像素分割?？蓽p少層次聚類的計算量。

步驟S104、根據(jù)分割后的體素的空間信息進行層次聚類；

將距離最近的體素聚合為一類，再將聚合后的類體素加入到進行層次聚類的體素中，和其他剩余體素繼續(xù)按照距離最近原則進行聚合，直到所有的體素聚合為一類。

步驟S105、對不同類的體素進行色彩映射，以生成傳遞函數(shù)。

色彩映射，是設置分類后體素的不透明度、色調、飽和度以及亮度。從而自動生成傳遞函數(shù)，不需要用戶繁瑣的交互操作。

根據(jù)設計好的傳遞函數(shù)，實現(xiàn)對體數(shù)據(jù)的繪制，得到繪制好的二維圖像。

本發(fā)明實施例中，通過對體素的灰度-梯度直方圖進行過分割對體素進行初步分類，并通過層次聚類進行第二次分類，從而實現(xiàn)自動設計傳遞函數(shù)，相對于現(xiàn)有技術，不用受到控件形狀不可隨意調試的限制，簡化了用戶操作，提高體數(shù)據(jù)的繪制效率。

請參閱圖2，圖2為本發(fā)明第二實施例提供的基于二維直方圖的傳遞函數(shù)設計方法的實現(xiàn)流程示意圖，主要包括以下步驟S201至步驟S206：

步驟S201、獲取體數(shù)據(jù)；

步驟S202、對所有體素進行梯度計算以得到灰度-梯度直方圖；

體素(Voxel)，是組成體數(shù)據(jù)的最小單元，一個體素表示體數(shù)據(jù)中三維空間某部分的值。體素相當于二維空間中像素的概念。體素不存在絕對空間位置 的概念，只有在體空間中的相對位置。

梯度是灰度值的一階導數(shù)，數(shù)據(jù)場中某點處的梯度方向為該點處變化率最大的方向，梯度模值是一個標量值，它等于這個最大變化率的值?？赏ㄟ^梯度模值來分出物質的邊界和物質的內部。灰度-梯度直方圖是體數(shù)據(jù)的統(tǒng)計結果，一般表示為一些二維的散點分布。通?；叶?梯度直方圖中散點的亮度L同它所對應體素的個數(shù)x存在一定的關系，以避免出現(xiàn)散點間亮度的數(shù)量級差別過大，我們取對數(shù)L＝log(x)。根據(jù)灰度-梯度直方圖的定義，圖上的每個散點均對應了體數(shù)據(jù)中的一些體素，將其稱為體元，并且每個體元對應的都是具有相同灰度梯度值的體素。

步驟S203、通過基于熵率的超像素分割方式，過分割該灰度-梯度直方圖；

對該灰度-梯度直方圖進行過分割，將該灰度-梯度直方圖分成多個子區(qū)域，也就是對圖像進行超像素分割?？蓽p少層次聚類的計算量。

本實施例中對該灰度-梯度直方圖進行過分割，采用的是基于熵率的超像素分割方法，該方法的基本思想是將超像素分割看成一個聚類問題進行處理，通過求解某一目標函數(shù)的最大值就可以得出分割結果。

具體地，首先將該灰度-梯度直方圖映射成無向圖G＝(V，E)，其中V代表無向圖的頂點集，E代表邊集，邊的權值代表頂點間的相似性，用權函數(shù)w表示，這樣就將灰度-梯度直方圖的分割問題轉化為圖的劃分問題。對圖的劃分就是將V劃分為一系列不相交的集合S＝{S₁，S₂，...，S_N}，其中任意兩個子集的交集為空，所有子集的并集為V，N為自然數(shù)。對圖的劃分就是從G＝(V，E)中選取E的子集A，得到由K個子圖構成的無向圖G′＝(V，A)。為此，提出了一種基于圖論的聚類目標函數(shù)：

maxH'(A)+λB(A)

其中，H′(A)表示圖上隨機游動的熵率，B(A)表示平衡項，A是選擇的邊集，λ≥0是平衡系數(shù)。前者(maxH'(A))能夠保證聚類緊致、均勻，而后者 (λB(A))保證分割而成的每一個超像素區(qū)域大小基本相同。

隨機游動的熵率H′(A)的計算方式為，假設有一個粒子在無向圖上由一個頂點向另一個頂點作隨機游動。設隨機游動為{Xn}，Xn為無向圖的一個頂點序列。若Xn＝i，那么粒子游動的下一個頂點只可能是與節(jié)點i相鄰的一個節(jié)點j，且轉移概率p_i,j＝w_i,j/w_i，w_i,j，其中，w_i,j表示連接頂點i和j的邊權重，w_i是頂點i邊權重之和。

其中，μ是隨機過程的平穩(wěn)分布，μ_i＝w_i/w_T，V表示圖的頂點個數(shù)。只有加入緊湊和均勻區(qū)域的邊時，才能使熵率增加最快。

平衡項B(A)的計算方式為，若邊集A的圖分割結果是S＝{S₁，S₂，...，S_NΔ}，集群成員的分布公式為P_zΔ(i)＝|S_i|/|V|，其中i＝(1，...，N_A)表示劃分后得到的子集個數(shù)，ZA是集群成員的分布。P_zΔ(i)表示第i個子集頂點數(shù)所占比例，|S_i|表示第i個子集的頂點個數(shù)。

B(A)＝-ΣP_ZA(i)·log(P_ZA(i))-N_A

確定目標函數(shù)后，使用貪心算法分割圖像，最終得到超像素的分割結果。貪心算法(又稱貪婪算法)是指在對問題求解時，總是做出在當前看來是最好的選擇。即，不從整體最優(yōu)上加以考慮，該算法所做出的是在某種意義上的局部最優(yōu)解。

步驟S204、根據(jù)分割后的體素的空間信息進行層次聚類；

超像素分割之后，體數(shù)據(jù)也被劃分成了具有相同灰度梯度值一系列小類。之后，根據(jù)體素的空間信息進行層次聚類，以得到分類效果。

具體地，在多個體素S中計算每對體素之間的距離初始相似度，若S_i和S_j之間的距離具有最小相似度，則將這兩個類合并成一類，于是總的類數(shù)就少了一個，在此基礎上繼續(xù)計算新的類和剩余體素之間的距離，不斷重復此步驟，到最后所有體素合并成一個類為止。

一個實例，請參見圖3，S₁～S₅為5個數(shù)據(jù)點，首先第1層(K＝1)將每個數(shù)據(jù)點單獨作為一個聚類集合，第2層(K＝2)選擇最相似的兩個聚類集合進行合并，根據(jù)最小距離相似度度量，數(shù)據(jù)點最相似的進行合并。同理，逐層向上類聚，最終所有的數(shù)據(jù)點都屬于同一個類別。如第3層(K＝3)至第5層(K＝5)所示。

層次聚類最重要的步驟是類間相似度的計算，將空間上比較接近的體素聚為一類的具體計算方式如下：

首先，S_i和S_j的領域關系計算為，對于類S_i中的每一個體素v_i的26領域中有多少是屬于類S_i，計算式如下：

其中，N₂₆(v_i,v_j)值為1。如果v_i和v_j是相鄰的，其他的情況下都為0。那么體素之間的空間關系計算式為：

其中，r(v_i,v_j)∈(0,1)。

那么，兩個類之間的相似度測量就可以通過最大化領域關系的和而計算得到，計算式如下：

步驟S205、對不同類的體素進行色彩映射，以生成傳遞函數(shù)；

根據(jù)體素的梯度幅值設置不透明度傳遞函數(shù)，以及通過增強的顏色設置方式設置顏色傳遞函數(shù)。

具體地，為了更好的展示體數(shù)據(jù)的結構信息，且體素較大的部分通常為不同結構的邊界，基于此，在設定其他體素的不透明度時，按照該體素對應的梯 度幅值來進行設置。其中，梯度幅值在前述步驟S202中對所有體素進行梯度計算以得到灰度-梯度直方圖時得到并存儲的。

α(P)＝α_max||g_p||^k

其中，P表示某一個體素，α_max是用戶定義的最大透明度值，g_p表示P的梯度幅值，K是一個常數(shù)，用來約束透明度隨梯度變化的形式。上述公式表示對于某一個體素P來說，其透明度等于α的最大值α_max乘以體素P對應的梯度值的倍數(shù)。

亮度對于半透明結構的感知很重要，并且色度也在區(qū)分不同結構上發(fā)揮重要作用，因此采用感知增強的顏色設置方案為每個直方圖分割得到的傳遞函數(shù)設置顏色傳遞函數(shù)。第j個傳遞函數(shù)的色調、飽和度和亮度定義為：

s_j＝1.0，

其中m是一個0到n之間的數(shù)，主要用來避免某個特征值的亮度被設成0。

步驟S206、接收用戶對直方圖分割的散點對應的體結構的指令，并根據(jù)該用戶選擇的結果調整該傳遞函數(shù)。

同時用戶可以交互式的選擇每個直方圖分割的散點對應的體結構，直方圖中每一種顏色代表一種分類好的物質，用戶可以選擇不同的顏色進行合并從而達到對分類結果的合并，也可以將某種顏色對應的物質的透明度設置為0。接收用戶對直方圖分割的散點對應的體結構的指令，并根據(jù)該指令進一步調整該傳遞函數(shù)。

根據(jù)設計好的傳遞函數(shù)，實現(xiàn)對體數(shù)據(jù)的繪制，得到繪制好的二維圖像。

本實施例提供的基于二維直方圖的傳遞函數(shù)設計方法，通過對體素的灰度-梯度直方圖進行過分割對體素進行初步分類，并通過層次聚類進行第二次分類，從而實現(xiàn)自動設計傳遞函數(shù)，相對于現(xiàn)有技術，不用受到控件形狀不可隨意調試的限制，簡化了用戶操作，提高體數(shù)據(jù)的繪制效率。

請參閱圖4，圖4是本發(fā)明第三實施例提供的基于二維直方圖的傳遞函數(shù) 設計裝置的結構示意圖，為了便于說明，僅示出了與本發(fā)明實施例相關的部分。圖4示例的基于二維直方圖的傳遞函數(shù)設計裝置可以是前述實施例提供的基于二維直方圖的傳遞函數(shù)設計方法的執(zhí)行主體。該裝置，主要包括：獲取模塊401、計算模塊402、過分割模塊403、聚類模塊404以及映射模塊405，各功能模塊詳細說明如下：

其中，獲取模塊401，用于獲取體數(shù)據(jù)。

計算模塊402，用于對所有體素進行梯度計算以得到灰度-梯度直方圖。

過分割模塊403，用于過分割該灰度-梯度直方圖。

聚類模塊404，用于根據(jù)分割后的體素的空間信息進行層次聚類；

映射模塊405，用于對不同類的體素進行色彩映射，以生成傳遞函數(shù)。

需要說明的是，以上圖4示例的基于二維直方圖的傳遞函數(shù)設計裝置的實施方式中，各功能模塊的劃分僅是舉例說明，實際應用中可以根據(jù)需要，例如相應硬件的配置要求或者軟件的實現(xiàn)的便利考慮，而將上述功能分配由不同的功能模塊完成，即將所述基于二維直方圖的傳遞函數(shù)設計裝置的內部結構劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。而且，實際應用中，本實施例中的相應的功能模塊可以是由相應的硬件實現(xiàn)，也可以由相應的硬件執(zhí)行相應的軟件完成。本說明書提供的各個實施例都可應用上述描述原則。

本實施例對基于二維直方圖的傳遞函數(shù)設計裝置的各功能模塊實現(xiàn)各自功能的具體過程，請參見上述圖1所示實施例中描述的具體內容，此處不再贅述。

本實施例提供的基于二維直方圖的傳遞函數(shù)設計裝置，通過對體素的灰度-梯度直方圖進行過分割對體素進行初步分類，并通過層次聚類進行第二次分類，從而實現(xiàn)自動設計傳遞函數(shù)，相對于現(xiàn)有技術，不用受到控件形狀不可隨意調試的限制，簡化了用戶操作，提高體數(shù)據(jù)的繪制效率。

請參閱圖5，圖5是本發(fā)明第四實施例提供的基于二維直方圖的傳遞函數(shù)設計裝置的結構示意圖，為了便于說明，僅示出了與本發(fā)明實施例相關的部分。 圖5示例的基于二維直方圖的傳遞函數(shù)設計裝置可以是前述實施例提供的基于二維直方圖的傳遞函數(shù)設計方法的執(zhí)行主體，其可以是智能穿戴設備或者其中的一個功能模塊。圖5示例的基于二維直方圖的傳遞函數(shù)設計裝置，主要包括：獲取模塊501、計算模塊502、過分割模塊503、聚類模塊504、計算子模塊5041、聚類子模塊5042、映射模塊505、接收模塊506以及調整模塊507。各功能模塊詳細說明如下：

其中，其中，獲取模塊501，用于獲取體數(shù)據(jù)。

計算模塊502，用于對所有體素進行梯度計算以得到灰度-梯度直方圖。

過分割模塊503，用于過分割該灰度-梯度直方圖。

聚類模塊504，用于根據(jù)分割后的體素的空間信息進行層次聚類；

映射模塊505，用于對不同類的體素進行色彩映射，以生成傳遞函數(shù)。

進一步地，聚類模塊504包括：

計算子模塊5041，用于計算各體素中每對體素之間的空間距離值；

聚類子模塊5042，用于將所述空間距離值最小的一對體素聚合為一類；

計算子模塊5041，還用于計算聚類后的類體素與尚未聚合的各體素之間的空間距離值；

聚類子模塊5042，還用于將該空間距離值最小的體素和/或類體素聚合為一類，直到所有體素聚合為一個類。

進一步地，映射模塊505，還用于根據(jù)體素的梯度幅值設置不透明度傳遞函數(shù)，以及通過增強的顏色設置方式設置顏色傳遞函數(shù)。

需要說明的是，該裝置還可以進一步包括：

接收模塊506，用于接收用戶對直方圖分割的散點對應的體結構的選擇指令；

調整模塊507，用于根據(jù)該用戶選擇的結果調整該傳遞函數(shù)。

本實施例對基于二維直方圖的傳遞函數(shù)設計裝置的各功能單元實現(xiàn)各自功 能的具體過程，請參見上述圖1至圖3所示實施例中描述的具體內容，此處不再贅述。

本實施例提供的基于二維直方圖的傳遞函數(shù)設計裝置，通過對體素的灰度-梯度直方圖進行過分割對體素進行初步分類，并通過層次聚類進行第二次分類，從而實現(xiàn)自動設計傳遞函數(shù)，相對于現(xiàn)有技術，不用受到控件形狀不可隨意調試的限制，簡化了用戶操作，提高體數(shù)據(jù)的繪制效率。

在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模塊的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個模塊或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或模塊的間接耦合或通信連接，可以是電性，機械或其它的形式。

所述作為分離部件說明的模塊可以是或者也可以不是物理上分開的，作為模塊顯示的部件可以是或者也可以不是物理模塊，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡模塊上。可以根據(jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能模塊可以集成在一個處理模塊中，也可以是各個模塊單獨物理存在，也可以兩個或兩個以上模塊集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。

所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中?；谶@樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質 中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。

需要說明的是，對于前述的各方法實施例，為了簡便描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發(fā)明并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明，某些步驟可以采用其它順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作和模塊并不一定都是本發(fā)明所必須的。

在上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其它實施例的相關描述。

以上為對本發(fā)明所提供的一種基于二維直方圖的傳遞函數(shù)設計方法及裝置的描述，對于本領域的一般技術人員，依據(jù)本發(fā)明實施例的思想，在具體實施方式及應用范圍上均會有改變之處，綜上，本說明書內容不應理解為對本發(fā)明的限制。