用于构造等值面的剖分立方体算法的改进及应用

本文以传统的用于构造等值面的剖分立方体（ＤｉｖｉｄｉｎｇＣｕｂｅｓ）算法为基础，提出了算法加速的几点改进方法。给出的新的数据结构及算法，在三维等值面实时操作中有重要的意义。结合所提出的算法，给出了三维图象所表示的物体的交互测量方法。最后，以医学ＣＴ和ＭＲ数据为背景，实现了上述方法。结果表明，本方法较原算法的效率有很大的提高。

共聚焦三维数据表面重建的一种反走样方法

用边界体素的集合表示物体表面,将边界体素作为点投影到屏幕上形成光照图像时,可能出现空洞和图像走样.改进了体素表面算法:用剖分立方体算法得到物体的边界体素集,然后用边界体素的中心点构造投影表面点,用脚印函数计算表面点对显示图像平面上像素的影响范围,以此值作为该像素的权值,形成最后的图像.这样,边界体素不是只投影到一个点上,而是有一个投影区域,从而避免空洞现象,并减轻走样现象.实验证明,该方法具有较快的表面重建速度,消除了空洞,改善了显示效果.

Dividing cubes算法在数控仿真中的应用

切削计算是数控仿真系统中的重要组成部分,不同的切削算法直接影响切削效率与切削精度。基于剖分立方体(dividing cubes)算法思想,对体素模型稍作改动,提出了一种新的切削算法。仿真结果表明,基于改进算法的切削面的重绘过程更加简洁,在保证切削精度的同时能有更高的切削效率。但是,由于算法根据毛坯的离散精度的不同,所需要的内存空间也不同,当毛坯的离散精度超过一定程度时,会增加切削计算的计算量,反而降低了切削计算的效率。

基于CUDA的Dividing Cubes算法实现

针对传统Dividing Cubes算法中一次性将体元剖分为较小体元而带来大量计算的问题,提出递进式的体元剖分方式,以减少剖分过程中的计算量.同时,将算法移植到图形处理器(GPU)上执行,在统一计算设备架构(CUDA)下对其进行实现,并分别对kernel函数、线程结构和存储空间进行了设计和分配.实验结果表明,利用GPU的并行加速能力可以达到将近10倍的加速比,有效地提升了等值面的绘制速度.

用鞍点保证拓扑正确的快速等值面提取技术

等值面提取是研究三维数据场可视化的有效方法。针对已有的一些等值面提取算法存在的二义性问题,提出了用鞍点保证拓扑正确的快速等值面提取算法。用二线性插值和三线性插值函数来近似计算立方体表面和内部点的值,根据立方体中面鞍点和体鞍点个数的不同,将立方体剖分成不同数目的四面体。这种剖分只和原始数据的属性有关,与给定的等值无关,因此在数据不变的情况下只需要剖分一次。最后,用分层分组的方法将四面体分类到不同组中,避免在等值面提取过程中访问那些不含有等值面的四面体,从而提高了算法的速度。该算法在等值平滑变化或是随机变化时都能保持良好的特性。