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.

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.