医学图像三维重建是目前医学图像处理领域的研究热点。它从二维图像中获取三维结构信息,为用户提供具有真实感的三维图形。在诊断医学、手术规划及模拟仿真等方面有广泛的应用。三维重建技术包括两种方法,面绘制(surface rendering)和体绘制(volume rendering)。体绘制计算量大,并且硬件设备依赖性大。面绘制的方法有:轮廓拼接法(contour rendering)和等值面提取法(isosurface rendering)。由于轮廓拼接法的随意性很大、计算复杂、重建效果不佳,本文采用基于等值面提取法来重建组织或器官的三维模型。在等值面提取法中最经典的算法是MC(Marching Cubes)算法。该算法通过在相邻的体数据切片之间构建体素,根据经验获得某一种物质的密度值,设定待求物质表面的阈值,利用线性插值求出每一个立方体体素的三角剖分的构型,进而将整个物体表面以三角型网格的形式表示出来。MC算法是一种精确地定义体素及其内等值面的方法,如今已经成为最流行的三维重建算法之一,在许多商业软件中也有应用。但是标准MC算法存在较大的问题:标准MC算法实质上是通过阈值分割来提取等值面,阈值分割对某些医学图像的组织或器官的提取难以得到较好的效果;标准MC算法是逐个移动立方体来进行处理,就是说对所有的立方体都要进行一次检测,算法执行中30%~70%的时间用在对空单元的检测上,因此需要有一种合理的数据结构对空间数据进行有效的遍历,以加速对空单元的检测和过滤;标准MC算法产生了大量的三角面片,一般重建的组织或器官包含数十万甚至上百万的三角面片,难以实现实时的绘制和交互操作;标准MC算法得到的表面网格并不光滑,会有一些不期望的凹凸,特别是在原始数据有较大误差的情况下尤其突出。针对标准MC的这些问题,本文提出了基于GVF Snake改进的分割算法,采用了基于MC改进的面绘制算法,并且将两者有机地结合起来,设计了一个简单的三维重建系统,实现了医学图像的三维重建。其中,基于GVF Snake改进的分割算法首先采用GVF Snake实现图像序列分割,然后在此分割结果(轮廓线序列)的基础上做轮廓线到轮廓区域的变换。基于MC改进的面绘制算法首先采用立方体跟踪检测算法得到等值面(三角面片),再使用网格简化技术精简三角面片的数量,最后使用平滑技术使显示效果流畅。三维