一种高效的光线投射体绘制算法

作为体绘制中的一个经典绘制算法,光线投射算法理论简单同时能产生高质量的图像,被广泛应用于医学图像可视化领域。但在绘制过程中有大量的投射光线和体素的重采样,导致绘制速度较为缓慢。为提高绘制的速度,文中提出一种高效的光线投射体绘制算法,通过引入碰撞检测技术减少投射光线的数目,避免冗余光线的采样计算,同时采用光线跳跃方法在碰撞检测包围盒内跳过对空体素的重采样,加快了光线合成的过程。实验结果表明,改进后的算法不仅能保证所需要的图像质量,还能大幅度地减少采样计算的时间,高效地提高绘制速度。     

针对全空子数据体的GPU体绘制方法

体绘制是三维数据可视化的主要方法之一。用于体绘制的数据体中包含有大量的空体素,导致光线投射算法进行没有意义的重采样计算,必然降低绘制算法效率。针对全空子数据体体绘制低效问题,本文提出基于GPU体高效绘制方法。利用八叉树数据结构组织数据,有效管理包含许多空体素的子数据体。通过绘制八叉树非全空叶子结点子数据体表面,使光线投射算法中起始和终止重采样位置更接近数据体中的可视部分,同时根据八叉树全空结点子数据体判定纹理查询结果,计算合适的跳跃步长,快速跳过八叉树中全空结点子数据体,减少无效重采样点。当数据体中空体素较多时,实现对原基于体包围盒表面绘制的GPU光线投射算法的加速。设计不透明度函数,凸显数据体中层位面,并将算法成功应用于地震数据可视化,取得很好应用效果。     

基于改进空体素跳跃法的光线投射算法

提出一种针对计算统一设备架构(CUDA)存储器的访存优化策略。在此基础上,给出适用于CUDA存储器的改进空体素跳跃法,以减少对空体素采样点的处理,加快基于Phong光照模型的光线投射算法的运行速度。实验结果表明,该算法能在保证图像质量的前提 下,提高图像绘制速度。     

层次包围盒与GPU实现相结合的光线投射算法

针对目前基于GPU的光线投射算法中参数确定复杂的缺点,提出一种快速确定投射光线参数的算法,并利用层次包围盒技术对整个绘制过程进行加速.该算法利用离屏渲染技术,仅通过绘制体数据包围盒表面就能获取投射光线的参数;为了跳过对绘制结果无贡献的空体素,逐层对体数据进行分解,并生成层次包围盒树来存储对应子体数据的相关信息,通过遍历包围盒树,判断对应子体数据是否被绘制或跳过来缩短投射光线在体数据中的有效采样长度,从而实现了光线积分加速.实验结果表明,与同类算法相比,该算法预处理时间较短,在增加存储容量较小的同时获得了平均3.0的加速比,具有更好的实用性.     

基于图形处理器加速光线投射算法的多功能体绘制技术

为克服传统算法中体绘制交互速度不流畅、重建耗时长、绘制效果单一的不足,实现了基于图形处理器(GPU)的光线投射算法用于医学层析图像实时体绘制,并能快速切换不同组织器官的绘制效果。首先,读入医学层析图像到计算机内存,构造体素;然后,设置相应体素属性(如插值方式、着色处理、光照参数)等,设计显示不同组织器官的颜色及不透明度传输函数;最后,GPU加载体素据并进行光线投射算法的计算。实验结果表明,在绘制速度上,GPU加速光线投射算法实现的多功能体绘制技术的绘制速度能达到每秒40帧以上,完全满足临床应用需求。在绘制质量上,用户交互中由于重采样而产生的锯齿现象明显低于CPU端实现的光线投射算法,GPU端与CPU端绘制时间的加速比在9倍左右。     

基于图形处理器加速光线投射算法的多功能体绘制技术

为克服传统算法中体绘制交互速度不流畅、重建耗时长、绘制效果单一的不足,实现了基于图形处理器(GPU)的光线投射算法用于医学层析图像实时体绘制,并能快速切换不同组织器官的绘制效果。首先,读入医学层析图像到计算机内存,构造体素;然后,设置相应体素属性(如插值方式、着色处理、光照参数)等,设计显示不同组织器官的颜色及不透明度传输函数;最后,GPU加载体素据并进行光线投射算法的计算。实验结果表明,在绘制速度上,GPU加速光线投射算法实现的多功能体绘制技术的绘制速度能达到每秒40帧以上,完全满足临床应用需求。在绘制质量上,用户交互中由于重采样而产生的锯齿现象明显低于CPU端实现的光线投射算法,GPU端与CPU端绘制时间的加速比在9倍左右。     

针对全空子数据体的GPU体绘制

目的 体绘制是3维数据可视化的主要方法之一。用于体绘制的数据体中包含有大量的空体素,导致光线投射算法进行没有意义的重采样计算,必然降低绘制算法效率。针对全空子数据体体绘制低效问题,提出基于GPU体高效绘制方法。方法 利用八叉树数据结构组织数据,有效管理包含许多空体素的子数据体。通过绘制八叉树非全空叶子节点子数据体表面,使光线投射算法中起始和终止重采样位置更接近数据体中的可视部分,同时根据八叉树全空节点子数据体判定纹理查询结果,计算合适的跳跃步长,快速跳过八叉树中全空节点子数据体。结果 当数据体中空体素较多时,确定合适的八叉树深度,有效地跳过数据体中的空体素,减少体绘制运算量,实现对原基于体包围盒表面绘制的GPU光线投射算法的加速。结论 设计不透明度函数,凸显数据体中层位面,并将算法成功应用于地震数据可视化,取得很好应用效果。     

基于GPU的四维医学图像动态快速体绘制

传统的三维医学图像重建技术无法满足四维医学图像动态重建的需求,而四维医学图像庞大的数据量使传统重建技术很难实现高性能实时绘制.基于以上需求,提出了一种四维医学图像动态快速体绘制方法.首先采用GPU强大的并行计算能力,提出一种基于GPU、利用CUDA技术实现的光线投射算法;然后分析了算法框架、体数据及计算结果的存储策略、...     

工业CT数据场面绘制和体绘制改进算法研究

工业CT图像的重建速度和精度是工业CT产品的两个重要指标。针对面绘制的MC算法提出了一种基于相似性区域分割的三维工业图像表面重建算法,实现了准确分割,并利用分割结果精确地提取等值面,显著提高了检测效率;针对体绘制的光线投射算法提出了一种基于二维最大熵阈值的分割预处理方法,利用二维直方图熵最大化寻找阈值的最佳组合,能有效减少重建体数据量,实测数据表明体绘制速度明显提高。     

基于线性八叉树的快速直接体绘制算法

提出了基于线性八叉树的加速体绘制算法.利用线性八叉树对物体进行空间剖分,光线投射法跨越体数据集中的空体素,以提高绘制的速度.针对光线穿越体数据时的特殊情况,改进线性八叉树邻域查找的方法,特别是不同尺寸的邻域查找方法,克服了层次八叉树邻域查找的低效率,同时提出了光线离开平面的简洁判定方法,方便光线下一个采样点的计算.实验结果表明,该算法能够有效地提高绘制的速度.     

基于打包索引纹理的大规模数据体绘制算法

针对大规模数据体绘制效率低下的问题,提出一种算法：对体数据进行纹理分块打包,移除空数据块,并创建数据块的索引数据,绘制时通过索引访问打包后的纹理实现大规模数据完全载入显存,同时在索引中标记空数据及高密度数据块的位置,绘制前生成其有效的立方体数据表达,结合早期光线终止与空域跳过等加速技术,有效地实现了大规模的体数据的实时绘制,同时保证了结果图像的质量。     

视点相关的层次采样:一种硬件加速体光线投射算法

光线投射是一种高质量的体绘制方法.它以图像空间为序,逐根光线遍历和采样体数据.因此,传统上,它只能在CPU上实现,因而速度慢,交互性不好.提出了一个新的视点相关的层次采样VDLS (view dependent layer sampling)结构,VDLS将光线上的所有采样点重新组织成一系列层,并简化为两个视点相关的几何缓冲器,进而在GPU(graphics processing unit)中用两个动态纹理表示.利用GPU的可编程性,光线投射算法的6个步骤(光线生成、光线遍历、插值、分类、着色和颜色合成)得以完全在GPU中实现.在此基础上,提出两个基于体空间和图像空间连贯性的加速技巧,快速剔除无效的光线.结合其他与渲染和颜色合成有关的技巧,VDLS将面向多边形绘制的图形引擎转化为体光线投射算法引擎,在透视投影方式下,每秒能处理1.5亿个插值、后分类与着色的光线采样点.实验结果表明,提出的方法能用于医学可视化、真实物理现象模拟、材质检测中灰度体数据快速交互的可视化与漫游.     

Multi‐layer Depth Peeling by Single‐Pass Rasterisation for Faster Isosurface Raytracing on GPUs

Empty‐space skipping is an essential acceleration technique for volume rendering. Image‐order empty‐space skipping is not well suited to GPU implementation, since it must perform checks on, essentially, a per‐sample basis, as in kd‐tree traversal, which can lead to a great deal of divergent branching at runtime, which is very expensive in a modern GPU pipeline. In contrast, object‐order empty‐space skipping is extremely fast on a GPU and has negligible overheads compared with approaches without empty‐space skipping, since it employs the hardware unit for rasterisation. However, previous object‐order algorithms have been able to skip only exterior empty space and not the interior empty space that lies inside or between volume objects. In this paper, we address these issues by proposing a multi‐layer depth‐peeling approach that can obtain all of the depth layers of the tight‐fitting bounding geometry of the isosurface by a single rasterising pass. The maximum count of layers peeled by our approach can be up to thousands, while maintaining 32‐bit float‐point accuracy, which was not possible previously. By raytracing only the valid ray segments between each consecutive pair of depth layers, we can skip both the interior and exterior empty space efficiently. In comparisons with 3 state‐of‐the‐art GPU isosurface rendering algorithms, this technique achieved much faster rendering across a variety of data sets.     

应用混合蛙跳算法的体绘制最佳视点选择

提出一种基于混合蛙跳算法的体绘制最佳视点选择方法。利用体数据投影图像的不透明度和亮度以及提取的结构信息特征,建立反映体素重要性和体数据内部结构信息的视点评价函数;将视点评价函数作为混合蛙跳算法的适应度函数,用混合蛙跳算法来指导和优化体绘制最佳视点的选择过程,以得到全局最优视点或一组被优化的视点集。实验表明,该方法能够快速有效地聚焦和显示体数据中的重要结构信息或感兴趣区域,算法的收敛速度和收敛精度高,具有良好的全局最佳视点选择性能,能够用来指导大规模体数据场的体绘制过程。     

GPU加速的八叉树体绘制算法

提出一种针对物体空间为序体绘制的空域跳过算法：采用双层次空间跳过,先以规则的数据分块作粗略地跳过,再以八叉树获得更高粒度的优化。该方法进一步解决了超过可用纹理内存容量的大规模体数据实时绘制问题,允许实时改变传递函数。针对该算法引入的CPU高负载瓶颈,提出一种新算法,在图形处理器(GPU)内快速计算采样面片,平衡了CPU与GPU间的运算负载。结合上述两种算法,实现高效的大规模体数据绘制并无损图像质量。