一种牙齿CT图像像素数据转化至3D打印数据的方法与流程

文档序号:11201094阅读:1344来源:国知局
一种牙齿CT图像像素数据转化至3D打印数据的方法与流程

本发明属于图像处理技术领域,具体地说涉及一种牙齿ct图像像素数据转化至3d打印数据的方法。



背景技术:

目前,诸多ct图像处理及可视化软件均可完成由ct图像像素数据转化至数据接口的功能,例如:mimics、geomagie、imageware、rapidform和surface等。浙江大学反求工程cad实验室在ct复原三维模型方面开展了大量的工作,推出了re-soft软件系统,解决了该软件和cad软件的数据转换问题。上海交通大学逆向工程在医学上的应用起步较早,与临床结合好,己取得很多实际成果,如开发了与mimics功能相近的quickform软件,并应用于临床,取得很大的成功,在国内影响很大,同时,它在医学假体cad/cam等领域取得较大成果。但是,以上提到的软件适用于处理简单的通用ct图像,针对医疗图像来说,传统或者通用的算法自适应程度不高,且大都没有提供专门的针对3d打印数据输出接口,需要对输出数据编辑修补后方可链接3d打印设备。



技术实现要素:

发明人针对小尺寸医疗图像的多为自由曲面的特点,提出一套牙齿ct图像像素数据转化至3d打印数据的方法,旨在提高数据转化效率和精度,发明人通过整合现有的成熟算法,并结合ct扫描和非接触扫描,创新性地整合两种扫描方式的优势,为提取牙齿表面数据提供快速高效的解决方案。

为实现上述目的,本发明提供如下技术方案:

一种牙齿ct图像像素数据转化至3d打印数据的方法,包括以下步骤:

s1:获取牙齿的ct图像,提取图像像素数据生成像素轮廓点云;

s2:获取牙齿的外表面点云;

s3:对像素轮廓点云、外表面点云进行粗配准和精配准,分别形成精配准点云数据库;

s4:设定判定值,验证精配准结果,若结果大于判定值,执行步骤s3,反之,执行步骤s5;

s5:合并步骤s3中的精配准点云数据库,得到牙齿的完整点云数据库;

s6:基于牙齿的完整点云数据库重建三维网格数据库,形成3d打印设备支持的stl格式,即可。

进一步,所述步骤s1中,利用ct设备扫描牙齿获取ct图像,基于切片轮廓高精度提取方法提取图像像素数据,获得牙齿的像素轮廓,像素轮廓转化为散乱点云生成像素轮廓点云,存储格式为点云的坐标数据。

进一步,所述步骤s2中,利用非接触扫描设备扫描牙齿获取牙齿的外表面点云,存储格式为点云的坐标数据。

进一步,所述步骤s3中,在像素轮廓点云和外表面点云上分别选择三个相对应的特征点,利用七参数法完成粗配准,像素轮廓点云和外表面点云分别形成粗配准点云坐标库,输入粗配准点云坐标库,利用icp迭代最近点算法完成点云数据精配准,像素轮廓点云和外表面点云分别形成精配准点云坐标库。

进一步,所述步骤s4中,预先设定判定值,利用修正的hausdorff距离值验证精配准结果,其中,判定值不大于1mm。

进一步,所述步骤s5中,合并像素轮廓点云和外表面点云的精配准点云数据库,得到牙齿的完整点云数据库,对完整点云坐标数据进行预处理操作,得到基于曲率的精简点云数据库,存储格式为点云的坐标数据。

进一步,所述步骤s6中,利用delaunay快速三角剖分原理,基于精简点云数据库重建三维网格数据库,形成3d打印设备支持的stl格式。

本发明的有益效果是:

为适应牙齿表面的非自由曲面,采用切片轮廓高精度提取方法以实现自适应提取,并创新性的结合ct扫描和非接触扫描,整合现有的成熟算法,实现了牙齿ct图像像素数据转化至3d打印数据,有效的提高了图像转化效率和精度,针对性强,另外,通过对点云的去噪、平滑、精简、排序等预处理操作,精简点云,为面片的拟合提供良好的数据基础,使得算法自适应程度高,确保3d打印设备输入数据精度。

附图说明

图1是本发明的流程框图;

图2(a)是牙齿的封闭的像素轮廓图;

(b)是牙齿的外表面点云图;

(c)是牙齿的完整点云图;

(d)是牙齿的精简点云图;

(e)是重建后的三维网格面片图;

(f)是打印模型图;

(g)是仅采用结构光扫描仪获取牙齿数据拟合面片图;

(h)是仅采用ct扫描仪获取获取牙齿数据拟合面片图。

具体实施方式

为了使本领域的人员更好地理解本发明的技术方案,下面结合本发明的附图,对本发明的技术方案进行清楚、完整的描述,基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例,都应当属于本申请保护的范围。此外,以下实施例中提到的方向用词,例如“上”“下”“左”“右”等仅是参考附图的方向,因此,使用的方向用词是用来说明而非限制本发明创造。

实施例一:

如图1-2所示,一种牙齿ct图像像素数据转化至3d打印数据的方法,包括以下步骤:

s1:利用ct设备扫描牙齿获取ct图像,采用边缘保持类滤波算法抑制噪声,通过分析ct图像的模糊尺度和结构尺度,实现尺度自适应的轮廓提取,保证算法对对比度不一致和模糊度不一致的ct图像处理的有效性,提取图像像素数据时,先采用粗定位确定ct图像的边缘像素数据及其像素级位置坐标,以保证边缘的可靠性,同时通过减少亚像素定位待处理候选点个数,减少计算量,对提取出的边缘像素数据,通过边缘增强、边缘连接和边缘细化等后处理技术,获得牙齿的封闭的像素轮廓,如图2(a)所示,像素轮廓转化为散乱点云生成像素轮廓点云,存储格式为点云的坐标数据。

s2:利用非接触扫描设备扫描牙齿获取牙齿的外表面点云,如图2(b)所示,存储格式为点云的坐标数据,所述非接触扫描设备扫描牙齿可以采用激光扫描或结构光扫描,两者不同之处在于,所述激光扫描生成各截面点云,最终生成外表面点云,所述结构光扫描直接生成外表面点云。

s3:在像素轮廓点云和外表面点云上分别选择三个相对应的特征点,利用七参数法完成粗配准,像素轮廓点云和外表面点云分别形成粗配准点云坐标库,输入粗配准点云坐标库,利用icp迭代最近点算法完成点云数据精配准,像素轮廓点云和外表面点云分别形成精配准点云坐标库。

s31:七参数法计算原理是利用两套坐标系中三个或三个以上已知公共点的坐标,求出3个平移参数,1个尺度因子,3个旋转参数,其中坐标转换模型如下:

其中,

(xgi,ygi,zgi)为像素轮廓点云和外表面点云的坐标,(xti,yti,zti)为粗配准点云坐标库的坐标,δx0、δy0、δz0为3个平移参数,a2、a3、a4为3个旋转参数,a1为尺度参数,为方便表达,将上述坐标转换模型转化为:

误差方程为:bδx=lδx(i=0,1,2),

解得:δx=btlδx(i=0,1,2),即得坐标转换相关参数。

采用手动选点的粗配准时,三个特征点相对误差不应过大,特征点的选择对粗配准结果影响较大。由于手动选择特征点具有随机性,配准误差不可避免,为提高配准精度,需要引入精配准。

s32:本发明通过基于icp(iterativeclosestpoint)迭代最近点算法来实现精配准,具体计算步骤为:

设定像素轮廓点云形成的粗配准点云坐标库为外表面点云形成的粗配准点云坐标库为其中,m和n表示点云个数,初始化旋转因子rk,平移因子tk,尺寸缩放因子sk,极限因子ε,由于icp迭代最近点算法对两个点云相对的初始位置要求比较高,点云之间初始位置不能相差太大,并且要求两个配准点集中的一个点集是另外一个点集的子集,当条件不满足时,会影响icp迭代最近点算法的收敛结果,因此,对重新排序,找到与一一对应的点,排序后记为

其中,c为点云个数总和的平均值;

(奇异矩阵分解),则

其中,a、b为假设值,为向量点乘之积,

迭代延迟终止条件:其中,ε为自定义大小,如果不满足条件,重复对外表面点云形成的粗配准点云坐标库进行排序后的计算,直至满足上述迭代延迟终止条件,像素轮廓点云和外表面点云分别形成精配准点云坐标库。

s4:预先设定判定值,利用修正的hausdorff距离值验证精配准结果,其中,判定值不大于1mm,若结果大于判定值,执行步骤s2,反之,执行步骤s4;

修正的hausdorff距离是描述两组点集之间相似程度的一种度量,设定像素轮廓点云形成的精配准点云坐标库a={a1,a2,…ap},外表面点云形成的精配准点云坐标库b={b1,b2,…bq},则两者的双向hausdorff距离为:h(a,b)=max(h(a,b),h(b,a)),其中,从a集合到b集合的单项hausdorff距离为h(a,b)=max(a∈a)min(b∈b)||a-b||,从b集合到a集合的单项hausdorff距离为h(b,a)=max(b∈b)min(a∈a)||b-a||,由于双向hausdorff距离易受噪声的影响,因此,采用修正的hausdorff距离来进行模板匹配,其中,na表示点集a中点的个数,修正的hausdorff距离对噪声不太敏感,适用于点集个数较多的待匹配点云,较多的点集个数可减小匹配误差。

s5:合并像素轮廓点云和外表面点云的精配准点云数据库,得到牙齿的完整点云数据库,如图2(c)所示为牙齿的完整点云图,由于点云存在数量大、杂点多的特点,通过对特征点进行去噪、平滑、精简、排序等预处理操作,保留曲率大的特征点,精简点云,得到基于曲率的精简点云数据库,如图2(d)所示为牙齿的精简点云图,存储格式为点云的坐标数据,图2(d)中包含牙齿的内表面和外表面信息。

采用线性最小二乘法对数据点的k-邻域进行微切平面拟合,从而估算得到法矢,设定精简点云数据库的集合为pi,求平面s:ax+by+cz+d=0,使得pi对s距离的平方和最小,由得出法矢进行抛物面拟合,目标函数为即可求得所需a、b、c,即可求出曲率。

s6:利用delaunay快速三角剖分原理,基于精简点云数据库重建三维网格数据库,如图2(e)所示为重建后的三维网格面片图,曲率大部分保留,信息密集,微小结构信息完整,形成3d打印设备支持的stl格式,将stl格式输入3d打印设备输出打印样件,如图2(f)所示为打印模型图。

如图2(g)所示为仅采用结构光扫描仪获取牙齿数据拟合面片图,图中仅包含外表面信息,而没有内表面信息,如图2(h)所示为仅采用ct扫描仪获取获取牙齿数据拟合面片图,图中包含外表面和内表面信息,但是,精度较差,微小结构有信息丢失,因此,本发明适用于小尺寸医疗图像像素数据转化至3d打印数据。

以上已将本发明做一详细说明,以上所述,仅为本发明之较佳实施例而已,当不能限定本发明实施范围,即凡依本申请范围所作均等变化与修饰,皆应仍属本发明涵盖范围内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1