一、问题描述

最近在开发过程中遇到了这样的问题：

在医学图像开发过程中，我们将医学图像通过深度学习算法进行分割，现在想要通过这一套二维图像进行三维重构。

以下是分割结果：

$$图一：前列腺核磁图像分割结果$$

以下是读取的遮罩mask：

$$图二：图像分割遮罩$$
如何将这些二维图像进行三维重建，是个棘手问题，笔者通过vtk进行建模操作。

二、解决方案

0. 写在前面

医学图像的三维重建本身就是热点技术，这项技术也并非新鲜技术，笔者调研多份前者的博客与其余资料，整理出了自己的解决方案，旨在与大家共同交流，如果您有更好的建模方案，欢迎随时与我交流！

1. 准备工作

进行医学图像的三维重建，首先需要提供清晰可见的轮廓与遮罩。（如图二所示）

所用到的库：

• vtk，您可以通过 pip install vtk 直接安装

2. 文件结构

• mask文件夹 （用于存放分割结果遮罩，图片名为 mask_0.png, mask_1.png , mask_2.png 等20张图片）
• vtk_gaussian.py （python脚本，用于执行并进行三维重建）

如图所示：

$$图三：项目采用的文件结构$$

3. 代码讲解

3.0 完整代码

我知道有的朋友比较急，这里先给出完整代码：

import vtk# 定义渲染窗口、交互模式aRender = vtk.vtkRenderer()Renwin = vtk.vtkRenderWindow()Renwin.AddRenderer(aRender)iren = vtk.vtkRenderWindowInteractor()iren.SetRenderWindow(Renwin)# 定义个图片读取接口# 读取PNG图片就换成PNG_Reader = vtk.vtkPNGReader()PNG_Reader = vtk.vtkPNGReader()PNG_Reader.SetNumberOfScalarComponents(1)PNG_Reader.SetFileDimensionality(2)  # 说明图像是三维的# 定义图像大小，本行表示图像大小为（512*512*240）PNG_Reader.SetDataExtent(0, 256, 0, 256, 0, 19)# 设置图像的存放位置name_prefix = ['mask/mask_']PNG_Reader.SetFilePrefix(name_prefix[0])# 设置图像前缀名字# 表示图像前缀为数字（如：0.jpg）PNG_Reader.SetFilePattern("%s%d.png")PNG_Reader.Update()PNG_Reader.SetDataByteOrderToLittleEndian()spacing = [1.0, 1.0, 2.5]  # x, y 方向上的间距为 2 像素，z 方向上的间距为 2.5 像素PNG_Reader.GetOutput().SetSpacing(spacing)# 高斯平滑gauss = vtk.vtkImageGaussianSmooth()gauss.SetInputConnection(PNG_Reader.GetOutputPort())gauss.SetStandardDeviations(1.0, 1.0, 1.0)gauss.SetRadiusFactors(1.0, 1.0, 1.0)gauss.Update()# 计算轮廓的方法contour = vtk.vtkMarchingCubes()gauss.GetOutput().SetSpacing(spacing)contour.SetInputConnection(gauss.GetOutputPort())contour.ComputeNormalsOn()contour.SetValue(0, 100)mapper = vtk.vtkPolyDataMapper()mapper.SetInputConnection(contour.GetOutputPort())mapper.ScalarVisibilityOff()actor = vtk.vtkActor()actor.SetMapper(mapper)renderer = vtk.vtkRenderer()renderer.SetBackground([1.0, 1.0, 1.0])renderer.AddActor(actor)window = vtk.vtkRenderWindow()window.SetSize(512, 512)window.AddRenderer(renderer)interactor = vtk.vtkRenderWindowInteractor()interactor.SetRenderWindow(window)# 开始显示if __name__ == '__main__':    window.Render()    interactor.Initialize()    interactor.Start()

3.1 定义渲染窗口、交互模式

import vtk# 定义渲染窗口、交互模式aRender = vtk.vtkRenderer()Renwin = vtk.vtkRenderWindow()Renwin.AddRenderer(aRender)iren = vtk.vtkRenderWindowInteractor()iren.SetRenderWindow(Renwin)

本人的所有三维重建脚本中几乎都包含这一块内容，同时这也是进行vtk交互窗口初始化的部分，更多信息您可以查阅vtk官方文档或者其他技术博客。

3.2 读取二维图像序列 - 定义读取接口

要将mask_0.png到mask_19.png的图像全部读取，需要先定义个图片读取接口 (vtk.vtkXxxReader)。

笔者的图像为.png格式，因此使用vtk.vtkPNGReader() 进行图像读取。

PNG_Reader = vtk.vtkPNGReader()PNG_Reader.SetNumberOfScalarComponents(1)PNG_Reader.SetFileDimensionality(2)  # 说明图像是二维的

在这里，可以根据不同的图片格式选取不同的vtkReader，如果是 .jpg 格式的图像，可以有如下更改：

JPG_Reader = vtk.vtkJPEGReader()# your code here...

3.3 读取二维图像序列 - 前置设置 & 图像读取

# 定义图像大小，本人表示图像大小为（256*256）# 后两个参数是图片的数目，本人这里所用的图像共20张，所以就输入0, 19# 在后续读取的时候，会根据这个序列进行读取PNG_Reader.SetDataExtent(0, 256, 0, 256, 0, 19)# 设置图像的存放位置name_prefix = ['mask/mask_']PNG_Reader.SetFilePrefix(name_prefix[0])# 表示图像前缀为数字（如：0.jpg）PNG_Reader.SetFilePattern("%s%d.png")PNG_Reader.Update()PNG_Reader.SetDataByteOrderToLittleEndian()

这段代码是进行图像读取的一些前置设置。SetDataExtent()函数的参数设置会对后续图像的处理会有一定影响，请正确填写您所使用的图片的大小和数目！

SetFilePrefix() 函数会根据传入的字符串进行锁定。在这里一定要特别注意：

• 本人的图像存放在mask文件夹下，每张图片的名字为：mask_0.png, mask_1.png 等
• 在这里设置Prefix时，就要输入 mask/mask_
• 后面的SetFilePattern() 函数会自动读取数字，因为前缀已经设置好，不需要再在此处进行一些正则运算符操作

3.4 图像数据量少，三维建模的结果很扁平

解决方案：您可以增大图像之间的间距来解决这个问题，紧接着上面的代码：

PNG_Reader.SetDataByteOrderToLittleEndian()spacing = [1.0, 1.0, 2.5]  # x, y 方向上的间距为 2 像素，z 方向上的间距为 2.5 像素PNG_Reader.GetOutput().SetSpacing(spacing)

在读取好图片之后，可以设置图像之间的 spacing 这个列表，分别代表x, y, z 三个维度的间距，其中我将z维度的间距增大为2.5， 这样的操作在后面的建模中有显著效果。具体内容如下：

$$图四：两种不同间距的建模结果，左图为z=1.0，右图为z=2.5$$

为了使建模结果更接近与器官的形状，我建议设置好二维图像之间的间距。

3.5 三维重建结果的平滑—高斯平滑

原本建模的结果“层次分明”，并不是特别美观。笔者采用高斯平滑的方案对图像进行平滑。

如果您有更好的平滑方案，欢迎您与我交流！

# 高斯平滑gauss = vtk.vtkImageGaussianSmooth()gauss.SetInputConnection(PNG_Reader.GetOutputPort())gauss.SetStandardDeviations(1.0, 1.0, 1.0)gauss.SetRadiusFactors(1.0, 1.0, 1.0)gauss.Update()

$$图五：两种不同间距的平滑结果，左图为未平滑，右图为使用高斯平滑$$

3.6 计算轮廓与边缘提取

在进行高斯平滑之后，进行边缘提取。

# 计算轮廓的方法contour = vtk.vtkMarchingCubes()gauss.GetOutput().SetSpacing(spacing)contour.SetInputConnection(gauss.GetOutputPort())contour.ComputeNormalsOn()contour.SetValue(0, 100)

3.7 管道操作与可视化展示

后面这段代码是vtk的显示部分，笔者一般不去动它，也是每一份脚本中的固有内容，如果您对该部分感兴趣，您应该查阅vtk官方文档。

mapper = vtk.vtkPolyDataMapper()mapper.SetInputConnection(contour.GetOutputPort())mapper.ScalarVisibilityOff()actor = vtk.vtkActor()actor.SetMapper(mapper)renderer = vtk.vtkRenderer()renderer.SetBackground([1.0, 1.0, 1.0])renderer.AddActor(actor)window = vtk.vtkRenderWindow()window.SetSize(512, 512)window.AddRenderer(renderer)interactor = vtk.vtkRenderWindowInteractor()interactor.SetRenderWindow(window)# 开始显示if __name__ == '__main__':    window.Render()    interactor.Initialize()    interactor.Start()

三、一些vtk库的使用经验分享

1. python vtk

个人感觉python vtk的开发并没有pythonic风格，开发者有一些将cpp的开发思路带入python库/接口的设计，让我写起来味如嚼蜡，从上面的代码亦可以看出，具有浓厚的cpp风格。

不过代码能跑就行，不得不说vtk仍然是很强大的三维重建工具！

2. 数据传入的两种方式

2.1 .GetOutputPort() 和 .SetInputConnection()

您会看见诸如 contour.SetInputConnection(gauss.GetOutputPort()) 的句子。

这两个函数一般是成对出现，上下传递的。

2.1 .GetOutput() 和 .SetInputData()

笔者在参阅其他博主的博客时，同样看见这样的写法，例如:

contour.SetInputData(gauss.GetOutput())

这两个函数一般是成对出现的，进行上下传递处理结果。

3. vtkImageData 和 vtkPolyData

在开发过程中，您可能会遇到不少报错，其中肯定会有vtk数据类型报错的问题。我整理了一份表格：

希望能够帮助您解决开发过程中的一些疑惑。

后记

医学图像的三维重建工作部分博客较少，笔者希望提供一些星星之火，大家共同进步！

笔者采用的重建代码已经打包至百度云盘，您可以通过下面的链接下载：

下载链接

提取码：jpt3

来源地址：https://blog.csdn.net/Samurai_Bushido/article/details/129915969