三维重建主要过程概述

绘制圆心位置相同，内外半径相同的系列圆，图片尺寸为128*128，类似于血管的圆管柱图像；
绘制圆心位置不同，内外半径相同的系列圆，图片尺寸为128*128，类似于血管的圆管柱图像；
绘制圆心位置不同，内外半径不同的系列圆，图片尺寸为128*128，类似于血管的圆管柱图像；
对图像进行插值处理
对图像进行滤波平滑处理
三维显示由系列圆重建的类血管三维图像

实现步骤和相关代码

系列圆的生成

clear all;
close all;
clc;

定义参数，h，w为图像的尺寸大小，这里我们把它设置为128*128，内外半径的取值是10和12。此处使用索引Index，是为了最后一步存储图像的时候使用

h = 128;
w = 128;
r1 = 10;
r2 = 12;
Index = [1:80];
nFrames = 80

for i=1:80
I = zeros(h, w);
[x, y] = meshgrid(1:w, 1:h);
a = ceil(w/2);
b = ceil(h/2);
I( r1^2 <=((x-a).^2 +(y-b).^2)) = 1;
I(((x-a).^2 +(y-b).^2) <= r1^2 ) = 0.5;
I(((x-a).^2 +(y-b).^2)>= r2^2 ) = 0;
imwrite(I[‘C:\Users\Administrator\Desktop\t’,num2str(Index(i)),’.png’]);
end

改变圆心的位置只需要改变a，b的大小即可实现。改变半径的大小可以改变r1和r2的值

b = ceil(h/2)+ 0.00001* i * i * i;
b = ceil(h/2)+ 5 * sin(pi * i /60);

在循环中加入

r1 = r1+0.01;
r2 = r2+0.01;

通过以上代码即可生成80张需要的目标图像

建立model读取数据

Box.x = 1;
Box.y = 1;
Box.w = 128;
Box.h = 128;
nFrames = 80;
Image = zeros(Box.h,Box.w,nFrames);

Index = [1:80];
for i=1:nFrames
filename = [‘C:\Users\Administrator\Desktop\t’,num2str(Index(i)),’.png’];
im = imread(filename);
Image(:,:,i) = squeeze((im(Box.y:Box.y+Box.h-1,Box.x:Box.x+Box.w-1)));
end

图像插值

插值主要是为了在数据不足的情况下，丰富图像数量，但在本项目中，由于生成和使用的图像均为80帧，因此暂时没有必要

[x,y,z] = size(Image);
[hx,hy,hz] = meshgrid(1:y, 1:x, 1:z);
hr = interp3(Image, hx, hy, hz, ‘cubic’);

此处采用的是cubic插值，可使用spline，linear，nearest等。另外此处应注意插值hx，hy，hz和x，y，z的区别

滤波平滑

由于项目后部分中采用了不同圆心位置和不同半径大小，因此在两张二维图像之间会有较大的差距，也就是图像与图像之间的突变，为了解决这个问题，需要对图像进行滤波拼平滑处理，去除毛刺

左图为平滑处理过的结果，右图为未处理的对比结果

for i=1:y
for j=1:x
z_data = squeeze(hr(i,j,:));
z_data_f = medfilt1(z_data,20);
hr(i,j,:) = z_data_f;
end
end

W = fspecial(‘average’,[10,10]);
for i=1:z
imdata = squeeze(hr(:,:,i));
imdata = imfilter(imdata,W,‘replicate’);
hr(:,:,i) = imfilter(imdata,W,‘replicate’);
end

此外，也可以采用高斯滤波

W = fspecial(‘gaussian’,[10,10],1);
for i=1:z
imdata = squeeze(hr(:,:,i));
imdata = imfilter(imdata,W,‘symmetric’);
hr(:,:,i) = imfilter(imdata,W,‘symmetric’);
end

三维成像

为了得到更好的成像效果，再次进行一次smooth操作

Image = smooth3(hr(:,:,1:1:end));

将等值面设置为20

fw=20;
p=patch(isosurface(Image,fw)

fw为20,60,100,150的结果对比

p是三维图像表面，facecolor用于修改其主体颜色，edgecolor用于修改其边界的颜色，facealpha和edgealpha用于修改其透明度。p1是三维图像的顶部和底部

set(p,‘facecolor’,’[0.75,0.1,0.2]’,‘Edgecolor’,‘none’,‘FaceAlpha’,1,‘EdgeAlpha’,0.5);
isonormals(Image,p);
p1=patch(isocaps(Image, fw));
set(p1, ‘FaceColor’, ‘red’, ‘EdgeColor’, ‘none’,‘FaceAlpha’,0.5,‘EdgeAlpha’,0);

colormap可以选择其他类型标准颜色图，如cool，gray，hot，hsv等，个人认为jet在此处显示最佳。daspect定义三个坐标轴的比例，此处z值为0.5是为了显示一个狭长的效果

colorbar
colormap(‘jet’)
daspect([1,1,0.5])
view(3)

[1,1,0.5]和[1,1,1]的结果对比

添加光线效果

lightangle(45,30);
lighting gouraud
p.AmbientStrength = 0.8;
p1.SpecularColorReflectance = 0;
p1.SpecularExponent = 50;

添加光线效果和未添加光线效果的结果对比图

其他系列圆的结果展示

基于MATLAB实现二维图像叠加进行三维重建相关推荐

ICLR 2021|基于GAN的二维图像无监督三维形状重建
2D GAN知道3D形状吗?基于GAN的二维图像无监督三维形状重建论文.代码地址:在公众号「计算机视觉工坊」,后台回复「二维图像GAN」,即可直接下载. 摘要: 自然图像是三维物体在二维图像平面上的 ...
matlab中的delaunay,基于MATLAB 实现二维delaunay 三角剖分
基于MATLAB 实现二维delaunay 三角剖分刘锋涛凡友华 (哈尔滨工业大学深圳研究生院深圳518055) [摘要]在已知凸多边形的顶点坐标的前提情况下,利用MATLAB 中的meshgrid ...
基于MATLAB的二维与三维插值拟合运算（附完整代码）
· 一. 一维插值 interp1函数在上个博客中(如下链接)已经更新了,此处再补充两个相关例题. 基于MATLAB的数据插值运算:Lagrange与Hermite算法(附完整代码)_唠嗑!的博客-C ...
【二维码图像矫正增强】基于MATLAB的二维码图像矫正增强处理仿真
1.软件版本 matlab2013b 2.算法流程概述通过形态学处理获得二维码部分的图像区域及边界: 采用凸包算法来计算边界上的点集: 然后根据点集来寻找二维码的四个顶点, 然后透视变换矫正,二维码 ...
【光学】基于Matlab实现二维光子晶体的能带图和场
1 内容介绍为了了解电磁波在光子晶体中的传输特性,用MATLAB与时域有限差分法把电磁波在真空与光子晶体中的传播实时可视化,并给出了场的空间静态分布.数值模拟的结果表明,禁带中的波被光子晶体控制,其 ...
OpenCV图像处理：基于RANSAC的二维图像中直线、圆及椭圆的检测 C++
基于ransac的直线.圆及椭圆检测算法C++代码 LINK: https://github.com/Yiphy/Ransac-2d-Shape-Detection # Ransac-2d-Shape ...
matlab的二维曲线论文,基于几何画板与MATLAB绘制二维曲线
第 26 卷第 6 期牡丹江大学学报 Vol.26 No.6 2017 年 6 月 Journal of Mudanjiang University Jun. 2017 132 文章编号:1008 ...
【MATLAB】二维绘图 ( 绘制二维图像 | 设置图像样式 )
文章目录一.绘制二维图像 1.二维绘图步骤 2.二维绘图步修饰 3.代码示例二.设置图像参数 1.图像参数 2.代码示例一.绘制二维图像 1.二维绘图步骤绘图前需要给定 xxx 轴 , yyy ...
二维图像中的Hessian矩阵（及MATLAB代码）
文章目录一.图像中Hessian矩阵的定义及公式推导二.MATLAB代码一.图像中Hessian矩阵的定义及公式推导对于二维图像 f ( x , y ) f(x,y) f(x,y),在点 x ...

基于MATLAB实现二维图像叠加进行三维重建