F_J_SS的博客

ex1：对原始的轴面影像进行”隔层相减“，这种方法在第一种情况预处理时效果比较好，因为一个小球在影像中是连续出现的，比如出现在第i张~第i+6张，同时根据扫描的特性，中间位置的影像上小球是最亮的，两边缘位置的影像上小球是最暗的，那么如果我们用第i+3张减去第i-1张。但在第一种情况下，对于“部分嵌入身体”的小球，第i-1张，原本的小球区域很可能是身体部分。1、重采样是必须的，因为不同的数据集，虽然小球的尺寸是固定的，但轴面的图像大小不同，比如，小球在720x720大小的图像中像素数量为11x11；

比如当前层凹陷区域，在滑窗内，比如上图6滑窗，我们寻找一个”没有凹陷的影像“作为对比，也用一个滑窗卡住相同位置，比如上左图5，我们在5中计算出非零像素的占比percentile，然后在6中调试一个阈值thresh，用这个阈值分割后非零像素占比达到percentile即可。因为如果是20，新数组头部和尾部我们最多保证10个点是正常点，如果我们在index=11处找到凹陷点坐标origin_li,那么拟合需要的点[bound_li:idx_li]就会是负的，虽然可以通过取模进行处理，但是很麻烦。

此前，在otsu阈值分割之前采用的是闭运算而不是开运算，实验结果是采用闭运算轮廓会出现“不规则锯齿”问题。我认为，闭运算先膨胀再腐蚀，填补内部小空洞，对物体边缘的作用是更“模糊化”，即使得前景和背景过度更平滑，区别更不明显；而开运算先腐蚀再膨胀，去除噪声小白点，对物体边缘的作用是更“清晰化”，即使得前景和背景区分的更明显。但是，在这个任务中我们目的是更清晰的找出身体的最外围轮廓，让前景、背景区别更明显，模糊化不利于这个效果，所以去掉，实验结果显示去掉后效果也会变好。注意此方法处理的是CT影像。

方式一：通过trimesh的simplify_quadric_decimation函数进行简化，这种方式对结构相对简单的锥体，圆柱那几个mesh进行简化后结果都是满足水密性的，但是对rib简化后并不能满足水密性，且简化后的rib并没有单边。如上图所示，原来构建mesh时，顶面三角化采用的是耳切法，但是耳切法的结果不规则，导致面向下凹陷，如果凹陷的太多，那么与皮肤模型求得的交集是不符合要求的。在原来的方式中，我们构建的是柱形mesh，将边界点的y坐标都平移到特定高度形成上下底面，所以不会产生凹陷。

2、之后将所有包含点a1的所有三角面，例如(a1,b,c)，删除这些面，再添加新面(a2,b,c)。在处理这种情况时，因为找到异常边就随机处理一条，我总感觉这个随机不好，比如，上图中箭头所指的两个点度较大，如果先处理这两个点，那么对原mesh的改动我觉得就会很大，应该先处理度比较小的边。即对于生成的mesh不满足水密性，经过检查发现都是存在边被4个三角面所共有（所有的数据都是这样，我没有最初生成mesh的代码，但是按照他们的代码根据点云文件生成的mesh异常情况都是因为存在边被4个面共享）