对于从事医学图像处理的小伙伴而言，医学图像三维重建并不是一个陌生的东西啦~ 例如，在对图像分割结果进行展示或者验证时，我们常常通过对分割结果进行三维可视化的方式进行展示和说明。

那废话不多说，今天就来教大家如何根据自己的分割结果进行三维重建。

这里呢，我用现在正在做的韧带分割进行说明。

首先，通过深度学习或者传统方法对医学图像进行分割，得到二值化的分割结果（如图1所示）。将分割结果放置在一个文件夹里。

图1 分割结果

这里要注意， 我们的分割结果的图片名称，需要按医学图像切片的顺序命名 ，不然重建时会出现错乱！！！！

然后，读入数据。这里呢，我们使用的是vtk库。

reader = vtk.vtkPNGReader()
reader.SetDataScalarTypeToUnsignedChar()
reader.SetFileDimensionality(3)
path = r"./sag/" #读取 图像分割结果文件夹 路径
reader.SetFilePrefix(path)  # 文件夹路径
reader.SetFilePattern("%s%d.png")

如果是JPG或JPEG格式的图片，可以使用vtk.vtkJPEGReader()函数进行替换。当然png对应的地方也不要忘记进行替换哦~

接下来，是一些参数的设置。这些参数将决定我们重建结果的正确性！！！

reader.SetDataExtent(3, 384, 3, 384, 1, 50) #384是图像大小， 倒数两个参数（1,50）：重建的切片范围

这里，需要修改图像大小和重建范围。这里对重建范围进行一下说明，我这里的1,50也就是说，从我分割结果的第1张到第50张进行重建，小伙伴们可以根据自己的需求进行修改。

reader.SetDataSpacing(0.5625, 0.5625, 1.76) #前两个是 像素距离，最后一个是 层厚

这里需要修改的是像素距离和层厚，这个地方，小伙伴们根据自己的医学图像数据进行对应的修改就行。

之后呢，就是vtk三维重建的常规套路啦，建立actor、mapper等等，这里就不过多赘述啦~

这里给大家展示一下我重建的结果（如图2所示）。

图2 重建结果

最后附上代码，希望对各位小伙伴有所帮助鸭~

import vtk
reader = vtk.vtkPNGReader()
reader.SetDataScalarTypeToUnsignedChar()
reader.SetFileDimensionality(3)
path = r"./sag/" #读取文件路径
path2 = "./FX_sag_patella_lig.ply" #保存模型路径
reader.SetFilePrefix(path)  # 文件夹路径
reader.SetFilePattern("%s%d.png")
reader.SetDataExtent(3, 384, 3, 384, 1, 50) #384是图像大小， 倒数两个参数（1,50）：重建的切片范围
reader.SetDataSpacing(0.5625, 0.5625, 1.76) #前两个是 像素距离，最后一个是 层厚
reader.SetDataOrigin(0, 0, 0)
reader.Update()
skinExtractor = vtk.vtkContourFilter()
skinExtractor.SetInputConnection(reader.GetOutputPort())
skinExtractor.SetValue(0, 255)
skinExtractor.ComputeGradientsOn()
skinExtractor.ComputeScalarsOn()
smooth = vtk.vtkSmoothPolyDataFilter()
smooth.SetInputConnection(skinExtractor.GetOutputPort())
smooth.SetNumberOfIterations(300)
skinNormals = vtk.vtkPolyDataNormals()
skinNormals.SetInputConnection(smooth.GetOutputPort())
skinNormals.SetFeatureAngle(100)
skinNormals.Update()
skinMapper = vtk.vtkPolyDataMapper()
skinMapper.SetInputConnection(skinNormals.GetOutputPort())
skinMapper.ScalarVisibilityOff()
skin = vtk.vtkActor()
skin.SetMapper(skinMapper)
skin.SetOrigin(skin.GetCenter())
arender = vtk.vtkRenderer()
renWin = vtk.vtkRenderWindow()
renWin.AddRenderer(arender)
iren = vtk.vtkRenderWindowInteractor()
iren.SetRenderWindow(renWin)
arender.AddActor(skin)
arender.ResetCamera()
arender.SetBackground(.2, .3, .4)
arender.ResetCameraClippingRange()
renWin.SetSize(500, 500)
style = vtk.vtkInteractorStyleTrackballCamera()
iren.SetInteractorStyle(style)
vtkWriter = vtk.vtkPLYWriter()
vtkWriter.SetInputData(skinNormals.GetOutput())
vtkWriter.SetFileName(path2)
vtkWriter.Write()
renWin.Render()
iren.Initialize()
iren.Start()

（2）用Niblack方法对灰度图 进行 局部动态阈值分割并 进行 展示为img1； （3）对图像 进行 反色并 进行 展示为img2； （4）对图像 进行 扩展并 进行 展示为img3； （5）选择满足面积要求的目标输出（针对黑色背景白色目标的二值图）并 进行 展示为img4； （6）输出最大连通图并 进行 展示为img5； （7）对最大连通图 进行 细化并 进行 展示为img6； （8）提取最大连通图的轮廓并 进行 展示为 # 读取超声图像数据 reader = vtk . vtk DICOMImageReader() reader.SetDirectoryName("path/to/dicom/files") reader.Update() # 创建 vtk ImageData数据 imageData = vtk . vtk ImageData() imageData.SetDimensions(reader.GetOutput().GetDimensions()) imageData.AllocateScalars( vtk . VTK _UNSIGNED_SHORT, 1) imageData.SetSpacing(reader.GetOutput().GetSpacing()) imageData.SetOrigin(reader.GetOutput().GetOrigin()) imageData.GetPointData().SetScalars(reader.GetOutput().GetPointData().GetScalars()) # 进行 等值面提取和渲染 contourFilter = vtk . vtk MarchingCubes() contourFilter.SetInputData(imageData) contourFilter.ComputeNormalsOn() contourFilter.SetValue(0, 1000) # 设置等值面的值 mapper = vtk . vtk PolyDataMapper() mapper.SetInputConnection(contourFilter.GetOutputPort()) actor = vtk . vtk Actor() actor.SetMapper(mapper) actor.GetProperty().SetColor(1.0, 1.0, 1.0) # 设置渲染颜色 # 创建渲染窗口和渲染器 renderer = vtk . vtk Renderer() renderer.AddActor(actor) renderer.SetBackground(0.0, 0.0, 0.0) # 设置背景颜色 renderWindow = vtk . vtk RenderWindow() renderWindow.AddRenderer(renderer) renderWindow.SetWindowName("Ultrasound 3D Reconstruction") # 创建交互器 interactor = vtk . vtk RenderWindowInteractor() interactor.SetRenderWindow(renderWindow) # 启动渲染器和交互器 renderWindow.Render() interactor.Start() 当然，这只是基本示例，如果要 进行 更复杂的超声 图像处理 和可视化，还需要进一步了解和学习 VTK 中的其他类和方法。