多媒体智能三维图像处理平台的设计与实现

朱颖 刘娟娟 孙艳君

摘  要： 在传统三维图像处理方法中所需的数据往往超出设计平台的渲染能力，导致图像模糊失真等问题频发。由此可知，在多媒体智能系统中显示出实时复杂的三维图像仍具有极大的挑战性。因此，围绕多媒体智能三维图像处理和显示技术进行研究和分析，并结合图像灰度映射函数完善多媒体智能三维图像处理技巧。根据该处理方法对三维图像处理平台进行设计，并建立标准的三维图像评价体系。最后通过仿真实验对三维图像处理平台的可行性进行验证和分析。实验结果表明，该图像设计平台对多媒体智能三维图像处理效果十分突出，同时可有效解决传统方法中传输数据量过大的问题，符合多媒体智能图像处理的评价体系标准，应用渠道十分广泛。

关键词： 三维图像; 图像处理; 多媒体智能平台; 渲染能力; 图像模糊; 传输数据量

中图分类号： TN911.73?34; U665                   文献标识码： A                文章编号： 1004?373X（2018）10?0147?03

Abstract： The data needed in the traditional 3D image processing method is often beyond the rendering capability of the design platform， which leads to problems like frequent occurrence of image blurring and distortion. Hence， It is still a big challenge to display real?time and complex 3D images in the multimedia intelligent system. The multimedia intelligent 3D image processing skills are enhanced by researching and analyzing about the multimedia intelligent 3D image processing and display technology and combining with the image gray mapping function. The 3D image processing platform is designed according to the processing method， and a standard 3D image evaluation system is set up. The simulation experiment was carried out to verify and analyze the feasibility of the 3D image processing platform. The experimental results show that the image design platform has a very prominent effect in multimedia intelligent 3D image processing， and can effectively resolve the problem of too large transmission data quantity in the traditional method， which conforms to the evaluation system standard of multimedia intelligent image processing， and has very wide application channels.

Keywords： 3D image; image processing; multimedia intelligent platform; rendering capability; image blurring; transmission data quantity

0  引  言

在對三维图像进行处理的过程中，目标图像的表面和目标图像的边界面是图像的重要特征[1]。只有通过图像特征才能进行抽取来对目标图像的交互操作、识别追踪等方面进行更高效的处理和分析。因此，如何对目标图像进行抽取和处理的方法成为多媒体智能三维图像处理过程中最重要的问题。三维图像的曲面可由图像中的连续隐曲面多边形面片进行展示，也可由离散边界曲面表示[2]。现有的三维图像处理算法可较好地对梯度一致的边界曲面进行重构，但难以满足梯度值变化的可视化要求，在图像处理过程中对弱边界曲面进行包含时会出现困难。为了解决这些问题，设计对多媒体智能三维图像处理平台，对离散边界进行重构以满足边界曲面模型的可视化半透明显示方法。该方法可有效利用多媒体智能处理平台对三维图像边界曲面及附着的细小碎片进行展示和有效区分以达到离散边界曲面的重构及边界曲面模型的可视化的目标[3]。通过仿真实验证实该方法有助于清晰完整地处理并显示三维图像。

1  多媒体智能三维图像处理技术

三维图像平面数据处理技术主要依赖于对数据的采集和输出[4]。在多媒体智能三维图像处理过程中首先要对被测图像的离散属性进行采样并通过图像更准确、直观、立体地将这些显示出来，以达到三维图像信息处理的预期效果。在图像处理过程中可根据采样点间关系可划分出结构化和非结构化图像数据。并进一步区分出三维图像的规则以及非规则网格结构化体数据[5]。规则网格结构化体需要通过离散被测图像的三维等间隔并对图像数据进行采样来获取[6]。设立坐标系x，y，z，将所需数据信息分别设立于坐标轴的三个方向上，数据规则、均匀地分布在三维坐标系的网格点上，如图1所示，坐标原点位于左下角，x，y，z轴方向图像信息呈递增趋势，对于x，y轴的二维切片而言，三维图像数据为标准的规则网格结构化体数据[7]。

在三维空间规则数据场非规则切片图中，数据均匀分布在三维图像平面上，且各方向分辨率一致[8]。根据上述两种结构可有效将数据应用于三维图像处理设备中，同时可结合传统的二维图像的处理技术，对图像进行增强、分割和识别等操作，以保障三维图像的处理更加精准[9]。在对三维图像进行处理的过程中要注意邻域的概念，要保障二维图像数据维数扩展到三维图像时的变化，例如，二维图像中4邻域对应到三维图像，即要扩展为6邻域。因此，目标边界面常常位于灰度发生较大变化或灰度发生跳跃的位置。三维图像的成像过程依赖于射线与物质的相互作用[10]。当射线穿过图像时出现光电及电子对效应等物理过程，入射光子被图像吸收，导致射线强度发生衰减。

当平行射线x通过厚度为y的图像界面时，其强度衰减过程满足公式：

通过式（1）、式（2）对三维图像的实际处理数据进行测量和分析，得到特定能量射线的衰减系数的分布规律，即通常所说的CT图像并以此推导出所需的三维图像数据。

2  多媒体智能三维图像处理平台设计

多媒体智能三维图像处理技术能够利用3D效果对物体内部因素进行直观反映，保障各个方向图像分辨率相同。多媒体三维图像处理平台流程设计流程如图2所示。

由图2可知，对于载物台待检测的目标物体，在图像处理软件精确的控制下，数据探测器按照系统设定的扫描轨迹进行运作以采集数据并通过输出透射信息将已有数据转换为投影数据。由于在三维图像处理过程中，图像成像系统易造成射线硬化等问题，因此要在对所获数据进行校正和预处理后进行三维图像重建，得到各向同性的三维体数据，并通过三维图像处理系统的精准操作，把原始图像数据转化为灰度值，对图像进行分割并对转化还有的灰度值进行检测。

三维图像处理平台的设计要利用图像灰度层次对重要的图像信息进行保留，在用较少的灰度级层次对冗余信息进行抑制。针对图像处理过程中存在的模糊均匀的问题，可通过非线性灰度映射函数进行改良，设计简单，操作方便是灰度映射的优点。非线性灰度映射函数在灰度映射过程中可快速对大数据进行扩张和压缩并对图像信息进行选择性保留，避免重要信息的丢失。由于通过非线性灰度映射函数处理三维图像的过程中需要的运算量较大，易造成对资源的消耗。因此在图像处理过程中要结合对局部对比度进行增强的方法，以便提高处理速度。

3  实验结果与分析

针对前文提出的多媒体智能三维图像处理平台进行试验检测，首先通过非线性灰度映射函数对图像进行处理，图3显示数据处理平台和传统处理方法对三维图像灰度进行转换测验的对比图。

由图3可知，试验方法对灰度的拉伸幅度相对加大，之后的灰度区间符合对应的灰度范围。因此可以证实，本文方法可对三维图像进行快速处理而传统方法中数据处理耗时较多，且实验方法与传统方法的灰度值差别也有明显显现。根据三维图像视觉理论中的边缘曲面检测理论可知，三维图像边界面归属于阶梯离散边界曲面，而文中提出的多媒体三维图像处理平台是通过离散边界曲面与连续边界曲面关系建立模型，可更有效地对曲面进行追踪，解决三维图像难以追踪边缘曲面、难以确定追踪方向的问题。

在对三维图像的处理过程中，离散边缘体素始终在真实的连续隐边界曲面两侧紧密分布。因此在处理过程中要检测并追踪包含连续隐边界曲面，并在端点集合中确定边缘体素从而得到边界曲面。图像边界曲面信息测评表如表1所示。

通過对图像边界曲面信息进行比较，说明文中设计的基于多媒体智能的三维图像处理平台比传统三维图像处理方法对图像灰度直方进行增强改法的效果更明显，系统在高速运作的同时能够对原始图像的信息可原则性保留。实验结果证实，该系统在扩展灰度范围的同时可更快更好地获取和保留图像信息，成功达到三维图像增强后的预期效果，切实保障三维图像处理后的画面质量。

4  结  语

三维图像处理技术指利用二维切片图像对三维图像进行分析和重建的技术。本文设计多媒体智能三维图像处理平台，根据原始二维图像信息结构构建三维图像并进行图像处理，有利于促进图像方法更加清晰和逼真，方便使用者准确分析图像相关信息。三维图像处理技术作为辅助工具可有效弥补影像设备的不足，为用户提供更加真实的三维立体图像，便于使用者从各个角度、不同层次对图像资料进行观察和分析，并有效地对数据进行处理。

参考文献

[1] 冯义东，卢朝晖.三维图像人物运动形态重构技术[J].科技通报，2015，31（4）：202?204.

FENG Yidong， LU Chaohui. 3D image character motion reconstruction technology [J]. Bulletin of science and technology， 2015， 31（4）： 202?204.

[2] 黄秀花.三维图像运动特征配准方法研究与仿真[J].计算机仿真，2015，32（12）：206?209.

HUANG Xiuhua. Research and simulation of non?rigid registration method for three?dimensional image movement process [J]. Computer simulation， 2015， 32（12）： 206?209.

[3] 龚勇.基于三维图像分析潛在运动损伤姿态判断方法[J].计算机仿真，2015，32（9）：245?248.

GONG Yong. Judgment method of potential injury posture based on three?dimensional image analysis [J]. Computer simulation， 2015， 32（9）：245?248.

[4] 席小霞，宋文爱，邱子璇，等.基于RGB?D值的三维图像重建系统研究[J].测试技术学报，2015（5）：409?415.

XI Xiaoxia， SONG Wenai， QIU Zixuan， et al. Research on 3D image reconstruction system based on RGB?D values [J]. Journal of test and measurement technology， 2015（5）： 409?415.

[5] 吕星宇.嵌入式计算机智能图像信息处理系统设计与实现[J].现代电子技术，2016，39（21）：83?86.

L? Xingyu. Design and implementation of embedded computer intelligent image information processing system [J]. Modern electronics technique， 2016， 39（21）： 83?86.

[6] 雷萌，王聪华，陈洁.关于建筑仓储空间三维图像设计与仿真[J].计算机仿真，2015，32（10）：263?266.

LEI Meng， WANG Conghua， CHEN Jie. Design and simulation of 3D image for warehouse space [J]. Computer simulation， 2015， 32（10）： 263?266.

[7] 杨文凯，蒋明.基于三维图像相关的铝合金板真实应力应变曲线研究[J].苏州科技学院学报（工程技术版），2016，29（2）：8?13.

YANG Wenkai， JIANG Ming. The study of true stress?strain curve for aluminum alloy plates based on 3D?DIC [J]. Journal of Suzhou University of Science and Technology （Engineering and technology） ， 2016， 29（2）： 8?13.

[8] 王应时.基于多刚体三维图像检测的车辆短距离拐弯碰撞预判[J].科技通报，2016，32（7）：198?201.

WANG Yingshi. Vehicle collision anticipation short turn based on multi?rigid?body three?dimensional image detection [J]. Bulletin of science and technology， 2016， 32（7）： 198?201.

[9] 张潮，钟文昭.基于三维图像的次亚肺段切除[J].循证医学，2016，16（6）：324?325.

ZHANG Chao， ZHONG Wenzhao. Thoracoscopic pulmonary sub?subsegmentectomy based on three?dimensional images [J]. The journal of evidence?based medicine， 2016， 16（6）： 324?325.

[10] 刘敏，陈伟迅，龚蓉，等.三维图像栈中神经末梢点的自动检测[J].电子测量与仪器学报，2017，31（8）：1304?1311.

LIU Min， CHEN Weixun， GONG Rong， et al. Automatic neuron terminal point detection in 3D image stack [J]. Journal of electronic measurement and instrumentation， 2017， 31（8）： 1304?1311.