医学图像三维可视化技术可以使一系列二维图像重建出三维图像模型,为医生提供真实感的三维医学图像,提高诊断的正确率。Marching Cubes算法(MC)提出了一种检测体元和提取等值面的方法,是使用比较广泛的三维重建算法。本文首先分析了MC算法的原理,对于标准的MC算法,根据15种等值面连接模型,构造了256长度的查找表,新的查找表可以根据索引值得出体元内部三角面片的数量,以及各个三角面片顶点所在体元边的位置,提高了查找的效率和正确性。针对MC算法的不足之处提出了几点改进方法,主要分为三个部分:预处理、等值面的计算、提高等值面的精度。1.对医学图像进行平滑处理,降低噪声对三维重建结果的影响。在二维数据预处理上,改进了基于高斯算法的各向异性去噪算法,提出了基于边缘扩散的非线性去噪算法,在保留边缘的同时,对图像进行去噪处理,在对图像边缘部分去噪处理时算法只沿着图像的边缘方向,抑制非边缘方向上的扩散,在非边缘部分,采用一次高斯去噪平滑,降低算法多次平滑后导致图像模糊的影响;对于三维数据的预处理,提出了基于边缘的各向同性平滑算法,根据目标点邻域3×3×3空间内均值平滑处理。由实验效果可以看出,医学图像在较好去噪的同时有很好的边缘保持效果,重建出来的三维图像表面光滑、连续,减少了表面空洞的现象。2.针对标准的MC算法等值面计算方法的不足,对阈值的选择、插值算法做出了改进,用双阈值取代单阈值,中点插值取代线性插值。双阈值的算法给定一个灰度值范围,让重建出来的三维图像表面更加光滑连续,并且能减少因为较大灰度值导致的错误重建;采用中点插值的方法计算顶点和法向量,相对于线性插值的算法,减少了算法的计算步骤,极大的提高了效率,由实验得出,在不影响图像视觉效果的前提下,算法的执行时间减少了将近一半。3.将MC算法提取出的等值面进行细化,让它逼近体元内真实的等值面,提高算法的精度。在分析了已有改进算法的前提下,提出了基于PNT三角细分的MC算法,改变PNT三角细分算法的实现形式,在不考虑三角网格的拓扑结构的情况下,可以直接根据三角形的三个顶点坐标和对应法向量进行细分计算。将MC算法提取出来的等值面进行PNT细分,由实验可以看出,重建图像具有更加真实的三维效果,便于医生精确的定位病理部位。提高医学图像三维重建的质量和效率,不仅在理论的研究上,而且在实际临床医学都有着重大的意义和应用价值。