插值是图像三维重建的必要步骤,从图像的生成到后处理均涉及到插值问题。一般,医学图像的层间分辨率比层内分辨率小很多,故可通过对图像进行层间插值来提高图像的层间分辨率,从而将非等分辨率的原始数据经图像插值转化为等分辨率的数据。现有的图像插值方法虽然种类较多,但在进行医学断层图像插值时,很多方法并不能兼顾图像灰度和目标形状的变化,且计算过程过于复杂。因此,在医学图像三维重建过程中,寻找高效和适用性广泛的插值算法是一项基础而重要的工作。本文将医学图像层间插值算法分为基于灰度、基于对象和基于小波三类进行系统地分析和讨论。论文首先介绍了医学图像的预处理方法包括去噪、直方图均衡化及图像锐化等,随后从理想sinc插值函数开始讨论了基于灰度的插值方法,分析并实现了线性插值、cubic插值及Lagrange多项式插值等算法,接着进一步研究了基于形状的插值方法并进行实现,最后使用同一组数据对上述算法进行验证和比较。论文重点讨论了基于小波的插值方法,因为小波具有多分辨率特性,将小波变换和多项式结合起来,可以实现对图像在不同尺度上进行处理。论文提出了一种基于小波-多项式的插值算法,选择的多项式是Lagrange多项式和多尺度高斯函数。首先对原图像进行小波变换,再通过对不同尺度的子图像使用不同的插值核得到待插值图像的子图像,最后经过小波反变换得到最终的插值图像。与线性插值方法、cubic插值方法相比,本论文提出的算法得到的插值图像质量有所提高,计算误差有所降低,可有效用于医学图像目标组织的三维重建。论文最后简要介绍了基于Marching Cubes算法的医学图像三维重建表面绘制方法,对不同的插值算法在层间距较大的序列图像插值后的效果进行了直观的分析。