医学图像三维可视化中的体绘制算法不需要构造中间几何图元,对体数据进行直接绘制,能够很好的显示物体的内部细节,具有很好的应用前景。本文主要研究的是体绘制中的Shear-Warp算法,它的绘制速度快,但图像质量有所下降。针对这个问题,本文提出两种改进方法。第一种方法是在二维平面内找到一种更为适合的插值方式来代替原始算法重采样中的双线性插值。本文提出将偏微分方程中的各向异性扩散模型演变成为一种体绘制的插值模型,称为非线性插值算法。这里将它使用在二维平面内,根据采样点周围灰度值的浓度变化趋势来迭代生成采样点的值,能够很好的保持图像的空间边缘,平滑图像,使得绘制的图像更为清晰。第二种方法是引入深度信息对Shear-Warp算法进行改进。本文分析了原始的Shear-Warp算法只是在切片内进行重采样,并未使用到沿着视线方向的深度信息,这将导致算法在某些视角存在细节信息丢失,因此本文提出两种利用深度信息的方法对Shear-Warp算法的绘制质量进行改进。1.利用深度信息的非线性插值算法这种方法是将二维平面内的非线性插值算法进行扩展,由使用单一的平面信息来判断灰度浓度变化趋势扩展到使用多张切片的深度信息来共同判断灰度的变化趋势,扩大了信息量,使得重采样点的灰度值更为接近真实值,图像更加清晰。2.基于三次样条的图像合成算法本文提出了一种基于三次样条的图像合成算法。这种方法打破原始算法中仅使用采样点值代替光线段值的不足,引入深度信息,利用一个代价函数来计算光线段的值,代价函数的参数由三次样条插值决定。这种方法考虑了周围点在深度方向上的变化规律,利用这种规律来估计光线段的值,使得光线段的值更为接近真实的值,以此来提高图像的绘制质量。本文利用医学图像数据对以上提到的改进算法都进行了仿真验证,实验结果表明,改进算法对于图像的绘制质量有了较大的提高。