CT（DCM）外轮廓实时识别 → 逐层拼3D → 导出STL到Blender

医院 CT（DCM）切片如何逐层找出外轮廓得到有序外周点，以及多切片如何实时拼成三维模型。

一、看「过程」

三维重建的成品往往很「安静」：一个光滑的表面模型静静摆在屏幕上。但真正有趣的地方，常常发生在它「长出来」之前------ 每一层 CT 图像里，边缘点如何被发现？杂质如何被清掉？外周点如何变得有序？

二、整体流程

查找关键点：在单张切片上找到「看起来像边缘」的亮点集合。
排除无效区域：去掉不属于目标外轮廓的连通块/噪声区域。
查找外周点：从剩余点中进一步收敛到真正的外周候选。
排序并闭合：让点按周向有序排列，形成可闭合的轮廓环。
切片合成：多层轮廓按层间距堆叠、缝合，实时生成 3D 网格。

三、步骤一：在切片上查找关键点

原理

CT 灰度图上，组织与背景常存在对比。外轮廓附近的像素，往往比邻域更「亮」或更「陡」。第一阶段要做的事情很朴素：

按行（或按扫描线）遍历图像有效区域；
对每个像素，比较它与周围邻域的平均亮度；
若自身相对邻域更突出，则记为一个候选关键点。

这一步得到的是「边缘感很强的点云」，数量通常很多，且可能包含内部结构、噪声、伪影。所以它只是起点，不是终点。

效果

伪代码

css 复制代码

for each pixel p in slice (with margin):
    if brightness(p) > average(brightness of neighbors around p):
        mark p as keypoint candidate

四、步骤二：排除无效区域

原理

关键点会自然聚成许多连通区域（八邻域连通即可）。其中只有一部分对应我们关心的外层结构；更多可能是内部空洞边缘、局部噪声块、次要组织边界。

排除无效区域的核心思路通常是：

对关键点做连通分量分组，得到若干「区块」；
用外接矩形、是否靠近图像中心、是否被更大区块包含等几何关系判断「外层 / 内层」；
保留目标相关区块，清除其余区块中的点（演示里常做成飞散消失，便于观看）。

直观理解：先把「一整片可疑边缘」分成若干团，再看哪一团才像主体外轮廓？哪一团只是里面的杂质？

效果

排除无效区域：非目标区块被清除，主体相关点保留

伪代码

scss 复制代码

// 连通分组 → 判定外层目标 → 丢弃其它
blocks = connected_components(keypoints)
target = select_main_outer_block(blocks)  
for block in blocks:
    if block is not related_to(target):
        remove points of block

五、步骤三：查找真正的外周点

原理

即使去掉大量无效区域，剩余点仍可能「厚」：同一方向上既有更靠外的点，也有偏里的点。外周点的目标是：在轮廓的周向上，尽量只保留最外侧的代表点。

一种非常适合可视化的演示策略是「中心 + 周向扫描」：

估计点集中心（质心）；
把平面按角度分成很多扇区（例如每 2° 一格）；
指针顺时针扫一周，每个角度只保留距中心最远的那一个点；
扇区内其它点视为扫过即可清除。

效果

查找外周点：周向扫描后收敛到外周候选点

伪代码

scss 复制代码

// 按角度分箱，每箱只留最远点
center = centroid(remaining_points)
for angle_bin in 0 .. N-1:
    pts = points_falling_into(angle_bin)
    keep farthest_from(center, pts)
    discard the others

六、步骤四：外周点排序并闭合

原理

「有一圈点」还不够，建模与展示需要它们是有序的。有序意味着：沿着边界走一圈，点的先后关系稳定，并且首尾可以闭合。

排序的直觉很直接：

以中心为原点，按极角（例如从上方向起顺时针）排序；
必要时做等弧长重采样，让相邻点间距更均匀；
用方向箭头或折线连接，明确「从第 i 个点走向第 i+1 个点」；
最后连回起点，形成闭环轮廓。

效果

外周点排序并闭合：方向性箭头与闭环连线，强调「有序」

伪代码

ini 复制代码

// 极角排序 → 连线 → 闭合
ring = sort_by_polar_angle(outer_points, center)
for i in 0 .. ring.Count-1:
    connect ring[i] → ring[(i+1) % ring.Count]

七、步骤五：多切片合成三维模型

原理

每一层 CT 都得到一条（或一组）二维闭环轮廓后，就可以进入三维阶段：

把像素坐标换算到毫米坐标（像素间距、层厚/层间距来自 DICOM 几何信息）；
按切片顺序把轮廓放到对应的高度（Z）；
在相邻两层之间做缝合：连接对应点，生成三角面片；
随着新切片不断识别完成，网格逐步「长高」，实现实时预览。

缝合策略可以很简单（例如两层都重采样到相同点数，再按索引连接），也可以更激进（全点就近匹配）。演示里常见的「平均等分」就是为了让对应关系稳定、易于理解。

效果

切片合成：多层轮廓实时堆叠、缝合为三维模型

伪代码

ini 复制代码

// 相邻层轮廓 loft 成三角网格
for layer in 0 .. layers-2:
    A = resample(contours[layer],   N)
    B = resample(contours[layer+1], N)
    for i in 0 .. N-1:
        add_quad_as_two_triangles(A[i], A[i+1], B[i+1], B[i])

八、导出与查看（STL / Blender）

当网格足够完整后，可导出为常见的 STL / PLY。 STL 记录的是三角面片汤（triangle soup），Blender、MeshLab 等软件都能直接打开。

在 Blender 中查看时，关注：

整体形态是否与预期解剖结构一致；
层与层之间是否出现明显扭曲（通常与轮廓对应或层间距有关）；
法线朝向、封闭性是否满足后续处理需求。

九、小结

从 CT 灰度里找出「像边缘的点」，剔掉不该留下的区域，再收敛成有序外周闭环，最后把多层闭环缝成可导出的三维网格。

导出为stl文件后，我们可以查看到完全一致的效果: