CT图像是层面图像，常用的是横断面。为了显示整个器官，需要多个连续的层面图像。通过CT设备上图像的重建程序的使用，还可重建冠状面和矢状面
的层面图像。CT值的使用，使在描述某一组织影像的密度时，不仅可用高密度
或低密度形容，且可用它们的CT值平说明密度高低的程度。
    CT检查已广泛应用于肾脏疾病的诊断，包括肾肿瘤、结石、炎症、外伤和先天性畸形等。对多数肾脏疾病，CT具有很高的诊断价值，不但能作出准确诊断，而且能判断病变范围，有助于临床治疗。文献[1]中第225-238页详细说明了肾脏的正常CT表现和各类疾病的CT表现，主要有：肾脏正常CT表现，肾细胞癌CT表现，肾母细胞癌CT表现，肾血管平滑肌脂肪癌CT表现，肾囊肿CT表现，多囊肾CT表现，肾结核CT表现等。无论是肾脏的正常CT表现还是病变CT表现，在CT图像中，肾脏都是高密度显影区域，表现为一左一右的两个类似于椭圆形的白影，这两个白影之间一般还有一个较两者要小的椭圆形白影区域（这是脊柱的横切面CT显影），周围是暗影区域。
1.3  医学图像三文重建的方法概述
医学图像的三文可视化技术是利用一系列二文切片图像重建三文图像并对其进行定性、定量分析的技术。它的实现流程是[3，Page7—13]：原像数据→图像预处理→图像分割与提取→三文重建→几何操作→效果显示。其中原像数据一般输入的是CT或MRI图像；预处理包括图像的滤波（即去噪）、增强、配准以及数据融合、插值；分割与提取的方式有组织自动分割、交互式分割、分割区域的提取与记录；三文重建分为面绘制和体绘制两大类方法，在绘制完成后需要进行模型的网格简化操作；之后的几何操作与效果显示指在显示器上的图像的颜色、三文显示、旋转、平移、缩放、模型的剖切、提取等。
1.3.1  图像预处理
文献[3]中第3章全面介绍了医学图像配准与融合技术。重点介绍了基于互信息的医学图像配准，基于小波系数区域相似度的医学图像融合，基于多小波变换的医学图像融合，同时也给出了相应的数值模拟实验以证实各算法的有效性和优效性。第4章讨论的则是断层医学图像的插值问题。在介绍的多种插值方法中重点阐述了匹配插值算法，并且进行了数值实验，结果表明该算法在很大程度上弥补了其它插值算法的不足，是有效可行的算法。
文献[4]给出了一种利用基于广义拉普拉斯分布的子带编码器进行有损压缩并进行医学图像去噪的算法，同时也进行了数值实验，结果表明这种方法无论在信噪比还是在视觉效果上都比先滤波再压缩的两阶段去噪法更优。
文献[5]中提出了一种“最大振幅记录法”的算法，计算超声图像中散斑能够减少的最大可能值；而在文献[6]中，给出的是超声图像中散斑的统计特性，文献中指出图像的散斑只包含探测器及其聚焦方式的信息，同时也给出了导致散斑扩散的几种情形。
文献[7]里提出了一种新的基于MCMC方法的低剂量CT投影图像的自适应降噪算法并通过计算机仿真实验以及真实投影图像验证该算法的效果。
文献[8]中提出的基于行列变换的盲均衡算法利用最速下降法对新设定的代价函数进行迭代求解，获得复值信号的最优估计，最终实现盲图像恢复，得到较优的恢复效果。通过数值实验验证了算法的有效性，不仅获得了较好的恢复效果，改善了峰值信噪比，且对噪声具有较好的鲁棒性。
文献[3]和文献[10]中都较详细地介绍了图像的配准与融合问题。对于图像的配准，这两篇文献都给出了基于最大互信息原理的配准算法，特别地，文献[10]中还给出了一种基于频域相位相关的的多源图像的高精度配准方法。文献[12]中提出来著名的Harris角点检测算法，文献[13]中提出了SIFT特征匹配算法。数值实验的结果证明了这些算法的有效性。 医学肾脏CT图像三维重建的方法和算法研究(3):http://www.youerw.com/yixue/lunwen_6473.html