科学计算可视化技术在医学领域中正得到越来越广泛的应用。可视化技术是由一系列二维图象重构出三维模型,并在计算机上显示出来。这大大加强了医生的诊断能力,提高了医学诊断结果的正确性和治疗的质量。医学图像三维重建是一个多学科交叉的研究领域,涉及计算数学、数字图像处理、计算机图形学以及医学领域的相关知识。因此,对医学图像三维重建基础算法的研究,具有重要的学术意义和应用价值。本文主要目的是针对医学图像的特点,对三维重建的基本算法进行改进,提高算法的效率。由序列二维轮廓线重构三维形体在三维数据场的可视化中有着广泛的应用前景。本文在基于区域增长法的基础上提出了一种改进的轮廓线提取算法,该算法采用查找表来加速搜索边界单元,从而避免了搜索所有的网格单元。并且给出了医学图像轮廓线提取的实例,实验结果表明,改进算法大大提高了轮廓线提取的效率。随后介绍了单轮廓线重构三维形体的方法,给出了一个实例的具体实现过程并验证了改进轮廓线提取算法的实用性。最后运用有限元法和ANSYS软件对重建模型进行了初步的力学分析。Marching Cubes(MC)算法是三维重建的一种经典算法。本文针对传统MC算法存在的算法效率低,产生的三角面片数量巨大等缺点,提出了一种改进的MC算法,称之为规则移动立方体法(RMC)。该方法通过判断一个立方体中有等值面通过的表面,从而可知与此立方体相邻的哪些立方体会有等值面通过,这样就不需要判断体数据中的每个立方体。RMC算法自适应地合并已判断过立方体中包含的面片,从而减少了三角面片的数量。同时应用基于OpenGL的真实感图形显示技术,通过设置光照模型和材质属性、添加表面法向量、进行消隐处理及纹理映射,实现逼真的三维立体重建结果,该结果真实、客观地反映了实体在三维空间的特征与细节。实验结果表明,RMC算法在保持显示结果基本不变的情况下有效的提高了重建的效率。