VTK笔记——vtk.js工程搭建
这篇笔记详细说明了vtk.js项目是如何搭建的，旨在快速入手工程搭建，享受web vtk的快乐人生。
0%
VTK笔记——轴对齐包围盒（AABB）
什么是包围盒
包围盒是指能够包容物体的立方体或者二维长方形，是包围体的一种，常常用于模型的碰撞检测。包围体主要包括球体、轴对齐包围盒(AABB)、有向包围盒(OBB)和凸包(Convex Hull)。
在较早的时候，包围盒按照坐标系的坐标轴进行排列，这被称为轴对齐的包围盒(AABB/Axis-aligned bounding box)。为了将AABB与通用的情况区分开来，将任意的包围盒称为有向包围盒(OBB/Oriented bounding box)。AABB检测模型的相交要比OBB更简单，但是他的缺点是当模型旋转的时候无法随之旋转，而必须重新计算。
VTK笔记——有向包围盒（OBB）
什么是有向包围盒
《VTK笔记——轴对齐包围盒（AABB）》提到了有向包围盒(OBB/Oriented bounding box)。
有向包围盒，是较为常用的包围盒类型。简单的说，它就是包围模型的最小盒子，是根据模型的几何形状来决定包围盒的大小和方向，无需和坐标轴垂直，方向是任意的，这是它的特点，但也导致了生成的复杂性。
VTK笔记——医学图像配准（Landmark）
随着现代医学的迅速发展，医学影像学为临床诊断提供了多种模态的医学图像，如X射线，CT，MRI等，当然，他们各自有各自的诊断优势。不过，有时候，医生希望将不同图像信息进行适当的集成。然而不同模态的医学图像成像原理不同，风辨率，成像参数却不相同，因此在图像融合前必须进行图像匹配。
医学图像配准就是通过寻找一种（或一系列）的空间变换（旋转、偏移、缩放和变形等），使两幅图像的对应点达到空间位置和解剖结构上的完全一致。配准结果应使两幅图像上是所有的解剖点（精确匹配），或至少是所有具有诊断意义的点都达到匹配（粗略匹配）。
其中，基于标记点对应关系的配准方法已经得到了广泛的应用，即所谓的特征匹配，通常用于图像分割、特征提取和关键点（landmark）搜寻等场合。
VTK笔记——医学图像等值面提取（Marching Cubes）
什么是等值面
引用维基百科的解释：
等值曲面是一种曲面。在空间里，假若，每一点都有一个设定的值。这值可能是压力、温度、速度、密度。那么，一个等值曲面所包含的每一个点，其设定值是一样的。换句话说，以三维空间为定义域的连续函数，其每一个水平集都是一个等值曲面。
应用计算机图形学，我们可以简易地显示出等值曲面的线框图或明暗图。在计算流体力学里，数据视觉化方法时常会用等值曲面来表示流体（液体或气体）流过物体时的瞬时状态。这是工程师研究发展新科技的一个利器。他们可以观察一个系统在任何时间的状态，从而发现其中奥秘。例如，等值曲面可以代表超音速飞行的单独震波。或者，我们可以制造几个等值曲面来代表，当空气流过飞机翅膀时，随着时间演变的一系列压力值。
面对着一大堆三维空间的数据，一个明智又受欢迎的选择，就是采用等值曲面为数据视觉化的主要形式。简单的多边形造型渲染的等值曲面，不需要用到很多的中央处理单元的资源，就能够迅速的计算出所要显示的图形。
在医学影像里，三维的电脑断层扫描用等值曲面来代表一个密度值区的部位。这样，我们可以将内部器官、骨头、等等，这些结构视觉化。
VTK笔记——医学图像的切片提取(vtkImageReslice)
医学图像的浏览和内部分析是很常见也很重要的功能，我们不仅可以从矢状面、冠状面和轴状面这样的切面去看，还可以从任意切面去看。在VTK术语中，切面（切片）就是图像数据。
VTK笔记——医学图像的可视化与交互(vtkImageViewer2)
在读取了医学图像数据后，下一步就需要将它显示出来和进行交互操作。将3D的医学图像以2D的方式呈现，同时切换切片来帮助医学分析。
VTK笔记——提取边界(vtkFeatureEdges)
vtkFeatureEdges，VTK的一个类，用于边界提取。
提取的边界包括：
1)边界(boundary)，只被一个多边形使用的边，或者直线单元；
2)非流行(non-manifold)，被三个以上的多边形共用的边；
3)特征边(feature edges)，被两个三角形使用且二面角大于特征角的边；
4)流行边(manifold edges)，只被两个多边形使用的边。
