Download - Benjamin Granzow Portfolio

4.2. KLASSIFIZIERUNG 31
der Fixed-Function-Pipeline war es nicht möglich Post-Klassifizierung vorzunehmen,
aus diesem Grund musste dieses vorher geschehen. Erst durch
eine Erweiterung war es möglich weitere Texturzugriffe umzusetzen, sodass
Post-Klassifizierung realisiert werden konnte. Durch die Einführung der programmierbaren
Pipeline wurde die Realisierung noch weiter vereinfacht, da
dieser Standard überall verfügbar war.
Die optische Qualität der beiden Klassifizierungsvarianten ist sehr unterschiedlich.
Da bei der Pre-Klassifizierung die Daten zuerst klassifiziert werden
und anschließend auf den Farbwerten interpoliert wird, treten starke
Blockartefakte auf, sodass das Ergebnis recht grob und körnig wirkt. Bei
der Post-Klassifizierung werden die Dichtewerte zuerst interpoliert, was eine
höhere Auflösung der Werte erreicht. Anschließend können diese Werte gezielt
klassifiziert werden, was zu einem feineren und detaillierteren Resultat
führt. Der Unterschied ist schematische in Abbildung 4.4 dargestellt. Eine
Gegenüberstellung beider Varianten ist im Abbildung 4.5 zu finden.
Abbildung 4.5: Vergleich von Pre-(Links) und Post-Klassifizierung(Rechts)
eines CT-Datensatzes mit der selben Transferfunktion. Entnommen Real-
Time Volume Graphics [3] Seite 90, Figure 4.2.
4.2.3 Post-Klassifizierung
Um die Post-Klassifizierung in die Implementierung zu integrieren, sind nur
ein paar zusätzlicher Codezeilen erforderlich. Dennoch ist dieser Schritt nicht
zu unterschätzen, da er eine große optische Wirkung erzielt.
Es gibt zwei Möglichkeiten Transferfunktionen umzusetzen. Entweder können
diese als Funktion umgesetzt werden oder als Textur. Dabei hat die
Textur-Variante einen Vorteil, diese ist im Gegensatz zu der Funktion aus-