Introdução à visualização volumétrica através do método marching cubes.

Abstract

A visualização volumétrica é utilizada em diversos campos, proporcionando representações tridimensionais de dados, de maneira que se possa obter uma maior compreensão dos fenômenos e estruturas estudadas. Dentre os métodos de visualização volumétrica, se destacam os algoritmos de extração de superfícies, como o Marching Cubes (MC), conseguindo extrair superfícies, gerando modelos tridimensionais, a partir de um conjunto de dados volumétricos, como as de imagem médicas. Devido a sua versatilidade, performance e papel histórico, o MC adquiriu um papel notório na área de visualização, sendo aplicado em diversas áreas com êxito. Apesar da sua relevância, o MC também foi alvo de diversos estudos que apontavam a ambiguidade em certas situações e a geração de superfícies não ideais. Porém, esses estudos foram fundamentais para solidificar o MC, uma vez que foram criadas inúmeras melhorias e variações visando resolver seus problemas. Portanto, devido a sua importância na área de visualização, buscou-se estudar a versão clássica do MC, buscando obter uma compreensão aprofundada da área e do funcionamento original MC. Para isso, procurou-se implementar o método MC, aplicando-o sobre conjuntos de dados volumétricos diversos e comparar os resultados obtidos com implementações do método MC original e de sua variante Marching Cubes 33 (MC33), obtendo o entendimento de suas características, vantagens e usos, bem como de suas limitações e falhas. Assim, as implementações foram aplicadas em 6 conjuntos de dados volumétricos diferentes, gerando 255 modelos no total. Após isso, foi feita uma análise qualitativa dos modelos e imagens obtidas, que possibilitaram a visualização detalhada de estruturas, demonstrando utilidade do MC. No entanto, comparações com outras implementações, apontaram para as inconsistências e ambiguidades do método MC. Apesar dessas limitações identificadas, é destacado o papel crucial do MC na visualização volumétrica, reconhecendo sua importância histórica e contínuo aprimoramento, impulsionando avanços no campo da visualização.