MITK Conecpts - Pipelining/MITK中的（渲染）流水线概念

Introduction to Pipelining

MITK中的图像处理大量使用了pipelining（流水线）的概念，在使用MITK进行开发的过程中，对其有个清晰的理解至关重要。本文将首先阐明pipelining（流水线）背后的一般思路，然后讨论一些需要了解的MITK细节。

在现实世界中，pipeline（管道）将某种类型的源与用户连接。因此，我们确定了三个关键概念：

source/源：它生成某种类型的数据；

pipeline/管道：传输数据。 许多不同的管线段可以在线切换从而实现这一点；

consumer/用户：使用这些数据来满足自己的需要。

与实际的管道不同：一个物理pipeline永远不会像软件开发中的pipeline一样去处理它的内容（这就是为什么他们也被称为滤波器）。人们可能会问为什么不在用户对象中实现处理逻辑，因为它显然知道如何处理它的数据。这样做的两个主要原因是可重用性和灵活性。比如有人想显示CT图像分割出的骨骼，那么他可以构建一个类来解决这个问题，或者在显示类和源之间构建管道。我们知道CT中的骨骼非常亮，因此我们使用阈值滤波器和分割滤波器来解决这个问题。



现在让我们进一步假设，在成功地将这种新技术卖给一家大公司之后，我们计划对超声成像技术做同样的工作。超声图像中的亮度关系（与CT中的）基本相同，但是超声图像噪声很多，并且对比度明显更低。由于我们使用pipelining，这是没有问题的：我们不需要改变我们的分割类 - 我们只需要在管道前面插入两个新的滤波器：



这看起来很简单，但是当使用来自许多不同设备的多个输入流、且需要支持不同规格的设备时，流水线可以节省很多时间。

Pipelining in MITK

The Update() Mechanism

pipeline中的数据流只在用户调用Update()函数时触发。然后，pipeline的每个部分依次触发它的前面（滤波器等）的Update()方法。最后，源使用自己的GenerateData()方法创建新的一批数据，并通知其后续者新数据可用。然后，pipeline可以开始处理数据，直到完成的数据被最后一个滤波器输出。

The Pipeline Hierarchy

除用户（可以是任何类）之外，pipeline所有部分的基类都是mitk :: Baseprocess。该类引入了处理数据的能力，具有输出和输入。但是，这个类很少被直接使用。



几个源类扩展了BaseProcess。根据他们提供的数据类型，ImageSource，PointSetSource和SurfaceSource都标志着pipeline的开始。

滤波器自身扩展了一个源类。这可能不是立即有意义，但从根本上来说过滤器就是具有输入的源。

Working with Filter

Setting Up a Pipeline

// 创建参与者
mitk::USVideoDevice::Pointer videoDevice = mitk::USVideoDevice::New("-1", "Manufacturer", Model");
TestUSFilter::Pointer filter = TestUSFilter::New();
// 使Videodevice产生它的第一个数据集，这样它的输出就不会为空
videoDevice->Update();
// 将滤波器的输入连接到设备的输出
filter->SetInput(videoDevice->GetOutput());
// 现在pipeline就起作用了
filter->Update();

Writing Your Own Filter

下面给出写一个滤波器的推荐方法：

确定输入及输出所需的数据类型；

根据第一步，扩展BaseProcess可用的具体子类。例如，一个处理图像的滤波器，应该扩展ImageToImageFilter；

确定需要多少输入和输出；

在构造函数中，定义输出的数量，并创建输出；

//设置输出个数
this->SetNumberOfOutputs(1);

//创建新的输出
mitk::Image::Pointer newOutput = mitk::Image::New();
this->SetNthOutput(0, newOutput);

实现MakeOutput()方法。该方法创建一个新的、可以写入的、干净的输出。 请参阅具有类似任务的滤波器；

实现GenerateData()方法。该方法将根据输入生成输出。在执行时，可以假定输入的是新的数据集。