任何人都知道一个很好的起点，使用OpenCV从X射线图像/2D图像进行3D重建。我试图使用 nodejs 和 OpenCV 的 js 版本来做这个项目。我基本上尝试从2D X射线图像重建骨骼结构（有多个视图可用）。开源代码（在python/c/c++中）/算法/指南/任何东西都是值得赞赏的。
谢谢
简而言之，要获得良好的3D重建图像，您需要了解有关两个相机的一些信息（镜头失真，距离，校准等）
网上有很多信息，这里有一些很好的起点
- http://docs.opencv.org/master/dd/d53/tutorial_py_depthmap.html#gsc.tab=0这是创建视差图的示例。OpenCV有3个立体声匹配算法 - 块匹配（立体BM），图形切割（立体GC），和半全局块匹配 （stereoSGBM） - 更深入解释，请尝试 http://scholar.google.com。
-
生成视差图后，可以在3D 空间。但是，正如我所说，您需要来自照相机。此问题中的代码示例可能会有所帮助从 2 张图像进行 3D 重建，没有关于相机的信息
-
从 openCV 示例文件夹中查找示例https://github.com/Itseez/opencv/blob/master/samples/cpp/stereo_match.cpp
和文档
http://docs.opencv.org/2.4/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html
旁注：
我正在使用EmguCV，这是一个用于C#的openCV包装器，来创建人脸的3D重建。您可能会发现此示例很有用，但是，您需要在 openCV 中找到相应的方法（它们通常具有相同的名称）http://www.emgu.com/wiki/index.php/Stereo_Imaging
希望对您有所帮助！
通常您有以下内容：
- N 个图像图层，每个图像尺寸 = 宽度 * 高度
- 从颜色值到某个"厚度值"的解释
一般思路是：使用浮点或字节值创建尺寸为 N * 宽度 * 高度的 3D 地图。然后只需将图像图层添加到该地图中，即可获得类似于巨大 3D 纹理的东西。现在，您可以定义您感兴趣的组织厚度，例如骨骼。然后在 3D 地图中搜索值从"小于骨骼厚度"到"大于或等于骨骼厚度"（或仅存储了确切厚度值的单元格）的每个单元格，并将这些单元格标记为"骨骼"。然后你有一些骨骼的体素网格:)
更好的方法是使用类似marching cubes的东西并在厚度变化之间进行插值。
也许，如果你在谷歌上搜索"行进立方体"和"X射线"，你会发现一些更详细的信息（和大学讲义），关于解决这种方法的不同方法。例如：http://www.eecs.berkeley.edu/~jrs/meshpapers/LorensenCline.pdf，从这些论文中，您可能会找到更多要搜索的标签。