import os
import numpy as np
import SimpleITK as sitk
from skimage import io

if __name__ =="__main__":
	# file name
    name = "tif_file"
    # resolution setting
    resolution = [1, 1, 4]

    path = name + ".tif"
    # read file
    label_volum = io.imread(path)
    # find meshes
    label_pts = np.argwhere(label_volum == 1)
    with open(name + ".txt","w") as f:
        for pt_index in range(label_pts.shape[0]):
            # x, y, z
            f.write("%d %d %d\r\n"%(label_pts[pt_index, 2] * resolution[-3], 
            label_pts[pt_index, 1] * resolution[-2], 
            label_pts[pt_index, 0] * resolution[-1]))
    print("OK")

转换后会有同名的txt文件出现，将其拖入CloudCompare中，即可完成读入工作。

点云对象的颜色设置

上一步骤我们将两个点云文件拖入软件中，两个点云文件是microCT图像的血管分割图，一个是全局分割，一个是局部分割。由于软件默认点云对象是白色，且两者坐标一致，因此难以区分。这里可以采用不同的颜色设置，进行区分
颜色设置首先选择其中一个对象

选择Edit->Color->set unique对单一对象设置颜色。

对两个对象分别设置红色与绿色

点云对象的拖动，旋转

左键：整体点云对象的旋转
右键：整体点云对象的平移
滚轮：整体点云对象的缩放
单一对象的操作需要先选中对象
选择Edit->Translate/Rotate

出现右上角小窗口后即可对单一目标使用左右键进行平移旋转操作

变换完成后，点击右上角的小勾即可。

CloudCompare点云配准流程

粗配准

Registration > Align (point pairs picking)
用户手册p102

这里根据手册上进行简要说明一下
选中两个对象，选择Align

选择被匹配对象

在两个点云对象之间选择对应的三个及以上的点，可以放大视图进行选择，点最好分散一点。

选择完成后点击图片中的“Align”按钮，即可进行手动粗配。
点击小勾即可输出变换矩阵。可以看出，效果尚可。
高级参数adjust scale可以确定两个点集之间的最佳比例因子。要允许优化比例参数，只需取消选中固定比例复选框。如果两个云具有不同的比例，而你不知道它们之间的比例因子，则这非常有用。警告：如果比例系数不同，完成此工具后得到的是4×4的仿射矩阵。这样的话使用该矩阵的逆就无法将点云恢复到未配准之前的状态。

参考链接：https://blog.csdn.net/qq_36686437/article/details/119966436

精配准

点击ICP

注意局部与整体配准时，一定要选好to-be-aligned与reference对象，两者互换可以点击swap按钮。

Number of iterations/RMS difference:ICP是一个迭代过程。在此过程中，配准误差（缓慢）减少。我们可以告诉CC在最大迭代次数后停止此过程，或者在两次迭代之间的误差（RMS）差低于给定阈值时停止此过程。该阈值越小，收敛所需的时间越长，但结果应该越精细（注意：由于CC使用32位浮点值，1e-8阈值已经接近计算精度极限，因此不必再降低）。
Final overlap：设置待配准点云之间的重叠度。
Adjust scale：如果待配准的两个点云尺寸不一致，可以选上该选项。

Random sampling limit：为了大幅度提高计算速度，CC使用了一种优化方案。它包括在每次迭代时对数据云进行随机子采样。此参数是子采样点的最大数量。默认值（50000）通常是一个很好的猜测，其对结果的影响是不可感知的。然而，对于数据量非常大的点云来说，它可能是不够的。因此，如果您对结果有疑问，或者如果您想进一步精细化配准，并且不害怕等待很长时间，请毫不犹豫地增加此值（要完全停用此优化方案，只需输入一个大于点云点数的数字即可）。
Rotation：增加指定轴（X、Y或Z）旋转约束。
Translation：增加平移方向的约束。
Enable farthest point removal：剔除距离较远的点，对于噪声点有一定的抑制性。
Use displayed model/data scalar field as weights：此选项应允许用户使用标量值作为权重（主要用于点云与模型的配准，不建议用于两个点云的配准。）