CN105787979B - 一种优化二维矢量图形渲染性能的方法 - Google Patents
一种优化二维矢量图形渲染性能的方法 Download PDFInfo
- Publication number
- CN105787979B CN105787979B CN201610124052.9A CN201610124052A CN105787979B CN 105787979 B CN105787979 B CN 105787979B CN 201610124052 A CN201610124052 A CN 201610124052A CN 105787979 B CN105787979 B CN 105787979B
- Authority
- CN
- China
- Prior art keywords
- image
- rendering
- quality
- vertices
- dis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 46
- 238000005457 optimization Methods 0.000 title 1
- 238000009877 rendering Methods 0.000 claims abstract description 74
- 210000002569 neuron Anatomy 0.000 claims abstract description 8
- 230000009022 nonlinear effect Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明通过用户自定义的最优渲染结果图像，作为参考图像，当前非最优渲染结果图像，作为待评估图像，利用参考图像和待评估图像的几何开销比，图像质量峰值信噪比，并结合神经元非线性作用函数，即sigmoid函数的形式计算量化的用于确定图形渲染开销质量性价比结果Result，因此快速得到下次渲染该图形时，顺序相邻顶点间的最小几何距离值dis的量化增减程度，从而调节该图形的顶点数量，从而达到在图像质量和图形渲染几何开销之间的动态平衡，在保障图像质量不受视觉影响的前提下，最大程度通过减少渲染所需几何开销，从而提高渲染性能。
Description
技术领域
本发明涉及二维矢量图形渲染领域，尤其涉及于一种优化二维矢量图形渲染性能的方法。
背景技术
随着近年来便携式消费类电子设备的普及，高图像质量的人机交互界面越来越受到消费者的喜爱。然而，传统的位图格式图形难以满足动态的图形操作，尤其当用户对图形进行缩放时，低分辨率的位图在图像质量退化方面显得尤为明显。而二维矢量图形由于其具有无限缩放，但图形不失真的优点，逐渐在便携式消费类电子产品中得到了广泛应用，并取代传统的位图格式图形来实现各种绚丽的动态图形效果。
二维矢量图形由大量的顶点信息组成，其图形显示过程需要进行渲染处理，即对所有的顶点进行较为复杂的运算处理，然后决定需着色的各像素点位置，最终显示图形内容，从而得到渲染后的图像。
二维矢量图形的渲染过程首先根据目标图形的几何定义，比如直线、贝塞尔曲线、圆弧等，计算得到组成该图形的所需顶点，然后按顺序连接各顶点，得到组成目标图形的各条直线边，形成目标图形轮廓。最后填充目标图形区域内的各像素点，得到最终渲染结果图像。
渲染过程中，所需的顶点数量，称为图形几何开销。在由目标图形的几何定义生成各顶点的过程中，将会生成一定数量彼此较为接近的顶点，因此，可以采取顶点融合的方法，即将一定范围内的顺序生成的两个顶点，融合成一个顶点的方法，来实现减少图形几何开销的效果。
但是，在二维矢量图形的渲染过程中，图形几何开销很大程度上影响着渲染速度和图像质量：顶点数量的增加直接导致边的数量的增加，则曲线则越光滑，图像质量越高；同时，由于渲染过程中需处理更多的图形顶点信息，渲染速度受到极大的影响。
虽然顶点融合后的图形形状会有一定程度的改变，从而导致图像质量损失，但是，在图像质量损失允许范围内，顶点融合方法能在一定程度上提高渲染性能。
在现有技术中，未对图形几何开销和图像质量进行有效的平衡处理，因此，如何在硬件资源有限的环境下，快速的量化决定可融合的顶点间距，从而在渲染过程中生成最合适的图形几何开销，同时保证合理的图像质量，成为一个急待解决的问题。
发明内容
本发明的目的在于克服现有技术的缺点，提供一种优化二维矢量图形渲染性能的方法。
为解决以上技术问题，本发明的技术方案是：一种优化二维矢量图形渲染性能的方法，其特征在于：
步骤1，用户设定顺序相邻两个顶点间的间距允许门限值为dis，所述dis为在渲染过程中所允许的两个相邻顶点之间的最小几何距离；所述顺序相邻两个顶点，坐标分别为(x1，y1)，(x2，y2)；若则将所述两个顶点融合成一个顶点，得到新顶点，所述新顶点的坐标为否则，不需要顶点融合；
步骤2，对于待渲染的图形，用户定义dis值为0，代表无顶点融合发生的高图像质量渲染方式，即采用用户认为顶点数量生成最多的渲染方式，所述渲染方式的渲染结果被用户定为质量最优图像，将所述质量最优图像定义为参考图像，将渲染所述质量最优图像所需的顶点数量记为Cref；
步骤3，用户通过调节dis值，动态调节顶点生成数量C，重复渲染所述待渲染的图形，渲染的结果称为待评估图像；相对于所述参考图像，所述待评估图像的图像质量降低，并且Cref＞C；
步骤4，利用峰值信噪比PSNR，量化衡量所述参考图像与所述待评估图像的图像质量损耗，并将量化衡量结果记为P；
步骤5，计算得到量化的图形渲染开销质量比值x，其中其含义为在下次渲染该图形时，顺序相邻两个顶点间的最小几何距离值dis应增加或减少的百分比；
步骤6，利用神经元非线性作用函数sigmoid函数得到图形渲染开销质量性价比结果Result，Result＝1/(1+e-x)；
步骤7，定义视觉允许损耗值为α，其中α＞0；定义开销质量比动态误差值β，其中β＞0；若(30+α)≥P≥(30-α)且(0.5+β)＞Result＞(0.5-β)，表示该渲染方式的开销质量合理，则最近一次步骤3所采用的顶点生成渲染方式为开销质量比最优的渲染方式，渲染结束；
根据神经元非线性作用函数sigmoid的边界效应特性，若1＞Result≥(0.5+β)，则该渲染方式的开销质量过高，应减少顶点数量，降低图像质量，重新计算dis值，即dis＝dis*(1-x％)，再次执行步骤3；当(0.5-β)≥Result＞0时，表示该渲染方式的开销质量过低，应增加顶点数量，提高图像质量，重新计算dis值，即dis＝dis*(1+x％)，再次执行步骤3。
与现有技术相比，本发明的有益效果是：本发明通过用户自定义的最优渲染结果图像，作为参考图像，当前非最优渲染结果图像，作为待评估图像，利用参考图像和待评估图像的几何开销比，图像质量峰值信噪比，并结合神经元非线性作用函数，即sigmoid函数的形式计算量化的用于确定图形渲染开销质量性价比结果Result，因此快速得到下次渲染该图形时，顺序相邻顶点间的最小几何距离值dis的量化增减程度，从而调节该图形的顶点数量，从而达到在图像质量和图形渲染几何开销之间的动态平衡，在保障图像质量不受视觉影响的前提下，最大程度通过减少渲染所需几何开销，从而提高渲染性能。
附图说明
图1：顶点融合过程
具体实施方式：
下面通过具体实施方式对本发明作进一步详细说明。
为解决以上技术问题，本发明的技术方案是：一种优化二维矢量图形渲染性能的方法，其特征在于：
步骤1，用户设定顺序相邻顶点间的间距允许门限值dis，其含义为在渲染过程中，所允许的两个相邻顶点的集合距离。例如，顺序相邻两个顶点，坐标分别为(x1，y1)，(x2，y2)，若则将上述两个顶点融合成一个顶点，新顶点的坐标为否则，则无顶点融合发生。
步骤2，对于待渲染图形，用户定义dis值为0，代表无顶点融合发生的高图像质量渲染方式，即采用用户认为顶点数量生成最多的渲染方式，所述渲染方式渲染的结果被用户认定为质量最优图像，将所述质量最优图像定义为参考图像，将渲染所述质量最优图像所需的顶点数量记为Cref；
步骤3，用户通过调节dis值，实现动态调节顶点生成数量，重复渲染步骤1的图像；步骤3初次执行时，用户可自行设置大于0的dis值，比如数值5，非首次执行时，dis值将随步骤7的结果更新调整；步骤3所需的顶点数量记为C，步骤3的渲染结果称为待评估图像；由于二维矢量图形渲染过程中，生成顶点越多，人眼视觉效果越好，因此，相对步骤1所得的参考图像而言，步骤3所得的待评估图像的图像质量将降低，同时，步骤3渲染所需的顶点数量将小于步骤2渲染所需顶点数量，即Cref＞C；步骤3在依据步骤7的判断结果反复执行的过程中，生成的顶点数量会根据步骤6的判断结果增加或减少，但是始终保证Cref＞C；
步骤4，利用峰值信噪比PSNR，量化衡量所述参考图像与所述待评估图像的图像质量损耗，并将量化衡量结果记为P；
步骤5，计算得到量化的图形渲染开销质量比值x，其中其含义为在下次渲染该图形时，顺序相邻顶点间的间距允许门限值dis应增加或减少的百分比；
步骤6，利用神经元非线性作用函数sigmoid函数得到图形渲染开销质量性价比结果Result，Result＝1/(1+e-x)；
步骤7，用户自定义视觉允许损耗值为α，其中α＞0；用户自定义开销质量比动态误差值β，其中β＞0；若(30+α)≥P≥(30-α)且(0.5+β)＞Result＞(0.5-β)，表示该渲染方式的开销质量比较为合理，则最近一次步骤3所采用的顶点生成渲染方式为开销质量比最优的渲染方式，渲染结束；根据神经元非线性作用函数sigmoid的边界效应特性，当当1＞Result≥(0.5+β)时，表示该渲染方式的开销质量过高，应减少顶点数量，减少图像质量，重新计算dis值，即dis＝dis*(1-x％)，再次执行步骤3；当(0.5-β)≥Result＞0时，表示该渲染方式的开销质量过低，应增加顶点数量，增加图像质量，重新计算dis值，即dis＝dis*(1+x％)，再次执行步骤3。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以作出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (2)
1.一种优化二维矢量图形渲染性能的方法，其特征在于：
步骤1，用户设定顺序相邻两个顶点间的间距允许门限值为dis，所述dis为在渲染过程中所允许的两个相邻顶点之间的最小几何距离；所述顺序相邻两个顶点，坐标分别为(x1，y1)，(x2，y2)；若则将所述两个顶点融合成一个顶点，得到新顶点，所述新顶点的坐标为否则，不需要顶点融合；
步骤2，对于待渲染的图形，用户定义dis值为0，代表无顶点融合发生的高图像质量渲染方式，即采用用户认为顶点数量生成最多的渲染方式，所述渲染方式的渲染结果被用户定为质量最优图像，将所述质量最优图像定义为参考图像，将渲染所述质量最优图像所需的顶点数量记为Cref；
步骤3，用户通过调节dis值，动态调节顶点的生成数量C，以再次渲染所述待渲染图形得到渲染结果，渲染的结果称为待评估图像；相对于所述参考图像，所述待评估图像的图像质量降低，并且Cref＞C；
步骤4，利用峰值信噪比PSNR，量化衡量所述参考图像与所述待评估图像的图像质量损耗，并将量化衡量结果记为P；
步骤5，计算得到量化的图形渲染开销质量比值x，其中其含义为在下次渲染该图形时，顺序相邻两个顶点间的最小几何距离值dis应增加或减少的百分比；
步骤6，利用神经元非线性作用函数sigmoid函数得到图形渲染开销质量性价比结果Result，Result＝1/(1+e-x)；
步骤7，定义视觉允许损耗值为α，其中α＞0；定义开销质量比动态误差值β，其中β＞0；若(30+α)≥P≥(30-α)且(0.5+β)＞Result＞(0.5-β)，表示该渲染方式的开销质量合理，则最近一次步骤3所采用的顶点生成渲染方式为开销质量比最优的渲染方式，渲染结束。
2.如权利要求1所述的优化二维矢量图形渲染性能的方法，其特征在于：
根据神经元非线性作用函数sigmoid的边界效应特性，当1＞Result≥(0.5+β)时，说明渲染方式的开销质量过高，则应当减少顶点数量，降低图像质量，此时重新计算所述dis值，即dis＝dis*(1-x％)，再次执行步骤3；
当(0.5-β)≥Result＞0时，说明渲染方式的开销质量过低，则应当增加顶点数量，提高图像质量，重新计算所述dis值，即dis＝dis*(1+x％)，再次执行步骤3；
当所述步骤3初次执行时，用户可自行设置大于0的dis值；
当非首次执行时，dis值将随步骤7的结果更新调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610124052.9A CN105787979B (zh) | 2016-03-02 | 2016-03-02 | 一种优化二维矢量图形渲染性能的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610124052.9A CN105787979B (zh) | 2016-03-02 | 2016-03-02 | 一种优化二维矢量图形渲染性能的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105787979A CN105787979A (zh) | 2016-07-20 |
| CN105787979B true CN105787979B (zh) | 2018-08-28 |
Family
ID=56387128
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610124052.9A Expired - Fee Related CN105787979B (zh) | 2016-03-02 | 2016-03-02 | 一种优化二维矢量图形渲染性能的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105787979B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10565747B2 (en) * | 2017-09-06 | 2020-02-18 | Nvidia Corporation | Differentiable rendering pipeline for inverse graphics |
| CN114693611A (zh) * | 2022-03-16 | 2022-07-01 | 杭州群核信息技术有限公司 | 渲染质量评估方法、装置、计算机设备及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101154292A (zh) * | 2006-09-28 | 2008-04-02 | 株式会社东芝 | 图形形状数据生成设备、渲染设备和方法 |
| CN102227752A (zh) * | 2008-12-09 | 2011-10-26 | 高通股份有限公司 | 使用三维图形硬件的二维图形渲染期间的顶点丢弃 |
-
2016
- 2016-03-02 CN CN201610124052.9A patent/CN105787979B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101154292A (zh) * | 2006-09-28 | 2008-04-02 | 株式会社东芝 | 图形形状数据生成设备、渲染设备和方法 |
| CN102227752A (zh) * | 2008-12-09 | 2011-10-26 | 高通股份有限公司 | 使用三维图形硬件的二维图形渲染期间的顶点丢弃 |
Non-Patent Citations (1)
| Title |
|---|
| 《低端设备上SVG表示模型及其应用研究》;涂旭东;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090515;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105787979A (zh) | 2016-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8217962B2 (en) | Single-pass bounding box calculation | |
| CN103366342B (zh) | 应用于视频图像放大的分段线性插值方法 | |
| CN102521794B (zh) | 基于样条曲面的图像插值方法及装置 | |
| US9565414B2 (en) | Efficient stereo to multiview rendering using interleaved rendering | |
| CN104835108A (zh) | 产生可视化二维码的方法 | |
| US20200279415A1 (en) | Efficiently Computed Distance Fields | |
| WO2018113224A1 (zh) | 一种图像缩小方法及装置 | |
| CN105787979B (zh) | 一种优化二维矢量图形渲染性能的方法 | |
| JP2019121381A (ja) | グラフィックプロセッサ、及びその動作方法 | |
| CN106204701A (zh) | 一种基于光探针插值动态计算间接反射高光的渲染方法 | |
| CN107240137A (zh) | 一种Gerber图形光栅化方法及系统 | |
| CN101615300A (zh) | 一种屏幕空间微结构表面对象环境光遮挡方法 | |
| CN104183009B (zh) | 一种基于场景光照图的大场景非直接光照方法 | |
| JP2012104099A (ja) | ベジェ曲線を利用したコントラスト改善方法 | |
| CN113313631A (zh) | 图像渲染方法和装置 | |
| CN111383158B (zh) | 遥感图像预处理方法 | |
| US20130249912A1 (en) | Resolution-adaptive mesh smoothing brush | |
| US9639975B1 (en) | System and method for generating shadows | |
| KR101582578B1 (ko) | 그래픽 처리 장치 및 방법 | |
| CN103559721B (zh) | 一种基于图像梯度的三角剖分快速图像融合方法 | |
| CN109785418B (zh) | 基于视觉感知模型的注视点渲染优化算法 | |
| CN105809722B (zh) | 一种确定二维矢量图形渲染开销质量比的方法 | |
| CN118283208A (zh) | 一种基于泼溅算法的移动端实时渲染插帧方法和系统 | |
| US9215440B2 (en) | Efficient EWA video rendering | |
| WO2016092588A1 (ja) | 描画装置、および描画方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180828 Termination date: 20200302 |