CN105931298B - 一种基于视觉显著性的浅浮雕位置自动选择方法 - Google Patents

Abstract

本发明公开了一种基于视觉显著性的浅浮雕位置自动选择方法，包括构建显著性评价函数，确定三维模型的显著性视点，计算三维模型的最佳视角；对三维模型从采样视点进行透视投影，构造有限的视角采样区域，确定映射范围；在每一个采样角度下进行对网格顶点进行凹凸映射生成浮雕；构建浅浮雕结果的评价函数，计算不同采样视点下浮雕被映射到的面积，优化求解浅浮雕的生成位置的参数，得到评价函数结果；将评价函数值进行依次排序，输出选择的评价函数值对应的结果序列。本发明的方法对任意的三维模型表面进行浅浮雕生成位置优化，计算得符合视觉显著性的数字浅浮雕，进而得到一个可以直接用于3D打印的几何模型。

Description

一种基于视觉显著性的浅浮雕位置自动选择方法

技术领域

本发明涉及一种基于视觉显著性的浅浮雕位置自动选择方法。

背景技术

浮雕是一门结合了雕塑与绘画的综合性艺术，将形态用雕或塑等工艺打造出不同深浅层次的浮凸效果，通常用压缩的办法来处理对象，依靠透视等因素来表现三维空间，是一种雕刻在平面或者曲面上的艺术形式，由于形态雕塑的深度不同，又分为高浮雕与浅浮雕。高浮雕通常利用三维形体的空间起伏或夸张处理，浓缩的空间深度感和强烈的视觉冲击力；而浅浮雕的起位较低，整体压缩较大，平面感较强，占用空间小，更大程度地近于绘画形式。浅浮雕应用广泛，可由用户定制图案在不同物体表面上进行风格化设计或装饰，在3D打印技术与服务日益普及的背景下，是一种良好的产品定制方式。

三维数字浅浮雕的生成，算法可以划分为两类，一类是基于三维模型生成浅浮雕，在观察视点确定后，选定能反映模型特征的投影方向，将模型映射在平面或曲面上来生成浮雕。另一类则利用二维图像生成浅浮雕，由于二维图像通常不具有深度信息，故而生成方法通常需要先验知识或增加用户交互操作。如对图像中细节信息的剔除，对生成浮雕区域的选择等。

目前的方法大多关注于图像深度信息的压缩与生成，将深度信息映射在平面或简单曲面上，并不考虑浅浮雕在任意三维模型上生成位置的选择。部分方法立足于简单曲面上浮雕的生成却忽略了位置的选择。

发明内容

本发明为了解决上述问题，提出了一种基于视觉显著性的浅浮雕位置自动选择方法，本方法首先计算模型的最佳视点，构造有限的视角采样区域，根据基于浮雕面积与形变的评价准则，优化求解浅浮雕的生成位置的参数，自动生成复合视觉显著性的浅浮雕效果。

为了实现上述目的，本发明采用如下技术方案：

一种基于视觉显著性的浅浮雕位置自动选择方法，包括以下步骤：

(1)构建显著性评价函数，确定三维模型的显著性视点，计算三维模型的最佳视角；

(2)对三维模型从采样视点进行透视投影，构造有限的视角采样区域，确定输入图像的映射范围；

(3)在每一个采样角度下进行对网格顶点进行凹凸映射生成浮雕；

(4)构建浅浮雕结果的评价函数，计算不同采样视点下图像被映射到模型表面所生成的浅浮雕的面积，优化求解浅浮雕的生成位置的参数，得到评价函数结果；

(5)将评价函数值进行依次排序，输出选择的评价函数值对应的结果序列。

所述步骤(1)中，具体步骤包括：定义显著性的评价函数G(v),G(v)对应不同观察视点下的模型显著性值，求得最大值G，进而根据需要建立的浅浮雕效果，设置函数最小阈值，计算出显著性大于函数最小阈值的模型的观察视角，用以作为观察视点。

所述步骤(1)中，利用视觉显著性衡量方法，来计算模型的最佳视角，具体方法是：对于线性-K模型，为了得到某视点下的得分G(v)：

其中v是视点，S是用到的衡量特定模型的属性索引的集合(|S|＝K)。为了得到最大值G，已知该视点下各属性值a_j，可求解未知量k_j，从而得出视点v的位置。

所述步骤(2)中，具体方法为：构造有限的采样区域，对待映射的输入图像从采样视点做透视投影，以模型的最佳视角为中心定义采样空间，从而确定浮雕映射范围。

所述步骤(3)中，具体方法包括：

(3-1)对透视投影区域内三维模型表面进行网格细分；

(3-2)对给定的输入图像，采用其像素灰度信息所谓浅浮雕的深度信息，沿法向做位移外凸操作；

(3-3)舍弃无法完全将输入图像的像素点映射至模型表面的采样视点，限定图像中设定范围内的像素点无法映射时，判定为出界，舍弃其结果。

优选的，所述步骤(3-1)中，对于划分的每个三角形，在其三条边上分别计算中点，连接三个中点，构成四个新的三角形，重复这一过程，直至待处理网格的密度大于给定图像的分辨率。

优选的，所述步骤(3-3)中，设定范围为10％-15％。

所述步骤(4)中，具体方法包括：

(4-1)优化浮雕生成位置，定义浮雕结果的评价函数；

(4-2)计算不同采样视点下浮雕被映射到的网格面积，记录所有采样视点下浮雕覆盖网格面积的最大值；

(4-3)计算不同采样视点下的浮雕映射的模型表面曲率，记录所有采样视角下的最大曲率；

(4-4)对每一采样视点下的浅浮雕结果，计算其评价函数值，进行排序，返回的结果满足形变小并且面积大的要求。

优选的，参数值取ω₁＝ω₂＝0.5。

优选的，所述步骤(4-1)中，浮雕结果评价函数：

F(v)＝ω₁×A+ω₂×D

针对不同采样视点v下的浮雕覆盖区域，计算浮雕前被映射的网格面积S，取所有采样视点中对应的最大覆盖面积S’，定义：

A＝S/S'

取模型被映射的表面的曲率c，对每个采样视点进行计算：模型被映射到的表面所有顶点高斯曲率的均值c，记所有采样视角下的曲率均值的最大值c’，定义：

D＝1-c/c'。

所述步骤(5)中，对每一个采样视点下，将浮雕结果的评价函数值排序，输出函数值较高所对应的结果序列，根据用户需求进行选择。

本发明的有益效果为：

(1)本发明的方法对任意的三维模型表面进行浅浮雕生成位置优化，计算得符合视觉显著性的数字浅浮雕，进而得到一个可以直接用于3D打印的几何模型；

(2)本发明对于大部分模型可以自动获得符合视觉显著性的浅浮雕效果，且无需交互，适用于面向3D打印的用户产品定制。

附图说明

图1为本发明的方法流程图；

图2为本发明的采样视点分布示意图；

图3(a)-图3(e)表示不同权重分配下的结果；

图4(a)-图4(f)表示同一权重下(ω₁＝0.5,ω₂＝0.5)的结果；

图5(a)、图5(b)表示对部分模型采样后自动生成位置恰当的浅浮雕效果展示图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

如图1所示，基于视觉显著性的浅浮雕位置自动化选择方法：

包括：

步骤(1)：对三维模型进行显著性视点选择，得到三维模型的最佳视角；

步骤(2)：通过最佳视角，确定浮雕的映射范围；

步骤(3)：在每一个采样角度下进行对网格顶点进行凹凸映射生成浮雕；

步骤(4)：根据浮雕结果的评价函数选择浮雕的最优位置；

步骤(5)：输出函数值较高所对应的结果序列，供用户主观选择；

接下来，针对本发明方法中的每一个步骤进行具体阐述：

本实施例中，采用已有的视觉显著性衡量方法，来计算模型的最佳视角，对于线性-K模型，为了得到某视点下的得分G(v)：

其中v是视点，S是用到的衡量特定模型的属性索引的集合(|S|＝K)。为了得到最大值G，已知该视点下各属性值a_j，可求解未知量k_j，从而得出视点v的位置。Adrian经过实验计算出了各类模型下不同的权重k_j取值和不同属性a_j的集合，把待浅浮雕的模型代入到算法中Linear-5b类模型：

G(v)＝15×a₂+2.6×a₁₂+0.42×a₄+

13×a₁+670×a₁₃

其中a₂为可见的表面面积比例，a₁₂为模型向两极点的平滑下降程度，代表了人的主观感知，a₄为模型轮廓长度，a₁为三维模型投射到图像平面的面积，a₁₃衡量模型的眼睛或者面部可见的程度。本步骤根据具体的模型计算出不同的a_j的取值，然后代入公式求得观察模型的最佳视点v。

根据步骤(1)中的方法，计算出模型的最佳观察视点v，继而开始采样。

其中步骤(2)如图2所示，确定浮雕映射范围，以三维模型的重心为中心，最佳视角的视点距离r为半径，建立一个由张角θ确定的视锥空间。视点的采样空间即为这一视锥与以r为半径的视球表面的交集部分。采用的视点在这一表面上以立体角α＝5°的步长进行采样得到。

本发明采用透视投影的生成方法，利用上述步骤得到三维模型的最佳视角，包括视点位置以及视点距模型的深度。下面调整采样的各个视点位置映射图像的投影方向，计算图像在视点切平面方向通过透视投影在基模型表面覆盖的顶点，求这些点的平均法向，再旋转图像与平均法向垂直。

步骤(3)中，利用步骤(2)获得的采样视点以及三维模型的重心构建采样区域，在区域内的三维模型网格顶点依据其对应的图像像素灰度值，沿法向外做位移外凸操作。

步骤(4)中利用浮雕结果评价函数：

F(v)＝ω₁×A+ω₂×D

针对不同采样视点v下的浮雕覆盖区域，计算浮雕前被映射的网格面积S，取所有采样视点中对应的最大覆盖面积S’。定义：

A＝S/S'

又取模型被映射的表面的曲率c。对每个采样视点进行计算：模型被映射到的表面所有顶点高斯曲率的均值c，记所有采样视角下的曲率均值的最大值c’，定义：

D＝1-c/c'

对每一视点下计算出的A，D，迭代加权计算其评价函数值，求较高值。实验表明，对于大多数模型，参数值取ω₁＝ω₂＝0.5时结果较优。

即使在上述准则的限制下，部分视点下输入图像的部分像素点无法映射至模型表面，限定当图像中10％的像素点无法映射时，判定出界，并舍弃其采样结果。

步骤(5)选取由评价函数决定的浅浮雕生成位置合理的结果模型，生成供用户选择。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种基于视觉显著性的浅浮雕位置自动选择方法，其特征是：包括以下步骤：

(1)构建显著性评价函数，确定三维模型的显著性视点，计算三维模型的最佳视角；

(2)对三维模型从采样视点进行透视投影，构造有限的视角采样区域，确定浮雕映射范围；

(3)在每一个采样角度下进行对网格顶点进行凹凸映射生成浮雕；

(4)构建浅浮雕结果的评价函数，计算不同采样视点下图像被映射到三维模型表面所生成的浅浮雕的面积，优化求解浅浮雕的生成位置的参数，得到浅浮雕结果的评价函数结果；

(5)将浮雕结果的评价函数值进行依次排序，输出选择的评价函数值对应的结果序列；

所述步骤(4)中，具体方法包括：

(4-1)优化浮雕生成位置，定义浮雕结果的评价函数；

(4-2)计算不同采样视点下浮雕被映射到的网格面积，记录所有采样视点下浮雕覆盖网格面积的最大值；

(4-3)计算不同采样视点下的浮雕映射的模型表面曲率，记录所有采样视点下的最大曲率；

(4-4)对每一采样视点下的浅浮雕结果，计算其评价函数值，进行排序，返回的结果满足形变小并且面积大的要求；

浮雕结果评价函数：

F(v)＝ω₁×A+ω₂×D

针对不同采样视点v下的浮雕覆盖区域，计算浮雕前被映射的网格面积S，取所有采样视点中对应的最大覆盖面积S’，定义：

A＝S/S'

取模型被映射的表面的曲率c，对每个采样视点进行计算：模型被映射到的表面所有顶点高斯曲率的均值c，记所有采样视点下的曲率均值的最大值c’，定义：

D＝1-c/c'。

2.如权利要求1所述的一种基于视觉显著性的浅浮雕位置自动选择方法，其特征是：所述步骤(1)中，具体步骤包括：定义显著性的评价函数G(v),G(v)对应不同观察视点下的模型显著性值，求得最大值G，进而根据需要建立的浅浮雕效果，设置函数最小阈值，计算出显著性大于函数最小阈值的模型的观察视角，用以作为观察视点。

3.如权利要求1所述的一种基于视觉显著性的浅浮雕位置自动选择方法，其特征是：所述步骤(1)中，利用视觉显著性衡量方法，来计算模型的最佳视角，具体方法是：对于线性-K模型，为了得到某视点下的得分G(v)：

其中v是采样视点，S是用到的衡量特定模型的属性索引的集合(|S|＝K)，为了得到最大值G，已知该视点下各属性值a_j，求解未知量k_j，从而得出采样视点v的位置。

4.如权利要求1所述的一种基于视觉显著性的浅浮雕位置自动选择方法，其特征是：所述步骤(2)中，具体方法为：构造有限的视角采样区域，对待映射的输入图像从采样视点做透视投影，以模型的最佳视角为中心定义采样空间，从而确定浮雕映射范围。

5.如权利要求1所述的一种基于视觉显著性的浅浮雕位置自动选择方法，其特征是：所述步骤(3)中，具体方法包括：

(3-1)对透视投影区域内三维模型表面进行网格细分；

(3-2)对给定的输入图像，采用其像素灰度信息所谓浅浮雕的深度信息，沿法向做位移外凸操作；

(3-3)舍弃无法完全将输入图像的像素点映射至模型表面的采样视点，限定图像中设定范围内的像素点无法映射时，判定为出界，舍弃其结果。

6.如权利要求5所述的一种基于视觉显著性的浅浮雕位置自动选择方法，其特征是：所述步骤(3-1)中，对于划分的每个三角形，在其三条边上分别计算中点，连接三个中点，构成四个新的三角形，重复这一过程，直至待处理网格的密度大于给定图像的分辨率。

7.如权利要求5所述的一种基于视觉显著性的浅浮雕位置自动选择方法，其特征是：所述步骤(3-3)中，设定范围为10％-15％。