CN106023296B - 流体场景光照参数计算方法 - Google Patents

流体场景光照参数计算方法 Download PDF

Info

Publication number
CN106023296B
CN106023296B CN201610363267.6A CN201610363267A CN106023296B CN 106023296 B CN106023296 B CN 106023296B CN 201610363267 A CN201610363267 A CN 201610363267A CN 106023296 B CN106023296 B CN 106023296B
Authority
CN
China
Prior art keywords
reflection
mirror
pixel
channels
component
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
Application number
CN201610363267.6A
Other languages
English (en)
Other versions
CN106023296A (zh
Inventor
全红艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Normal University
Original Assignee
East China Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by East China Normal University filed Critical East China Normal University
Priority to CN201610363267.6A priority Critical patent/CN106023296B/zh
Publication of CN106023296A publication Critical patent/CN106023296A/zh
Application granted granted Critical
Publication of CN106023296B publication Critical patent/CN106023296B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/06—Ray-tracing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/50—Lighting effects
    • G06T15/506—Illumination models

Abstract

本发明公开了一种流体场景光照参数计算方法，该方法旨在利用视频流的样例帧，得到视频流体光照参数。该方法首先采用Lambertian模型，结合流体表面几何信息，快速计算Lambertian模型光照参数。进而利用流体场景中像素粒子的镜面反射信息，利用Phong模型，快速计算得到了镜面反射指数及参数。通过实验测试及误差分析，证明了本发明具有方便、实用、有效的特点。本发明可有效地应用于流体的反向工程的研究及应用中，可以快速进行流体场景真实感的重仿真，轻松获得与样例流体外观一致的光照效果，克服了现有的流体光照计算中计算量大以及需要用户初始化等问题。

Description

流体场景光照参数计算方法
技术领域
本发明涉及视频流体重仿真中的流体场景光照参数计算方法。采用Lambertian和Phong模型相结合，利用流体视频样例帧的高度计算结果，用场景中较低强度的像素构成像素集，利用这些像素的强度及几何线性拟合流体场景的Lambertian参数，进一步利用Phong模型，计算镜面反射参数，从而可以得到了流体场景的光照参数。
背景技术
真实感流体重仿真目前已经广泛地被应用于游戏设计、流体动画仿真、电影的特效设计、流体军事仿真等领域，关于视频流体光照计算的研究已经取得了很多的成果。限于流体场景中粒子运动的复杂性，给视频流体光照计算的问题带来了复杂性，近些年人们开始从事于该问题的研究，这也是视频流体反向工程中亟待解决的问题。
近年来，一些研究工作是基于双向反射分布函数(BRDF)、Torrance–Sparrow光照模型，或者Phong模型的研究，但是，有些工作是利用优化的方法和手段得到流体场景的光照信息，这类研究措施对实际应用来说主要是不便使用，还有就是利用这些现有方法计算流体场景光照时,难以得到理想的结果。在最近出现的研究方法中，需要人们进行预处理，这不便于解决流体场景光照计算的问题。可见，快速方便地计算流体场景光照参数，仍然是一个亟待解决的实际问题，尤其是在视频流体反向工程问题的研究中，流体场景光照参数计算问题是至关重要的问题。
发明内容
本发明的目的是针对现有技术的不足,并针对视频流体反向工程中真实感重仿真的需要,提供一种视频流体光照计算方法,利用该方法能够实现视频流体反向工程中流体重仿真的真实感光照效果。
实现本发明目的的具体技术方案是：
一种流体场景光照参数计算方法，特点是：无需复杂的优化处理，采用流体视频的任意一帧(我们称其为样例帧F)，利用以下步骤可以有效计算流体场景光照参数。首先建立坐标系:以图像所在的空间为XOY平面、垂直XOY平面向上方向为Z方向.然后按照以下步骤进行流体场景光照计算：
步骤1：计算流体的Lambertian参数及Lambertian成分,具体方法如下:
(a)利用F中的所有满足(1)式的像素构造集合L；
Ip≤TL (1)
Ip是F中任意一个像素P的强度，Ip计算为：
Ip＝0.299*R+0.587*G+0.114*B (2)
R、G和B是P像素在RGB色彩模型中颜色分量；TL是强度阈值，其计算为TL＝(Dmax-Dmin)*3/8+Dmin,Dmax和Dmin分别是样例帧F中所有像素强度的最大值和最小值；
(b)利用像素集L，线性拟合出光源位置参数p和q，p是与光源方向在XOY平面上偏转角有关的参数，q是与光源方向倾斜角有关的参数；步骤如下：
取L中任一对像素P1和P2，如果P1的颜色在RGB色彩模型中颜色分量为R1、G1和B1，P2的颜色为R2、G2和B2，首先计算流体场景的高度，并记P1和P2的高度分别记为h1和h2；计算h1和h2在XOY平面沿X方向的差分，记为和计算h1和h2在XOY平面中沿Y方向的差分记为和根据Lambertian光照模型：
其中，IR，IG和IB分别是光源强度在RGB三个通道的分量；
由(3)和(4)得
其中，
由(5)和(6)得
其中，
由(7)和(8)得
其中，
可见，利用L中任取一对像素，根据Lambertian光照模型,能够得到3个约束，由公式(9)、(10)和(11))构成；现从L中任取N对像素，线性拟合出光源位置参数p和q.N是自然数,如果L中有E(E>2000)个像素,那么1000≤N≤E/2.
(c)利用像素集L，计算流体场景每个像素的Lambertian成分；具体步骤如下：
从L中取n(n<E)个像素，n个像素中任何一个像素Pi的颜色在RGB色彩模型中颜色分量为Ri、Gi和Bi，设Pi的高度为hi，hi在XOY平面沿X方向的差分记为沿Y方向的差分记为
根据Lambertian模型：
其中，IR，IG和IB是光源强度在R、G和B三个通道的分量；
利用这n个像素,根据(12)计算得到n个光源强度在R通道的结果，利用这些结果构建集合采用k-means方法进行聚类得到光源R通道强度IR，具体地，对于任意一对SR中任意两个元素和如果满足：
那么，和被聚为同一类，和是集合中的两个不同的元素，m1和m2是序号，并且满足0≤m1≤n-1，0≤m2≤n-1，同时m1≠m2；为R通道强度之间差异的阈值；最后，将聚得样本最多的类中所有强度的均值作为IR；
同理，利用这n个像素,根据(13)和(14)能够得到G通道和B通道的光源强度IG和IB；
以下是流体场景每个像素的Lambertian成分的计算
对于流体样例帧F中任意像素P，根据式(16)到(18)求得Lambertian成分：
LR，LG和LB是Lambertian成分在R、G和B三个通道的分量；hx和hy分别是像素P的高度h在XOY平面上沿X方向的差分和沿Y方向的差分。
步骤2：利用Phong模型，计算镜面反射参数
(a)镜面反射成分按照以下步骤计算
利用式(19)到(21)计算样例帧F的任意像素P镜面反射成分；
其中，rR表示镜面反射成分在R通道的分量，rG表示在G通道的分量，rB表示在B通道的分量；
(b)镜面反射参数按照以下步骤计算
对于F中任意像素P，根据Phong模型：
其中，和为环境光成分，和为漫反射成分，利用Lambertian成分代替环境光成分与漫反射成分的和,即: 和是镜面反射率，和分别是镜面反射在RGB三个通道的光强；Rm是流体表面任意一点反射光方向的单位向量，V是视线方向的单位向量，α是镜面反射指数；那么，由(19)至(24)式得：
利用P的高度h代替公式(25)至(27)中Rm和V的点积Rm·V；
进一步，对于F中取任意两个镜面反射成分大于0的像素P1和P2，如果P1在RGB三个通道的镜面反射成分为和P2在RGB三个通道的镜面反射成分为和P1的高度假设为h1，P2的高度假设为h2；
那么根据(25)至(27)式得：
利用P1和P2，由(28)和(29)计算得到的镜面反射指数记为αR，那么：
由(30)和(31)计算得到的镜面反射指数记为αG，则：
由(32)和(33)计算得到的镜面反射指数记为αB，则：
其中，表示像素P1在R通道的镜面反射强度，表示像素P1在G通道的镜面反射强度，表示像素P1在B通道的镜面反射强度。表示像素P2在R通道的镜面反射强度，表示像素P2在G通道的镜面反射强度，表示像素P2在B通道的镜面反射强度；
如果流体样例帧F中镜面反射成分都大于0的像素有M对，那么利用(34)式计算得到M个R通道的结果并构成集合采用k-means方法进行聚类得到R通道的镜面反射指数，具体地，对于任意一对SSR中任意两个元素和如果满足：
那么和被聚为同一类,为镜面反射指数之间差异的阈值，和是集合中的两个不同的元素，U和V是序号，并且满足0≤U≤M-1，0≤V≤M-1，同时U≠V；
最后，将聚得样本最多的类中所有镜面反射指数的均值作为R通道的镜面反射指数c表示聚类；
同理，得到G通道和B通道的镜面反射指数和c表示聚类；在计算上述三个通道镜面反射指数和时，镜面反射指数之间差异的阈值为一个设定值，设为0.1；
镜面反射指数计算为：
在公式(25)至(27)中，记为 记为 记为这里称和为镜面反射强度分量，那么得：
对F中所有镜面反射成分大于0的像素，根据它的颜色和高度值h，结合(39)至(41)，得到各个通道镜面反射强度分量和在RGB各个不同的通道中，镜面反射强度分量取自于该通道的不同像素计算结果的平均值，这样得到各个通道镜面反射强度分量和
本发明利用视频流体，计算光照参数，能在流体重仿真中实时得到真实感的光照结果。方法非常有效。
本发明具有简单、实用的特点，能够有效实现视频流体光照计算,克服了现有光照参数计算中需要用户干预以及复杂度高的问题,进一步实例证明了本发明的有效性。可以实现流体场景的重仿真中重光照问题，并且所提供的光照计算方法,适用于包括平流及海浪等多种流体类型。
附图说明
图1为本发明实施例流体场景光照计算的结果图；
图2为本发明实施例流体场景重光照结果图，在重仿真中测试得到；
图3为本发明实施例流体场景重光照结果图，在重仿真边界测试中得到的。
具体实施方式
实施例
下面结合附图对于发明进一步说明。
本实施例采用DynTex动态纹理库中的流体视频(例如54ab110等流体视频)进行流体场景光照计算。在PC机上Windows7操作系统下进行实施，其硬件配置是2.66GHz IntelCore(TM)2 Duo CPU、4GB RAM。
选择流体视频(例如54ab110等流体视频)的任意一帧即样例帧F，建立坐标系:以图像所在的空间为XOY平面、垂直XOY平面向上方向为Z方向；按照以下步骤进行计算：
步骤1：计算流体的Lambertian参数及Lambertian成分,具体方法如下:
(a)利用F中的所有满足(1)式的像素构造集合L；
Ip≤TL (1)
Ip是F中任意一个像素P的强度，Ip计算为：
Ip＝0.299*R+0.587*G+0.114*B (2)
R、G和B是P像素在RGB色彩模型中颜色分量；TL是强度阈值，其计算为TL＝(Dmax-Dmin)*3/8+Dmin,Dmax和Dmin分别是样例帧F中所有像素强度的最大值和最小值；
(b)利用像素集L，线性拟合出光源位置参数p和q，p是与光源方向在XOY平面上偏转角有关的参数，q是与光源方向倾斜角有关的参数；步骤如下：
取L中任一对像素P1和P2，如果P1的颜色在RGB色彩模型中颜色分量为R1、G1和B1，P2的颜色为R2、G2和B2，首先计算流体场景的高度，并记P1和P2的高度分别记为h1和h2；计算h1和h2在XOY平面沿X方向的差分，记为和计算h1和h2在XOY平面中沿Y方向的差分记为和根据Lambertian光照模型：
其中，IR，IG和IB分别是光源强度在RGB三个通道的分量；
由(3)和(4)得
其中，
由(5)和(6)得
其中，
由(7)和(8)得
其中，
可见，利用L中任取一对像素，根据Lambertian光照模型,能够得到3个约束，由公式(9)、(10)和(11))构成；现从L中任取N对像素，线性拟合出光源位置参数p和q.N是自然数,如果L中有E(E>2000)个像素,那么1000≤N≤E/2.
(c)利用像素集L，计算流体场景每个像素的Lambertian成分；具体步骤如下：
从L中取n(n<E)个像素，n个像素中任何一个像素Pi的颜色在RGB色彩模型中颜色分量为Ri、Gi和Bi，设Pi的高度为hi，hi在XOY平面沿X方向的差分记为沿Y方向的差分记为
根据Lambertian模型：
其中，IR，IG和IB是光源强度在R、G和B三个通道的分量；
利用这n个像素,根据(12)计算得到n个光源强度在R通道的结果，利用这些结果构建集合采用k-means方法进行聚类得到光源R通道强度IR，具体地，对于任意一对SR中任意两个元素和如果满足：
那么，和被聚为同一类，和是集合中的两个不同的元素，m1和m2是序号，并且满足0≤m1≤n-1，0≤m2≤n-1，同时m1≠m2；为R通道强度之间差异的阈值；最后，将聚得样本最多的类中所有强度的均值作为IR；
同理，利用这n个像素,根据(13)和(14)能够得到G通道和B通道的光源强度IG和IB；
以下是流体场景每个像素的Lambertian成分的计算
对于流体样例帧F中任意像素P，根据式(16)到(18)求得Lambertian成分：
LR，LG和LB是Lambertian成分在R、G和B三个通道的分量；hx和hy分别是像素P的高度h在XOY平面上沿X方向的差分和沿Y方向的差分。
步骤2：利用Phong模型，计算镜面反射参数
(a)镜面反射成分按照以下步骤计算
利用式(19)到(21)计算样例帧F的任意像素P镜面反射成分；
其中，rR表示镜面反射成分在R通道的分量，rG表示在G通道的分量，rB表示在B通道的分量；
(b)镜面反射参数按照以下步骤计算
对于F中任意像素P，根据Phong模型：
其中，和为环境光成分，和为漫反射成分，利用Lambertian成分代替环境光成分与漫反射成分的和,即: 和是镜面反射率，和分别是镜面反射在RGB三个通道的光强；Rm是流体表面任意一点反射光方向的单位向量，V是视线方向的单位向量，α是镜面反射指数；那么，由(19)至(24)式得：
利用P的高度h代替公式(25)至(27)中Rm和V的点积Rm·V；
进一步，对于F中取任意两个镜面反射成分大于0的像素P1和P2，如果P1在RGB三个通道的镜面反射成分为和P2在RGB三个通道的镜面反射成分为和P1的高度假设为h1，P2的高度假设为h2；
那么根据(25)至(27)式得：
利用P1和P2，由(28)和(29)计算得到的镜面反射指数记为αR，那么：
由(30)和(31)计算得到的镜面反射指数记为αG，则：
由(32)和(33)计算得到的镜面反射指数记为αB，则：
其中，表示像素P1在R通道的镜面反射强度，表示像素P1在G通道的镜面反射强度，表示像素P1在B通道的镜面反射强度。表示像素P2在R通道的镜面反射强度，表示像素P2在G通道的镜面反射强度，表示像素P2在B通道的镜面反射强度；
如果流体样例帧F中镜面反射成分都大于0的像素有M对，那么利用(34)式计算得到M个R通道的结果并构成集合采用k-means方法进行聚类得到R通道的镜面反射指数，具体地，对于任意一对SSR中任意两个元素和如果满足：
那么和被聚为同一类,为镜面反射指数之间差异的阈值，和是集合中的两个不同的元素，U和V是序号，并且满足0≤U≤M-1，0≤V≤M-1，同时U≠V；
最后，将聚得样本最多的类中所有镜面反射指数的均值作为R通道的镜面反射指数c表示聚类；
同理，得到G通道和B通道的镜面反射指数和c表示聚类；在计算上述三个通道镜面反射指数和时，镜面反射指数之间差异的阈值为一个设定值，都设为0.1；
镜面反射指数计算为：
在公式(25)至(27)中，记为 记为 记为这里称和为镜面反射强度分量，那么得：
对F中所有镜面反射成分大于0的像素，根据它的颜色和高度值h，结合(39)至(41)，得到各个通道镜面反射强度分量和在RGB各个不同的通道中，镜面反射强度分量取自于该通道的不同像素计算结果的平均值，这样得到各个通道镜面反射强度分量和
步骤3：重仿真中的应用
在流体重仿真中,利用现有方法计算视频第一帧的2D运动速度，然后，对LatticeBoltzmann Methods(LBM)初始化，在流体重仿真的推演过程中，对于每一帧任意像素P运用(42)到(44)计算粒子在所计算光照模型下重光照的颜色Rr,Gr和Br，
Rr,Gr和Br分别是重光照的颜色在R、G和B三个通道的分量。
图1是光照计算的结果，其中第一列是原视频的样例帧(取第一帧作为样例帧)；第二列是光照计算的测试结果，即运用本发明计算得到的Lambertian成分以及镜面反射成分获取流体表面的重光照强度。图1中第三列是重光照的3D视图。从图1的图示可以看出，这里本发明中视频流体光照计算方法是很有效的，重新计算的光照与样例帧外观很接近。
将本发明与现有方法进行比较：为了验证本发明中，视频流体光照计算方法的有效性，与Thiago研究的光照计算的方法进行对比。分别采用这里提出的方法和Thiago研究的方法计算流体场景的光照参数，并采用以下方法计算两种方法计算光照参数计算的误差：
其中，T是场景中像素个数，Ri,Gi和Bi是样例帧中第i个像素在RGB色彩空间的颜色分量， 和是根据光照模型计算的算法，对第i个像素重新计算的光照后得到的颜色分量，i是非负整数，并且0≤i≤T-1。
表1两种不同方法光照计算的误差比较
表1是对比误差的结果，表中结果中第一列是流体样例的名称；第二及第三列分别是Thiago研究方法以及本发明的绝对误差Ea；第四及第五列分别是Thiago研究方法以及本发明的相对误差Er。与现有的方法相比，本发明的误差结果具有明显偏小的特点，并且无论绝对误差Ea还是相对误差Er都很明显地表明本发明中光照计算方法的有效性。
流体重仿真中重光照的验证：将本发明提出的光照参数计算的方法运用到流体重仿真的应用中。
利用现有方法计算视频第一帧的2D运动速度，然后，对Lattice BoltzmannMethods(LBM)模型初始化，在流体重仿真的推演过程中，根据每一帧流体粒子的高度，运用本发明对仿真流体进行重光照，图2是重光照的结果。从图中重光照效果可以看出，本发明中光照计算方法非常有效，可以应用于流体重仿真过程，并且方便实用。
本发明中光照计算方法在重仿真的重光照的应用：将本发明应用于流体重仿真的边界测试的过程，得到了满意的光照结果。从图3可以看出本发明的有效性。

Claims (1)

1.一种流体场景光照参数计算方法，其特征在于，选择流体视频的任意一帧即样例帧F，建立坐标系:以图像所在的空间为XOY平面、垂直XOY平面向上方向为Z方向；按照以下步骤进行计算：
步骤1：计算流体的Lambertian参数及Lambertian成分,具体方法如下:
(1-a)利用F中的所有满足(1)式的像素构造像素集L；
Ip≤TL (1)
Ip是F中任意一个像素P的强度，Ip计算为：
Ip＝0.299*R+0.587*G+0.114*B (2)
R、G和B是P像素在RGB色彩模型中颜色分量；TL是强度阈值，其计算为TL＝(Dmax-Dmin)*3/8+Dmin,Dmax和Dmin分别是样例帧F中所有像素强度的最大值和最小值；
(1-b)利用像素集L，线性拟合出光源位置参数p和q，p是与光源方向在XOY平面上偏转角有关的参数，q是与光源方向倾斜角有关的参数；步骤如下：
取L中任一对像素P1和P2，如果P1的颜色在RGB色彩模型中颜色分量为R1、G1和B1，P2的颜色为R2、G2和B2，首先计算流体场景的高度，并记P1和P2的高度分别记为h1和h2；计算h1和h2在XOY平面沿X方向的差分，记为和计算h1和h2在XOY平面中沿Y方向的差分记为和根据Lambertian光照模型：
其中，IR，IG和IB分别是光源强度在RGB三个通道的分量；
由(3)和(4)得
其中，
由(5)和(6)得
其中，
由(7)和(8)得
其中，
可见，利用L中任取一对像素，根据Lambertian光照模型,能够得到3个约束，由公式(9)、(10)和(11))构成；现从L中任取N对像素，线性拟合出光源位置参数p和q；N是自然数，如果L中有E个像素，E>2000,那么1000≤N≤E/2；
(1-c)利用像素集L，计算流体场景每个像素的Lambertian成分；具体步骤如下：
从L中取n个像素，其中n<E，n个像素中任何一个像素Pi的颜色在RGB色彩模型中颜色分量为Ri、Gi和Bi，设Pi的高度为hi，hi在XOY平面沿X方向的差分记为hxi，沿Y方向的差分记为
根据Lambertian模型：
其中，IR，IG和IB是光源强度在R、G和B三个通道的分量；
利用这n个像素,根据(12)计算得到n个光源强度在R通道的结果，利用这些结果构建集合采用k-means方法进行聚类得到光源R通道强度IR，具体地，对于任意一对SR中任意两个元素和如果满足：
那么，和被聚为同一类，和是集合中的两个不同的元素，m1和m2是序号，并且满足0≤m1≤n-1，0≤m2≤n-1，同时m1≠m2；为R通道强度之间差异的阈值；最后，将聚得样本最多的类中所有强度的均值作为IR；
同理，利用这n个像素,根据(13)和(14)能够得到G通道和B通道的光源强度IG和IB；
以下是流体场景每个像素的Lambertian成分的计算
对于流体样例帧F中任意像素P，根据式(16)到(18)求得Lambertian成分：
LR，LG和LB是Lambertian成分在R、G和B三个通道的分量；hx和hy分别是像素P的高度h在XOY平面上沿X方向的差分和沿Y方向的差分；
步骤2：利用Phong模型，计算镜面反射参数
(2-a)镜面反射成分按照以下步骤计算
利用式(19)到(21)计算样例帧F的任意像素P镜面反射成分；
其中，rR表示镜面反射成分在R通道的分量，rG表示在G通道的分量，rB表示在B通道的分量；
(2-b)镜面反射参数按照以下步骤计算
对于F中任意像素P，根据Phong模型：
其中，和为环境光成分，和为漫反射成分，利用Lambertian成分代替环境光成分与漫反射成分的和,即:和是镜面反射率，和分别是镜面反射在RGB三个通道的光强；Rm是流体表面任意一点反射光方向的单位向量，V是视线方向的单位向量，α是镜面反射指数；那么，由(19)至(24)式得：
利用P的高度h代替公式(25)至(27)中Rm和V的点积Rm·V；
进一步，对于F中取任意两个镜面反射成分大于0的像素P1和P2，如果P1在RGB三个通道的镜面反射成分为和P2在RGB三个通道的镜面反射成分为和P1的高度假设为h1，P2的高度假设为h2；
那么根据(25)至(27)式得：
利用P1和P2，由(28)和(29)计算得到的镜面反射指数记为αR，那么：
由(30)和(31)计算得到的镜面反射指数记为αG，则：
由(32)和(33)计算得到的镜面反射指数记为αB，则：
其中，表示像素P1在R通道的镜面反射强度，表示像素P1在G通道的镜面反射强度，表示像素P1在B通道的镜面反射强度；表示像素P2在R通道的镜面反射强度，表示像素P2在G通道的镜面反射强度，表示像素P2在B通道的镜面反射强度；
如果流体样例帧F中镜面反射成分都大于0的像素有M对，那么利用(34)式计算得到M个R通道的结果并构成集合采用k-means方法进行聚类得到R通道的镜面反射指数，具体地，对于任意一对SSR中任意两个元素和如果满足：
那么和被聚为同一类,为镜面反射指数之间差异的阈值，和是集合中的两个不同的元素，U和V是序号，并且满足0≤U≤M-1，0≤V≤M-1，同时U≠V；
最后，将聚得样本最多的类中所有镜面反射指数的均值作为R通道的镜面反射指数c表示聚类；
同理，得到G通道和B通道的镜面反射指数和c表示聚类；在计算上述三个通道镜面反射指数和时，镜面反射指数之间差异的阈值为一个设定值，设为0.1；
镜面反射指数计算为：
在公式(25)至(27)中，记为 记为 记为这里称和为镜面反射强度分量，那么得：
对F中所有镜面反射成分大于0的像素，根据它的颜色和高度值h，结合(39)至(41)，得到各个通道镜面反射强度分量和在RGB各个不同的通道中，镜面反射强度分量取自于该通道的不同像素计算结果的平均值，这样得到各个通道镜面反射强度分量和
CN201610363267.6A 2016-05-27 2016-05-27 流体场景光照参数计算方法 Expired - Fee Related CN106023296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610363267.6A CN106023296B (zh) 2016-05-27 2016-05-27 流体场景光照参数计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610363267.6A CN106023296B (zh) 2016-05-27 2016-05-27 流体场景光照参数计算方法

Publications (2)

Publication Number Publication Date
CN106023296A CN106023296A (zh) 2016-10-12
CN106023296B true CN106023296B (zh) 2018-09-28

Family

ID=57094679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610363267.6A Expired - Fee Related CN106023296B (zh) 2016-05-27 2016-05-27 流体场景光照参数计算方法

Country Status (1)

Country Link
CN (1) CN106023296B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819662A (zh) * 2012-07-10 2012-12-12 华东师范大学 一种视频流体高度的计算方法
CN105447906A (zh) * 2015-11-12 2016-03-30 浙江大学 基于图像和模型计算光照参数进行重光照渲染的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201017578A (en) * 2008-10-29 2010-05-01 Chunghwa Picture Tubes Ltd Method for rebuilding 3D surface model

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819662A (zh) * 2012-07-10 2012-12-12 华东师范大学 一种视频流体高度的计算方法
CN105447906A (zh) * 2015-11-12 2016-03-30 浙江大学 基于图像和模型计算光照参数进行重光照渲染的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Fluid surface reconstruction based on specular reflection model;Mingqi Yu et al;《computer animation & virtual worlds》;20130618;第24卷(第5期);第497-510页 *
一种流体运动矢量计算的有效方法;全红艳 等;《计算机学报》;20130930;第36卷(第9期);第1889-1897页 *

Also Published As

Publication number Publication date
CN106023296A (zh) 2016-10-12

Similar Documents

Publication Publication Date Title
Zhang et al. Neural light transport for relighting and view synthesis
Saito et al. SCANimate: Weakly supervised learning of skinned clothed avatar networks
Punpongsanon et al. Projection-based visualization of tangential deformation of nonrigid surface by deformation estimation using infrared texture
CN110910447B (zh) 一种基于动静态场景分离的视觉里程计方法
CN105608727B (zh) 一种数据驱动的近岸涌浪动画合成方法及系统
Jarabo et al. Effects of approximate filtering on the appearance of bidirectional texture functions
Petrovic et al. Volumetric methods for simulation and rendering of hair
CN103679802A (zh) 基于屏幕空间的sph流体表面实时绘制方法
Xing et al. Lighting simulation of augmented outdoor scene based on a legacy photograph
Tretschk et al. State of the Art in Dense Monocular Non‐Rigid 3D Reconstruction
Venkat et al. Deep textured 3d reconstruction of human bodies
Martins et al. Volume reconstruction optimization for tomo-PIV algorithms applied to experimental data
Weir et al. BurnAR: Feel the heat
Yu et al. Shape and view independent reflectance map from multiple views
Rotger Moll et al. Detailed 3D face reconstruction from a single RGB image
CN106023296B (zh) 流体场景光照参数计算方法
CN106204714B (zh) 基于Phong模型的视频流体光照计算方法
Xuerui Three-dimensional image art design based on dynamic image detection and genetic algorithm
CN105761295B (zh) 一种数据驱动的水表面重建方法及系统
Barmpoutis Automated human avatar synthesis for obesity control using low-cost depth cameras
Erkoç et al. An observation based muscle model for simulation of facial expressions
Winnemoller Perceptually-motivated non-photorealistic graphics
Yu et al. Realistic emotion visualization by combining facial animation and hairstyle synthesis
Ueda et al. Adsorptive SPH for directable bleeding simulation
Ferwerda et al. Visual Equivalence: an Object-based Approach to Image Quality.

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: 20180928

Termination date: 20210527