CN107909646A - 一种基于平面图像的三维建模方法 - Google Patents

Abstract

一种基于平面图像的三维建模方法，对灰度化之后的平面图像进行边缘检测，得到图像的边缘；在边缘处使用膨胀算法去除图像中相邻颜色之间的过渡色；将位图分解成灰度矩阵，获取矩阵的外轮廓并分段，每一灰度值对应一个高度，将分段点提升到其灰度值对应的高度，利用相邻的三个分段点形成三角面片，利用该三角面片得到的法向量确定内外面，最终得出三维模型图。本发明通过获取图像中的灰度值，每个灰度值对应一个高度值，从而实现简易的三维建模，特别适用于儿童教学的三维试验，使儿童能通过简单的色彩绘图实现三维空间模型的绘制。

Description

一种基于平面图像的三维建模方法

技术领域

本发明涉及计算机制图的3D建模方法，特别涉及一种基于平面图像进行三维建模的方法。

背景技术

三维建模系统是计算机图形领域最有价值的应用之一。在经历了长时间的发展后，其功能已经十分丰富强大，在诸多领域都有广泛的应用，然而图形学领域中形体建模方式的发展却相对落后。目前占主导地位的三维建模系统有3DMAX，SoftImage，Maya，UG以及AutoCAD等，采用的是WIMP建模方法，其含义就是:窗口，图标，菜单和指针。但是，这种传统的建模方式仍存在较多的不足之处，比如：

1、专业性强。操作该系统需要对该软件有一定的了解，需要有一定的软件基础，不适合没有经过专业训练的人来操作。

2、在建模的时候，需要大量细节、精确信息，不利于前期的模糊概念设计。

3、在建模过程中，用户需要在各种菜单、图标按钮中频繁选择、切换，这不利于设计思想的自然表达。

4、不适合在移动设备上使用。

由于传统三维建模系统存在这些不足之处，没有受过专业训练的人很难对该系统进行操作，且需要借助复杂的设备进行操作，不利于推广此项技术。

发明内容

为解决现有技术的不足，提供一种基于平面图像的三维建模方法，这种建模方法设计合理，使用简便。

为实现上述目的，本发明采用以下技术方案：

一种基于图像的三维建模方法，采用以下步骤：

步骤一：对灰度化之后的平面图像进行边缘检测，得到图像的边缘；

步骤二：在边缘处使用膨胀算法去除图像中相邻颜色之间的过渡色；

步骤三：三维建模：将位图分解成灰度矩阵，获取矩阵的外轮廓并分段，每一灰度值对应一个高度，将分段点提升到其灰度值对应的高度，利用相邻的三个分段点形成三角面片，利用该三角面片得到的法向量确定内外面，最终得出三维模型图。

上述的一种基于图像的三维建模方法，以加权求和的方式将其RGB值转化为灰度值，用求得的灰度值代替该点的RGB值，得到灰度值矩阵。

上述的一种基于图像的三维建模方法，其中步骤一对灰度化之后的平面图像使用Canny算法进行边缘检测得到边缘，即先使用高斯低通滤波器去除图片中存在的高频噪声，再分别计算水平、垂直和对角线方向的梯度，得到梯度边缘；对得到的图像使用非极大值抑制法，只保留局部最大梯度值而抑制其它梯度值，从而剔除大部分非边缘点；使用双阈值算法检测非极大值抑制后还含有的大量小梯度模值点，若某一点灰度值大于高阈值，该点被保留为边缘点；若某一点灰度值小于低阈值，该点被排除；若某一点灰度值在高低阈值之间，该点仅在与被保留点相邻时被保留，否则被排除。

上述的一种基于图像的三维建模方法，其中高低阈值的比例在2:1到3:1之间。

上述的一种基于图像的三维建模方法，其中步骤二在边缘处使用膨胀算法去处图像中相邻颜色之间的过渡色，包括：

将边缘依次放入一个单位为奇数像素的矩阵中，扫描该矩阵内的边缘图像每一个像素点，得到各个像素点的灰度值，将该矩阵中灰度值的众数设置为该边缘点的灰度值，循环评估每一个边缘点。

本发明通过获取图像中的灰度值，每个灰度值对应一个高度值，从而实现简易的三维建模，特别适用于儿童教学的三维试验，使儿童能通过简单的色彩绘图实现三维空间模型的绘制。

附图说明

图1为本发明实例三维建模图像处理的流程图。

图2为本发明图案边缘过渡色的示意图。

图3为本发明实例中输入的平面图像的示意图。

图4为本发明实例中根据图3的平面图像得到的三维模型的示意图。

具体实施方式

参照附图，一种基于图像的三维建模方法，采用以下步骤：

第一步：对输入的彩色图像进行灰度化处理。扫描图像的每个像素点，获得每个点对应的RGB值；以加权求和的方式将其RGB值转化为灰度值，使用C++语言编写的OpenCV跨平台计算机视觉库，根据每个点的RGB值求得对应的灰度值，并用求得的灰度值代替该点的RGB值。

灰度值在0-9之间，取灰度值为0；灰度值在10-25之间，取灰度值为15；灰度值在26-43之间，取灰度值为34；灰度值在44-60之间，取灰度值为52；灰度值在61-79之间，取灰度值为67；灰度值在80-97之间，取灰度值为82；灰度值在98-116之间，取灰度值为102；灰度值在117-132之间，取灰度值为119；灰度值在133-145之间，取灰度值为128；灰度值在146-163之间，取灰度值为151；灰度值在164-181之间，取灰度值为165；灰度值在182-196之间，取灰度值为188；灰度值在197-212之间，取灰度值为203；灰度值在213-231之间，取灰度值为222；灰度值在232-248之间，取灰度值为238；灰度值在249-255之间，取灰度值为255；用求得的灰度值代替该点的RGB值，得到灰度值矩阵。

对灰度化后的图像使用高斯低通滤波器（GLPF）去除高频噪声。使用Canny算法进行边缘检测，包括如下步骤：

1.求解图像梯度的幅度和方向：

其中f[i,j]为图像灰度值，P[i,j]代表X方向梯度幅值，Q[i,j]代表Y方向梯度幅值，M[i,j]是该点幅值，θ[i,j]是梯度方向，也就是角度。

2.对得到的图像使用非极大值抑制法，只保留局部最大梯度值而抑制其它梯度值，从而剔除大部分非边缘点

3.双阈值算法减少假边缘。选择两个阈值，高低阈值的比例在1:2到1:3之间，如果某一像素位置的幅值超过高阈值,该像素被保留为边缘像素；如果某一像素位置的幅值小于低阈值,该像素被排除；如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于高阈值的像素时被保留。保留下来的像素即为图像边缘。

第二步：将边缘点依次放入矩阵，如一个边缘点放置在a*a(a的单位为奇数像素)矩阵的中心，扫描该矩阵内的边缘图像每一个像素点，得到各个像素点的灰度值，将该矩阵中灰度值的众数设置为该边缘点的灰度值，循环评估每一个边缘点；膨胀算法使用3*3矩阵，选取一个边缘点放置矩阵中心，将矩阵上每一个点的灰度值都设置为该边缘点的灰度值。

第三步：图像由位图转化为矢量图并进行分段处理，将位图轮廓矢量化: 遍历16种灰度值，得到16个灰度值矩阵；使用Potrace算法将位图轮廓矢量化。

Protrace算法将位图转为矢量轮廓有几个步骤：第一，位图被分解为一些路径，他们构成了黑白区域之间的边界；第二，每条路径都被近似为一个最优多边形；第三，每个多边形都转化为光滑的轮廓；输出一个由Bezier曲线构成的光滑轮廓,得出矢量图分段点。

在垂直方向上提升分段点到高度h，灰度值为0时默认高度h=20， h可以任意调节；灰度值为255时h=0；其余灰度值按比例取高度，如某个灰度值x，x在0-255之间，则对应的高度h=(255-x)/255*20。

每相邻的三个点生成一个三角面片，并得到其法向量，确定三角面片的内外面。

最后，组合所有的三角面片，得到三维模型。

本发明的基于平面图像的三维建模方法，主要用来辅助没有经过专业三维软件训练的用户建立三维模型。只需要用户输入任意平面图像，即可得到相应的三维模型，建模的过程中不需要人为去操作。

本发明配合专门的色彩绘图软件实施，在图案中填充不同颜色的区域，使每个颜色的灰度值对应一个高度，自动计算区域边缘，构建三维模型。

灰度值可以自定义，高度值可以自定义，从而产生效果不同的三维模型，特别适合儿童早教，增强儿童对空间立体模型的认识，增强他们的学习兴趣。

Claims (5)

1.一种基于图像的三维建模方法，其特征在于采用以下步骤：

步骤一：对灰度化之后的平面图像进行边缘检测，得到图像的边缘；

步骤二：在边缘处使用膨胀算法去除图像中相邻颜色之间的过渡色；

步骤三：三维建模：将位图分解成灰度矩阵，获取矩阵的外轮廓并分段，每一灰度值对应一个高度，将分段点提升到其灰度值对应的高度，利用相邻的三个分段点形成三角面片，利用该三角面片得到的法向量确定内外面，最终得出三维模型图。

2.如权利要求1所述的一种基于图像的三维建模方法，其特征在于以加权求和的方式将其RGB值转化为灰度值，用求得的灰度值代替该点的RGB值，得到灰度值矩阵。

3.如权利要求1所述的一种基于图像的三维建模方法，其特征在于其中步骤一对灰度化之后的平面图像使用Canny算法进行边缘检测得到边缘，即先使用高斯低通滤波器去除图片中存在的高频噪声，再分别计算水平、垂直和对角线方向的梯度，得到梯度边缘；对得到的图像使用非极大值抑制法，只保留局部最大梯度值而抑制其它梯度值，从而剔除大部分非边缘点；使用双阈值算法检测非极大值抑制后还含有的大量小梯度模值点，若某一点灰度值大于高阈值，该点被保留为边缘点；若某一点灰度值小于低阈值，该点被排除；若某一点灰度值在高低阈值之间，该点仅在与被保留点相邻时被保留，否则被排除。

4.如权利要求3所述的一种基于图像的三维建模方法，其特征在于其中高低阈值的比例在2:1到3:1之间。

5.如权利要求1所述的一种基于图像的三维建模方法，其特征在于其中步骤二在边缘处使用膨胀算法去处图像中相邻颜色之间的过渡色，包括：

将边缘依次放入一个单位为奇数像素的矩阵中，扫描该矩阵内的边缘图像每一个像素点，得到各个像素点的灰度值，将该矩阵中灰度值的众数设置为该边缘点的灰度值，循环评估每一个边缘点。