CN108537872A - 一种图像渲染方法、移动设备和云端设备 - Google Patents
一种图像渲染方法、移动设备和云端设备 Download PDFInfo
- Publication number
- CN108537872A CN108537872A CN201810187446.8A CN201810187446A CN108537872A CN 108537872 A CN108537872 A CN 108537872A CN 201810187446 A CN201810187446 A CN 201810187446A CN 108537872 A CN108537872 A CN 108537872A
- Authority
- CN
- China
- Prior art keywords
- view
- rendered
- volume data
- mobile device
- information
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
Abstract
本发明实施例涉及渲染技术领域,尤其涉及一种图像渲染方法、移动设备和云端设备,用于实现在图像渲染过程中降低移动设备与云端设备之间的交互次数,提升用户体验。移动设备向云端设备发送待渲染体数据;待渲染体数据用于云端设备确定待渲染体数据对应的视图信息,可以解决移动设备因性能限制无法完成高质量的渲染工作的问题。然后,移动设备接收云端设备发送的视图信息,移动设备根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图,对最优视图进行渲染得到渲染结果,并显示渲染结果。相对于现有技术移动设备需要多次向云端设备发送视角信息来说,可以实现在图像渲染过程中降低移动设备与云端设备之间的交互次数,进而提升用户体验。
Description
技术领域
本发明实施例涉及渲染技术领域,尤其涉及一种图像渲染方法、移动设备和云端设备。
背景技术
三维体数据渲染技术是在医学图像显示中的重要步骤,通过利用中央处理器(Central Processing Unit,简称CPU)、图形处理器(Graphic Processing Unit,简称GPU)对输入的体数据进行分析、处理、建模,最终在显示设备上进行展示。在需要在移动设备上显示图像时,由于移动设备受限于功耗、计算能力等因素影响,性能无法与个人计算机(Personal Computer,简称PC)端显卡或专用渲染设备相比,尤其是具有复杂内部结构的体数据(例如医学数据,科学数据,器件结构数据等),移动设备无法完成高质量的渲染工作。
现有技术中,采用在云端设备进行大量的算法实现图像渲染。具体的,移动设备确定视角,并发送至云端设备;由云端设备计算该视角对应的视图并进行渲染,然后发送给移动设备显示,若显示的视图并没有最大程度的展现物体的内部特征,则需要重新选取视角重复之前的过程。因此,现有技术中在移动终端显示最终渲染结果之前,与云端设备之间的交互次数过多,导致用户体验差。
发明内容
本发明实施例提供一种图像渲染方法、移动设备和云端设备,用以实现在图像渲染过程中降低移动设备与云端设备之间的交互次数,提升用户体验。
第一方面,本发明实施例提供一种图像渲染方法,包括以下步骤:移动设备向云端设备发送待渲染体数据;所述待渲染体数据用于所述云端设备确定所述待渲染体数据对应的视图信息;所述移动设备接收所述云端设备发送的所述视图信息;所述移动设备根据所述视图信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图;所述移动设备对所述最优视图进行渲染得到渲染结果,并显示所述渲染结果。
由于确定待渲染体数据对应的视图信息,计算量很大,所以由云端设备确定视图信息可以解决现有技术中移动设备因性能限制无法完成高质量的渲染工作的问题。然后,移动设备根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图;移动设备对最优视图进行渲染得到渲染结果,并显示渲染结果。可见,相对于现有技术移动设备需要多次向云端设备发送视角信息来说,本发明实施例中在显示移动设备和云端设备之间的交互次数很少。如此,可以实现减少用户交互,进而提升用户体验。
可选的,所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,所述视图至少为两个;如此,移动设备接收的数据量较小,数据传输时延降低。或者,所述视图信息为所述待渲染体数据对应的各视图中信息熵最大的视图的视角信息,可以进一步减少移动设备接收的数据量,进而进一步的减小传输时延,从而进一步降低移动设备显示渲染结果的时延,并可减少用户交互,提升用户体验。
可选的,所述移动设备根据所述视图信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图,包括:若所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,则:所述移动设备根据所述待渲染体数据对应的各视图的信息熵,从各视图的信息熵中确定出值最大的信息熵;根据所述值最大的信息熵对应的视图的视角信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图。如此,基于信息熵的确定最优视图,能够对待渲染体数据的复杂内部结构特征进行直接推荐展示。
可选的,所述移动设备对所述最优视图进行渲染得到渲染结果之前,还包括:所述移动设备接收渲染指示信息;所述渲染指示信息用于指示所述移动设备按照渲染要求参数渲染所述待渲染体数据对应的视图;所述移动设备对所述最优视图进行渲染得到渲染结果,包括:所述移动设备根据所述渲染指示信息,对所述最优视图进行渲染得到渲染结果。如此,移动设备可以根据渲染指示信息,按照渲染要求参数渲染最优视图,显示的渲染结果考虑了用户需求,进而可以提升用户体验。
可选的,所述待渲染体数据包括各体素的属性值;所述渲染要求参数包括属性值与不透明度的第一对应关系、以及属性值与颜色值的第二对应关系;所述移动设备根据所述渲染指示信息,对所述最优视图进行渲染得到渲染结果,包括:所述移动设备根据各体素的属性值、所述第一对应关系和所述第二对应关系,采用体绘制算法对所述最优视图进行渲染得到渲染结果;所述渲染结果包括所述最优视图对应的以视觉效果为颜色值和不透明度显示的二维图像。如此,根据渲染指示信息中包括的属性值对应的颜色值和不透明度,从而得到满足用户对颜色和不透明度需求的渲染结果,进而提升用户体验。
第二方面,本发明实施例提供一种图像渲染方法,包括:云端设备接收移动设备发送的待渲染体数据;所述云端设备根据所述待渲染体数据,确定出所述待渲染体数据对应的视图信息;所述云端设备向所述移动设备发送所述视图信息,以便所述移动设备根据所述视图信息确定出所述待渲染体数据对应的最优视图;所述最优视图用于所述移动设备进行渲染得到渲染结果,并显示所述渲染结果。
由于确定待渲染体数据对应的视图信息,计算量很大,所以由云端设备确定视图信息可以解决现有技术中移动设备因性能限制无法完成高质量的渲染工作的问题。然后,云端设备向移动设备发送的视图信息,由移动设备根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图,对最优视图进行渲染得到渲染结果,并显示渲染结果。可见,相对于现有技术云端设备需要多次接收移动设备发送视角信息来说,本发明实施例中在显示移动设备和云端设备之间的交互次数很少,如此,可以实现减少用户交互,进而提升用户体验。
可选的,所述云端设备根据所述待渲染体数据,确定出所述待渲染体数据对应的视图信息,包括:所述云端设备根据所述待渲染体数据,确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,将所述各视图的信息熵和各视图的视角信息作为所述视图信息,所述各视图至少包括两个视图;或者,所述云端设备在确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息之后,确定出各视图中信息熵最大的视图的视角信息;将所述信息熵最大的视图的视角信息作为所述视图信息。
可选的,所述待渲染体数据包括各体素的属性值;所述云端设备根据所述待渲染体数据,确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,包括:所述云端设备根据所述待渲染体数据,确定出各视角对应的视图,以及每个视角的视角信息;针对每个视图,执行:所述云端设备根据所述视图的各体素的属性值、各体素的属性值对应的不透明度,确定出各体素的可视化概率;所述云端设备根据所述视图中各体素的可视化概率,确定出所述视图的信息熵。
第三方面,本发明实施例提供一种图像渲染方法,包括:移动设备向云端设备发送分流渲染指令;所述分流渲染指令包括待渲染体数据,所述分流渲染指令用于指示所述云端设备确定所述待渲染体数据对应的最优视图,并对所述最优视图进行渲染得到渲染结果;所述移动设备接收所述云端设备发送的所述最优视图的渲染结果;所述移动设备显示所述最优视图的渲染结果。
第四方面,本发明实施例提供一种图像渲染方法,包括:云端设备接收移动设备发送的分流渲染指令;所述分流渲染指令包括待渲染体数据;所述云端设备根据所述待渲染体数据,生成所述待渲染体数据对应的最优视图;所述云端设备对所述最优视图进行渲染得到渲染结果,并将所述渲染结果发送至所述移动设备。
如此,第三方面和第四方面的实施例相对于现有技术来说,不仅可以解决现有技术中移动设备因性能限制无法完成高质量的渲染工作的问题,而且可以减少云端设备与移动设备之间的交互次数,提升用户体验。进一步的,相对于第一方面和第二方面的实施例来说,将需要计算的部分全部由云端设备进行处理,可以进一步减少移动设备的计算量,而且适用于计算性能较差的移动设备,进一步降低对移动设备的要求。
第五方面,本发明实施例提供一种移动设备,包括:
发送单元,用于向云端设备发送待渲染体数据;所述待渲染体数据用于所述云端设备确定所述待渲染体数据对应的视图信息;
接收单元,用于接收所述云端设备发送的所述视图信息;
处理单元,用于根据所述视图信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图;对所述最优视图进行渲染得到渲染结果,并显示所述渲染结果。
可选的,所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,所述视图至少为两个;或者,所述视图信息为所述待渲染体数据对应的各视图中信息熵最大的视图的视角信息。
可选的,所述处理单元,用于:若所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,则:根据所述待渲染体数据对应的各视图的信息熵,从各视图的信息熵中确定出值最大的信息熵;根据所述值最大的信息熵对应的视图的视角信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图。
可选的,所述接收单元,还用于:接收渲染指示信息;所述渲染指示信息用于指示所述移动设备按照渲染要求参数渲染所述待渲染体数据对应的视图;所述处理单元,用于:根据所述渲染指示信息,对所述最优视图进行渲染得到渲染结果。
可选的,所述待渲染体数据包括各体素的属性值;所述渲染要求参数包括属性值与不透明度的第一对应关系、以及属性值与颜色值的第二对应关系;所述处理单元,用于:根据各体素的属性值、所述第一对应关系和所述第二对应关系,采用体绘制算法对所述最优视图进行渲染得到渲染结果;所述渲染结果包括所述最优视图对应的以视觉效果为颜色值和不透明度显示的二维图像。
第六方面,本发明实施例提供一种云端设备,包括:
接收单元,用于接收移动设备发送的待渲染体数据;
处理单元,用于根据所述待渲染体数据,确定出所述待渲染体数据对应的视图信息;
发送单元,用于向所述移动设备发送所述视图信息,以便所述移动设备根据所述视图信息确定出所述待渲染体数据对应的最优视图;所述最优视图用于所述移动设备进行渲染得到渲染结果;
显示单元,用于显示所述渲染结果。
可选的,所述处理单元,用于:根据所述待渲染体数据,确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,将所述各视图的信息熵和各视图的视角信息作为所述视图信息,所述视图至少为两个;或者,在确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息之后,确定出各视图中信息熵最大的视图的视角信息;将所述信息熵最大的视图的视角信息作为所述视图信息。
可选的,所述待渲染体数据包括各体素的属性值;所述处理单元,用于:根据所述待渲染体数据,确定出各视角对应的视图,以及每个视角的视角信息;针对每个视图,执行:根据所述视图的各体素的属性值、各体素的属性值对应的不透明度,确定出各体素的可视化概率;根据所述视图中各体素的可视化概率,确定出所述视图的信息熵。
第七方面,本发明实施例提供一种移动设备,包括:
发送单元,用于向云端设备发送分流渲染指令;所述分流渲染指令包括待渲染体数据,所述分流渲染指令用于指示所述云端设备确定所述待渲染体数据对应的最优视图,并对所述最优视图进行渲染得到渲染结果;
接收单元,用于接收所述云端设备发送的所述最优视图的渲染结果;
显示单元,用于显示所述最优视图的渲染结果。
第八方面,本发明实施例提供一种云端设备,包括:
接收单元,用于接收移动设备发送的分流渲染指令;所述分流渲染指令包括待渲染体数据;
处理单元,用于根据所述待渲染体数据,生成所述待渲染体数据对应的最优视图;所述云端设备对所述最优视图进行渲染得到渲染结果;
发送单元,用于将所述渲染结果发送至所述移动设备。
第九方面,本发明实施例提供一种电子设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行如第一方面、或第一方面的任一可能的实现方式,或执行如第二方面、或第二方面的任一可能的实现方式,或执行如第三方面、或第三方面的任一可能的实现方式,或执行如第四方面、或第四方面的任一可能的实现方式。
第十方面,本发明实施例提供一种计算机存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面、或第一方面的任一可能的实现方式,或执行如第二方面、或第二方面的任一可能的实现方式,或执行如第三方面、或第三方面的任一可能的实现方式,或执行如第四方面、或第四方面的任一可能的实现方式。
本发明实施例中,移动设备向云端设备发送待渲染体数据;待渲染体数据用于云端设备确定待渲染体数据对应的视图信息;由于确定待渲染体数据对应的视图信息,计算量很大,所以由云端设备确定视图信息可以解决现有技术中移动设备因性能限制无法完成高质量的渲染工作的问题。移动设备接收云端设备发送的视图信息,然后,移动设备根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图;移动设备对最优视图进行渲染得到渲染结果,并显示渲染结果。可见,相对于现有技术移动设备需要多次向云端设备发送视角信息来说,本发明实施例中在显示移动设备和云端设备之间的交互次数很少。如此,可以实现减少用户交互,进而提升用户体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍。
图1为本发明实施例提供的系统架构示意图;
图2为本发明实施例提供的一种图像渲染方法流程示意图;
图3为本发明实施例提供的相机设置分布示意图;
图4为本发明实施例提供的一种分流渲染系统架构示意图;
图5为本发明实施例提供的体绘制算法的流程示意图;
图6为本发明实施例提供的另一种图像渲染方法流程示意图;
图7为本发明实施例提供的一种移动设备结构示意图;
图8为本发明实施例提供的一种云端设备结构示意图;
图9为本发明实施例提供的另一种移动设备结构示意图;
图10为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例中,为了实现对多维体数据的复杂内部结构进行直接推荐展示,本发明实施例提供一种图像渲染方法。以下实施例中的待渲染体数据即为多维体数据,也即文中提及的体数据。下文中待渲染体数据主要以三维体数据为例,图像渲染为将三维体数据转换为一个二维图像的过程。
图1为本发明实施例提供的一种系统架构示意图。如图1所示,本发明实施例适用的系统架构包括移动设备110和云端设备120。其中,移动设备110和云端设备120通过无线连接或有线连接或其它方式连接。
本发明实施例中,移动设备110可以包括具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备、虚拟现实(Virtual Reality,简称VR)头戴式显示设备(也称为VR头显)或其它显示设备,以及各种形式的用户设备(User Equipment,简称UE),移动台(Mobile station,简称MS),终端(terminal),终端设备(Terminal Equipment)等显示设备,举个例子,比如移动设备110为手机、笔记本电脑、平板电脑等。需要说明的是,图1中移动设备110以笔记本电脑为例进行示意,并不限定移动设备的具体形式。云端设备120可以是云计算系统中的云服务器,也可以是云服务器上的一个虚拟机。
基于图1所示的系统架构,下面对本发明实施例提供的图像渲染方法进行详细介绍。
图2示例性示出了本发明实施例提供的一种图像渲染方法流程示意图。如图2所示,该方法包括以下步骤:
步骤201:移动设备向云端设备发送待渲染体数据;待渲染体数据用于云端设备确定待渲染体数据对应的视图信息;
步骤202:云端设备接收移动设备发送的待渲染体数据;
步骤203:云端设备根据待渲染体数据,确定出待渲染体数据对应的视图信息;
步骤204:云端设备向移动设备发送视图信息,以便移动设备根据视图信息确定出待渲染体数据对应的最优视图;最优视图用于移动设备进行渲染得到渲染结果,并显示渲染结果;
步骤205:移动设备接收云端设备发送的视图信息;
步骤206:移动设备根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图;
步骤207:移动设备对最优视图进行渲染得到渲染结果,并显示渲染结果。
通过上述方法,移动设备向云端设备发送待渲染体数据;待渲染体数据用于云端设备确定待渲染体数据对应的视图信息;由于确定待渲染体数据对应的视图信息,计算量很大,所以由云端设备确定视图信息可以解决现有技术中移动设备因性能限制无法完成高质量的渲染工作的问题。然后,移动设备接收云端设备发送的视图信息,移动设备根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图;移动设备对最优视图进行渲染得到渲染结果,并显示渲染结果。可见,相对于现有技术移动设备需要多次向云端设备发送视角信息来说,本发明实施例中在显示移动设备和云端设备之间的交互次数很少。如此,可以实现减少用户交互,进而提升用户体验。
一种可选的实施方式中,移动设备向云端设备发送待渲染体数据包括:云端设备在确定需要进行分流渲染的情况下,将待渲染体数据发送至云端设备。本发明实施例中,在对待渲染体数据进行渲染的过程中,在涉及到计算量大的计算时,比如确定多维体数据对应的最优视图之前,需要计算每个视图的信息含量(如信息熵),移动设备计算能力不足以完成上述计算,通过云端设备对计算量大的部分进行计算的分流,即为分流渲染。在步骤201之前,还可以通过接收渲染指示信息,确定移动设备是否能够单独完成对待渲染体数据的渲染工作。若移动设备无法单独完成对待渲染体数据的渲染工作,则通过云端设备完成渲染工作。
上述步骤203中,云端设备根据待渲染体数据,确定出待渲染体数据对应的视图信息,包括以下两种可选的实施方式:
第一种可选的实施方式中,云端设备根据待渲染体数据,确定出待渲染体数据对应的各视图的信息熵和各视图的视角信息,将各视图的信息熵和各视图的视角信息作为视图信息;这种实施方式中的视图至少为两个。相应的,上述步骤205中移动设备接收到的视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息。因此,一方面,由云端设备完成计算量较大的各个视图的信息熵的计算,可以避免移动设备无法支持如此大的计算量的计算导致的移动设备无法完成渲染工作的问题;另一方面,云端设备向移动设备发送的各视图的信息熵的值以及视角信息,相较于现有技术中的移动设备从云端设备接收视图的渲染结果而言,本发明实施例中移动设备接收到的数据量较小,传输时延降低;如此,可以实现降低移动设备显示渲染结果的时延,进而提升用户体验。
进一步的,针对上述第一种可选的实施方式,移动设备根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图,包括:若视图信息包括待渲染体数据对应的各视图的信息熵和各视图的视角信息,则:移动设备根据待渲染体数据对应的各视图的信息熵,从各视图的信息熵中确定出值最大的信息熵;根据值最大的信息熵对应的视图的视角信息和待渲染体数据,生成待渲染体数据对应的最优视图。如此,相较于现有技术中的移动设备从云端设备接收视图的渲染结果而言,本发明实施例中移动设备接收各视图的信息熵和各视图的视角信息的数据量较小,数据传输时延降低。
第二种可选的实施方式中,云端设备在确定出待渲染体数据对应的各视图的信息熵和各视图的视角信息之后,确定出各视图中信息熵最大的视图的视角信息;将信息熵最大的视图的视角信息作为视图信息。相应的,上述步骤205中移动设备接收到的视图信息为待渲染体数据对应的各视图中信息熵最大的视图的视角信息。也就是说,第二种可选的实施方式中,不仅由云端设备确定各视图的信息熵和各视图的视角信息,还由云端设备确定出了信息熵最大的视图,云端设备只需要向移动设备发送信息熵最大的视图的视角信息。与第一种可选的实施方式相比,第二种可选的实施方式中,云端设备向移动设备发送信息熵最大的视图的视角信息的数据量更少,可以更进一步的减小传输时延,从而进一步降低移动设备显示渲染结果的时延,而且可以简化移动设备确定最优视图的操作过程,减少用户交互,进而提升用户体验。
下面针对如何计算上述实施例中的信息熵和视角信息以及确定最优视图,进行详细介绍。
可选的,待渲染体数据包括各体素的属性值;云端设备根据待渲染体数据,确定出待渲染体数据对应的各视图的信息熵和各视图的视角信息,包括:云端设备根据待渲染体数据,确定出各视角对应的视图,以及每个视角的视角信息;针对每个视图,执行:云端设备根据视图的各体素的属性值、各体素的属性值对应的不透明度,确定出各体素的可视化概率;云端设备根据视图中各体素的可视化概率,确定出视图的信息熵。本发明实施例中的各视角至少为两个,与现有技术不同的是,视角为云端设备确定的。如此,与现有技术相比,不需要移动设备确定视角并发送至云端设备,也就是说,本发明实施例的方案可以减少移动设备与云端设备之间的交互次数。
需要说明的是,上述实施例中的体素,类似于二维空间的最小单位像素,体素为三维空间中的最小单位。举个例子,比如将整个三维空间想象成一个大立方体,那么体素就是组成大立方体的一个个小立方体。
本发明实施例中,确定最优视图主要通过计算定义在体素的可见程度上,并结合传输函数,用户在观察体数据时都有其着重关注的部分,这些部分可以通过传输函数被赋予较高的不透明度。其中,传输函数是数据的属性值到颜色与不透明度等特征的映射,其数学表达如下公式(1)所示:
T:x→{c,a,…},x∈Rn……(1)
上述公式(1)中定义域为x,值域为颜色c和不透明度a;可选的,值域还可以包括但不限于光照系数、纹理等视觉元素。
本发明实施例中,最优视图主要从两个方面来定义:第一方面,重要像素的可见性好;第二方面,所在的投影里面包含大量有用的信息,是否能够作为用户交互的起点,也就是说,用户浏览时,这个视图与周围视图的相似性是否大,能否在一定程度上引起用户的关注。其主要参考原理如下述公式(2)所示:
上述公式(2)中,H(X)为信息X中所有目标的平均信息量,对于其具体的评价方法如下:
在体数据中,对于每一个体素j,我们定义一个重要因子Wj,可称之为体素的显著性,它暗含体素的可视化意义,将其定义为下述公式(3):
Wj=Aj*Ij*Rj……(3)
上述公式(3)中,Aj为不透明度;信息Ij=-log2fj;fj是第j个体素的概率,为根据数据集中各体素的可见度值构建直方图,根据第j个体素的可见度值所对应的个数,从而计算各个体素的概率;可选的,可以忽略掉不透明度为0或接近为0的体素,可以在一定程度上减少计算量和内存要求。Rj是边缘结构信息,可进行边缘结构信息的调整。
采用可见度表示相机和体素之间物质的透明性。对于一幅给定视图V,第j个体素的可见度可记为νj(V),那么其相对应的可视化概率qj可定义如下述公式(4):
上述公式(4)中,其中νj(V)=1-Aj。对于任何视图V,存在可视化概率分布qj={q0,q1,q2,…,qJ-1},J是数据集中体素的总数。
根据公式(4)的可视化概率qj,可以定义出视图的信息熵H(V),如下述公式(5)所示:
上述公式(5)可用于计算每个视图的信息熵,上述计算信息熵的方法可以应用于选定的任一张视图的信息量评价,特别是所在视图的结构信息能够完整展示时,重要信息不透明度高;可以将所在视图的信息含量最高的视图,评价为最优视图。
本发明实施例中,基于信息熵的确定最优视图,能够对多维体数据(volume data)的复杂内部结构特征进行直接推荐展示。由于最优视图的选取,特别是在计算每个视图的信息含量时会涉及到大量计算,特别是移动设备计算能力不足,需要进行计算的分流。因为在分流渲染中,只需要云端设备返回反映视图信息量的信息熵大小,不涉及渲染图的结构分配问题,所以传输的数据量小,传输时延低;而且分流渲染的指令调配也很容易。
本发明实施例中,在辅助用户进行最优视图的选取时,需要在渲染模型的各个角度进行视图的信息熵计算。图3示例性示出了本发明实施例提供的相机设置分布示意图。建立一个如图3所示的球形的相机分布设计,分为8个象限,每个象限再进行相机的平均分布。并通过象限,角度来进行分流的渲染计算,计算每张视图的信息量。
下面提供以移动设备、云端设备和数据调度端为例的分流渲染系统,详细介绍分流渲染过程。
图4示例性示出了本发明实施例提供的一种分流渲染系统架构示意图。
如图4所示,分流渲染系统架构包括显示层、调度层和渲染层。其中,显示层主要包括移动设备430,用于最优视图渲染及显示;调度层主要包括数据调度端420,用于渲染资源的调配;渲染层主要包括云端设备410,用于分象限的熵值计算。其中,云端设备410包括至少一个GPU、CPU等,如图4示意出的GPU1、GPU2、GPU3、GPU4等;数据调度端420包括任务调度模块421和渲染有效性检查模块422。可选的,数据调度端420可以为如图4所示的独立设备,也可以将数据调度端420的功能集成在云端设备410中。
本发明实施例中,具体分流渲染过程的示例如下:
首先,移动设备430接收到渲染需求指令,进行渲染指令有效性检查;比如指令中包含的数据的元信息、用户传输函数特征信息等,据此进行渲染指令的调度判断;
其次,通过任务调度模块421,按照渲染层GPU数量或渲染资源的大小进行数据的分配及按照相机象限进行详细的资源分配;
之后,在渲染层,每个渲染单元,比如GPU,根据象限分配的渲染任务进行具体的计算,最终计算的信息熵值大小进行大小比较,选择最优视图的视图信息进行返回,比如视图信息包含视角信息、相机配置信息等;可选的,视角信息可以为相机所在象限信息、在象限中的位置信息等,相机配置信息可以为相机的视锥体信息。
最后,在调度层中的渲染有效性检查模块422将渲染层返回的视图信息,返回至移动设备430,最终在移动设备430进行最优视图的渲染。
从上述实施例可以看出:本发明实施例提供了基于体素可见性的分流计算框架,进行复杂计算的加速及视图推荐的优化,提高在移动设备实现高性能渲染的可行性。具体的,由云端设备完成渲染过程中的涉及到大量计算的熵值计算过程,从而可以弥补移动设备计算能力不足的问题,进而达到在移动设备完成最优视图的渲染,并在移动设备显示渲染结果,可以提高移动设备的渲染效率。进一步的,本发明实施例中确定的最优视图,有效的根据视觉有效性、以及场景需求进行分流渲染,可以进一步提高用户体验。
一般的分流渲染方法主要依靠硬件特性或耗电程度需求进行先期渲染,并没有考虑到用户的需求程度。为了更有效根据用户需求进行分流渲染,本发明实施例中提供一种可选的实现方式,移动设备对最优视图进行渲染得到渲染结果之前,还包括:移动设备接收渲染指示信息;渲染指示信息用于指示移动设备按照渲染要求参数渲染待渲染体数据对应的视图。之后,移动设备对最优视图进行渲染得到渲染结果,包括:移动设备根据渲染指示信息,对最优视图进行渲染得到渲染结果。可选的,渲染要求参数包括但不限于属性值对应的不透明度、颜色、光照系数和纹理等视觉元素。如此,移动设备可以根据渲染指示信息,按照渲染要求参数渲染最优视图,显示的渲染结果考虑了用户需求,进而可以提升用户体验。
本发明实施例中,渲染指示信息可以是在向云端设备发送待渲染体数据之后接收到的,比如云端设备存在预先配置的属性值与不透明度的对应关系,不需要根据移动设备发送渲染要求参数完成信息熵的计算。渲染指示信息也可以是在向云端设备发送待渲染体数据之前接收到的,比如,移动设备根据接收到的渲染指示信息中的渲染要求参数,向云端设备发送渲染要求参数,以使云端设备根据渲染指示信息中的渲染要求参数,计算视图的信息熵。
可选的,待渲染体数据包括各体素的属性值;渲染要求参数包括属性值与不透明度的第一对应关系、以及属性值与颜色值的第二对应关系。本发明实施中,第一对应关系可以为每个属性值对应一个不透明度的值,也可以为某个范围内的属性值对应一个范围的不透明度的值,举个例子,比如属性值为0至100,对应的不透明度为0至10%。相应的,第二对应关系中的各参数取值与第一对应关系中的各参数取值相类似。
基于上述实施例,可选的,移动设备根据渲染指示信息,对最优视图进行渲染得到渲染结果,包括:移动设备根据各体素的属性值、第一对应关系和第二对应关系,采用体绘制算法对最优视图进行渲染得到渲染结果;渲染结果包括最优视图对应的以视觉效果为颜色值和不透明度显示的二维图像。如此,根据渲染指示信息中包括的属性值对应的颜色值和不透明度,从而得到满足用户对颜色和不透明度需求的渲染结果,进而提升用户体验。
本发明实施例中,体绘制算法包括但不限于光线投射(Ray-Casting)可视化方法。Ray-Casting可视化方法的基本思想是从平面像素点起始,引射线穿过体数据,在射线上以一定步长进行采样,并通过颜色映射模型进行颜色值的叠加累积,最终输出该像素的颜色值。就具体算法而言,设光线r的起始点为Sr,终点为Er,光线r上第i个采样点的位置pi如下述公式(6)所示:
pi=Sr+i×s×normalize(Ei-Si)……(6)
上述公式(6),s为采样步长,normalize(Ei-Si)表示对光线方向进行归一化。然后利用传输函数(Transfer Function)进行数据到颜色的映射。光线投射颜色累计有两种方式,可采用从后或者从前的方式沿光线合成。本发明实施例以采用从前向后的方式进行采样合成为例,迭代积分如下述公式(7)和公式(8):
上述公式(7)和公式(8)中,和分别表示累加的颜色值和不透明度,Ci和Ai分别表示当前采样点i(通过传输函数映射后的)合成颜色值和不透明度。每一光线上进行不断循环累积,直到不透明度累加值大于等于1、或不透明度累加值接近阀值、或光线投射出数据包围盒。
图5示例性示出了本发明实施例提供的体绘制算法的流程示意图。
如图5所示,该体绘制算法包括如下步骤:
步骤501:生成前置面、后置面;
步骤502:入射面是否在前置面和后置面之间;若是,则执行步骤503;若否,则执行步骤504;
步骤503:生成入射面;之后,执行步骤505;
步骤504:将近裁剪面作为入射面;之后,执行步骤505;
步骤505:生成出射面;
步骤506:计算光线的长度;
步骤507:生成起始点;
步骤508:计算光线的方向;
步骤509:计算采样点纹理坐标;
步骤510:体纹理是否等深;若是,则执行步骤511;若否,则执行步骤512;
步骤511:对体数据等距采样;之后,执行步骤513;
步骤512:查询深度纹理,获取z值;之后,执行步骤513;
步骤513:传输函数采颜色值;
步骤514:采样数据按照光透公式计算颜色值和透明度
步骤515:光线是否投出立方体或者累加透明度是否为1;若是,则结束;若否,则执行步骤510。
由上述内容可见,移动设备向云端设备发送待渲染体数据;待渲染体数据用于云端设备确定待渲染体数据对应的视图信息;由于确定待渲染体数据对应的视图信息,计算量很大,所以由云端设备确定视图信息可以解决现有技术中移动设备因性能限制无法完成高质量的渲染工作的问题。然后,移动设备接收云端设备发送的视图信息,并根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图;移动设备对最优视图进行渲染得到渲染结果,并显示渲染结果。可见,相对于现有技术移动设备需要多次向云端设备发送视角信息来说,本发明实施例中在显示移动设备和云端设备之间的交互次数很少。如此,可以实现减少用户交互,进而提升用户体验。
基于以上实施例以及相同构思,可选的,确定最优视图的过程、以及对确定出的最优视图的渲染的过程也可以由云端设备实现,也就是说,移动设备只对最优视图的渲染结果进行显示。具体实现如下述实施例提供的另一种图像渲染方法。
图6为本发明实施例提供的另一种图像渲染方法流程示意图。基于图1所示的系统架构,如图6所示,该方法包括以下步骤:
步骤601:移动设备向云端设备发送分流渲染指令;分流渲染指令包括待渲染体数据,分流渲染指令用于指示云端设备确定待渲染体数据对应的最优视图,并对最优视图进行渲染得到渲染结果;
步骤602:云端设备接收移动设备发送的分流渲染指令;分流渲染指令包括待渲染体数据;
步骤603:云端设备根据待渲染体数据,生成待渲染体数据对应的最优视图;并对最优视图进行渲染得到最优视图的渲染结果;
步骤604:云端设备向移动设备发送最优视图的渲染结果;
步骤605:移动设备接收云端设备发送的最优视图的渲染结果;
步骤606:移动设备显示最优视图的渲染结果。
通过上述方法,移动设备向云端设备发送分流渲染指令;由云端设备根据待渲染体数据,生成待渲染体数据对应的最优视图、以及渲染最优视图得到最优视图的渲染结果,云端设备将最优视图的渲染结果发送至移动设备。可见,移动设备不需要多次向云端设备发送消息,也就是说,本发明实施例中的方法相对于现有技术来说,不仅可以解决现有技术中移动设备因性能限制无法完成高质量的渲染工作的问题,而且可以减少云端设备与移动设备之间的交互次数,提升用户体验。进一步的,移动设备接收云端设备发送的最优视图的渲染结果,并直接显示,相对于图2中的实施例来说,将需要计算的部分全部由云端设备进行处理,可以进一步减少移动设备的计算量,而且适用于计算性能较差的移动设备,进一步降低对移动设备的要求。
可选的,云端设备根据待渲染体数据,生成待渲染体数据对应的最优视图,包括:云端设备根据待渲染体数据,确定出待渲染体数据对应的视图信息;视图信息包括各视图的信息熵;云端设备确定出各视图中信息熵最大的视图的作为待渲染体数据对应的最优视图。
可选的,所述待渲染体数据包括各体素的属性值;所述视图信息还包括各视图的视角信息;所述云端设备根据待渲染体数据,确定出待渲染体数据对应的视图信息,包括:所述云端设备根据所述待渲染体数据,确定出各视角对应的视图,以及每个视角的视角信息;针对每个视图,执行:所述云端设备根据所述视图的各体素的属性值、各体素的属性值对应的不透明度,确定出各体素的可视化概率;所述云端设备根据所述视图中各体素的可视化概率,确定出所述视图的信息熵。
本发明实施例中所涉及的确定待渲染体数据对应的最优视图、视角信息和信息熵等技术方案相关的概念,解释和详细说明及其它步骤请参见前述图像渲染方法或其它实施例中关于这些内容的描述,此处不做赘述。
基于以上实施例以及相同构思,图7为本发明实施例提供的一种移动设备的结构示意图,该移动设备可以实现如上图2中所示的任一项或任多项中移动设备执行的方法中的步骤。如图7所示,该移动设备700可以包括发送单元701、接收单元702、处理单元703和显示单元704。其中:
发送单元701,用于向云端设备发送待渲染体数据;所述待渲染体数据用于所述云端设备确定所述待渲染体数据对应的视图信息;
接收单元702,用于接收所述云端设备发送的所述视图信息;
处理单元703,用于根据所述视图信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图;对所述最优视图进行渲染得到渲染结果;
显示单元704,用于显示所述渲染结果。
本发明实施例中,移动设备向云端设备发送待渲染体数据;待渲染体数据用于云端设备确定待渲染体数据对应的视图信息;由于确定待渲染体数据对应的视图信息,计算量很大,所以由云端设备确定视图信息可以解决现有技术中移动设备因性能限制无法完成高质量的渲染工作的问题。然后,移动设备接收云端设备发送的视图信息,根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图;移动设备对最优视图进行渲染得到渲染结果,并显示渲染结果。可见,相对于现有技术云端设备需要多次接收移动设备发送视角信息来说,本发明实施例中在显示移动设备和云端设备之间的交互次数很少,如此,可以实现减少用户交互,进而提升用户体验。
可选的,所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息;或者,所述视图信息为所述待渲染体数据对应的各视图中信息熵最大的视图的视角信息。
可选的,所述处理单元703,用于:若所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,则:根据所述待渲染体数据对应的各视图的信息熵,从各视图的信息熵中确定出值最大的信息熵;根据所述值最大的信息熵对应的视图的视角信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图。
可选的,所述接收单元702,还用于:接收渲染指示信息;所述渲染指示信息用于指示所述移动设备按照渲染要求参数渲染所述待渲染体数据对应的视图;所述处理单元703,用于:根据所述渲染指示信息,对所述最优视图进行渲染得到渲染结果。
可选的,所述待渲染体数据包括各体素的属性值;所述渲染要求参数包括属性值与不透明度的第一对应关系、以及属性值与颜色值的第二对应关系;所述处理单元703,用于:根据各体素的属性值、所述第一对应关系和所述第二对应关系,采用体绘制算法对所述最优视图进行渲染得到渲染结果;所述渲染结果包括所述最优视图对应的以视觉效果为颜色值和不透明度显示的二维图像。
该移动设备700所涉及的与本发明实施例提供的技术方案相关的概念,解释和详细说明及其它步骤请参见前述图像渲染方法或其它实施例中关于这些内容的描述,此处不做赘述。
基于以上实施例以及相同构思,图8为本发明实施例提供的一种云端设备的结构示意图,该云端设备可以实现如上图2中所示的任一项或任多项中云端设备执行的方法中的步骤。如图8所示,该云端设备800可以包括接收单元801、处理单元802和发送单元803。其中:
接收单元801,用于接收移动设备发送的待渲染体数据;
处理单元802,用于根据所述待渲染体数据,确定出所述待渲染体数据对应的视图信息;
发送单元803,用于向所述移动设备发送所述视图信息,以便所述移动设备根据所述视图信息确定出所述待渲染体数据对应的最优视图;所述最优视图用于所述移动设备进行渲染得到渲染结果,并显示所述渲染结果。
本发明实施例中,云端设备接收移动设备发送的待渲染体数据;根据所述待渲染体数据,确定出所述待渲染体数据对应的视图信息;由于确定待渲染体数据对应的视图信息,计算量很大,所以由云端设备确定视图信息可以解决现有技术中移动设备因性能限制无法完成高质量的渲染工作的问题。因此,移动设备根据视图信息和待渲染体数据,生成待渲染体数据对应的最优视图,对最优视图进行渲染得到渲染结果,并显示渲染结果。如此,可以实现减少用户交互,进而提升用户体验。
可选的,所述处理单元802,用于:根据所述待渲染体数据,确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,将所述各视图的信息熵和各视图的视角信息作为所述视图信息,所述视图至少为两个;或者,在确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息之后,确定出各视图中信息熵最大的视图的视角信息;将所述信息熵最大的视图的视角信息作为所述视图信息。
可选的,所述待渲染体数据包括各体素的属性值;所述处理单元802,用于:根据所述待渲染体数据,确定出各视角对应的视图,以及每个视角的视角信息;针对每个视图,执行:根据所述视图的各体素的属性值、各体素的属性值对应的不透明度,确定出各体素的可视化概率;根据所述视图中各体素的可视化概率,确定出所述视图的信息熵。
该云端设备800所涉及的与本发明实施例提供的技术方案相关的概念,解释和详细说明及其它步骤请参见前述图像渲染方法或其它实施例中关于这些内容的描述,此处不做赘述。
基于以上实施例以及相同构思,本发明实施例提供另一种移动设备。
图9为本发明实施例提供的一种移动设备的结构示意图,该移动设备可以实现如上图6中所示的任一项或任多项中移动设备执行的方法中的步骤。如图9所示,该移动设备900可以包括发送单元901、接收单元902和显示单元903。其中:
发送单元901,用于向云端设备发送分流渲染指令;所述分流渲染指令包括待渲染体数据,所述分流渲染指令用于指示所述云端设备确定所述待渲染体数据对应的最优视图,并对所述最优视图进行渲染得到渲染结果;
接收单元902,用于接收所述云端设备发送的所述最优视图的渲染结果;
显示单元903,用于显示所述最优视图的渲染结果。
该移动设备900所涉及的与本发明实施例提供的技术方案相关的概念,解释和详细说明及其它步骤请参见前述图像渲染方法或其它实施例中关于这些内容的描述,此处不做赘述。
基于以上实施例以及相同构思,本发明实施例提供另一种云端设备。该移动设备的结构示意图可参见图8中的结构示意图,但是与上述图8中的移动设备执行的方法不同。本实施例中的移动设备可以实现如上图6中所示的任一项或任多项中移动设备执行的方法中的步骤。如图8所示,该移动设备可以包括发送单元801、接收单元802和显示单元803。其中:
接收单元801,用于接收移动设备发送的分流渲染指令;所述分流渲染指令包括待渲染体数据;
处理单元802,用于根据所述待渲染体数据,生成所述待渲染体数据对应的最优视图;所述云端设备对所述最优视图进行渲染得到渲染结果;
发送单元803,用于将所述渲染结果发送至所述移动设备。
可选的,处理单元802,用于:根据待渲染体数据,确定出待渲染体数据对应的视图信息;视图信息包括各视图的信息熵;确定出各视图中信息熵最大的视图的作为待渲染体数据对应的最优视图。
可选的,所述待渲染体数据包括各体素的属性值;所述视图信息还包括各视图的视角信息;所述处理单元802,用于:根据所述待渲染体数据,确定出各视角对应的视图,以及每个视角的视角信息;针对每个视图,执行:根据所述视图的各体素的属性值、各体素的属性值对应的不透明度,确定出各体素的可视化概率;根据所述视图中各体素的可视化概率,确定出所述视图的信息熵。
该云端设备所涉及的与本发明实施例提供的技术方案相关的概念,解释和详细说明及其它步骤请参见前述图像渲染方法或其它实施例中关于这些内容的描述,此处不做赘述。
基于以上实施例以及相同构思,本发明实施例还提供一种电子设备,包括至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述实施例中的图像渲染方法。
以一个处理器为例,图10为本发明实施例提供的一种电子设备的结构示意图。如图10所示,该电子设备1000包括:收发器1001、处理器1002、存储器1003和总线系统1004。
其中,存储器1003,用于存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。存储器1003可能为随机存取存储器(random access memory,简称RAM),也可能为非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。图中仅示出了一个存储器,当然,存储器也可以根据需要,设置为多个。存储器1003也可以是处理器1002中的存储器。
存储器1003存储了如下的元素,可执行模块或者数据结构,或者它们的子集,或者它们的扩展集:
操作指令:包括各种操作指令,用于实现各种操作。
操作系统:包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
上述本发明实施例图像渲染方法可以应用于处理器1002中,或者说由处理器1002实现。处理器1002可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述图像渲染方法的各步骤可以通过处理器1002中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1002可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1003,处理器1002读取存储器1003中的信息,结合其硬件执行前述移动设备执行的以下步骤:
收发器1001,用于向云端设备发送待渲染体数据;所述待渲染体数据用于所述云端设备确定所述待渲染体数据对应的视图信息;以及,接收所述云端设备发送的所述视图信息;
处理器1002,用于根据所述视图信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图;对所述最优视图进行渲染得到渲染结果,并显示所述渲染结果。
可选的,所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,所述视图至少为两个;或者,所述视图信息为所述待渲染体数据对应的各视图中信息熵最大的视图的视角信息。
可选的,所述处理器1002,用于:若所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,则:根据所述待渲染体数据对应的各视图的信息熵,从各视图的信息熵中确定出值最大的信息熵;根据所述值最大的信息熵对应的视图的视角信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图。
可选的,所述收发器1001,还用于:接收渲染指示信息;所述渲染指示信息用于指示所述移动设备按照渲染要求参数渲染所述待渲染体数据对应的视图;所述处理器,用于:根据所述渲染指示信息,对所述最优视图进行渲染得到渲染结果。
可选的,所述待渲染体数据包括各体素的属性值;所述渲染要求参数包括属性值与不透明度的第一对应关系、以及属性值与颜色值的第二对应关系;所述处理器,用于:根据各体素的属性值、所述第一对应关系和所述第二对应关系,采用体绘制算法对所述最优视图进行渲染得到渲染结果;所述渲染结果包括所述最优视图对应的以视觉效果为颜色值和不透明度显示的二维图像。
或者,处理器1002读取存储器1003中的信息,结合其硬件执行前述云端设备执行的以下步骤:
收发器1001,用于接收移动设备发送的待渲染体数据;以及,向所述移动设备发送所述视图信息,以便所述移动设备根据所述视图信息确定出所述待渲染体数据对应的最优视图;所述最优视图用于所述移动设备进行渲染得到渲染结果,并显示所述渲染结果;
处理器1002,用于根据所述待渲染体数据,确定出所述待渲染体数据对应的视图信息。
可选的,所述处理器1002,用于:根据所述待渲染体数据,确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,将所述各视图的信息熵和各视图的视角信息作为所述视图信息,所述各视图至少包括两个视图;或者,在确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息之后,确定出各视图中信息熵最大的视图的视角信息;将所述信息熵最大的视图的视角信息作为所述视图信息。
可选的,所述待渲染体数据包括各体素的属性值;所述处理器1002,用于:根据所述待渲染体数据,确定出各视角对应的视图,以及每个视角的视角信息;针对每个视图,执行:根据所述视图的各体素的属性值、各体素的属性值对应的不透明度,确定出各体素的可视化概率;根据所述视图中各体素的可视化概率,确定出所述视图的信息熵。
或者,处理器1002读取存储器1003中的信息,结合其硬件执行前述移动设备执行的以下步骤:
收发器1001,用于向云端设备发送分流渲染指令;所述分流渲染指令包括待渲染体数据,所述分流渲染指令用于指示所述云端设备确定所述待渲染体数据对应的最优视图,并对所述最优视图进行渲染得到渲染结果;以及,用于接收所述云端设备发送的所述最优视图的渲染结果;
处理器1002,用于显示所述最优视图的渲染结果。
或者,处理器1002读取存储器1003中的信息,结合其硬件执行前述云端设备执行的以下步骤:
收发器1001,用于接收移动设备发送的分流渲染指令;所述分流渲染指令包括待渲染体数据;以及,用于将所述渲染结果发送至所述移动设备;
处理器1002,用于根据所述待渲染体数据,生成所述待渲染体数据对应的最优视图;所述云端设备对所述最优视图进行渲染得到渲染结果。
另外,基于以上实施例以及相同构思,本发明实施例还提供一种计算机存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行前述任一实施例中所述的图像渲染方法。
需要说明的是,本发明实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。在本发明的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域内的技术人员应明白,本发明实施例可提供为方法、系统、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种图像渲染方法,其特征在于,包括:
移动设备向云端设备发送待渲染体数据;所述待渲染体数据用于所述云端设备确定所述待渲染体数据对应的视图信息;
所述移动设备接收所述云端设备发送的所述视图信息;
所述移动设备根据所述视图信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图;
所述移动设备对所述最优视图进行渲染得到渲染结果,并显示所述渲染结果。
2.如权利要求1所述的方法,其特征在于,所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息;或者,所述视图信息为所述待渲染体数据对应的各视图中信息熵最大的视图的视角信息。
3.如权利要求2所述的方法,其特征在于,所述移动设备根据所述视图信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图,包括:
若所述视图信息包括所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,则:
所述移动设备根据所述待渲染体数据对应的各视图的信息熵,从各视图的信息熵中确定出值最大的信息熵;
根据所述值最大的信息熵对应的视图的视角信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图。
4.如权利要求1至2中任一权利要求所述的方法,其特征在于,所述移动设备对所述最优视图进行渲染得到渲染结果之前,还包括:
所述移动设备接收渲染指示信息;所述渲染指示信息用于指示所述移动设备按照渲染要求参数渲染所述待渲染体数据对应的视图;
所述移动设备对所述最优视图进行渲染得到渲染结果,包括:
所述移动设备根据所述渲染指示信息,对所述最优视图进行渲染得到渲染结果。
5.如权利要求4所述的方法,其特征在于,所述待渲染体数据包括各体素的属性值;所述渲染要求参数包括属性值与不透明度的第一对应关系、以及属性值与颜色值的第二对应关系;
所述移动设备根据所述渲染指示信息,对所述最优视图进行渲染得到渲染结果,包括:
所述移动设备根据各体素的属性值、所述第一对应关系和所述第二对应关系,采用体绘制算法对所述最优视图进行渲染得到渲染结果;所述渲染结果包括所述最优视图对应的以视觉效果为颜色值和不透明度显示的二维图像。
6.一种图像渲染方法,其特征在于,包括:
云端设备接收移动设备发送的待渲染体数据;
所述云端设备根据所述待渲染体数据,确定出所述待渲染体数据对应的视图信息;
所述云端设备向所述移动设备发送所述视图信息,以便所述移动设备根据所述视图信息确定出所述待渲染体数据对应的最优视图;所述最优视图用于所述移动设备进行渲染得到渲染结果,并显示所述渲染结果。
7.如权利要求6所述的方法,其特征在于,所述云端设备根据所述待渲染体数据,确定出所述待渲染体数据对应的视图信息,包括:
所述云端设备根据所述待渲染体数据,确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,将所述各视图的信息熵和各视图的视角信息作为所述视图信息;
或者,所述云端设备在确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息之后,确定出各视图中信息熵最大的视图的视角信息;将所述信息熵最大的视图的视角信息作为所述视图信息。
8.如权利要求7所述的方法,其特征在于,所述待渲染体数据包括各体素的属性值;
所述云端设备根据所述待渲染体数据,确定出所述待渲染体数据对应的各视图的信息熵和各视图的视角信息,包括:
所述云端设备根据所述待渲染体数据,确定出各视角对应的视图,以及每个视角的视角信息;
针对每个视图,执行:
所述云端设备根据所述视图的各体素的属性值、各体素的属性值对应的不透明度,确定出各体素的可视化概率;
所述云端设备根据所述视图中各体素的可视化概率,确定出所述视图的信息熵。
9.一种图像渲染方法,其特征在于,包括:
移动设备向云端设备发送分流渲染指令;所述分流渲染指令包括待渲染体数据,所述分流渲染指令用于指示所述云端设备确定所述待渲染体数据对应的最优视图,并对所述最优视图进行渲染得到渲染结果;
所述移动设备接收所述云端设备发送的所述最优视图的渲染结果;
所述移动设备显示所述最优视图的渲染结果。
10.一种图像渲染方法,其特征在于,包括:
云端设备接收移动设备发送的分流渲染指令;所述分流渲染指令包括待渲染体数据;
所述云端设备根据所述待渲染体数据,生成所述待渲染体数据对应的最优视图;
所述云端设备对所述最优视图进行渲染得到渲染结果,并将所述渲染结果发送至所述移动设备。
11.一种移动设备,其特征在于,包括:
发送单元,用于向云端设备发送待渲染体数据;所述待渲染体数据用于所述云端设备确定所述待渲染体数据对应的视图信息;
接收单元,用于接收所述云端设备发送的所述视图信息;
处理单元,用于根据所述视图信息和所述待渲染体数据,生成所述待渲染体数据对应的最优视图;对所述最优视图进行渲染得到渲染结果;
显示单元,用于显示所述渲染结果。
12.一种云端设备,其特征在于,包括:
接收单元,用于接收移动设备发送的待渲染体数据;
处理单元,用于根据所述待渲染体数据,确定出所述待渲染体数据对应的视图信息;
发送单元,用于向所述移动设备发送所述视图信息,以便所述移动设备根据所述视图信息确定出所述待渲染体数据对应的最优视图;所述最优视图用于所述移动设备进行渲染得到渲染结果,并显示所述渲染结果。
13.一种移动设备,其特征在于,包括:
发送单元,用于向云端设备发送分流渲染指令;所述分流渲染指令包括待渲染体数据,所述分流渲染指令用于指示所述云端设备确定所述待渲染体数据对应的最优视图,并对所述最优视图进行渲染得到渲染结果;
接收单元,用于接收所述云端设备发送的所述最优视图的渲染结果;
显示单元,用于显示所述最优视图的渲染结果。
14.一种云端设备,其特征在于,包括:
接收单元,用于接收移动设备发送的分流渲染指令;所述分流渲染指令包括待渲染体数据;
处理单元,用于根据所述待渲染体数据,生成所述待渲染体数据对应的最优视图;所述云端设备对所述最优视图进行渲染得到渲染结果;
发送单元,用于将所述渲染结果发送至所述移动设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187446.8A CN108537872B (zh) | 2018-03-07 | 2018-03-07 | 一种图像渲染方法、移动设备和云端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187446.8A CN108537872B (zh) | 2018-03-07 | 2018-03-07 | 一种图像渲染方法、移动设备和云端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108537872A true CN108537872A (zh) | 2018-09-14 |
CN108537872B CN108537872B (zh) | 2022-02-15 |
Family
ID=63486568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810187446.8A Active CN108537872B (zh) | 2018-03-07 | 2018-03-07 | 一种图像渲染方法、移动设备和云端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537872B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215764A (zh) * | 2018-09-21 | 2019-01-15 | 苏州瑞派宁科技有限公司 | 一种医学图像四维可视化的方法及装置 |
CN109743626A (zh) * | 2019-01-02 | 2019-05-10 | 京东方科技集团股份有限公司 | 一种图像显示方法、图像处理方法和相关设备 |
CN111290124A (zh) * | 2020-03-31 | 2020-06-16 | 北京塞傲时代信息技术有限公司 | 基于5g云渲染的vr眼镜 |
CN113628348A (zh) * | 2021-08-02 | 2021-11-09 | 聚好看科技股份有限公司 | 一种确定三维场景中视点路径的方法及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030043905A1 (en) * | 2001-08-29 | 2003-03-06 | Tadayoshi Nakayama | Image processing method and apparatus, computer program, and storage medium |
CN1588452A (zh) * | 2004-08-05 | 2005-03-02 | 上海交通大学 | 二维图像序列三维重建方法 |
CN104346141A (zh) * | 2013-07-26 | 2015-02-11 | 北京畅游天下网络技术有限公司 | 一种渲染方法与渲染装置 |
US20160086353A1 (en) * | 2014-09-24 | 2016-03-24 | University of Maribor | Method and apparatus for near-lossless compression and decompression of 3d meshes and point clouds |
CN105719333A (zh) * | 2014-12-02 | 2016-06-29 | 上海联影医疗科技有限公司 | 三维图像数据处理方法及装置 |
CN106066868A (zh) * | 2016-05-27 | 2016-11-02 | 北京小米移动软件有限公司 | 网页加载方法及装置 |
CN106127844A (zh) * | 2016-06-22 | 2016-11-16 | 民政部零研究所 | 移动终端用户实时交互访问远程3d场景的渲染交互方法 |
CN107093201A (zh) * | 2010-09-13 | 2017-08-25 | 巴里·林恩·詹金斯 | 传输和控制包括渲染的几何、纹理和光照数据的流交互媒体 |
-
2018
- 2018-03-07 CN CN201810187446.8A patent/CN108537872B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030043905A1 (en) * | 2001-08-29 | 2003-03-06 | Tadayoshi Nakayama | Image processing method and apparatus, computer program, and storage medium |
CN1588452A (zh) * | 2004-08-05 | 2005-03-02 | 上海交通大学 | 二维图像序列三维重建方法 |
CN107093201A (zh) * | 2010-09-13 | 2017-08-25 | 巴里·林恩·詹金斯 | 传输和控制包括渲染的几何、纹理和光照数据的流交互媒体 |
CN104346141A (zh) * | 2013-07-26 | 2015-02-11 | 北京畅游天下网络技术有限公司 | 一种渲染方法与渲染装置 |
US20160086353A1 (en) * | 2014-09-24 | 2016-03-24 | University of Maribor | Method and apparatus for near-lossless compression and decompression of 3d meshes and point clouds |
CN105719333A (zh) * | 2014-12-02 | 2016-06-29 | 上海联影医疗科技有限公司 | 三维图像数据处理方法及装置 |
CN106066868A (zh) * | 2016-05-27 | 2016-11-02 | 北京小米移动软件有限公司 | 网页加载方法及装置 |
CN106127844A (zh) * | 2016-06-22 | 2016-11-16 | 民政部零研究所 | 移动终端用户实时交互访问远程3d场景的渲染交互方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215764A (zh) * | 2018-09-21 | 2019-01-15 | 苏州瑞派宁科技有限公司 | 一种医学图像四维可视化的方法及装置 |
CN109743626A (zh) * | 2019-01-02 | 2019-05-10 | 京东方科技集团股份有限公司 | 一种图像显示方法、图像处理方法和相关设备 |
CN111290124A (zh) * | 2020-03-31 | 2020-06-16 | 北京塞傲时代信息技术有限公司 | 基于5g云渲染的vr眼镜 |
CN113628348A (zh) * | 2021-08-02 | 2021-11-09 | 聚好看科技股份有限公司 | 一种确定三维场景中视点路径的方法及设备 |
CN113628348B (zh) * | 2021-08-02 | 2024-03-15 | 聚好看科技股份有限公司 | 一种确定三维场景中视点路径的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108537872B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10438319B2 (en) | Varying effective resolution by screen location in graphics processing by approximating projection of vertices onto curved viewport | |
CN108537872A (zh) | 一种图像渲染方法、移动设备和云端设备 | |
CN107274338B (zh) | 用于深度图的低等待时间变形的系统、方法和装置 | |
US9298006B2 (en) | Layered light field reconstruction for defocus blur | |
JP4938850B2 (ja) | 拡張型頂点キャッシュを備えたグラフィック処理装置 | |
US9582924B2 (en) | Facilitating dynamic real-time volumetric rendering in graphics images on computing devices | |
US20160284121A1 (en) | Facilitating true three-dimensional virtual representation of real objects using dynamic three-dimensional shapes | |
TW200818054A (en) | Tile based precision rasterization in graphics pipeline | |
CN110276829A (zh) | 通过多尺度体素哈希处理的三维表示 | |
US9659399B2 (en) | System, method, and computer program product for passing attribute structures between shader stages in a graphics pipeline | |
CN106575442A (zh) | 使用通过自适应着色的纹理查找的带宽缩减 | |
TWI596569B (zh) | 促進針對在計算裝置上之部分被遮蔽圖形影像之動態且有效的預啓用裁剪之技術 | |
US11120591B2 (en) | Variable rasterization rate | |
CN113643414A (zh) | 一种三维图像生成方法、装置、电子设备及存储介质 | |
CN114002701A (zh) | 一种实时渲染点云的方法、装置、电子设备及系统 | |
CN109377552A (zh) | 图像遮挡计算方法、装置、计算设备及存储介质 | |
US10388060B2 (en) | System and method for multi-view rendering | |
US20230206567A1 (en) | Geometry-aware augmented reality effects with real-time depth map | |
US20230186575A1 (en) | Method and apparatus for combining an augmented reality object in a real-world image | |
US20230316656A1 (en) | Information processing device, information processing method, and program | |
CN116385643B (zh) | 虚拟形象生成、模型的训练方法、装置及电子设备 | |
CN116363331B (zh) | 图像生成方法、装置、设备以及存储介质 | |
Raza et al. | Screen-space deformable meshes via CSG with per-pixel linked lists | |
Yi | High-quality, real-time HD video stereo matching on FPGA | |
US20200160585A1 (en) | Smoothed normals from depth maps for normal-based texture blending |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 266555 Qingdao economic and Technological Development Zone, Shandong, Hong Kong Road, No. 218 Applicant after: Hisense Video Technology Co., Ltd Address before: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Applicant before: HISENSE ELECTRIC Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |