CN109242974A - 基于体素的图像处理方法及装置 - Google Patents

Abstract

本申请公开了一种基于体素的图像处理方法及装置，该方法包括重置体素网络中的角点标量值得到第一体素网格；在所述第一体素网格中根据第一预设查找表生成三角网格；以及将重置标量值的角点移动至预设位置点。本申请解决了在进行相关图像处理过程中难以确保三角形网格质量的技术问题。通过本申请的方法处理基于体素的三维图像时，不产生退化的三角形并且三角形的面积质量均匀。

Description

基于体素的图像处理方法及装置

技术领域

本申请涉及计算机图形领域，具体而言，涉及一种基于体素的图像处理方法及装置。

背景技术

三角网格是由三角形组成的多边形网格，是计算机图形学中三维重建的一种数据结构。

发明人发现，在进行提取等值面生成多边形网格时，容易产生退化三角形。进一步地，三角形的面积也不均匀。

针对相关技术中在进行相关图像处理过程中难以确保三角形网格质量的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种基于体素的图像处理方法及装置，以解决在进行相关图像处理过程中难以确保三角形网格质量的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种基于体素的图像处理方法。

根据本申请的基于体素的图像处理方法包括：重置体素网络中的角点标量值得到第一体素网格；在所述第一体素网格中根据第一预设查找表生成三角网格；以及将重置标量值的角点移动至预设位置点。

先对网格进行变形，对到等值面距离小于预设参数的角点赋等值面的标量值。再运行本申请中改进的立方体算法生成三角形，最后把改过标量值的角点再放回原等值面距离最小的顶点上。

进一步地，重置体素网络中的角点标量值得到第一体素网格包括：判断等值面顶点到角点的距离；以及如果判断等值面顶点到角点的距离小于第一预设参数，则将所述角点的标量值重置为等值面值，其中，所述第一预设参数用于判断三角形在体素棱上的位置。

进一步地，重置体素网络中的角点标量值得到第一体素网格还包括：通过遍历判断所有等值面顶点到角点的距离是否小于第一预设参数。

进一步地，在所述第一体素网格中根据第一预设查找表生成三角网格包括：在所述第一预设查找表根据立方体算法得出新三角形，其中，所述第一预设查找表中至少包括：用于当角点的标量值等于等值面时将角点标定为新增标签。

进一步地，将重置标量值的角点移动至预设位置点包括：判断等值面顶点是否为角点；以及如果判断等值面顶点为角点，则将重置过标量值的角点移至所述角点与原等值面顶点距离最近的点。

为了实现上述目的，根据本申请的另一方面，提供了一种基于体素的图像处理装置。

根据本申请的基于体素的图像处理装置包括：重置模块，用于重置体素网络中的角点标量值得到第一体素网格；生成模块，用于在所述第一体素网格中根据第一预设查找表生成三角网格；以及放回模块，用于将重置标量值的角点移动至预设位置点。

进一步地，所述重置模块包括：距离判断单元，用于判断等值面顶点到角点的距离；以及重置单元，用于判断等值面顶点到角点的距离小于第一预设参数时，将所述角点的标量值重置为等值面值，其中，所述第一预设参数用于判断三角形在体素棱上的位置。

进一步地，所述重置模块还包括：遍历单元，用于通过遍历判断所有等值面顶点到角点的距离是否小于第一预设参数。

进一步地，所述生成模块包括：算法单元，用于在所述第一预设查找表根据立方体算法得出新三角形，其中，所述第一预设查找表中至少包括：用于当角点的标量值等于等值面时将角点标定为新增标签。

进一步地，所述生成模块包括：角点判断单元，用于判断等值面顶点是否为角点；以及角点判断单元，用于判断等值面顶点为角点时，将重置过标量值的角点移至所述角点与原等值面顶点距离最近的点。

在本申请实施例中，采用重置体素网络中的角点标量值得到第一体素网格的方式，通过在所述第一体素网格中根据第一预设查找表生成三角网格并将重置标量值的角点移动至预设位置点，达到了更改原体素网格标量并在新体素网格中采用预设查找表来生成三角网格的目的，从而实现了三角形网格质量修复的技术效果，进而解决了进行相关图像处理过程中难以确保三角形网格质量的技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请第一实施例的基于体素的图像处理方法示意图；

图2是根据本申请第二实施例的基于体素的图像处理方法示意图；

图3是根据本申请第三实施例的基于体素的图像处理方法示意图；

图4是根据本申请第四实施例的基于体素的图像处理方法示意图；

图5是根据本申请第五实施例的基于体素的图像处理方法示意图；

图6是根据本申请第一实施例的基于体素的图像处理装置示意图；

图7是根据本申请第二实施例的基于体素的图像处理装置示意图；

图8是根据本申请第三实施例的基于体素的图像处理装置示意图；

图9是根据本申请第四实施例的基于体素的图像处理装置示意图；

图10是根据本申请第五实施例的基于体素的图像处理装置示意图；

图11是三角形顶点选择原理三维示意图；

图12是采用传统Marching Cube算法示意图；

图13是将角点3的标量值改为等值面示意图；

图14是把改过标量值的角点3移到该角点与原等值面顶点距离最近的点示意图；

图15是根据本申请实施例中更改原体素网格标量值的流程示意图；

图16是根据本申请实施例中将重置标量值的角点移动至预设位置点的流程示意图；

图17是采用本申请中的图像处理方法提取等值面；

图18是采用传统的Marching Cube方法提取等值面；

图19是使用本发明的算法得出的模型图

图20是未改进的Marching Cube算法得出的模型图；

图21是本申请中实现的模型细节图；以及

图22是传统Marching Cube得出的模型数据图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

在本申请的下述实施例中体素(voxel)：把三维空间均匀的分为极多的小立方体。每个立方体以体素(voxel)为单位。

在本申请的下述实施例中角点：每个体素上的8个顶点都为该体素的角点。

在本申请的下述实施例中两极棱：体素的一条棱，且此棱上的两个角点标签异号，一个为'+'标签，另一个为'-'标签。

在本申请的实施例中提供了一种类似Marching Cube立方体算法生成三角网格的算法。通过利用网格变形原理，更改体素中面积过小的三角形顶点对应角点标量值。通过利用扩充查找表得出三角形网格，最后将改过标量的角点移到它到原等值面最小的距离的顶点。此外，基于marching cube的新查找表。其中包含6561种三角形的分布情况。而在一个体素中，三角形顶点的可放置情况有20种，其中包括8个角点和12条棱上的插值点。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，该方法包括如下的步骤S102至步骤S106：

步骤S102，重置体素网络中的角点标量值得到第一体素网格；

步骤S104，在所述第一体素网格中根据第一预设查找表生成三角网格；

步骤S106，将重置标量值的角点移动至预设位置点。

通过判断在重置所有相关的角点后，将在新的标量体素网格上用预设的扩充体素查找表执行Marching Cube立方体算法。同时为了保持和原样本模型的一致性，把改过标量值的角点放回离他距离最近的原等值面顶点。在重置体素网络中的角点标量值得到第一体素网格时，重置的是的角点标量值，进而得到一个新的体素网络。具体地可利用网格变形原理，更改体素中面积过小的三角形顶点对应角点标量值。在所述第一体素网格中根据第一预设查找表生成三角网格以及在将重置标量值的角点移动至预设位置点时，可以利用扩充查找表得出三角形网格，最后将改过标量的角点移到它到原等值面最小的距离的顶点。

从以上的描述中，可以看出，本申请实现了如下技术效果：

在本申请实施例中，采用重置体素网络中的角点标量值得到第一体素网格的方式，通过在所述第一体素网格中根据第一预设查找表生成三角网格并将重置标量值的角点移动至预设位置点，达到了更改原体素网格标量并在新体素网格中采用预设查找表来生成三角网格的目的，从而实现了三角形网格质量修复的技术效果，进而解决了进行相关图像处理过程中难以确保三角形网格质量的技术问题。

根据本申请实施例，作为本实施例中的优选，如图2所示，重置体素网络中的角点标量值得到第一体素网格包括：

步骤S202，判断等值面顶点到角点的距离；

步骤S204，如果判断等值面顶点到角点的距离小于第一预设参数，则将所述角点重置为等值面值，所述第一预设参数用于判断三角形在体素棱上的位置。

引入第一预设参数a，其的范围是[0,0.5]，用第一预设参数a来判定三角形在体素棱上位置。所有等值面顶点到角点的距离，如果小于第一预设参数a倍棱长，那么该角点将赋予等值面的值。

比如，当角点到等值面顶点的距离小于aL，则该角点的标量值为等值面值。

根据本申请实施例，作为本实施例中的优选，如图3所示，重置体素网络中的角点标量值得到第一体素网格还包括：

步骤S302，通过遍历判断所有等值面顶点到角点的距离是否小于第一预设参数。

通过上述步骤，即可判断是否遍历完所有的体素。

根据本申请实施例，作为本实施例中的优选，如图4所示，在所述第一体素网格中根据第一预设查找表生成三角网格包括：

步骤S402，在所述第一预设查找表根据立方体算法得出新三角形，

所述第一预设查找表中至少包括：用于当角点的标量值等于等值面时将角点标定为新增标签。

通常地，相对于移动的立方体算法(Marching Cube)，原移动的立方体算法(Marching Cube)，是根据每个体素(voxel)的角点与等值面的相对位置，将体素的8个角点分为两类，标量值小于等值面的体素角点被赋予负值‘-’标签，而标量值大于或等于等值面的角点被赋予一个正值'+'标签。由于一个体素有八个角点，每个角点都有两种标签可供选择，每个体素有2的8次幂即256种可能的'+'和'-'角点标签配置。在此基础上给每个角点填加第三个标签'＝'，当角点的标量值等于等值面时，该角点被标定为'＝'标签。

通过上述方法，当角点的标量值等于等值面时，该角点被标定为'＝'标签。加上之前的两种标签'+'标签和'-'标签，一个体素的八个角点，每个角点都将会有三种标签选择。即增加了当角点的标量值等于等值面时将角点标定为新增标签'＝'的选择。

本申请中的查找表相对于移动的立方体算法(Marching Cube)的查找表种类更多，分类更细。小于规定值的三角形顶点移到对应角点，从而不会出现一个三角形的两个顶点的位置相同，且不会把三角形的三个顶点移动到同一个点上。

此外，在所述第一预设查找表根据立方体算法得出新三角形时三角形的面积质量均匀：会根据给定值把三角形面积控制在一定范围内，不会出现面积特别大和面积特别小的三角形，从而保证三角形的质量均匀。

根据本申请实施例，作为本实施例中的优选，如图5所示，将重置标量值的角点移动至预设位置点包括：

步骤S502，判断等值面顶点是否为角点；以及

步骤S504，如果判断等值面顶点(isosurface vertex)为角点，且该角点的标量值之前被重置为等值面值(isovalue)，则此等值面顶点的位置需要放回到与该角点距离最近的原等值面顶点。

利用网格变形原理，更改体素中面积过小的三角形顶点对应角点标量值。利用扩充查找表得出三角形网格，最后将改过标量的角点移到它到原等值面最小的距离的顶点。优选地，需要判断是否遍历完所有的体素，即对所有的符合条件的体素进行移动。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本申请实施例，还提供了一种用于实施上述基于体素的图像处理方法的装置，如图6所示，该装置包括：重置模块10，用于重置体素网络中的角点标量值得到第一体素网格；生成模块20，用于在所述第一体素网格中根据第一预设查找表生成三角网格；以及放回模块30，用于将重置标量值的角点移动至预设位置点。

重置模块10通过判断在重置所有相关的角点后，将在新的标量体素网格上在生成模块20用预设的扩充体素查找表执行Marching Cube立方体算法。同时为了保持和原样本模型的一致性，放回模块30把改过标量值的角点放回离他距离最近的原等值面顶点。在重置体素网络中的角点标量值得到第一体素网格时，重置的是的角点标量值，进而得到一个新的体素网络。具体地可利用网格变形原理，更改体素中面积过小的三角形顶点对应角点标量值。在所述第一体素网格中根据第一预设查找表生成三角网格以及在将重置标量值的角点移动至预设位置点时，可以利用扩充查找表得出三角形网格，最后将改过标量的角点移到它到原等值面最小的距离的顶点。

根据本申请实施例，作为本实施例中的优选，如图7所示，所述重置模块10包括：距离判断单元101，用于判断等值面顶点到角点的距离；以及c，用于判断等值面顶点到角点的距离小于第一预设参数时，将所述角点重置为等值面值，其中，所述第一预设参数用于判断三角形在体素棱上的位置。

距离判断单元101中引入第一预设参数a，其的范围是[0,0.5]，用第一预设参数a来判定三角形在体素棱上位置。距离判断单元101中所有等值面顶点到角点的距离，如果小于第一预设参数a倍棱长，那么该角点将赋予等值面的值。

比如，当角点到等职面的顶点的距离小于aL，则改角点的标量值为等值面。

根据本申请实施例，作为本实施例中的优选，如图8所示，所述重置模块还包括：遍历单元103，用于通过遍历判断所有等值面顶点到角点的距离是否小于第一预设参数。

通过遍历单元103即可判断是否遍历完所有的体素。

根据本申请实施例，作为本实施例中的优选，如图9所示，所述生成模块20包括：算法单元201，用于在所述第一预设查找表根据立方体算法得出新三角形，其中，所述第一预设查找表中至少包括：用于当角点的标量值等于等值面时将角点标定为新增标签。

通常地，相对于移动的立方体算法(Marching Cube)，原移动的立方体算法(Marching Cube)，是根据每个体素(voxel)的角点与等值面的相对位置，将体素的8个角点分为两类，标量值小于等值面的体素角点被赋予负值‘-’标签，而标量值大于或等于等值面的角点被赋予一个正值'+'标签。由于一个体素有八个角点，每个角点都有两种标签可供选择，每个体素有2的8次幂即256种可能的'+'和'-'角点标签配置。算法单元201中在此基础上给每个角点填加第三个标签'＝'，当角点的标量值等于等值面时，该角点被标定为'＝'标签。

通过上述方法，在此基础上给每个角点填加第三个标签'＝'，当角点的标量值等于等值面时，该角点被标定为'＝'标签。加上之前的两种标签'+'标签和'-'标签，一个体素的八个角点，每个角点都将会有三种标签选择。即增加了当角点的标量值等于等值面时将角点标定为新增标签'＝'的选择。

根据本申请实施例，作为本实施例中的优选，如图10所示，所述放回模块30包括：角点判断单元301，用于判断等值面顶点是否为角点；以及还原单元302，用于如果判断等值面顶点(isosurface vertex)为角点，且该角点的标量值之前被重置为等值面值(isovalue)，则此等值面顶点的位置需要放回到与该角点距离最近的原等值面顶点。

利用网格变形原理，更改体素中面积过小的三角形顶点对应角点标量值。利用扩充查找表得出三角形网格，最后将改过标量的角点移到它到原等值面最小的距离的顶点。优选地，需要判断是否遍历完所有的体素，即对所有的符合条件的体素进行移动。

本申请的实现原理：

本申请将利用网格变形原理和移动的立方体算法(Marching Cube)查找表结合，快速生成三角网格。相对于移动的立方体算法(Marching Cube)，本发明的查找表中三角形分布情况更多，由原来的256种情况增加到6561种。

S1扩展查找表

相对于移动的立方体算法(Marching Cube)，本申请的查找表内容更多。原移动的立方体算法(Marching Cube)，是根据每个体素(voxel)的角点与等值面的相对位置，将体素的8个角点分为两类，标量值小于等值面的体素角点被赋予负值‘-’标签，而标量值大于或等于等值面的角点被赋予一个正值'+'标签。由于一个体素有八个角点，每个角点都有两种标签可供选择，所以每个体素有2的8次幂即256种可能的'+'和'-'角点标签配置。

而本申请在此基础上给每个角点填加第三个标签'＝'，当角点的标量值等于等值面时，该角点被标定为'＝'标签。加上之前的两种标签'+'标签和'-'标签，一个体素的八个角点，每个角点都将会有三种标签选择。所以体素有3的8次幂即6561种可能的'+'、'-'和'＝'的角点标签配置。

S2三角形顶点选择原理

由于扩展查找表不同于原移动的立方体算法(Marching Cube)的查找表，所以三角形的顶点选取原则将会有所改变，由原移动的立方体算法(Marching Cube)在异号的体素棱上取点的基础上，增加了在'＝'标签的角点上选取三角形顶点的情况。

如图11，所述角点1为'＝'标签，角点0为'+'标签，其他角点均为'-'标签。应用新的扩展表查找规则，三角形的顶点在带有'＝'标签的角点和两极棱上。所以三角形的三个顶点取带有'＝'标签的角点1，带有'-'标签的角点4与带有'+'标签的角点0所连接的棱上，和带有'-'标签的角点3与带有'+'标签的角点0所连接的棱上。

S3网格变形

引入一个参数a它的范围是[0,0.5]，用a来判定三角形在体素棱上位置。所有等值面顶点到角点的距离，如果小于a倍棱长，那么该角点将赋予等值面的值。在重置所有相关的角点后，将在新的标量体素网格上用之前介绍的扩充体素查找表执行Marching Cube。最后，为了保持和原样本模型的一致性，把改过标量值的角点放回离他距离最近的原等值面顶点。具体过程，以示例图12-14进行具体说明。

图12是传统Marching Cube算法，角点0、1、3是“-”标签，其他角点为“+”标签，该体素的标签配置情况在查找表中为第7种情况。根据查找表得出三角形，可以发现生成三个三角形。由各角点的标量值线性插值，可以计算出等值三角形与体素棱的交点位置，交点即为等值面三角形的顶点，称为等值面顶点，角点3的标量值很接近等值面时，有两个顶点很靠近角点3，所以会产生一个如图12中间细长的三角形。图13根据S3所述，由于角点到等职面的顶点的距离小于al(棱)，所以改角点3的标量值为等值面。根据本发明提出的新扩充查找表得出新三角形，之前的细长的三角形消失了。为了保持和原样本模型的一致性，把改过标量值的角点3移到该角点与原等值面顶点距离最近的点即图12中的灰色圆点。如图14所示，细虚线是移动前体素12条棱和三角形的分布情况与图13完全一致。分散形虚线为移动后即最后生成的三角形结果，同图12相比，在基本未改变等值面轮廓的情况下，减少了面积过小的三角形。

图12描述的是在所有两极棱上计算出等值面与这个体素的交点(图中公有5个)，根据8个角点状态(+或-)组合按照传统Marching Cubes算法确定这些棱上的交点的组合方式，从而得出三个三角形，这些三角形就是真正等值面(isosurface)中一个片段，体现了等值面与此体素相交的情形，组成三角形的5个交点也称为等值面顶点。但仔细观察会发现，3号角点附近有两个等值面顶点，其中灰色圆点标记的那一个顶点离3号角点非常近(距离小于aL)，这直接导致了生成了一个非常狭长的三角形，这种三角形质量较差，因为其三个边长和角度相互相差较大，通常越近似等边三角形的质量越好。因此本发明将3号角点的标量值设为等值面值(isovalue)，并标记为'＝'，这意味着3号角点这附近的所有等值面顶点，全部都会被放置到3号角点的位置上，因此图中3号角点附近的两个等值面顶点被合并为一个顶点，见图13。

图12中3号角点两个附近的等值面顶点其中有一个距离3号角点非常近，触发了小于aL的条件，本发明通过将3号角点的标量值设为等值面值且标记为'＝'，经过查找扩展表重新根据8个交点的状态组合(+/-/＝)生成新的三角形方案，从而将3号角点附近的所有等值面顶点自然地都合并到3号角点的位置，如图13可见，原等值面顶点被合并为一个顶点，且其位置与3号角点重合。

从图13到图14，反映的是本申请中放回这一步操作，图13中将3号角点附近的所有顶点都合并为一个，这其实是修改了真实等值面的几何位置，为了减少引入的几何误差、更准确地逼近真实等值面，这一步将合并后的顶点回移到原等值面顶点中距离3号角点最近的那个顶点的位置上。

具体实施流程分两部分完成：如图15第一部分为更改原体素网格标量值。如图16在新的体素网格中用扩展查找表生成三角网格，且最后把角点放回原等值面的最近顶点。

在图15中，首先计算等值面在一个体素中顶点的位置；然后判断等值面顶点到每个角点最小距离是否小于al(即判断三角形在体素棱上的位置)；如果是，则重置该角点SDF标量值为等值面值。最后判断是否遍历完所有体素，如果是则结束。如果否，则需要继续执行计算等值面在一个体素中顶点的位置的操作。

在图16中，首先在重置的体素网络中一个体素，采用新的拓展便执行MarchingCube立方体算法，生成等值面三角形。然后判断等值面顶点是否为角点，如果是则重置该角点SDF标量值为等值面值。最后判断是否遍历完所有体素，如果是则移动该角点到等值面在原网络中的最近的顶点(可参考图14)。

针对本申请基于体素的图像处理方法的算法仿真实验：

如图17所示，为本发明的具体实施例，人脸三维建模，整体上看三角形分布均匀。

图18是用传统的Marching Cube方法提取等值面。可以发现到镜头的远近人脸会出现以圆圈划分的小三角形区域，这是由于结构光的关系，很多手机、红外线扫描出的模型都会出现这种问题。本发明的等值面提取方法将有效消除这种现象。

对于侧脸细节图如图19-20所示，其中图19为使用本发明的算法得出的模型图，图20为未改进的Marching Cube算法得出的模型图。

对于眼窝和山根处的细节再次放大后两种算法的对比图，图21为本发明实现的模型细节图，图22为传统Marching Cube得出的模型数据图。

由上述实验可知，从细节处来看，本申请实施例中的方案在三维建模提取等值面时不产生退化的三角形，可以确保每个三角形的质量。不会产生过大或者过小的三角形。

从模型整体上来看，由于确保了三角形的质量，除去了面积过小三角形，所以大大减少模型的三角形的总数。在后期基于三角网格的各种算法中，将减少遍历三角形的次数，有利于算法实现。

显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于体素的图像处理方法，其特征在于，包括：

重置体素网络中的角点标量值得到第一体素网格；

在所述第一体素网格中根据第一预设查找表生成三角网格；以及

将重置标量值的角点移动至预设位置点。

2.根据权利要求1所述的图像处理方法，其特征在于，重置体素网络中的角点标量值得到第一体素网格包括：

判断等值面顶点到角点的距离；以及

如果判断等值面顶点到角点的距离小于第一预设参数，则将所述角点重置为等值面值，

其中，所述第一预设参数用于判断三角形在体素棱上的位置。

3.根据权利要求2所述的图像处理方法，其特征在于，重置体素网络中的角点标量值得到第一体素网格还包括：

通过遍历判断所有等值面顶点到角点的距离是否小于第一预设参数。

4.根据权利要求1所述的图像处理方法，其特征在于，在所述第一体素网格中根据第一预设查找表生成三角网格包括：

在所述第一预设查找表根据立方体算法得出新三角形，

其中，所述第一预设查找表中至少包括：用于当角点的标量值等于等值面时将角点标定为新增标签。

5.根据权利要求1所述的图像处理方法，其特征在于，将重置标量值的角点移动至预设位置点包括：

判断等值面顶点是否为角点；以及

如果判断等值面顶点为角点，则将重置过标量值的角点移至所述角点与原等值面顶点距离最近的点。

6.一种基于体素的图像处理装置，其特征在于，包括：

重置模块，用于重置体素网络中的角点标量值得到第一体素网格；

生成模块，用于在所述第一体素网格中根据第一预设查找表生成三角网格；以及

放回模块，用于将重置标量值的角点移动至预设位置点。

7.根据权利要求6所述的图像处理装置，其特征在于，所述重置模块包括：

距离判断单元，用于判断等值面顶点到角点的距离；以及

重置单元，用于判断等值面顶点到角点的距离小于第一预设参数时，将所述角点重置为等值面值，

其中，所述第一预设参数用于判断三角形在体素棱上的位置。

8.根据权利要求6所述的图像处理装置，其特征在于，所述重置模块还包括：

遍历单元，用于通过遍历判断所有等值面顶点到角点的距离是否小于第一预设参数。

9.根据权利要求6所述的图像处理装置，其特征在于，所述生成模块包括：

算法单元，用于在所述第一预设查找表根据立方体算法得出新三角形，

其中，所述第一预设查找表中至少包括：用于当角点的标量值等于等值面时将角点标定为新增标签。

10.根据权利要求6所述的图像处理装置，其特征在于，所述放回模块包括：

角点判断单元，用于判断等值面顶点是否为角点；以及

还原单元，用于判断等值面顶点为角点时，将重置过标量值的角点移至所述角点与原等值面顶点距离最近的点。