CN109961499A - 基于像素块方差的自适应采样方法 - Google Patents

基于像素块方差的自适应采样方法 Download PDF

Info

Publication number
CN109961499A
CN109961499A CN201910166548.6A CN201910166548A CN109961499A CN 109961499 A CN109961499 A CN 109961499A CN 201910166548 A CN201910166548 A CN 201910166548A CN 109961499 A CN109961499 A CN 109961499A
Authority
CN
China
Prior art keywords
block
pixels
pixel
variance
sampled
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
Application number
CN201910166548.6A
Other languages
English (en)
Other versions
CN109961499B (zh
Inventor
刘惠义
商国中
刘鸣瑄
薛炜
刘晓芸
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201910166548.6A priority Critical patent/CN109961499B/zh
Publication of CN109961499A publication Critical patent/CN109961499A/zh
Application granted granted Critical
Publication of CN109961499B publication Critical patent/CN109961499B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/003D [Three Dimensional] image rendering
    • G06T15/06Ray-tracing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于像素块方差的自适应采样方法,将整个图像看成一个大的像素块,对像素块进行误差度量,决定是否分裂、终止或继续采样,依此迭代;通过不断增加采样点,图像会分为很多小的像素块,在图像差异较小的区域,像素块会提前达到收敛阀值而终止采样,而对于场景中差异较大的区域则会获取更多的采样点,直至所有像素块均达到收敛阀值,从而终止该算法。其有效地解决亚像素自适应采样存在的问题,有针对性地对采样数量进行分配,自动识别图像中需要增加采样点的区域,从而自适应地分配采样点,避免对每个像素采用同样的采样数量。在绘制效率以及绘制效果上均有所提高,可以得出图像区域采样重要性分布,准确分配采样点进行图像合成。

Description

基于像素块方差的自适应采样方法
技术领域
本发明涉及一种像素块方差的采样方法,具体涉及一种基于像素块方差的自适应采样方法,属于真实感图形实时渲染技术领域。
背景技术
蒙特卡罗光线追踪是一种基于采样点的图像渲染方法,所以选择不同的采样方式,最终生成图像的质量也不同。由于采样过程中只获取一组有限的样本,场景中的部分信息会丢失,噪声和锯齿效果是不可避免的,这些误差可以通过增加采样点的方式去减少。
上述公式表明采样点N和误差σ是成反比的,采样点的增加可以减少误差。由于图像噪声信号分布不均匀,不是所有的像素都需要相同的采样样本,为了使最终生成的图像更加真实,绘制效果更好,需要根据具体情况分配每个像素对应的采样点。
对于传统的亚像素自适应采样方法,很有可能会形成局部收敛,导致大量过采样现象的出现,此外还会导致BRDF计算困难,以及光线分割复杂度提高。
发明内容
为解决现有技术的不足,本发明的目的在于提供一种。
为了实现上述目标,本发明采用如下的技术方案:
基于像素块方差的自适应采样方法,基于蒙特卡罗光线追踪的全局光照绘制方法,包括步骤如下:
S1、以整个图像为初始像素块,以均匀分布N个采样像素点的方式将初始像素块分为N个像素区域,计算像素块方差误差度量eb,
S2、将像素块方差误差度量eb,与预设的分裂阈值vs和终止阈值vt进行比较,比较方式如下:
若eb≥vs,则转入步骤S3;
若vs>eb>vt,则转入步骤S4;
若eb≤vt,则停止对此像素区域增加采样点,停止此像素区域的迭代;
S3、增加d个采样点,以均匀分布(N+d)个采样点的方式将初始像素块分为(N+d)个像素区域,重复步骤S1-S2;
S4、将初始像素块作为母像素块,分裂为两个子像素块,并分别增加d个的采样点,分别计算子像素块方差误差度量eb,并分别重复步骤S1-S2。
上述步骤S1中的终止阀值vt预设值为0.0002,分裂阀值vs预设值为300·vt。
上步骤S1中像素块方差误差度量eb的计算方法,包括以下步骤:
A1、以像素区域为对象,生成缓冲区A和缓冲区B,计算该像素区域内每个像素点的R、G、B颜色分量后,计算方差σ2,公式为:
式(1)中,σ2为像素点p的方差,
Ap r为A缓冲区像素点p的RGB值R分量,Ap g为A缓冲区像素点p的RGB值G分量,Ap b为A缓冲区像素点p的RGB值B分量;且,初始像素块对应的Ap r、Ap g、Ap b的值分别为0;
Bp r为B缓冲区像素点p的RGB值R分量,Bp g为B缓冲区像素点p的RGB值G分量,Bp b为B缓冲区像素点p的RGB值B分量;
A2、计算像素块方差误差度量eb,公式如下:
式(2)中,N是像素点的总数,Ab和Ai分别是像素区域以及整个图像的面积值。
上步骤S4中分裂的两个子像素块的方差误差度量eb相等。
上步骤S4中母像素块的分裂算法,包括以下步骤:
B1、假设以整个图像为初始像素块,图像区域内均布N个采样像素点,以整个图像的X轴和Y轴坐标,构建线性表X;线性表X中的元素包括像素块左上顶点坐标、右下顶点及一个判断标志位F;
B2、若vs>eb>vt,则F=false,以初始像素块为父像素块节点,将父像素块节点分裂成的两个子像素块节点存入线性表X中,同时删除线性表X中的父像素块节点;
B3、分别于子像素块增加d个的采样点,分别计算子像素块方差误差度量eb,并分别重复步骤B2。
上述的基于像素块方差的自适应采样方法,
若eb≥vs,则F=false,转入步骤S3;
若eb≤vt,则F=true,停止此像素块节点的迭代。
根据判断标志位F,判断线性表X中是否还有未终止的像素块信息,若有则继续进行迭代,若没有则终止迭代。
本发明的有益之处在于:
本发明将整个图像看成一个大的像素块,对像素块进行误差度量,决定是否分裂、终止或继续采样。如此迭代下去,通过不断增加采样点,图像最终会分为很多小的像素块。在图像差异较小的区域,像素块会提前达到收敛阀值而终止采样,而对于场景中差异较大的区域则会获取更多的采样点,直至所有像素块均达到收敛阀值,从而终止该算法。
本发明采用的基于像素块方差的方法,可以有效地解决亚像素自适应采样存在的问题,可有针对性地对采样数量进行分配,通过基于像素块分裂的自适应采样算法,自动识别图像中需要增加采样点的区域,从而自适应地分配采样点,有针对性地进行图像采样,避免对每个像素采用同样的采样数量。它是有针对性、有选择性地去根据光照计算难度去决定每个像素的采样数量,在绘制效率以及绘制效果上均有所提高;通过该算法可以得出图像区域采样重要性分布,从而准确分配采样点进行图像合成。
附图说明
图1为本发明的本发明的基于像素块方差的自适应采样方法的流程图。
图2为本发明的线性表X及分裂示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示,为本发明的基于像素块方差的自适应采样方法的流程图。
基于像素块方差的自适应采样方法,基于蒙特卡罗光线追踪的全局光照绘制方法,包括步骤如下:
S1、以整个图像为初始像素块,以均匀分布N个采样像素点的方式将初始像素块分为N个像素区域,计算像素块方差误差度量eb;
初始化工作主要包含两部分,第一部分是对渲染场景(图像)初始的采样像素点数量N一个合理估计,在本方法中,根据多次实验,选择均匀分布的方式分配初始的采样点,初始采样点个数为16。
第二部分是对分裂阈值vs以及终止阈值vt的大小的初始化,在算法迭代过程中,需要一个分裂阀值vs和一个终止阀值vt,分裂阀值vs用来判断像素块是否需要分裂成子像素块,终止阀值vt用来判断像素块是否达到收敛。vs和vt都是经验值,在本实施例的算法实现中,经过多次实验结果比较,将终止阀值vt设置为0.0002,分裂阀值vs设为300·vt。
像素块方差误差度量eb的计算方法,包括以下步骤:
A1、以像素区域为对象,生成缓冲区A和缓冲区B,计算该像素区域内每个像素点的R、G、B颜色分量后,计算方差σ2,公式为:
式(1)中,σ2为像素点p的方差,
Ap r为A缓冲区像素点p的RGB值R分量,Ap g为A缓冲区像素点p的RGB值G分量,Ap b为A缓冲区像素点p的RGB值B分量;且,初始像素块对应的Ap r、Ap g、Ap b的值分别为0;
Bp r为B缓冲区像素点p的RGB值R分量,Bp g为B缓冲区像素点p的RGB值G分量,Bp b为B缓冲区像素点p的RGB值B分量;
A2、计算像素块方差误差度量eb,公式如下:
式(2)中,N是像素点的总数,Ab和Ai分别是像素区域以及整个图像的面积值。
S2、将像素块方差误差度量eb,与预设的分裂阈值vs和终止阈值vt进行比较,比较方式如下:
若eb≥vs,则转入步骤S3;
若vs>eb>vt,则转入步骤S4;
若eb≤vt,则停止对此像素区域增加采样点,停止此像素区域的迭代;
S3、增加d个采样点,以均匀分布(N+d)个采样点的方式将初始像素块分为(N+d)个像素区域,重复步骤S1-S2;
S4、将初始像素块作为母像素块,分裂为两个子像素块的方差误差度量eb相等的子像素块,并分别增加d个的采样点,分别计算子像素块方差误差度量eb,并分别重复步骤S1-S2;
母像素块的分裂算法,包括以下步骤:
B1、如图2所示;假设以整个图像为初始像素块,图像区域内均布N个采样像素点,以整个图像的X轴和Y轴坐标,构建线性表X;线性表X中的元素包括像素块左上顶点坐标、右下顶点及一个判断标志位F;
B2、若vs>eb>vt,则F=false,以初始像素块为父像素块节点,将父像素块节点分裂成的两个方差误差度量eb相等的子像素块节点存入线性表X中,同时删除线性表X中的父像素块节点;
B3、分别于分裂的子像素块增加d个的采样点,分别计算子像素块方差误差度量eb,并分别重复步骤B2。
同上,于线性表X中,若eb≥vs,则F=false,转入步骤S3;若eb≤vt,则F=true,停止此像素块节点的迭代。
根据判断标志位F,判断线性表X中是否还有未终止的像素块信息,若有则继续进行迭代,若没有则终止迭代。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。

Claims (7)

1.基于像素块方差的自适应采样方法,其特征在于,基于蒙特卡罗光线追踪的全局光照绘制方法,包括步骤如下:
S1、以整个图像为初始像素块,以均匀分布N个采样像素点的方式将初始像素块分为N个像素区域,计算像素块方差误差度量eb,
S2、将像素块方差误差度量eb,与预设的分裂阈值vs和终止阈值vt进行比较,比较方式如下:
若eb≥vs,则转入步骤S3;
若vs>eb>vt,则转入步骤S4;
若eb≤vt,则停止对此像素区域增加采样点,停止此像素区域的迭代;
S3、增加d个采样点,以均匀分布(N+d)个采样点的方式将初始像素块分为(N+d)个像素区域,重复步骤S1-S2;
S4、将初始像素块作为母像素块,分裂为两个子像素块,并分别增加d个的采样点,分别计算子像素块方差误差度量eb,并分别重复步骤S1-S2。
2.根据权利要求1所述的基于像素块方差的自适应采样方法,其特征在于,所述步骤S1中的终止阀值vt预设值为0.0002,分裂阀值vs预设值为300·vt。
3.根据权利要求1所述的基于像素块方差的自适应采样方法,其特征在于,所述步骤S1中像素块方差误差度量eb的计算方法,包括以下步骤:
A1、以像素区域为对象,生成缓冲区A和缓冲区B,计算该像素区域内每个像素点的R、G、B颜色分量后,计算方差σ2,公式为:
式(1)中,σ2为像素点p的方差,
Ap r为A缓冲区像素点p的RGB值R分量,Ap g为A缓冲区像素点p的RGB值G分量,Ap b为A缓冲区像素点p的RGB值B分量;且,初始像素块对应的Ap r、Ap g、Ap b的值分别为0;
Bp r为B缓冲区像素点p的RGB值R分量,Bp g为B缓冲区像素点p的RGB值G分量,Bp b为B缓冲区像素点p的RGB值B分量;
A2、计算像素块方差误差度量eb,公式如下:
式(2)中,N是像素点的总数,Ab和Ai分别是像素区域以及整个图像的面积值。
4.根据权利要求1所述的基于像素块方差的自适应采样方法,其特征在于,所述步骤S4中分裂的两个子像素块的方差误差度量eb相等。
5.根据权利要求1所述的基于像素块方差的自适应采样方法,其特征在于,所述步骤S4中母像素块的分裂算法,包括以下步骤:
B1、假设以整个图像为初始像素块,图像区域内均布N个采样像素点,以整个图像的X轴和Y轴坐标,构建线性表X;线性表X中的元素包括像素块左上顶点坐标、右下顶点及一个判断标志位F;
B2、若vs>eb>vt,则F=false,以初始像素块为父像素块节点,将父像素块节点分裂成的两个子像素块节点存入线性表X中,同时删除线性表X中的父像素块节点;
B3、分别于子像素块增加d个的采样点,分别计算子像素块方差误差度量eb,并分别重复步骤B2。
6.根据权利要求5所述的基于像素块方差的自适应采样方法,其特征在于,
若eb≥vs,则F=false,转入步骤S3;
若eb≤vt,则F=true,停止此像素块节点的迭代。
7.根据权利要求5所述的基于像素块方差的自适应采样方法,其特征在于,根据判断标志位F,判断线性表X中是否还有未终止的像素块信息,若有则继续进行迭代,若没有则终止迭代。
CN201910166548.6A 2019-03-06 2019-03-06 基于像素块方差的自适应采样方法 Active CN109961499B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910166548.6A CN109961499B (zh) 2019-03-06 2019-03-06 基于像素块方差的自适应采样方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910166548.6A CN109961499B (zh) 2019-03-06 2019-03-06 基于像素块方差的自适应采样方法

Publications (2)

Publication Number Publication Date
CN109961499A true CN109961499A (zh) 2019-07-02
CN109961499B CN109961499B (zh) 2022-10-14

Family

ID=67024083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910166548.6A Active CN109961499B (zh) 2019-03-06 2019-03-06 基于像素块方差的自适应采样方法

Country Status (1)

Country Link
CN (1) CN109961499B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111181889A (zh) * 2019-11-22 2020-05-19 紫光展锐(重庆)科技有限公司 频偏估计样本接收控制方法、系统、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222356A (zh) * 2011-06-13 2011-10-19 天津大学 一种绘制真实感图形的方法
CN102314703A (zh) * 2011-06-14 2012-01-11 天津大学 一种蒙特卡罗全局光照的自适应抽样方法
CN105096370A (zh) * 2015-07-15 2015-11-25 西安邮电大学 光线追踪的等价划分反锯齿方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222356A (zh) * 2011-06-13 2011-10-19 天津大学 一种绘制真实感图形的方法
CN102314703A (zh) * 2011-06-14 2012-01-11 天津大学 一种蒙特卡罗全局光照的自适应抽样方法
CN105096370A (zh) * 2015-07-15 2015-11-25 西安邮电大学 光线追踪的等价划分反锯齿方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
LEE M E等: "Statistically optimized sampling for distributed ray tracing", 《CONFERENCE ON COMPUTER GRAPHICS AND INTERACTIVE TECHNIQUES. ACM》 *
姚承宗等: "基于非局部均值的自适应采样", 《信息技术》 *
曹小鹏等: "光线追踪等价划分反锯齿算法", 《计算机应用研究》 *
袁红亮等: "用SURE引导自适应采样与采样颜色直方图重构", 《计算机辅助设计与图形学学报》 *
邢连萍等: "基于信息熵的蒙特卡罗全局光照的自适应抽样", 《计算机工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111181889A (zh) * 2019-11-22 2020-05-19 紫光展锐(重庆)科技有限公司 频偏估计样本接收控制方法、系统、设备及存储介质
CN111181889B (zh) * 2019-11-22 2022-08-16 紫光展锐(重庆)科技有限公司 频偏估计样本接收控制方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN109961499B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN109387204B (zh) 面向室内动态环境的移动机器人同步定位与构图方法
CN104809739B (zh) 一种超广角镜头相机视频实时校正的方法
CN106709931B (zh) 一种脸谱映射至人脸的方法、脸谱映射装置
CN107590791B (zh) 图像增强方法以及图像处理装置
CN104143186B (zh) 一种slic超像素分块优化方法
CN111179150B (zh) 一种基于绘制指令流的着色器自动简化方法和系统
WO2012149772A1 (zh) 一种渐变动画的生成方法和装置
CN106875437A (zh) 一种面向rgbd三维重建的关键帧提取方法
CN104021533B (zh) 一种实时图像降噪方法及装置
CN108765288B (zh) 一种基于边缘保持的pocs图像超分辨重建方法
CN110910308B (zh) 图像处理方法、装置、设备和介质
CN106228590B (zh) 一种图像中的人体姿态编辑方法
CN109961499A (zh) 基于像素块方差的自适应采样方法
CN106815879B (zh) 一种基于lbp特征的快速纹理合成方法
US10733791B2 (en) Real-time rendering method based on energy consumption-error precomputation
CN105740867B (zh) 图像纹理窗口形状与尺度的选择方法
CN108596840B (zh) 一种用于深度学习评定血管网络发育水平的数据集增强方法
CN106526651B (zh) 一种探测器晶体位置表的建立方法及系统
CN109978916A (zh) 基于灰度图像特征匹配的Vibe运动目标检测方法
US20170140569A1 (en) System and method for optimized sparse volume rendering
CN106803952B (zh) 结合jnd模型的交叉验证深度图质量评价方法
CN109308709A (zh) 基于图像分割的Vibe运动目标检测算法
CN117034572A (zh) 一种基于流通系数的等比例阀门的建模方法
CN114882095B (zh) 一种基于轮廓匹配的物体高度在线测量方法
CN115170387A (zh) 一种基于艺术创作的像素风格化卡通图像的处理方法

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
GR01 Patent grant
GR01 Patent grant