CN111080764A - 体纹理合成方法、装置与设备 - Google Patents
体纹理合成方法、装置与设备 Download PDFInfo
- Publication number
- CN111080764A CN111080764A CN201911287257.9A CN201911287257A CN111080764A CN 111080764 A CN111080764 A CN 111080764A CN 201911287257 A CN201911287257 A CN 201911287257A CN 111080764 A CN111080764 A CN 111080764A
- Authority
- CN
- China
- Prior art keywords
- rbf
- volume
- dimensional
- texture
- instance
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000002194 synthesizing effect Effects 0.000 title claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 239000003086 colorant Substances 0.000 claims abstract description 12
- 230000000875 corresponding effect Effects 0.000 claims description 79
- 230000006870 function Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 19
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 238000003786 synthesis reaction Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 10
- 238000001308 synthesis method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Image Generation (AREA)
Abstract
本申请提供一种体纹理合成方法、装置与设备，涉及计算机图形学技术领域，其中，该方法包括：对样例图像进行超像素分割；根据超像素分割结果生成矢量图像，矢量图像中包含一系列二维径向基函数RBF实例，每个二维RBF实例包含对应的二维RBF基元和二维RBF基元的位置，二维RBF基元与超像素分割结果中的超像素一一对应，二维RBF基元具有对应的颜色、符号距离函数SDF值和有效范围；根据矢量图像生成RBF体纹理图像，RBF体纹理图像中包括多个体积RBF实例，每个体积RBF实例包含对应的体积RBF基元和体积RBF基元的位置；对RBF体纹理图像进行纹理优化，生成目标体纹理图像。本申请提供的技术方案，可以降低计算和存储开销。
Description
技术领域
本申请涉及计算机图形学技术领域，尤其涉及一种体纹理合成方法、装置与设备。
背景技术
纹理可以为几何表面提供丰富细节，而被广泛地应用于计算机图形学中的各个领域。纹理合成技术是目前获取纹理图像的主要手段，它可以克服传统的纹理映射引起的纹理接缝或纹理扭曲等缺陷。
随着二维纹理合成技术逐步趋于成熟，具有超强真实感的三维体纹理合成技术得到了越来越多研究人员的关注。体纹理合成技术可以满足更逼真的真实感需求，同时可以提供纹理的内部信息。目前，大多数体纹理合成方法都是生成光栅体纹理，该方法是根据提供的二维光栅样例图像生成三维的光栅体纹理图像。由于光栅体纹理不便于编辑，且占用大量的存储空间，为此一些学者提出了矢量化技术来解决该问题，该技术是在生成光栅体纹理图像后，将光栅体纹理图像转化为矢量图像。
但是，目前的采用矢量化技术进行体纹理合成的方法，其光栅合成过程和矢量化转换过程仍需要大量的计算和存储空间。
发明内容
有鉴于此，本申请实施例提供一种体纹理合成方法、装置与设备，用于降低计算和存储开销。
第一方面，本申请实施例提供一种体纹理合成方法，包括：
对样例图像进行超像素分割；
根据超像素分割结果生成矢量图像，所述矢量图像中包含一系列二维径向基函数RBF实例，每个二维RBF实例包含对应的二维RBF基元和所述二维RBF基元的位置，所述二维RBF基元与所述超像素分割结果中的超像素一一对应，所述二维RBF基元具有对应的颜色、符号距离函数SDF值和有效范围，所述二维RBF基元的颜色、SDF值和有效范围均根据对应的超像素生成，所述矢量图像采用RBF确定二维RBF实例的有效范围；
根据所述矢量图像生成RBF体纹理图像，所述RBF体纹理图像中包括多个体积RBF实例，每个体积RBF实例包含对应的体积RBF基元和所述体积RBF基元的位置，所述体积RBF基元与所述二维RBF基元对应；
对所述RBF体纹理图像进行纹理优化，生成目标体纹理图像。
作为本申请实施例一种可选的实施方式，所述对样例图像进行超像素分割，包括：
根据所述样例图像对应的SDF图像，采用简单的线性迭代聚类SLIC算法对样例图像进行超像素分割；其中，同一超像素包含的像素的SDF符号相同，所述超像素的尺寸与对应的聚类中心的SDF绝对值呈正相关。
作为本申请实施例一种可选的实施方式，所述根据超像素分割结果生成矢量图像，包括：
确定超像素分割结果中每个超像素的平均颜色和平均SDF值；
根据确定结果生成矢量图像，所述矢量图像中每个二维RBF实例包含的二维RBF基元的颜色和SDF值分别为对应的超像素的平均颜色和平均SDF值，所述二维RBF实例中二维RBF基元的有效范围根据对应的超像素的尺寸确定，所述二维RBF实例中二维RBF基元的位置为对应的超像素的中心位置。
作为本申请实施例一种可选的实施方式，所述根据所述矢量图像生成RBF体纹理图像，包括：
根据所述矢量图像中的二维RBF基元集生成体积RBF基元集；所述体积RBF基元集中的体积RBF基元与所述二维RBF基元集中的二维RBF基元对应，每个体积RBF基元的颜色和RBF值与对应的二维RBF基元的颜色和RBF值一致，每个体积RBF基元的三维有效范围的半径与对应的二维RBF基元的有效范围的半径一致；
根据所述体积RBF基元集生成RBF体纹理图像。
作为本申请实施例一种可选的实施方式，所述对所述RBF体纹理图像进行纹理优化，生成目标体纹理图像，包括：
对所述RBF体纹理图像中的每个体积RBF实例，确定所述体积RBF实例的平面RBF实例邻居，所述平面RBF实例邻居是所述体积RBF实例的目标邻居范围内的体积RBF实例邻居在三个互相垂直的平面上分别进行等距离投影得到的，所述目标邻居范围是根据矢量图像的平均单环沃洛诺依相邻距离确定的；
确定每个所述平面RBF实例邻居在所述矢量图像中的最相似RBF实例；
根据各所述最相似RBF实例相对于所述RBF实例进行反投影得到候选体积RBF实例；
根据各所述候选体积RBF实例更新所述体积RBF实例；
根据预设的纹理能量函数确定全局纹理能量值，若所述全局纹理能量值不符合预设要求则返回执行上述确定所述体积RBF实例的平面RBF实例邻居的步骤，直至所述全局纹理能量值符合预设要求，并将最后一次更新后得到的RBF体纹理图像确定为目标体纹理图像。
作为本申请实施例一种可选的实施方式，所述全局纹理能量值是根据所述RBF体纹理图像中每个体积RBF实例的平面RBF实例邻居和最相似RBF实例之间的相对位置差、颜色差和SDF值之差确定的。
作为本申请实施例一种可选的实施方式，所述矢量图像和所述目标体积纹理图像中任意位置的RBF纹理的SDF值和颜色通过如下公式进行估计：
其中，SDF(p)表示位置p的SDF值，c(p)表示位置p的颜色，Sp表示以p为中心的空间范围，ir表示位于Sp范围内的RBF实例，Φr表示定义了RBF实例的有效范围的RBF，当函数
的两个输入符号相同时返回1否则返回0，ri表示RBF有效范围半径的归一化项，k表示归一化因子，c(ir)表示RBF实例ir的颜色。
第二方面，本申请实施例提供一种体纹理合成装置，包括：
分割模块，用于对样例图像进行超像素分割；
矢量图像生成模块，用于根据超像素分割结果生成矢量图像，所述矢量图像中包含一系列二维径向基函数RBF实例，每个二维RBF实例包含对应的二维RBF基元和所述二维RBF基元的位置，所述二维RBF基元与所述超像素分割结果中的超像素一一对应，所述二维RBF基元具有对应的颜色、符号距离函数SDF值和有效范围，所述二维RBF基元的颜色、SDF值和有效范围均根据对应的超像素生成，所述矢量图像采用RBF确定二维RBF实例的有效范围；
体纹理图像生成模块，用于根据所述矢量图像生成RBF体纹理图像，所述RBF体纹理图像中包括多个体积RBF实例，每个体积RBF实例包含对应的体积RBF基元和所述体积RBF基元的位置，所述体积RBF基元与所述二维RBF基元对应；
纹理优化模块，用于对所述RBF体纹理图像进行纹理优化，生成目标体纹理图像。
作为本申请实施例一种可选的实施方式，分割模块具体用于：
根据所述样例图像对应的SDF图像，采用简单的线性迭代聚类SLIC算法对样例图像进行超像素分割；其中，同一超像素包含的像素的SDF符号相同，所述超像素的尺寸与对应的聚类中心的SDF绝对值呈正相关。
作为本申请实施例一种可选的实施方式，所述矢量图像生成模块具体用于：
确定超像素分割结果中每个超像素的平均颜色和平均SDF值；
根据确定结果生成矢量图像，所述矢量图像中每个二维RBF实例包含的二维RBF基元的颜色和SDF值分别为对应的超像素的平均颜色和平均SDF值，所述二维RBF实例中二维RBF基元的有效范围根据对应的超像素的尺寸确定，所述二维RBF实例中二维RBF基元的位置为对应的超像素的中心位置。
作为本申请实施例一种可选的实施方式，所述体纹理图像生成模块具体用于：
根据所述矢量图像中的二维RBF基元集生成体积RBF基元集；所述体积RBF基元集中的体积RBF基元与所述二维RBF基元集中的二维RBF基元对应，每个体积RBF基元的颜色和RBF值与对应的二维RBF基元的颜色和RBF值一致，每个体积RBF基元的三维有效范围的半径与对应的二维RBF基元的有效范围的半径一致；
根据所述体积RBF基元集生成RBF体纹理图像。
作为本申请实施例一种可选的实施方式，所述纹理优化模块具体用于：
对所述RBF体纹理图像中的每个体积RBF实例，确定所述体积RBF实例的平面RBF实例邻居，所述平面RBF实例邻居是所述体积RBF实例的目标邻居范围内的体积RBF实例邻居在三个互相垂直的平面上分别进行等距离投影得到的，所述目标邻居范围是根据矢量图像的平均单环沃洛诺依相邻距离确定的；
确定每个所述平面RBF实例邻居在所述矢量图像中的最相似RBF实例；
根据各所述最相似RBF实例相对于所述RBF实例进行反投影得到候选体积RBF实例；
根据各所述候选体积RBF实例更新所述体积RBF实例；
根据预设的纹理能量函数确定全局纹理能量值，若所述全局纹理能量值不符合预设要求则返回执行上述确定所述体积RBF实例的平面RBF实例邻居的步骤，直至所述全局纹理能量值符合预设要求，并将最后一次更新后得到的RBF体纹理图像确定为目标体纹理图像。
作为本申请实施例一种可选的实施方式，所述全局纹理能量值是根据所述RBF体纹理图像中每个体积RBF实例的平面RBF实例邻居和最相似RBF实例之间的相对位置差、颜色差和SDF值之差确定的。
作为本申请实施例一种可选的实施方式，所述矢量图像和所述目标体积纹理图像中任意位置的RBF纹理的SDF值和颜色通过如下公式进行估计：
其中，SDF(p)表示位置p的SDF值，c(p)表示位置p的颜色，Sp表示以p为中心的空间范围，ir表示位于Sp范围内的RBF实例，Φr表示定义了RBF实例的有效范围的RBF，当函数
的两个输入符号相同时返回1否则返回0，ri表示RBF有效范围半径的归一化项，k表示归一化因子，c(ir)表示RBF实例ir的颜色。
第三方面，本申请实施例提供一种体纹理生成设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行上述第一方面或第一方面的任一实施方式所述的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面或第一方面的任一实施方式所述的方法。
第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在体纹理生成设备上运行时，使得体纹理生成设备执行上述第一方面中任一项所述的体纹理生成方法。
本申请实施例提供的体纹理合成方法、装置与设备，通过对样例图像进行超像素分割，根据超像素分割结果生成矢量图像，采用矢量图像中的RBF实例替换超像素，可以生成样例图像的粗略矢量化表示；然后再通过根据矢量图像生成RBF体纹理图像，对RBF体纹理图像进行纹理合成和优化，生成目标体纹理图像，可以有效降低计算和存储开销。
附图说明
图1为本申请实施例提供的体纹理合成方法的流程示意图；
图2为本申请实施例提供的超像素分割效果示意图；
图3为本申请实施例提供的RBF体纹理图像中体积RBF实例的位置初始化过程示意图；
图4为本申请实施例提供的纹理优化方法的流程示意图；
图5为本申请实施例提供的构造平面RBF实例邻居的示意图；
图6为本申请实施例提供的生成候选体积RBF实例的示意图；
图7为本申请实施例提供的体纹理合成装置的结构示意图；
图8为本申请实施例提供的体纹理生成设备的结构示意图。
具体实施方式
针对目前的采用矢量化技术进行体纹理合成的方法计算和存储开销大的技术问题，本申请实施例提供一种体纹理合成方法、装置与设备，主要通过在进行体纹理合成时，先对样例图像进行超像素分割，根据超像素分割结果生成矢量图像，采用矢量图像中的径向基函数(Radial Basis Function,RBF)实例替换超像素，然后再根据矢量图像生成RBF体纹理图像，对RBF体纹理图像进行纹理合成和优化，生成目标体纹理图像，来降低计算和存储开销。
本申请实施例基于RBF矢量纹理表示法合成体纹理，为了便于理解，下面先对该RBF矢量纹理表示法进行说明。
纹理信息由两部分组成：区域边界和区域内的颜色变化，基于此，可以将RBF基元定义为：r＝<c,SDF>，其中c是颜色，符号距离函数(Signed Distance Function，SDF)表示区域信息的符号距离值。rp＝<cp,SDFp>表示二维RBF基元，rv＝<cv,SDFv>表示三维RBF基元(即体积RBF基元)。二维RBF基元和三维RBF基元都具有对应的有效范围，两者也只是在有效范围维度上不同，二维RBF基元和三维RBF基元之间可以相互转化，其中，二维RBF基元的有效范围可以为圆形，其对应的三维RBF基元的有效范围可以为球形，两者的半径相同。本申请实施例中，通过将一个RBF基元放置在一个特定的位置来生成一个RBF实例。
RBF纹理图像可以定义为：Tr＝<R,Ir,Φr>，其中，R表示RBF基元集合，Ir表示RBF实例列表，Φr表示定义了RBF实例的有效范围的RBF。可以用Trp＝<Rp,Irp,Φrp>和Trv＝<Rv,Irv,Φrv>分别表示二维RBF纹理图像(也可称为RBF平面纹理图像)和三维RBF纹理图像(也可称为RBF体纹理图像)。
RBF有很多类型，本申请实施例中可以采用Wyvill函数，因其是紧支撑函数。则Φr可以用如下公式表示：
其中，d是特定位置与RBF实例位置之间的距离。
对应的，RBF纹理图像中任意位置的RBF纹理的SDF值和颜色可以通过如下公式进行估计：
其中，SDF(p)表示位置p的SDF值，c(p)表示位置p的颜色，Sp表示以p为中心的空间范围，ir表示位于Sp范围内的RBF实例，Φr表示定义了RBF实例的有效范围的RBF，当函数
的两个输入符号相同时返回1否则返回0，ri表示RBF有效范围半径的归一化项，k表示归一化因子，c(ir)表示RBF实例ir的颜色。RBF纹理图像可以是RBF平面纹理图像，也可以是RBF体纹理图像，即RBF平面纹理图像和RBF体纹理图像中任意位置的RBF纹理的SDF值和颜色都可以通过上述公式(2)和(3)进行估计。
下面结合附图，对本申请的实施例进行描述。
图1为本申请实施例提供的体纹理合成方法的流程示意图，如图1所示，该方法可以包括如下步骤：
S110、对样例图像进行超像素分割。
具体的，样例图像为光栅图像，在对样例图像进行超像素分割前，可以先对样例图像进行平滑等处理，以消除噪声影响。
在具体进行分割时，可以采用简单的线性迭代聚类(Simple Linear IterativeCluster，SLIC)生成超像素。通常，SLIC算法生成的超像素大小是一致的，例如，为了捕获样例图像中狭窄区域的特征，需要使生成的超像素较小，这样就会导致产生大量的超像素。基于此，本申请实施例中可以对SLIC算法进行改进以进行自适应超像素分割。
在具体实现时，可以利用RBF矢量纹理表示法，在进行超像素分割时，除样例图像之外，同时输入样例图像对应的SDF图像，根据样例图像对应的SDF图像，采用SLIC算法对样例图像进行超像素分割。
其中，SDF图像可以直接从样例图像的二进制区域掩码图像转换得到，其数据即为样例图像中各像素点的SDF值。
本实施例中，在进行聚类时，可以增加一个通道来保证像素不会被归类到SDF符号相反的聚类中心，即同一超像素包含的像素的SDF符号相同。在此基础上，可以根据SDF的绝对值自适应调整聚类中心的紧度参数，聚类中心的SDF绝对值越大，其紧度参数越小，对应的超像素尺寸越大，即超像素的尺寸与对应的聚类中心的SDF绝对值呈正相关。通过自适应紧度参数，可以使用更少的超像素来更好地捕获纹理图像边界特征。
图2为本申请实施例提供的超像素分割效果示意图，如图2所示，图(a)和(c)为示例图像，图(b)和(d)为对应的超像素分割结果。在示例图像(a)中，不同区域的特征尺度是相似的，对应的，在图(b)中，各个超像素的大小相似；在示例图像(c)中，背景区域比前景区域窄很多，对应的，在图(d)中，背景区域对应的超像素的大小与前景区域对应的超像素的大小差别较大。
本实施例中，在进行超像素分割时，初始可以从一个较小的目标超像素数进行超像素分割，当样例图像与超像素图像之间的平均色差低于预设阈值时终止，其中，该预设阈值的范围可以为[0.02，0.1]，其具体大小可以根据需要设置。在给定预设阈值的情况下，可以采用对应的尺度来分割样例图像，这样超像素数不仅与样例图像的大小有关，还与样例图像中最适用的特征尺度有关。
S120、根据超像素分割结果生成矢量图像。
其中，矢量图像中包含一系列二维径向基函数RBF实例，每个二维RBF实例包含对应的二维RBF基元和二维RBF基元的位置，二维RBF基元与超像素分割结果中的超像素一一对应，二维RBF基元具有对应的颜色、符号距离函数SDF值和有效范围，二维RBF基元的颜色、SDF值和有效范围均根据对应的超像素生成，矢量图像采用RBF确定二维RBF实例的有效范围。
具体的，在生成超像素后，可以将每个超像素转换成一个RBF基元和一个RBF实例。具体实现时，可以先确定超像素分割结果中每个超像素的平均颜色和平均SDF值，其中，超像素的平均颜色即为超像素包含的各像素的颜色的平均值，超像素的平均SDF值即为超像素包含的各像素的SDF值的平均值。
然后可以根据确定结果生成矢量图像，具体的，可以将超像素的平均颜色和平均SDF值分别赋值给二维RBF基元的颜色和SDF值，然后将超像素对应的二维RBF基元放置在超像素中心位置生成对应的二维RBF实例。
各超像素对应的二维RBF实例形成的二维RBF纹理图像即为矢量图像，即该矢量图像中每个二维RBF实例包含的二维RBF基元的颜色和SDF值分别为对应的超像素的平均颜色和平均SDF值，二维RBF实例中二维RBF基元的有效范围可以根据对应的超像素的尺寸确定，二维RBF实例中二维RBF基元的位置可以为对应的超像素的中心位置。
S130、根据矢量图像生成RBF体纹理图像。
其中，RBF体纹理图像中包括多个体积RBF实例，每个体积RBF实例包含对应的体积RBF基元和体积RBF基元的位置，体积RBF基元与二维RBF基元对应。
具体的，在得到矢量图像后，可以根据矢量图像中的RBF基元生成一个初步的RBF体纹理图像。
在具体实现时，可以先根据矢量图像中的二维RBF基元集生成体积RBF基元集，然后根据体积RBF基元集生成RBF体纹理图像。
其中，体积RBF基元集中的体积RBF基元与二维RBF基元集中的二维RBF基元对应，每个体积RBF基元的颜色和RBF值与对应的二维RBF基元的颜色和RBF值一致，每个体积RBF基元的三维有效范围的半径与对应的二维RBF基元的有效范围的半径一致。
图3为本申请实施例提供的RBF体纹理图像中体积RBF实例的位置初始化过程示意图，如图3所示，初始时，可以根据需要生成的RBF体纹理图像的大小，选取对应数量的体积RBF基元，将这些体积RBF基元放置在进行网格划分后的三维图像中各均匀网格的中心位置(参见图3中(a)图)，生成体积RBF实例；然后可以采用局部抖动方法对各个体积RBF实例的体积RBF基元的位置进行抖动(参见图3中(b)图)，其中，每个体积RBF基元的抖动范围可以根据其有效范围确定，例如在抖动时在其有效范围对应的球形区域内抖动。
S140、对RBF体纹理图像进行纹理优化，生成目标体纹理图像。
具体的，在生成初步的RBF体纹理图像后，可以采用纹理能量函数和类EM纹理优化方法对RBF体纹理图像进行纹理优化，生成最终的RBF体纹理图像(此处称为目标体纹理图像)。
其中，纹理能量函数可以为：
其中，Trvo表示RBF体纹理图像，Trpi表示样例图像对应的二维RBF纹理图像，即矢量图像；irvo表示Trvo中的体积RBF实例，irpi表示Trpi中的二维RBF实例；n(*)表示一个RBF实例的相邻RBF实例集合。
能量函数通过距离度量得出输出Trvo和输入Trpi之间的外观差异。
由于无法直接测量体积RBF实例与平面RBF实例的差值，在具体实现时，可以将体积RBF实例的邻居在二维平面上进行投影，得到体积RBF实例的平面RBF实例邻居。
对应的，上述纹理能量函数可以修改为：
其中，pj表示投影平面，
表示一个构造好的平面RBF实例邻居。
可以采用如下公式进行一个体积RBF实例的平面RBF实例邻居与二维RBF实例邻居(即后续所述的最相似RBF实例)之间的距离度量：
其中，i'rvo与i′rpi为匹配的二维RBF实例对，
表示i'rvo与i′rpi的相对位置差，|c(i'rvo)-c(i'rpi)|2表示i'rvo与i'rpi的色差，|SDF(i'rvo)-SDF(i'rpi)|2表示i'rvo与i′rpi的SDF值之差；α表示色差的相对权重，其可以采用常数0.5；β表示SDF差的相对权重，其可以根据具体的纹理图像确定，对于大范围SDF符号相同的纹理组成的区域，可以使用β＝2加强区域的完整性，否则，可以使用β＝1。
在具体进纹理优化时，可以根据图4所示的方法实现。图4为本申请实施例提供的纹理优化方法的流程示意图，如图4所示，该方法可以包括如下步骤：
S141、对RBF体纹理图像中的每个体积RBF实例，确定体积RBF实例的平面RBF实例邻居。
其中，平面RBF实例邻居是体积RBF实例的目标邻居范围内的体积RBF实例邻居在三个互相垂直的平面上分别进行等距离投影得到的。
具体实现时，可以在XOY、XOZ和YOZ三个平面上投影体积RBF实例的邻居，构造三个平面RBF实例邻居集。
以为体积RBF实例irvo在XOZ平面上构造一个平面RBF实例邻居集为例，在确定平面RBF实例邻居时，可以先拒绝在Y方向上距离irvo过远的实例，具体的距离阈值可以根据需要设置。图5为本申请实施例提供的构造平面RBF实例邻居的示意图，如图5中(a)图所示，所有高于上平面的实例和低于下平面的体积RBF实例都被拒绝，只保留位于上平面和下平面之间的体积RBF实例。然后进行等距离投影，将体积RBF实例的位置投影到XOZ平面上(参见图5中(b)图)；所有投影的平面RBF实例邻居构成一个平面RBF实例邻居集(如图5中(c)图所示)。其中，在确定平面RBF实例邻居时，在进行等距离投影前或者在进行等距离投影后，可以确定一目标范围，对于在上下两个平面之间体积RBF实例，保留位于该目标邻居范围内的体积RBF实例对应的平面RBF实例邻居。其中，该目标邻居范围可以根据矢量图像的平均单环沃洛诺依相邻距离
确定，例如可以根据样例图像的尺度结构选取
的目标邻居范围，较大尺度结构的纹理可以采用较大的目标邻居范围。
S142、确定每个平面RBF实例邻居在矢量图像中的最相似RBF实例。
具体的，在得到平面RBF实例邻居集后，对于每个平面RBF实例邻居，在矢量图像中搜索与其最相似的二维RBF实例(此处称为最相似RBF实例)。为了提高搜索速度，可以采用k相干搜索方法进行搜索。则对于每个二维RBF实例，可以预先计算和维护k个具有最近的二维RBF实例邻居，在搜索过程中，计算每个平面RBF实例邻居与确定的k个二维RBF实例邻居之间的距离，得到每个平面RBF实例邻居的最相似RBF实例，一个平面RBF实例邻居与其最相似RBF实例即构成一个匹配的二维RBF实例对；一个体积RBF实例的所有平面RBF实例邻居的最相似RBF实例构成一个最近邻居集N(Irv)。
S143、根据各最相似RBF实例相对于RBF实例进行反投影得到候选体积RBF实例。
具体的，对于最近邻居集N(Irv)中的每个RBF实例，为每一对匹配的二维RBF实例对生成一个候选体积RBF实例。其中，图6为本申请实施例提供的生成候选体积RBF实例的示意图，其中，图6中图(a)表示irvo的平面RBF实例邻居，图(b)表示irvo的各个最相似RBF实例，图(c)表示反投影得到候选体积RBF实例。如图6所示，体积RBF实例irvo的平面RBF实例邻居nvpi(如图6中(a)图所示)有一个最相似RBF实例npi(图6中(b)图所示)。nvi(参见图6中(c)图)为投影前nvpi的相应体积RBF实例，因此，nvi有一个候选RBF基元，其投影位置为n'vpi(如图6中(a)图所示)；nvi的候选体积RBF实例n'vi被一个与nvi具有相同空间角度(如图6中(c)图所示的αvi和α′vi)的反投影位置所指定。
每个最相似RBF实例对应一个候选体积RBF实例，每个体积RBF实例的最近邻居集N(Irv)中各个最相似RBF实例对应的候选体积RBF实例构成一个候选体积RBF实例集Cirv。
S144、根据各候选体积RBF实例更新体积RBF实例。
具体的，在得到候选体积RBF实例集Cirv后，可以根据候选体积RBF实例集Cirv中各候选体积RBF实例更新体积RBF实例irvo的位置和三维RBF基元。
其中，对于体积RBF实例irvo的位置，可以将irvo的各候选体积RBF实例的位置平均值作为更新后的位置；对于体积RBF实例irvo的RBF基元，可以采用投票方案，具体可以先计算具有正负SDF符号的候选RBF基元(即候选体积RBF实例的三维RBF基元)的数量，取SDF符号为较多数量SDF符号的候选RBF基元，从中选择SDF值与平均SDF值最接近的候选RBF基元作为更新后的三维RBF基元。
S145、根据预设的纹理能量函数确定全局纹理能量值，判断全局纹理能量值是否符合预设要求，若是则执行步骤S146，否则执行步骤S141。
具体的，在更新完RBF体纹理图像中各个体积RBF实例后，可以采用公式(5)和(6)计算各个体积RBF实例的各个平面RBF实例邻居集对应的纹理能量值之和，得到全局纹理能量值。然后就可以判断全局纹理能量值是否符合预设要求，例如，是否低于预设能量值，或者与上一次更新后的全局纹理能量值之差是否小于预设能量值；在不符合预设要求的情况下，返回执行步骤S141，进行下一次更新，即重复执行步骤S141-S145，直至全局纹理能量值符合预设要求为止。
其中，在确定迭代更新终止条件时，也可以通过判断全局纹理能量值和迭代次数是否符合预设要求，该预设要求例如可以包括：全局纹理能量值低于预设能量值或迭代次数达到预设次数，即在全局纹理能量值低于预设能量值或迭代次数达到预设次数的情况下，终止迭代更新。
S146、将最后一次更新后得到的RBF体纹理图像确定为目标体纹理图像。
具体的，迭代更新结束，此时得到的RBF体纹理图像与样例图像差异较小，将其确定为最终的目标体纹理图像。
本实施例提供的体纹理合成方法，通过对样例图像进行超像素分割，根据超像素分割结果生成矢量图像，采用矢量图像中的RBF实例替换超像素，可以生成样例图像的粗略矢量化表示；然后再通过根据矢量图像生成RBF体纹理图像，对RBF体纹理图像进行纹理合成和优化，生成目标体纹理图像，可以有效降低计算和存储开销。
基于同一发明构思，作为对上述方法的实现，本申请实施例提供了一种体纹理合成装置，该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。
图7为本申请实施例提供的体纹理合成装置的结构示意图，如图7所示，本实施例提供的装置包括：
分割模块110，用于对样例图像进行超像素分割；
矢量图像生成模块120，用于根据超像素分割结果生成矢量图像，矢量图像中包含一系列二维径向基函数RBF实例，每个二维RBF实例包含对应的二维RBF基元和二维RBF基元的位置，二维RBF基元与超像素分割结果中的超像素一一对应，二维RBF基元具有对应的颜色、符号距离函数SDF值和有效范围，二维RBF基元的颜色、SDF值和有效范围均根据对应的超像素生成，矢量图像采用RBF确定二维RBF实例的有效范围；
体纹理图像生成模块130，用于根据矢量图像生成RBF体纹理图像，RBF体纹理图像中包括多个体积RBF实例，每个体积RBF实例包含对应的体积RBF基元和体积RBF基元的位置，体积RBF基元与二维RBF基元对应；
纹理优化模块140，用于对RBF体纹理图像进行纹理优化，生成目标体纹理图像。
作为本申请实施例一种可选的实施方式，分割模块110具体用于：
根据样例图像对应的SDF图像，采用简单的线性迭代聚类SLIC算法对样例图像进行超像素分割；其中，同一超像素包含的像素的SDF符号相同，超像素的尺寸与对应的聚类中心的SDF绝对值呈正相关。
作为本申请实施例一种可选的实施方式，矢量图像生成模块120具体用于：
确定超像素分割结果中每个超像素的平均颜色和平均SDF值；
根据确定结果生成矢量图像，矢量图像中每个二维RBF实例包含的二维RBF基元的颜色和SDF值分别为对应的超像素的平均颜色和平均SDF值，二维RBF实例中二维RBF基元的有效范围根据对应的超像素的尺寸确定，二维RBF实例中二维RBF基元的位置为对应的超像素的中心位置。
作为本申请实施例一种可选的实施方式，体纹理图像生成模块130具体用于：
根据矢量图像中的二维RBF基元集生成体积RBF基元集；体积RBF基元集中的体积RBF基元与二维RBF基元集中的二维RBF基元对应，每个体积RBF基元的颜色和RBF值与对应的二维RBF基元的颜色和RBF值一致，每个体积RBF基元的三维有效范围的半径与对应的二维RBF基元的有效范围的半径一致；
根据体积RBF基元集生成RBF体纹理图像。
作为本申请实施例一种可选的实施方式，纹理优化模块140具体用于：
对RBF体纹理图像中的每个体积RBF实例，确定体积RBF实例的平面RBF实例邻居，平面RBF实例邻居是体积RBF实例的目标邻居范围内的体积RBF实例邻居在三个互相垂直的平面上分别进行等距离投影得到的，目标邻居范围是根据矢量图像的平均单环沃洛诺依相邻距离确定的；
确定每个平面RBF实例邻居在矢量图像中的最相似RBF实例；
根据各最相似RBF实例相对于RBF实例进行反投影得到候选体积RBF实例；
根据各候选体积RBF实例更新体积RBF实例；
根据预设的纹理能量函数确定全局纹理能量值，若全局纹理能量值不符合预设要求则返回执行上述确定体积RBF实例的平面RBF实例邻居的步骤，直至全局纹理能量值符合预设要求，并将最后一次更新后得到的RBF体纹理图像确定为目标体纹理图像。
作为本申请实施例一种可选的实施方式，全局纹理能量值是根据RBF体纹理图像中每个体积RBF实例的平面RBF实例邻居和最相似RBF实例之间的相对位置差、颜色差和SDF值之差确定的。
作为本申请实施例一种可选的实施方式，矢量图像和目标体积纹理图像中任意位置的RBF纹理的SDF值和颜色通过如下公式进行估计：
其中，SDF(p)表示位置p的SDF值，c(p)表示位置p的颜色，Sp表示以p为中心的空间范围，ir表示位于Sp范围内的RBF实例，Φr表示定义了RBF实例的有效范围的RBF，当函数
的两个输入符号相同时返回1否则返回0，ri表示RBF有效范围半径的归一化项，k表示归一化因子，c(ir)表示RBF实例ir的颜色。
本实施例提供的装置可以执行上述方法实施例，其实现原理与技术效果类似，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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单元中，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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
基于同一发明构思，本申请实施例还提供了一种体纹理生成设备。图8为本申请实施例提供的体纹理生成设备的结构示意图，如图8所示，本实施例提供的体纹理生成设备包括：存储器210和处理器220，存储器210用于存储计算机程序；处理器220用于在调用计算机程序时执行上述方法实施例所述的方法。
本实施例提供的体纹理生成设备可以执行上述方法实施例，其实现原理与技术效果类似，此处不再赘述。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例所述的方法。
本申请实施例还提供一种计算机程序产品，当计算机程序产品在体纹理生成设备上运行时，使得体纹理生成设备执行时实现上述方法实施例所述的方法。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种体纹理合成方法，其特征在于，包括：
对样例图像进行超像素分割；
根据超像素分割结果生成矢量图像，所述矢量图像中包含一系列二维径向基函数RBF实例，每个二维RBF实例包含对应的二维RBF基元和所述二维RBF基元的位置，所述二维RBF基元与所述超像素分割结果中的超像素一一对应，所述二维RBF基元具有对应的颜色、符号距离函数SDF值和有效范围，所述二维RBF基元的颜色、SDF值和有效范围均根据对应的超像素生成，所述矢量图像采用RBF确定二维RBF实例的有效范围；
根据所述矢量图像生成RBF体纹理图像，所述RBF体纹理图像中包括多个体积RBF实例，每个体积RBF实例包含对应的体积RBF基元和所述体积RBF基元的位置，所述体积RBF基元与所述二维RBF基元对应；
对所述RBF体纹理图像进行纹理优化，生成目标体纹理图像。
2.根据权利要求1所述的体纹理合成方法，其特征在于，所述对样例图像进行超像素分割，包括：
根据所述样例图像对应的SDF图像，采用简单的线性迭代聚类SLIC算法对样例图像进行超像素分割；其中，同一超像素包含的像素的SDF符号相同，所述超像素的尺寸与对应的聚类中心的SDF绝对值呈正相关。
3.根据权利要求1所述的体纹理合成方法，其特征在于，所述根据超像素分割结果生成矢量图像，包括：
确定超像素分割结果中每个超像素的平均颜色和平均SDF值；
根据确定结果生成矢量图像，所述矢量图像中每个二维RBF实例包含的二维RBF基元的颜色和SDF值分别为对应的超像素的平均颜色和平均SDF值，所述二维RBF实例中二维RBF基元的有效范围根据对应的超像素的尺寸确定，所述二维RBF实例中二维RBF基元的位置为对应的超像素的中心位置。
4.根据权利要求1所述的体纹理合成方法，其特征在于，所述根据所述矢量图像生成RBF体纹理图像，包括：
根据所述矢量图像中的二维RBF基元集生成体积RBF基元集；所述体积RBF基元集中的体积RBF基元与所述二维RBF基元集中的二维RBF基元对应，每个体积RBF基元的颜色和RBF值与对应的二维RBF基元的颜色和RBF值一致，每个体积RBF基元的三维有效范围的半径与对应的二维RBF基元的有效范围的半径一致；
根据所述体积RBF基元集生成RBF体纹理图像。
5.根据权利要求1所述的体纹理合成方法，其特征在于，所述对所述RBF体纹理图像进行纹理优化，生成目标体纹理图像，包括：
对所述RBF体纹理图像中的每个体积RBF实例，确定所述体积RBF实例的平面RBF实例邻居，所述平面RBF实例邻居是所述体积RBF实例的目标邻居范围内的体积RBF实例邻居在三个互相垂直的平面上分别进行等距离投影得到的，所述目标邻居范围是根据矢量图像的平均单环沃洛诺依相邻距离确定的；
确定每个所述平面RBF实例邻居在所述矢量图像中的最相似RBF实例；
根据各所述最相似RBF实例相对于所述RBF实例进行反投影得到候选体积RBF实例；
根据各所述候选体积RBF实例更新所述体积RBF实例；
根据预设的纹理能量函数确定全局纹理能量值，若所述全局纹理能量值不符合预设要求则返回执行上述确定所述体积RBF实例的平面RBF实例邻居的步骤，直至所述全局纹理能量值符合预设要求，并将最后一次更新后得到的RBF体纹理图像确定为目标体纹理图像。
6.根据权利要求5所述的体纹理合成方法，其特征在于，所述全局纹理能量值是根据所述RBF体纹理图像中每个体积RBF实例的平面RBF实例邻居和最相似RBF实例之间的相对位置差、颜色差和SDF值之差确定的。
7.根据权利要求1-6任一项所述的体纹理合成方法，其特征在于，所述矢量图像和所述目标体积纹理图像中任意位置的RBF纹理的SDF值和颜色通过如下公式进行估计：
其中，SDF(p)表示位置p的SDF值，c(p)表示位置p的颜色，Sp表示以p为中心的空间范围，ir表示位于Sp范围内的RBF实例，Φr表示定义了RBF实例的有效范围的RBF，当函数
的两个输入符号相同时返回1否则返回0，ri表示RBF有效范围半径的归一化项，k表示归一化因子，c(ir)表示RBF实例ir的颜色。
8.一种体纹理合成装置，其特征在于，包括：
分割模块，用于对样例图像进行超像素分割；
矢量图像生成模块，用于根据超像素分割结果生成矢量图像，所述矢量图像中包含一系列二维径向基函数RBF实例，每个二维RBF实例包含对应的二维RBF基元和所述二维RBF基元的位置，所述二维RBF基元与所述超像素分割结果中的超像素一一对应，所述二维RBF基元具有对应的颜色、符号距离函数SDF值和有效范围，所述二维RBF基元的颜色、SDF值和有效范围均根据对应的超像素生成，所述矢量图像采用RBF确定二维RBF实例的有效范围；
体纹理图像生成模块，用于根据所述矢量图像生成RBF体纹理图像，所述RBF体纹理图像中包括多个体积RBF实例，每个体积RBF实例包含对应的体积RBF基元和所述体积RBF基元的位置，所述体积RBF基元与所述二维RBF基元对应；
纹理优化模块，用于对所述RBF体纹理图像进行纹理优化，生成目标体纹理图像。
9.一种体纹理生成设备，其特征在于，包括：存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于在调用所述计算机程序时执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911287257.9A CN111080764A (zh) | 2019-12-14 | 2019-12-14 | 体纹理合成方法、装置与设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911287257.9A CN111080764A (zh) | 2019-12-14 | 2019-12-14 | 体纹理合成方法、装置与设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111080764A true CN111080764A (zh) | 2020-04-28 |
Family
ID=70314590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911287257.9A Withdrawn CN111080764A (zh) | 2019-12-14 | 2019-12-14 | 体纹理合成方法、装置与设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111080764A (zh) |
-
2019
- 2019-12-14 CN CN201911287257.9A patent/CN111080764A/zh not_active Withdrawn
Non-Patent Citations (3)
| Title |
|---|
| QIAN Y等: "Vector Solid Texture Synthesis Using Two-scale Shaping Model", 《PROCEEDINGS OF THE 21ST ACM SYMPOSIUM ON VIRTUAL REALITY SOFTWARE AND TECHNOLOGY》 * |
| QIAN，YINLING: "《The Chinese University of HongKong》", 31 December 2018 * |
| WANG L等: "Vector Solid Textures", 《ACM TRANSACTIONS ON GRAPHICS (TOG)》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5936628A (en) | Three-dimensional model processing method, and apparatus therefor | |
| JP5149288B2 (ja) | 非等長的（ａｎｉｓｏｍｅｔｒｉｃ）テクスチャ（ｔｅｘｔｕｒｅ）の合成（ｓｙｎｔｈｅｓｉｓ） | |
| CN104616278B (zh) | 三维点云兴趣点检测方法和系统 | |
| CN107369131B (zh) | 图像的显著性检测方法、装置、存储介质和处理器 | |
| US20130071028A1 (en) | System and Method for Estimating Spatially Varying Defocus Blur in a Digital Image | |
| CN114373056B (zh) | 一种三维重建方法、装置、终端设备及存储介质 | |
| CN111627065A (zh) | 一种视觉定位方法及装置、存储介质 | |
| JP2006031561A (ja) | 高次元テクスチャマッピング装置、方法及びプログラム | |
| CN111583381B (zh) | 游戏资源图的渲染方法、装置及电子设备 | |
| CN109671039B (zh) | 基于分层特征的图像矢量化方法 | |
| CN111581776A (zh) | 一种基于几何重建模型的等几何分析方法 | |
| CN113592711B (zh) | 点云数据不均匀的三维重建方法、系统、设备及存储介质 | |
| CN115546027B (zh) | 图像缝合线确定方法、装置以及存储介质 | |
| CN116563493A (zh) | 基于三维重建的模型训练方法、三维重建方法及装置 | |
| CN114202632A (zh) | 网格线性结构恢复方法、装置、电子设备及存储介质 | |
| CN110706332B (zh) | 一种基于噪声点云的场景重建方法 | |
| CN115546371A (zh) | 点云优化方法、系统、电子设备及存储介质 | |
| CN114981845A (zh) | 图像扫描方法及装置、设备、存储介质 | |
| CN113506305B (zh) | 三维点云数据的图像增强方法、语义分割方法及装置 | |
| CN117372604B (zh) | 一种3d人脸模型生成方法、装置、设备及可读存储介质 | |
| CN114463503A (zh) | 三维模型和地理信息系统的融合方法及装置 | |
| CN117557754A (zh) | 点云语义分割方法、终端设备以及计算机存储介质 | |
| CN117152330A (zh) | 一种基于深度学习的点云3d模型贴图方法和装置 | |
| CN111402422A (zh) | 三维表面重建方法、装置和电子设备 | |
| CN116681844A (zh) | 一种基于亚米级立体像对卫星影像的建筑物白膜构建方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200428 |