CN113658302B - 一种三维动画数据处理方法及装置 - Google Patents

一种三维动画数据处理方法及装置 Download PDF

Info

Publication number
CN113658302B
CN113658302B CN202110966245.XA CN202110966245A CN113658302B CN 113658302 B CN113658302 B CN 113658302B CN 202110966245 A CN202110966245 A CN 202110966245A CN 113658302 B CN113658302 B CN 113658302B
Authority
CN
China
Prior art keywords
animation data
dimensional animation
image
dimensional
processing
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.)
Active
Application number
CN202110966245.XA
Other languages
English (en)
Other versions
CN113658302A (zh
Inventor
李帮音
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.)
Mai Yingjun
Original Assignee
Mai Yingjun
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 Mai Yingjun filed Critical Mai Yingjun
Priority to CN202110966245.XA priority Critical patent/CN113658302B/zh
Publication of CN113658302A publication Critical patent/CN113658302A/zh
Application granted granted Critical
Publication of CN113658302B publication Critical patent/CN113658302B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及一种三维数据处理的技术领域，公开了一种三维动画数据处理方法，包括：获取三维动画数据，对三维动画数据进行灰度化和二值化的预处理，得到预处理完成的三维动画数据；利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，得到降噪后的三维动画数据；利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理，得到M层三维动画数据；对于分割后的每一层三维动画数据，利用图像增强算法对其进行增强处理，并将增强后的每层动画数据重组为三维动画数据。本发明还提供了一种三维动画数据处理装置。本发明实现了三维动画的数据处理。

Description

一种三维动画数据处理方法及装置
技术领域
本发明涉及三维动画数据处理的技术领域，尤其涉及一种三维动画数据处理方法及装置。
背景技术
三维模型是继声音、图像、视频出现的一种多媒体数据类型，在网络和工业等行业得到了广泛应用。近几年，人们对创意和娱乐的需求带动了数字媒体技术和网络的发展，这种发展给人们的现实生活带来了巨大的改变。
随着三维模型的发展，三维动画慢慢进入了市场，但现有三维动画数据较为粗糙，如何对三维动画数据进行处理，得到更为精细的三维动画，成为当前研究领域的热门话题。
鉴于此，如何实现更高效的三维动画数据处理，成为本领域技术人员亟待解决的问题。
发明内容
本发明提供一种三维动画数据处理方法，通过利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，并利用三维动画数据分割算法将三维动画数据分为若干层，同时对于分割后的每一层，利用图像增强算法对其进行增强处理，同时将增强后的每层数据重组为三维动画数据。
为实现上述目的，本发明提供的一种三维动画数据处理方法，包括：
获取三维动画数据，对三维动画数据进行灰度化和二值化的预处理，得到预处理完成的三维动画数据；
利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，得到降噪后的三维动画数据；
利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理，得到M层三维动画数据；
对于分割后的每一层三维动画数据，利用图像增强算法对其进行增强处理，并将增强后的每层动画数据重组为三维动画数据。
可选地，所述对三维动画数据进行灰度化处理，包括：
获取三维动画数据，并利用灰度图转换方法将三维动画数据转换为三维灰度图，所述灰度图转换公式为：
Gray(i,j)＝R(i,j)×0.3+G(i,j)×0.59+B(i,j)×0.11
其中：
R(i,j),G(i,j),B(i,j)为三维动画数据中像素(i,j)在R，G，B三个颜色分量中的像素值；
Gray(i,j)为像素(i,j)的灰度值；
对三维动画数据中每个像素进行灰度化处理，得到三维灰度图。
可选地，所述对三维动画数据进行二值化处理，包括：
1)计算三维灰度图的平均灰度：
其中：
M×N×B像素为灰度图的大小；
k表示灰度图的灰度级；
ρ(k)为灰度级为k的像素出现的概率；
n(k)为灰度级为k的像素出现的个数；
2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将三维灰度图分成前景和背景，则背景灰度值为：
背景数比例为：
前景灰度值为：
前景数比例为：
3)计算前景和背景的方差σ：
σ＝wb×(μb-μ)2+wf×(μf-μ)2
在本发明一个具体实施例中，本发明用不同的值对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值m'为最佳分割阈值；并以最佳分割阈值进行三维灰度图的二值化分割处理，得到二值化三维动画数据。
可选地，所述利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，包括：
1)建立基于拉普拉斯算子的降噪模型：
其中：
dw＝dxdydz，表示三维动画数据的面积元；
u＝u(x,y,z)，表示降噪后的三维动画数据；
f＝f(x,y,z)，表示待降噪的三维动画数据；
λ表示权重系数，将其设置为0.5；
2)初始化u＝f，并向降噪模型中引入拉普拉斯算子β1和β2；
3)求解得到关于u的拉格朗日方程：
求解得到关于j的拉格朗日方程：
求解得到v的表达式：
其中：
k表示参数的迭代次数，初始值为0；
4)更新迭代参数：
5)判断此时k是否达到预设定的最大迭代次数Max，若达到则从模型迭代过程中选取符合u,j,v最小的三维动画数据u(x,y,z)作为降噪后的三维动画数据。
可选地，所述利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理，包括：
1)将三维动画数据转换为三维网格数据，从网格模型中按照右手定则取出最平坦的长方形图形，此长方形图形的法向量与其相邻长方形图形的法向量的余弦距离要小于给定的阀值；若找到的长方形图形fi的索引未被访问，即visit[fi]＝0，则将其置为种子点，然后将该种子点初始化为一个类，置visit[fi]＝1；
2)长方形图形种子点向邻域长方形图形延展，将满足区域生长规则的长方形图形索引置为与种子点相同的索引值，即visit[fi]＝1，不满足条件的置为visit[fi]＝-1；
3)设置长方形图形索引i＝i+1；
4)重复步骤1)～3)，直到三维动画数据中所有的网格图形均被遍历或i＝M，其中M为三维动画数据的分割图形层数。
可选地，所述利用图像增强算法对其进行增强处理，包括：
所述分割后的每一层三维动画数据均为二维动画图像，所述图像增强算法的流程为：
1)将二维动画图像转换到YCbCr颜色空间，其中Y表示亮度，Cr表示红色色度，Cb表示蓝色色度；
2)利用不同滤波尺度的滤波器对不同层二维动画图像的亮度图像Y进行平滑滤波处理，所述滤波尺度为ε＝{ε1,ε2,…,εi,…,εn}，其中，n表示三维动画数据分层的层数，εi表示对第i层二维动画图像进行平滑滤波处理的滤波尺度，其中ε1为最大滤波尺度，εn为最小滤波尺度；
则第i层二维动画图像的亮度图像Yi的残差图像和滤波图像为：
其中：
表示第i层二维动画图像的亮度图像Yi的滤波图像；
Gi表示第i层二维动画图像的亮度图像Yi的残差图像；
对所有层的亮度图像进行上述平滑滤波处理，得到一系列残差图像{G1,G2,…,Gn}；
3)对残差图像进行非线性映射处理：
其中：
k表示非线性区域的宽度因子，将其设置为0.8；
表示残差图像的平均值；
Li表示第i层二维动画图像的亮度图像Yi的增强图像；
4)将每层的增强图像Yi同红色色度图像以及蓝色色度图像进行结合，并转换为RGB格式的图像，即为增强后的二维动画图像；
将增强后的每层二维动画图像数据重组为三维动画数据，重组后的三维动画数据即为三维动画数据处理结果。
此外，为实现上述目的，本发明还提供一种三维动画数据处理装置，所述装置包括：
数据获取装置，用于获取三维动画数据；
数据处理器，用于对三维动画数据进行灰度化和二值化的预处理，利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，并利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理；对于分割后的每一层三维动画数据，利用图像增强算法对其进行增强处理；
三维动画重组装置，用于将增强后的每层动画数据重组为三维动画数据。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有三维动画数据处理程序指令，所述三维动画数据处理程序指令可被一个或者多个处理器执行，以实现如上所述的三维动画数据处理的实现方法的步骤。
相对于现有技术，本发明提出一种三维动画数据处理方法，该技术具有以下优势：
首先，本发明提出一种三维动画数据降噪流程，通过建立基于拉普拉斯算子的降噪模型：
其中：dw＝dxdydz，表示三维动画数据的面积元；u＝u(x,y,z)，表示降噪后的三维动画数据；f＝f(x,y,z)，表示待降噪的三维动画数据；降噪模型中的第一项∫|u|dw表示光滑项，用以实现三维动画数据的去噪，而∫(u-f)2dw为保真项，用以保证降噪前后图像接近，初始化u＝f，并向降噪模型中引入拉普拉斯算子β1和β2；求解得到关于u的拉格朗日方程：
求解得到关于j的拉格朗日方程：
求解得到v的表达式：
其中：k表示参数的迭代次数，初始值为0；更新迭代参数：
判断此时k是否达到预设定的最大迭代次数Max，若达到则从模型迭代过程中选取符合u,j,v最小的三维动画数据u(x,y,z)作为降噪后的三维动画数据。
同时，对于分割后的每一层三维动画数据，本发明提出一种更为简易的图像亮度增强方法，将二维动画图像转换到YCbCr颜色空间，其中Y表示亮度，Cr表示红色色度，Cb表示蓝色色度；相较于传统技术，本发明将RGB图像转换到YCbCr颜色空间，利用不同滤波尺度的滤波器仅对不同层二维动画图像的亮度图像Y进行平滑滤波处理，降低了图像增强算法的复杂度和计算量，所述滤波器的滤波尺度为ε＝{ε1,ε2,…,εi,…,εn}，n表示三维动画数据分层的层数，εi表示对第i层二维动画图像进行平滑滤波处理的滤波尺度，其中ε1为最大滤波尺度，εn为最小滤波尺度；则第i层二维动画图像的亮度图像Yi的残差图像和滤波图像为：
其中：表示第i层二维动画图像的亮度图像Yi的滤波图像；Gi表示第i层二维动画图像的亮度图像Yi的残差图像；对所有层的亮度图像进行上述平滑滤波处理，得到一系列残差图像{G1,G2,…,Gn}，并对残差图像进行非线性映射处理，在非线性映射处理过程中，对于不同层的残差图像，若残差图像i的总亮度值在[-0.5k,0.5k]之间，则根据所有残差图像的亮度平均值对残差图像进行亮度增强，所述亮度增强的公式为：
其中：k表示非线性区域的宽度因子，将其设置为0.8；表示残差图像的亮度平均值；Li表示第i层二维动画图像的亮度图像Yi的增强图像；将每层的增强图像Yi同红色色度图像以及蓝色色度图像进行结合，并转换为RGB格式的图像，即为亮度增强后的二维动画图像；将亮度增强后的每层二维动画图像数据重组为三维动画数据，重组后的三维动画数据即为三维动画数据处理结果。本发明通过将三维动画分解为若干二维图像，利用一种快速的图像增强方法对二维图像进行增强并重组为三维图像，相较于传统图像增强方法，本发明所述图像增强算法通过计算图像的残差和滤波图像，在残差图像中进行非线性映射处理实现图像增强，其计算过程简单，复杂度较低。
附图说明
图1为本发明一实施例提供的一种三维动画数据处理方法的流程示意图；
图2为本发明一实施例提供的一种三维动画数据处理装置的结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
通过利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，并利用三维动画数据分割算法将三维动画数据分为若干层，同时对于分割后的每一层，利用图像增强算法对其进行增强处理，并将增强后的每层数据重组为三维动画数据。参照图1所示，为本发明一实施例提供的三维动画数据处理方法示意图。
在本实施例中，三维动画数据处理方法包括：
S1、获取三维动画数据，对三维动画数据进行灰度化和二值化的预处理，得到预处理完成的三维动画数据。
首先，本发明获取三维动画数据，并利用灰度图转换方法将三维动画数据转换为三维灰度图，所述灰度图转换公式为：
Gray(i,j)＝R(i,j)×0.3+G(i,j)×0.59+B(i,j)×0.11
其中：
R(i,j),G(i,j),B(i,j)为三维动画数据中像素(i,j)在R，G，B三个颜色分量中的像素值；
Gray(i,j)为像素(i,j)的灰度值；
对三维动画数据中每个像素进行灰度化处理，得到三维灰度图。
进一步地，本发明利用局部最大类间方差法对三维灰度图进行二值化处理，所述局部最大类间方差法流程为：
1)计算三维灰度图的平均灰度：
其中：
M×N×B像素为灰度图的大小；
k表示灰度图的灰度级；
ρ(k)为灰度级为k的像素出现的概率；
n(k)为灰度级为k的像素出现的个数；
2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将三维灰度图分成前景和背景，则背景灰度值为：
背景数比例为：
前景灰度值为：
前景数比例为：
3)计算前景和背景的方差σ：
σ＝wb×(μb-μ)2+wf×(μf-μ)2
在本发明一个具体实施例中，本发明用不同的值对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值m'为最佳分割阈值；并以最佳分割阈值进行三维灰度图的二值化分割处理，得到二值化三维动画数据。
S2、利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，得到降噪后的三维动画数据。
进一步地，本发明利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，所述基于拉普拉斯算子的三维动画数据降噪算法流程为：
1)建立基于拉普拉斯算子的降噪模型：
其中：
dw＝dxdydz，表示三维动画数据的面积元；
u＝u(x,y,z)，表示降噪后的三维动画数据；
f＝f(x,y,z)，表示待降噪的三维动画数据；
λ表示权重系数，将其设置为0.5；
2)初始化u＝f，并向降噪模型中引入拉普拉斯算子β1和β2；
3)求解得到关于u的拉格朗日方程：
求解得到关于j的拉格朗日方程：
求解得到v的表达式：
其中：
k表示参数的迭代次数，初始值为0；
4)更新迭代参数：
5)判断此时k是否达到预设定的最大迭代次数Max，若达到则从模型迭代过程中选取符合u,j,v最小的三维动画数据u(x,y,z)作为降噪后的三维动画数据。
S3、利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理，得到M层三维动画数据。
进一步地，本发明利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理，得到M层三维动画数据，所述三维动画数据分割算法流程为：
1)将三维动画数据转换为三维网格数据，从网格模型中按照右手定则取出最平坦的长方形图形，此长方形图形的法向量与其相邻长方形图形的法向量的余弦距离要小于给定的阀值；若找到的长方形图形fi的索引未被访问，即visit[fi]＝0，则将其置为种子点，然后将该种子点初始化为一个类，置visit[fi]＝1；
2)长方形图形种子点向邻域长方形图形延展，将满足区域生长规则的长方形图形索引置为与种子点相同的索引值，即visit[fi]＝1，不满足条件的置为visit[fi]＝-1；
3)设置长方形图形索引i＝i+1；
4)重复步骤1)～3)，直到三维动画数据中所有的网格图形均被遍历或i＝M，其中M为三维动画数据的分割图形层数。
S4、对于分割后的每一层三维动画数据，利用图像增强算法对其进行增强处理，并将增强后的每层动画数据重组为三维动画数据。
进一步地，所述分割后的每一层三维动画数据均为二维动画图像，本发明利用图像增强算法对二维动画图像进行增强处理，所述图像增强算法的流程为：
1)将二维动画图像转换到YCbCr颜色空间，其中Y表示亮度，Cr表示红色色度，Cb表示蓝色色度；
2)利用不同滤波尺度的滤波器对不同层二维动画图像的亮度图像Y进行平滑滤波处理，所述滤波尺度为ε＝{ε1,ε2,…,εi,…,εn}，其中，n表示三维动画数据分层的层数，εi表示对第i层二维动画图像进行平滑滤波处理的滤波尺度，其中ε1为最大滤波尺度，εn为最小滤波尺度；
则第i层二维动画图像的亮度图像Yi的残差图像和滤波图像为：
其中：
表示第i层二维动画图像的亮度图像Yi的滤波图像；
Gi表示第i层二维动画图像的亮度图像Yi的残差图像；
对所有层的亮度图像进行上述平滑滤波处理，得到一系列残差图像{G1,G2,…,Gn}；
3)对残差图像进行非线性映射处理：
其中：
k表示非线性区域的宽度因子，将其设置为0.8；
表示残差图像的平均值；
Li表示第i层二维动画图像的亮度图像Yi的增强图像；
4)将每层的增强图像Yi同红色色度图像以及蓝色色度图像进行结合，并转换为RGB格式的图像，即为增强后的二维动画图像；
将增强后的每层二维动画图像数据重组为三维动画数据，重组后的三维动画数据即为三维动画数据处理结果。
下面通过一个算法实验来说明本发明的具体实施方式，并对发明的处理方法进行测试。本发明算法的硬件测试环境为：Inter(R)Core(TM)i7-6700K CPU，软件为Matlab2018b；对比方法为基于SIFT的三维动画数据处理方法以及基于相比阈值法的三维动画数据处理方法。
在本发明所述算法实验中，数据集为10G的三维动画数据。本实验通过将三维动画数据输入到算法模型中，将三维动画数据处理的有效性作为算法可行性的评价指标，其中三维动画数据处理的有效性越高，则说明算法的有效性、可行性越高。
根据实验结果，基于SIFT的三维动画数据处理方法的三维动画数据处理有效性为75.62，基于相比阈值法的三维动画数据处理方法的三维动画数据处理有效性为84.12，本发明所述方法的三维动画数据处理有效性为89.26，相较于对比算法，本发明所提出的三维动画数据处理方法能够实现更有效的三维动画数据处理。
发明还提供一种三维动画数据处理装置。参照图2所示，为本发明一实施例提供的三维动画数据处理装置的内部结构示意图。
在本实施例中，所述三维动画数据处理装置1至少包括数据获取装置11、数据处理器12、三维动画重组装置13，通信总线14，以及网络接口15。
其中，数据获取装置11可以是PC(Personal Computer，个人电脑)，或者是智能手机、平板电脑、便携计算机、摄像头等终端设备，也可以是一种服务器等。
数据处理器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。数据处理器12在一些实施例中可以是三维动画数据处理装置1的内部存储单元，例如该三维动画数据处理装置1的硬盘。数据处理器12在另一些实施例中也可以是三维动画数据处理装置1的外部存储设备，例如三维动画数据处理装置1上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，数据处理器12还可以既包括三维动画数据处理装置1的内部存储单元也包括外部存储设备。数据处理器12不仅可以用于存储安装于三维动画数据处理装置1的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
三维动画重组装置13在一些实施例中可以是一中央处理器(Central ProcessingUnit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，包括监控单元，用于运行数据处理器12中存储的程序代码或处理数据，例如三维动画数据处理程序指令16等。
通信总线14用于实现这些组件之间的连接通信。
网络接口15可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在三维动画数据处理装置1与其他电子设备之间建立通信连接。
可选地，三维动画数据处理装置1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在三维动画数据处理装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-15以及三维动画数据处理装置1，本领域技术人员可以理解的是，图1示出的结构并不构成对三维动画数据处理装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
在图2所示的三维动画数据处理装置1实施例中，数据处理器12中存储有三维动画数据处理程序指令16；三维动画重组装置13执行数据处理器12中存储的三维动画数据处理程序指令16的步骤，与三维动画数据处理方法的实现方法相同，在此不作类述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有三维动画数据处理程序指令，所述三维动画数据处理程序指令可被一个或多个处理器执行，以实现如下操作：
获取三维动画数据，对三维动画数据进行灰度化和二值化的预处理，得到预处理完成的三维动画数据；
利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，得到降噪后的三维动画数据；
利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理，得到M层三维动画数据；
对于分割后的每一层三维动画数据，利用图像增强算法对其进行增强处理，并将增强后的每层动画数据重组为三维动画数据。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种三维动画数据处理方法，其特征在于，所述方法包括：
获取三维动画数据，对三维动画数据进行灰度化和二值化的预处理，得到预处理完成的三维动画数据；
利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，得到降噪后的三维动画数据；
利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理，得到M层三维动画数据；
对于分割后的每一层三维动画数据，利用图像增强算法对其进行增强处理，并将增强后的每层动画数据重组为三维动画数据；
所述利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，包括：
1)建立基于拉普拉斯算子的降噪模型：
其中：dw＝dxdydz，表示三维动画数据的面积元；u＝u(x,y,z)，表示降噪后的三维动画数据；f＝f(x,y,z)，表示待降噪的三维动画数据；λ表示权重系数，将其设置为0.5，∫(u-f)2dw为保真项，用以保证降噪前后图像接近；
2)初始化u＝f，并向降噪模型中引入拉普拉斯算子β1和β2；
3)求解得到关于u的拉格朗日方程：
求解得到关于j的拉格朗日方程：
求解得到v的表达式：
其中：k表示参数的迭代次数，初始值为0；
4)更新迭代参数：
5)判断此时k是否达到预设定的最大迭代次数Max，若达到则从模型迭代过程中选取符合u,j,v最小的三维动画数据u(x,y,z)作为降噪后的三维动画数据；
所述利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理，包括：
1)将三维动画数据转换为三维网格数据，从网格模型中按照右手定则取出最平坦的长方形图形，此长方形图形的法向量与其相邻长方形图形的法向量的余弦距离要小于给定的阀值；若找到的长方形图形fi的索引未被访问，即visit[fi]＝0，则将其置为种子点，然后将该种子点初始化为一个类，置visit[fi]＝1；
2)长方形图形种子点向邻域长方形图形延展，将满足区域生长规则的长方形图形索引置为与种子点相同的索引值，即visit[fi]＝1，不满足条件的置为visit[fi]＝-1；
3)设置长方形图形索引i＝i+1；
4)重复步骤1)～3)，直到三维动画数据中所有的网格图形均被遍历或i＝M，其中M为三维动画数据的分割图形层数；
所述利用图像增强算法对其进行增强处理，包括：
1)将二维动画图像转换到YCbCr颜色空间，其中Y表示亮度，Cr表示红色色度，Cb表示蓝色色度；
2)利用不同滤波尺度的滤波器对不同层二维动画图像的亮度图像Y进行平滑滤波处理，所述滤波尺度为ε＝{ε1,ε2,…,εi,…,εn}，其中，n表示三维动画数据分层的层数，εi表示对第i层二维动画图像进行平滑滤波处理的滤波尺度，其中ε1为最大滤波尺度，εn为最小滤波尺度；
则第i层二维动画图像的亮度图像Yi的残差图像和滤波图像为：
其中：表示第i层二维动画图像的亮度图像Yi的滤波图像；Gi表示第i层二维动画图像的亮度图像Yi的残差图像；对所有层的亮度图像进行上述平滑滤波处理，得到一系列残差图像{G1,G2,…,Gn}；
3)对残差图像进行非线性映射处理：
其中：k表示非线性区域的宽度因子，将其设置为0.8；表示残差图像的平均值；Li表示第i层二维动画图像的亮度图像Yi的增强图像；
4)将每层的增强图像Yi同红色色度图像以及蓝色色度图像进行结合，并转换为RGB格式的图像，即为增强后的二维动画图像；
将增强后的每层二维动画图像数据重组为三维动画数据，重组后的三维动画数据即为三维动画数据处理结果；
所述对三维动画数据进行二值化处理，包括：
1)计算三维灰度图的平均灰度：
其中：
M×N×B像素为灰度图的大小；
k表示灰度图的灰度级；
ρ(k)为灰度级为k的像素出现的概率；
n(k)为灰度级为k的像素出现的个数；
2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将三维灰度图分成前景和背景，则背景灰度值为：
背景数比例为：
前景灰度值为：
前景数比例为：
3)计算前景和背景的方差σ：
σ＝wb×(μb-μ)2+wf×(μf-μ)2
用不同的值对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值m'为最佳分割阈值；并以最佳分割阈值进行三维灰度图的二值化分割处理，得到二值化三维动画数据。
2.如权利要求1所述的一种三维动画数据处理方法，其特征在于，所述对三维动画数据进行灰度化处理，包括：
获取三维动画数据，并利用灰度图转换方法将三维动画数据转换为三维灰度图，所述灰度图转换公式为：
Gray(i,j)＝R(i,j)×0.3+G(i,j)×0.59+B(i,j)×0.11
其中：
R(i,j),G(i,j),B(i,j)为三维动画数据中像素(i,j)在R，G，B三个颜色分量中的像素值；
Gray(i,j)为像素(i,j)的灰度值；
对三维动画数据中每个像素进行灰度化处理，得到三维灰度图。
3.一种三维动画数据处理装置，其特征在于，所述装置包括：
数据获取装置，用于获取三维动画数据；
数据处理器，用于对三维动画数据进行灰度化和二值化的预处理，利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，并利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理；对于分割后的每一层三维动画数据，利用图像增强算法对其进行增强处理；
三维动画重组装置，用于将增强后的每层动画数据重组为三维动画数据；
所述利用基于拉普拉斯算子的三维动画数据降噪算法对三维动画数据进行降噪处理，包括：
1)建立基于拉普拉斯算子的降噪模型：
其中：dw＝dxdydz，表示三维动画数据的面积元；u＝u(x,y,z)，表示降噪后的三维动画数据；f＝f(x,y,z)，表示待降噪的三维动画数据；λ表示权重系数，将其设置为0.5，∫(u-f)2dw为保真项，用以保证降噪前后图像接近；
2)初始化u＝f，并向降噪模型中引入拉普拉斯算子β1和β2；
3)求解得到关于u的拉格朗日方程：
求解得到关于j的拉格朗日方程：
求解得到v的表达式：
其中：k表示参数的迭代次数，初始值为0；
4)更新迭代参数：
5)判断此时k是否达到预设定的最大迭代次数Max，若达到则从模型迭代过程中选取符合u,j,v最小的三维动画数据u(x,y,z)作为降噪后的三维动画数据；
所述利用三维动画数据分割算法对降噪后的三维动画数据进行分割处理，包括：
1)将三维动画数据转换为三维网格数据，从网格模型中按照右手定则取出最平坦的长方形图形，此长方形图形的法向量与其相邻长方形图形的法向量的余弦距离要小于给定的阀值；若找到的长方形图形fi的索引未被访问，即visit[fi]＝0，则将其置为种子点，然后将该种子点初始化为一个类，置visit[fi]＝1；
2)长方形图形种子点向邻域长方形图形延展，将满足区域生长规则的长方形图形索引置为与种子点相同的索引值，即visit[fi]＝1，不满足条件的置为visit[fi]＝-1；
3)设置长方形图形索引i＝i+1；
4)重复步骤1)～3)，直到三维动画数据中所有的网格图形均被遍历或i＝M，其中M为三维动画数据的分割图形层数；
所述利用图像增强算法对其进行增强处理，包括：
1)将二维动画图像转换到YCbCr颜色空间，其中Y表示亮度，Cr表示红色色度，Cb表示蓝色色度；
2)利用不同滤波尺度的滤波器对不同层二维动画图像的亮度图像Y进行平滑滤波处理，所述滤波尺度为ε＝{ε1,ε2,…,εi,…,εn}，其中，n表示三维动画数据分层的层数，εi表示对第i层二维动画图像进行平滑滤波处理的滤波尺度，其中ε1为最大滤波尺度，εn为最小滤波尺度；
则第i层二维动画图像的亮度图像Yi的残差图像和滤波图像为：
其中：表示第i层二维动画图像的亮度图像Yi的滤波图像；Gi表示第i层二维动画图像的亮度图像Yi的残差图像；对所有层的亮度图像进行上述平滑滤波处理，得到一系列残差图像{G1,G2,…,Gn}；
3)对残差图像进行非线性映射处理：
其中：k表示非线性区域的宽度因子，将其设置为0.8；表示残差图像的平均值；Li表示第i层二维动画图像的亮度图像Yi的增强图像；
4)将每层的增强图像Yi同红色色度图像以及蓝色色度图像进行结合，并转换为RGB格式的图像，即为增强后的二维动画图像；
将增强后的每层二维动画图像数据重组为三维动画数据，重组后的三维动画数据即为三维动画数据处理结果；
所述对三维动画数据进行二值化处理，包括：
1)计算三维灰度图的平均灰度：
其中：
M×N×B像素为灰度图的大小；
k表示灰度图的灰度级；
ρ(k)为灰度级为k的像素出现的概率；
n(k)为灰度级为k的像素出现的个数；
2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将三维灰度图分成前景和背景，则背景灰度值为：
背景数比例为：
前景灰度值为：
前景数比例为：
3)计算前景和背景的方差σ：
σ＝wb×(μb-μ)2+wf×(μf-μ)2
用不同的值对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值m'为最佳分割阈值；并以最佳分割阈值进行三维灰度图的二值化分割处理，得到二值化三维动画数据。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有三维动画数据处理程序指令，所述三维动画数据处理程序指令可被一个或者多个处理器执行，以实现权利要求1所述的三维动画数据处理方法的步骤。
CN202110966245.XA 2021-08-23 2021-08-23 一种三维动画数据处理方法及装置 Active CN113658302B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110966245.XA CN113658302B (zh) 2021-08-23 2021-08-23 一种三维动画数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110966245.XA CN113658302B (zh) 2021-08-23 2021-08-23 一种三维动画数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN113658302A CN113658302A (zh) 2021-11-16
CN113658302B true CN113658302B (zh) 2024-04-12

Family

ID=78492504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110966245.XA Active CN113658302B (zh) 2021-08-23 2021-08-23 一种三维动画数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN113658302B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101355648A (zh) * 2008-06-26 2009-01-28 天津市亚安科技电子有限公司 图像降噪并增强图像的方法
CN103578080A (zh) * 2012-07-25 2014-02-12 上海澜晶数码科技有限公司 一种图像降噪并增强图像的算法
CN106408576A (zh) * 2016-09-08 2017-02-15 飞依诺科技(苏州)有限公司 基于三维超声图像的感兴趣区域的自动分割方法及系统
CN107122777A (zh) * 2017-04-25 2017-09-01 云南省交通科学研究所 一种基于视频文件的车辆分析系统及分析方法
CN107358586A (zh) * 2017-07-06 2017-11-17 中山大学 一种图像增强方法、装置及设备
CN107657619A (zh) * 2017-10-13 2018-02-02 西安科技大学 一种低照度林火图像分割方法
CN107680057A (zh) * 2017-09-28 2018-02-09 武汉中旗生物医疗电子有限公司 超声图像增强的方法及装置
CN110363726A (zh) * 2019-07-24 2019-10-22 陈泰杉 一种基于正则图拉普拉斯变换的视觉降噪处理方法
CN111260616A (zh) * 2020-01-13 2020-06-09 三峡大学 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法
CN112053370A (zh) * 2020-09-09 2020-12-08 脸萌有限公司 基于增强现实的显示方法、设备及存储介质
CN112085802A (zh) * 2020-07-24 2020-12-15 浙江工业大学 一种基于双目摄像头获取三维指静脉图像的方法
CN112308802A (zh) * 2020-11-20 2021-02-02 汪秀英 一种基于大数据的图像分析方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7257271B2 (en) * 2003-12-17 2007-08-14 Eastman Kodak Company Noise reduction in color digital images using pyramid decomposition
US20050281458A1 (en) * 2004-06-16 2005-12-22 Eastman Kodak Company Noise-reducing a color filter array image
US8254718B2 (en) * 2008-05-15 2012-08-28 Microsoft Corporation Multi-channel edge-aware chrominance noise reduction
US11534136B2 (en) * 2018-02-26 2022-12-27 Siemens Medical Solutions Usa, Inc. Three-dimensional segmentation from two-dimensional intracardiac echocardiography imaging

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101355648A (zh) * 2008-06-26 2009-01-28 天津市亚安科技电子有限公司 图像降噪并增强图像的方法
CN103578080A (zh) * 2012-07-25 2014-02-12 上海澜晶数码科技有限公司 一种图像降噪并增强图像的算法
CN106408576A (zh) * 2016-09-08 2017-02-15 飞依诺科技(苏州)有限公司 基于三维超声图像的感兴趣区域的自动分割方法及系统
CN107122777A (zh) * 2017-04-25 2017-09-01 云南省交通科学研究所 一种基于视频文件的车辆分析系统及分析方法
CN107358586A (zh) * 2017-07-06 2017-11-17 中山大学 一种图像增强方法、装置及设备
CN107680057A (zh) * 2017-09-28 2018-02-09 武汉中旗生物医疗电子有限公司 超声图像增强的方法及装置
CN107657619A (zh) * 2017-10-13 2018-02-02 西安科技大学 一种低照度林火图像分割方法
CN110363726A (zh) * 2019-07-24 2019-10-22 陈泰杉 一种基于正则图拉普拉斯变换的视觉降噪处理方法
CN111260616A (zh) * 2020-01-13 2020-06-09 三峡大学 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法
CN112085802A (zh) * 2020-07-24 2020-12-15 浙江工业大学 一种基于双目摄像头获取三维指静脉图像的方法
CN112053370A (zh) * 2020-09-09 2020-12-08 脸萌有限公司 基于增强现实的显示方法、设备及存储介质
CN112308802A (zh) * 2020-11-20 2021-02-02 汪秀英 一种基于大数据的图像分析方法及系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Graph laplacian regularization for image denosing:analysis in the continuous domain;Jiahao Pang等;《IEEE》;第1770-1785页 *
基于字典学习与图拉普拉斯矩阵的图像降噪;王吉兴;《五邑大学学报（自然科学版）》;第30卷(第3期);第61-66页 *
基于实时人脸数据驱动的3D表情动画生成;梅英杰;《中国优秀硕士学位论文全文数据库 信息科技辑》;第I138-636页 *
夏征农等.《大辞海 信息科学卷》.上海辞书出版社,2015,第149-154页. *
数字人体与服装模型的信息提取及处理研究;宋红星;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;第B024-508页 *
王吉兴.基于字典学习与图拉普拉斯矩阵的图像降噪.《五邑大学学报（自然科学版）》.2016,第30卷(第3期),第61-66页. *

Also Published As

Publication number Publication date
CN113658302A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
Alilou et al. Application of GRNN neural network in non-texture image inpainting and restoration
Banić et al. Smart light random memory sprays Retinex: a fast Retinex implementation for high-quality brightness adjustment and color correction
CN113012068B (zh) 图像去噪方法、装置、电子设备及计算机可读存储介质
Gupta et al. New contrast enhancement approach for dark images with non-uniform illumination
CN113436162B (zh) 一种水下机器人液压油管道表面焊缝缺陷识别方法及装置
CN112837251B (zh) 图像处理方法及装置
CN111783896A (zh) 一种基于核方法的图像识别方法及系统
CN114757854B (zh) 基于多光谱分析的夜视图像质量提升方法、装置、设备
Liu et al. Two‐stage image smoothing based on edge‐patch histogram equalisation and patch decomposition
CN117152182B (zh) 一种超低照度网络相机图像处理方法、装置及电子设备
CN114444565A (zh) 一种图像篡改检测方法、终端设备及存储介质
CN106446844A (zh) 姿势估计方法和装置、计算机系统
CN113658302B (zh) 一种三维动画数据处理方法及装置
Li et al. A novel detail weighted histogram equalization method for brightness preserving image enhancement based on partial statistic and global mapping model
CN112396564A (zh) 一种基于深度学习的产品封装质量检测方法及系统
Ali et al. Active contour image segmentation model with de‐hazing constraints
CN114648467B (zh) 图像的去雾方法、装置、终端设备及计算机可读存储介质
Jiang et al. Gray-scale image Dehazing guided by scene depth information
Nair et al. A modular architecture for high resolution image dehazing
Ju et al. Vrohi: Visibility recovery for outdoor hazy image in scattering media
Zhou et al. An improved algorithm using weighted guided coefficient and union self‐adaptive image enhancement for single image haze removal
Zhou et al. Directional relative total variation for structure–texture decomposition
CN110929561B (zh) 表格文本智能过滤方法、装置及计算机可读存储介质
Fang et al. An Improved DCP‐Based Image Defogging Algorithm Combined with Adaptive Fusion Strategy
CN112541899A (zh) 证件的残缺检测方法、装置、电子设备及计算机存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240315

Address after: Unit 2301-03, 23rd Floor, Hanyin Plaza, No. 11 Jinshuo 1st Road, Yuancun Street, Tianhe District, Guangzhou City, Guangdong Province, 510000

Applicant after: Mai Yingjun

Country or region after: China

Address before: 510000 room 2109, 21st floor, Jinshan building, 248 Wushan Road, Tianhe District, Guangzhou, Guangdong

Applicant before: Li Bangyin

Country or region before: China

GR01 Patent grant
GR01 Patent grant