CN115409950A - 一种面绘制三角网格的优化方法 - Google Patents
一种面绘制三角网格的优化方法 Download PDFInfo
- Publication number
- CN115409950A CN115409950A CN202211224047.7A CN202211224047A CN115409950A CN 115409950 A CN115409950 A CN 115409950A CN 202211224047 A CN202211224047 A CN 202211224047A CN 115409950 A CN115409950 A CN 115409950A
- Authority
- CN
- China
- Prior art keywords
- triangular
- triangular mesh
- vertex
- neighborhood
- mesh
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000009877 rendering Methods 0.000 title claims abstract description 12
- 238000009499 grossing Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000002146 bilateral effect Effects 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000002203 pretreatment Methods 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012800 visualization Methods 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种面绘制三角网格的优化方法,包括:使用Marching Cubes算法从体数据中提取三角网格;对三角网格进行预处理,剔除导致三角网格为非流形的面;对完成预处理的三角网格进行预平滑处理;对完成预平滑处理的三角网格进行三角面法线双边滤波处理,获得新的三角面法线,并根据新的三角面法线更新三角网格的顶点位置,取得最终的三角网格优化结果。实现降低重建出的三角网格的噪声并提高分辨率,提高复杂数据(人体骨骼)三角网格的优化效果。
Description
技术领域
本发明涉及医学可视化领域,更具体地,涉及一种面绘制三角网格的优化方法。
背景技术
在医学可视化领域中,面绘制技术是一种使用广泛的可视化技术。目前面绘制技术一般采用Marching Cubes算法,该算法从三维的体数据中提取出等值面,即重建出三角网格。然而该算法往往由于原始体数据的质量较低而导致重建出的三角网格存在以下不足:噪声大、分辨率不足(阶梯状)。三角网格的质量直接关系到面绘制算法的可视化的效果,如何得到高质量的三角网格是一个很重要的问题。
发明内容
本发明的目的是提出一种面绘制三角网格的优化方法,实现降低重建出的三角网格的噪声并提高分辨率,提高复杂数据(人体骨骼)三角网格的优化效果。
为实现上述目的,本发明提出了一种面绘制三角网格的优化方法,包括:
使用Marching Cubes算法从体数据中提取三角网格;
对所述三角网格进行预处理,剔除导致所述三角网格为非流形的面;
对完成预处理的所述三角网格进行预平滑处理;
对完成预平滑处理的所述三角网格进行三角面法线双边滤波处理,获得新的三角面法线,并根据所述新的三角面法线更新三角网格的顶点位置,取得最终的三角网格优化结果。
可选地,所述使用Marching Cubes算法从体数据中提取三角网格包括:
采用基于GPU加速的Marching Cubes算法从3d体数据中提取出三角网格。
可选地,所述对所述三角网格进行预处理,剔除导致所述三角网格为非流形的面,包括:
逐个添加三角面并判断所述三角面是否满足流形条件,若不满足则剔除添加的三角面;所述流形条件为流形三角网格的边最多属于两个三角面。
可选地,在对所述三角网格进行预处理的过程中,还包括:
将完成预处理的三角网格的顶点信息、三角面信息以及邻域信息存储在连续的GPU内存中,后续步骤的预平滑处理、法线双边滤波处理以及更新三角网格的顶点位置均使用GPU并行加速技术进行相关计算。
可选地,所述对完成预处理的所述三角网格进行预平滑处理包括:
计算三角网格的顶点的法线;
对三角网格的顶点坐标进行均值平滑处理;
去除法线方向位移,获得三角网格的顶点新的坐标。
可选地,所述计算三角网格的顶点的法线,通过以下公式实现:
可选地,所述对三角网格的顶点坐标进行均值平滑处理,通过以下公式实现:
可选地,所述去除法线方向位移,获得三角网格的顶点新的坐标,通过以下公式实现:
可选地,所述三角面法线双边滤波处理,通过以下公式实现:
可选地,所述根据所述新的三角面法线更新三角网格的顶点位置,通过以下公式实现:
本发明的有益效果在于:
本发明的优化方法首先使用Marching Cubes算法从体数据中提取三角网格,然后对所述三角网格进行预处理,剔除导致所述三角网格为非流形的面,之后对完成预处理的所述三角网格进行预平滑处理,以及对完成预平滑处理的所述三角网格进行三角面法线双边滤波处理,获得新的三角面法线,并根据所述新的三角面法线更新三角网格的顶点位置,取得最终的三角网格优化结果,可以降低重建出的三角网格的噪声并提高分辨率,完成对复杂数据(人体骨骼)三角网格的优化,取得更佳的三角网格重建结果。
本发明的系统具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一种面绘制三角网格的优化方法的步骤图。
图2示出了现有算法与本发明方法的人体骨骼重建对比效果图。
具体实施方式
本发明提出一种快速且高质量的面绘制三角网格后处理技术,该技术包含了GPU并行加速技术,在实际场景中可以完成对复杂数据(人体骨骼)三角网格的优化,取得较佳的结果。
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
实施例
如图1所示,一种面绘制三角网格的优化方法,包括:
S1:使用Marching Cubes算法从体数据中提取三角网格;
具体地,Marching Cubes是一种非常经典的三角网格生成算法,本实施例中采用基于GPU加速的Marching Cubes算法从一组3d体数据中提取出等值面即三角网格。
S2:对所述三角网格进行预处理,剔除导致所述三角网格为非流形的面;
具体地,满足流形条件的三角网格的边只能最多属于两个三角面,逐个添加三角面并判断是否满足该条件,若不满足则剔除该三角面。
同时,为了便于GPU并行加速,将三角网格的顶点信息,三角面的信息,邻域信息进行存储在连续的GPU内存中,后续步骤的相关计算可以很容易地使用并行加速技术进行计算。
S3:对完成预处理的所述三角网格进行预平滑处理;
具体地,本步骤具体包括:
S4:对完成预平滑处理的所述三角网格进行三角面法线双边滤波处理,获得新的三角面法线,并根据所述新的三角面法线更新三角网格的顶点位置,取得最终的三角网格优化结果。
具体地,本步骤具体包括:
2)更新三角面顶点位置:
图2中a示出了现有的基于Marching Cubes算法获得的人体骨骼重建图,图2中b示出了本实施例的一种面绘制三角网格的优化方法获得的人体骨骼重建图,通过对比图2的a和b可知,本发明的面绘制三角网格的优化方法重建出的人体骨骼结构图像的噪声更小,分辨率更高,人体骨骼重建效果更佳。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种面绘制三角网格的优化方法,其特征在于,包括:
使用Marching Cubes算法从体数据中提取三角网格;
对所述三角网格进行预处理,剔除导致所述三角网格为非流形的面;
对完成预处理的所述三角网格进行预平滑处理;
对完成预平滑处理的所述三角网格进行三角面法线双边滤波处理,获得新的三角面法线,并根据所述新的三角面法线更新三角网格的顶点位置,取得最终的三角网格优化结果。
2.根据权利要求1所述的优化方法,其特征在于,所述使用Marching Cubes算法从体数据中提取三角网格包括:
采用基于GPU加速的Marching Cubes算法从3d体数据中提取出三角网格。
3.根据权利要求1所述的优化方法,其特征在于,所述对所述三角网格进行预处理,剔除导致所述三角网格为非流形的面,包括:
逐个添加三角面并判断所述三角面是否满足流形条件,若不满足则剔除添加的三角面;所述流形条件为流形三角网格的边最多属于两个三角面。
4.根据权利要求3所述的优化方法,其特征在于,在对所述三角网格进行预处理的过程中,还包括:
将完成预处理的三角网格的顶点信息、三角面信息以及邻域信息存储在连续的GPU内存中,后续步骤的预平滑处理、法线双边滤波处理以及更新三角网格的顶点位置均使用GPU并行加速技术进行相关计算。
5.根据权利要求1所述的优化方法,其特征在于,所述对完成预处理的所述三角网格进行预平滑处理包括:
计算三角网格的顶点的法线;
对三角网格的顶点坐标进行均值平滑处理;
去除法线方向位移,获得三角网格的顶点新的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211224047.7A CN115409950B (zh) | 2022-10-09 | 2022-10-09 | 一种面绘制三角网格的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211224047.7A CN115409950B (zh) | 2022-10-09 | 2022-10-09 | 一种面绘制三角网格的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115409950A true CN115409950A (zh) | 2022-11-29 |
CN115409950B CN115409950B (zh) | 2024-02-06 |
Family
ID=84167441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211224047.7A Active CN115409950B (zh) | 2022-10-09 | 2022-10-09 | 一种面绘制三角网格的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115409950B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116977598A (zh) * | 2023-09-22 | 2023-10-31 | 芯瑞微(上海)电子科技有限公司 | 三角网格数值仿真平滑化的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109906472A (zh) * | 2016-10-31 | 2019-06-18 | 西门子产品生命周期管理软件公司 | 用于三维四边形占优面网格中的单元质量改进的系统和方法 |
CN111145357A (zh) * | 2019-12-27 | 2020-05-12 | 苏州影加科技有限公司 | 一种高保真的三角网格平滑算法 |
CN111640188A (zh) * | 2020-05-29 | 2020-09-08 | 中国地质大学(武汉) | 基于Mumford-Shah算法框架的抗噪声三维网格优化方法 |
CN112085750A (zh) * | 2020-09-15 | 2020-12-15 | 广东奥普特科技股份有限公司 | 一种三角网格的分割去噪方法 |
CN112529803A (zh) * | 2020-12-10 | 2021-03-19 | 深圳市数字城市工程研究中心 | 一种保留特征的三维Mesh模型去噪方法 |
CN113155054A (zh) * | 2021-04-15 | 2021-07-23 | 西安交通大学 | 面结构光自动化三维扫描规划方法 |
CN113178013A (zh) * | 2021-05-24 | 2021-07-27 | 广东奥普特科技股份有限公司 | 三角网格滤波方法、装置、电子设备和存储介质 |
-
2022
- 2022-10-09 CN CN202211224047.7A patent/CN115409950B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109906472A (zh) * | 2016-10-31 | 2019-06-18 | 西门子产品生命周期管理软件公司 | 用于三维四边形占优面网格中的单元质量改进的系统和方法 |
CN111145357A (zh) * | 2019-12-27 | 2020-05-12 | 苏州影加科技有限公司 | 一种高保真的三角网格平滑算法 |
CN111640188A (zh) * | 2020-05-29 | 2020-09-08 | 中国地质大学(武汉) | 基于Mumford-Shah算法框架的抗噪声三维网格优化方法 |
CN112085750A (zh) * | 2020-09-15 | 2020-12-15 | 广东奥普特科技股份有限公司 | 一种三角网格的分割去噪方法 |
WO2022057250A1 (zh) * | 2020-09-15 | 2022-03-24 | 广东奥普特科技股份有限公司 | 三角网格的分割去噪方法 |
CN112529803A (zh) * | 2020-12-10 | 2021-03-19 | 深圳市数字城市工程研究中心 | 一种保留特征的三维Mesh模型去噪方法 |
CN113155054A (zh) * | 2021-04-15 | 2021-07-23 | 西安交通大学 | 面结构光自动化三维扫描规划方法 |
CN113178013A (zh) * | 2021-05-24 | 2021-07-27 | 广东奥普特科技股份有限公司 | 三角网格滤波方法、装置、电子设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
XIANFANG SUN: "Fast and Effective Feature-Preserving Mesh Denoising", IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS, vol. 13, no. 5, pages 925 - 938, XP011187636, DOI: 10.1109/TVCG.2007.1065 * |
徐磊;: "基于张量投票的网格平滑算法", 网络安全技术与应用, no. 07, pages 2 * |
李智琦;毛心怡;汪俊;魏明强;郭延文;: "保持特征的三角网格曲面去噪技术综述与展望", 计算机辅助设计与图形学学报, no. 01, pages 5 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116977598A (zh) * | 2023-09-22 | 2023-10-31 | 芯瑞微(上海)电子科技有限公司 | 三角网格数值仿真平滑化的方法 |
CN116977598B (zh) * | 2023-09-22 | 2023-12-15 | 芯瑞微(上海)电子科技有限公司 | 三角网格数值仿真平滑化的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115409950B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20080238942A1 (en) | Object-Based Image Inpainting | |
Lee et al. | Feature-preserving mesh denoising via bilateral normal filtering | |
De-Maeztu et al. | Near real-time stereo matching using geodesic diffusion | |
Guillemot et al. | Non local point set surfaces | |
Arakeri et al. | An effective and efficient approach to 3D reconstruction and quantification of brain tumor on magnetic resonance images | |
CN115409950A (zh) | 一种面绘制三角网格的优化方法 | |
CN108305268B (zh) | 一种图像分割方法及装置 | |
Bertalmío et al. | Pde-based image and surface inpainting | |
Wang et al. | A novel method for surface mesh smoothing: applications in biomedical modeling | |
Wu et al. | An effective content-aware image inpainting method | |
CN108876711B (zh) | 一种基于图像特征点的草图生成方法、服务器及系统 | |
Hongying et al. | Image completion by a fast and adaptive exemplar-based image inpainting | |
JP2007128467A (ja) | 特徴稜線認識型メッシュスムージング手法 | |
CN114187340A (zh) | 应用于图像视频人脸皮肤纹理质感增强的方法及装置 | |
Koepfler et al. | Geometric multiscale representation of numerical images | |
CN113112596A (zh) | 人脸几何模型提取、3d人脸重建方法、设备及存储介质 | |
Yang et al. | Evolution of T-spline level sets for meshing non-uniformly sampled and incomplete data | |
Vieira et al. | Mesh denoising using quadric error metric | |
CN112907733A (zh) | 重建三维模型的方法及装置和三维模型采集及重建系统 | |
CN112464948A (zh) | 一种基于仿生学的自然场景目标轮廓提取方法及系统 | |
Renchin-Ochir et al. | Hole-filling method for reconstructing separated arm models of the mongolian buddha statue for analyzing body shape of statues | |
CN107481314B (zh) | 一种基于kd树的阴影体优化方法 | |
Gui et al. | Liver segmentation for CT images using an improved GGVF-snake | |
Shen et al. | Structure Preserving Large Imagery Reconstruction | |
Bai et al. | Octree grid topology preserving geometric deformable model for three-dimensional medical image segmentation |
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 |