CN116071519A - 基于调和映射生成网格模型的图像处理方法和装置 - Google Patents
基于调和映射生成网格模型的图像处理方法和装置 Download PDFInfo
- Publication number
- CN116071519A CN116071519A CN202310201735.XA CN202310201735A CN116071519A CN 116071519 A CN116071519 A CN 116071519A CN 202310201735 A CN202310201735 A CN 202310201735A CN 116071519 A CN116071519 A CN 116071519A
- Authority
- CN
- China
- Prior art keywords
- points
- mesh model
- mapping
- grid
- coordinates
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 148
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 239000000203 mixture Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002829 reductive effect Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000011555 rabbit model Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000518579 Carea Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012800 visualization 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
Abstract
本申请提出了一种基于调和映射生成网格模型的图像处理方法和装置,涉及图像处理技术领域,其中,该方法包括:获取图像的三角形网格模型,并获取三角形网格模型的三维信息,其中,三角形网格模型为带有边界的单连通曲面;根据三维信息利用调和映射将三角形网格模型映射至平面参数域,其中,三角形网格模型的网格点在平面参数域内均有对应点;在平面参数域内进行规则采样,获得多个采样点,并计算采样点的空间坐标;根据采样点的空间坐标,生成图像的目标多边形网格模型。本申请基于调和映射生成均匀且高质量的多边形网格,不仅能够最大程度减小角度损失,还能够减小映射过程中的变形造成的几何误差,提高计算效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种基于调和映射生成网格模型的图像处理方法和装置。
背景技术
数字图像处理在移动支付、游戏建模和物体识别等场景具有广泛的应用。映射方法可以用于生成交互式可视化和虚拟现实中的多细节层次模型,纹理贴片和复杂表面的非均匀有理B样条曲面片拟合等。在图像处理和几何特征提取过程中,通常会根据三维数据生成由顶点连接的三角形网格曲面,很难直接得到图像的除三角形网格之外的多边形网格。另外,基于图像得到的网格质量具有进一步优化的空间,生成各类高质量的多边形网格模型是图像处理和特征提取过程中的重要步骤,直接在复杂表面进行网格划分具有较高的难度,网格效果与适用性不佳。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种基于调和映射生成网格模型的图像处理方法,解决了现有方法直接在复杂表面进行网格划分具有较高的难度且适用性不佳的技术问题,通过基于调和映射生成均匀且高质量的多边形网格,不仅能够最大程度减小角度损失,还能够减小映射过程中的变形造成的几何误差,提高计算效率。
本申请的第二个目的在于提出一种基于调和映射生成网格模型的图像处理装置。
本申请的第三个目的在于提出一种计算机设备。
本申请的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本申请第一方面实施例提出了一种基于调和映射生成网格模型的图像处理方法,包括:获取图像的三角形网格模型,并获取三角形网格模型的三维信息,其中,三角形网格模型为带有边界的单连通曲面;根据三维信息利用调和映射将三角形网格模型映射至平面参数域,其中,三角形网格模型的网格点在平面参数域内均有对应点;在平面参数域内进行规则采样,获得多个采样点,并计算采样点的空间坐标;根据采样点的空间坐标,生成图像的目标多边形网格模型。
可选地,在本申请的一个实施例中,三维信息包括三角形网格模型的网格点坐标、网格点之间的拓扑关系、边界点和角点,获取三角形网格模型的三维信息,包括:
获取三角形网格模型的网格点坐标,并获取三角形网格模型的网格点之间的拓扑关系,其中,网格点包括角点、边界点和内部点;
获取三角形网格模型的边界点,并在边界点中选取预设数量的边界点作为角点,其中,预设数量与目标多边形网格模型的边数相同。
可选地,在本申请的一个实施例中,根据三维信息利用调和映射将三角形网格模型映射至平面参数域,包括:
根据边界点坐标和边界点之间的拓扑关系将三角形网格模型的角点和边界点映射至平面参数域;
初始化三角形网格模型的内部点在平面参数域中的参数坐标,迭代调整内部点的参数坐标使得调和能量最小,并将调和能量最小时的参数坐标作为内部点的平面参数域映射结果,得到三角形网格模型的平面参数映射结果。
可选地,在本申请的一个实施例中,根据边界点坐标和边界点之间的拓扑关系将三角形网格模型的角点和边界点映射至平面参数域,包括:
通过预设角点的参数坐标将角点映射至平面参数域;
根据角点划分边界,得到预设数量的边界,计算各个边界的长度,并根据长度和边界点坐标,计算各个边界的线性缩放系数;
根据各个边界的线性缩放系数和边界点之间的拓扑关系将边界点映射至平面参数域。
可选地,在本申请的一个实施例中,初始化三角形网格模型的内部点在平面参数域中的参数坐标,迭代调整内部点的参数坐标使得调和能量最小,并将调和能量最小时的参数坐标作为内部点的平面参数域映射结果,得到三角形网格模型的平面参数映射结果,包括:
初始化三角形网格模型的内部点在平面参数域中的参数坐标为(0.0,0.0);
计算三角形网格模型的映射边的长度与权重,并根据映射边的长度与权重,计算三角形网格模型的第一调和能量;
根据内部点的所有相邻的点的参数坐标,计算内部点的新参数坐标,并根据新参数坐标计算三角形网格模型的第二调和能量;
当第二调和能量和第一调和能量的差大于预设阈值时,将第二调和能量的值赋予第一调和能量,调整内部点的参数坐标,并根据调整后的参数坐标重新计算网格的第二调和能量,直至第二调和能量和第一调和能量的差小于等于预设阈值;
当第二调和能量和第一调和能量的差小于等于预设阈值时,将内部点的参数坐标作为内部点的平面参数域映射结果,得到三角形网格模型的平面参数映射结果。
可选地,在本申请的一个实施例中,在平面参数域内进行规则采样,获得多个采样点,并计算采样点的空间坐标,包括:
根据预设采样率在三角形网格模型的平面参数映射结果内进行均匀采样,得到多个采样点;
根据网格点之间的拓扑关系得到包围采样点的三个网格点,并根据采样点和三个网格点的参数坐标使用第一公式计算得到采样点的空间坐标;
其中,第一公式表示为:
其中,表示采样点M的坐标向量,表示网格点A的坐标向量,表示采样点M、网格点B和网格点C的组成的三角形的面积,表示网格点B的坐标向量,表示采样点M、网格点A和网格点C的组成的三角形的面积,表示网格点C的坐标向量,表示采样点M、网格点A和网格点B的组成的三角形的面积,表示网格点A、网格点B和网格点C的组成的三角形的面积。
可选地,在本申请的一个实施例中,根据采样点的空间坐标,生成图像的目标多边形网格模型,包括:
获取采样点之间的拓扑关系;
根据采样点的空间坐标,并基于采样点之间的拓扑关系生成图像的目标多边形网格模型。
为达上述目的,本申请第二方面实施例提出了一种基于调和映射生成网格模型的图像处理装置,包括:
获取模块,用于获取图像的三角形网格模型,并获取三角形网格模型的三维信息,其中,三角形网格模型为带有边界的单连通曲面;
映射模块,用于根据三维信息利用调和映射将三角形网格模型映射至平面参数域,其中,三角形网格模型的网格点在平面参数域内均有对应点;
计算模块,用于在平面参数域内进行规则采样,获得多个采样点,并计算采样点的空间坐标;
生成模块,用于根据采样点的空间坐标,生成图像的目标多边形网格模型。
为达上述目的,本申请第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现上述施例所述的基于调和映射生成网格模型的图像处理方法。
为了实现上述目的,本申请第四方面实施例提出了一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器被执行时,能够执行一种基于调和映射生成网格模型的图像处理方法。
本申请实施例的基于调和映射生成网格模型的图像处理方法、装置、计算机设备和非临时性计算机可读存储介质,解决了现有方法直接在复杂表面进行网格划分具有较高的难度且适用性不佳的技术问题,通过基于调和映射生成均匀且高质量的多边形网格,不仅能够最大程度减小角度损失,还能够减小映射过程中的变形造成的几何误差,提高计算效率。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例一所提供的一种基于调和映射生成网格模型的图像处理方法的流程示意图;
图2为本申请实施例的基于调和映射生成网格模型的图像处理方法的另一个流程图;
图3为本申请实施例的基于调和映射生成网格模型的图像处理方法的斯坦福兔子模型示例图;
图4为本申请实施例的基于调和映射生成网格模型的图像处理方法的斯坦福兔子模型部分区域三角网格示例图;
图5(a)为本申请实施例的基于调和映射生成网格模型的图像处理方法的斯坦福兔子模型部分区域的边界点、角点和内部点示例图;
图5(b)为本申请实施例的基于调和映射生成网格模型的图像处理方法的斯坦福兔子模型部分区域的映射结果示例图;
图6为本申请实施例的基于调和映射生成网格模型的图像处理方法的映射边权重计算示例图;
图7为本申请实施例的基于调和映射生成网格模型的图像处理方法的斯坦福兔子模型部分区域的不同采样率的多边形网格示例图;
图8为本申请实施例二所提供的一种基于调和映射生成网格模型的图像处理装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
基于图像得到的网格质量具有进一步优化的空间,生成各类高质量的多边形网格模型是图像处理和特征提取过程中的重要步骤。其中,直接在复杂表面进行网格划分具有较高的难度,网格效果与适用性不佳,所以图像处理广泛采用映射的方法生成曲面多边形网格。调和映射是两个流形之间的一种能量最小化映射,归属于几何分析的研究范畴,其最大的优点是能够保证映射过程中产生的变形扭曲形变最小,从而得到质量更优的多边形网格。
本申请提出一种基于调和映射生成网格模型的图像处理方法,其中,先将图像处理得到的单连通曲面映射为平面参数域,单连通曲面和平面参数域都与圆盘拓扑同构(又称同胚),映射的过程中通过函数优化,迭代调整各点的映射坐标使得调和能量最小;然后基于目标网格进行参数域的规则采样,获得采样点后连接得到参数域内的多边形网格;最后通过加权平均的方式将规则采样点和网格映射回原网格模型上,从而得到与规则采样对应的多边形网格,且网格质量优、网格形状和数量可调可控。
下面参考附图描述本申请实施例的基于调和映射生成网格模型的图像处理方法和装置。
图1为本申请实施例一所提供的一种基于调和映射生成网格模型的图像处理方法的流程示意图。
如图1所示,该基于调和映射生成网格模型的图像处理方法包括以下步骤:
步骤101,获取图像的三角形网格模型,并获取三角形网格模型的三维信息,其中,三角形网格模型为带有边界的单连通曲面;
步骤102,根据三维信息利用调和映射将三角形网格模型映射至平面参数域,其中,三角形网格模型的网格点在平面参数域内均有对应点;
步骤103,在平面参数域内进行规则采样,获得多个采样点的参数信息,并计算采样点的空间坐标;
步骤104,根据采样点的空间坐标,生成图像的目标多边形网格模型。
本申请实施例的基于调和映射生成网格模型的图像处理方法,通过获取图像的三角形网格模型,并获取三角形网格模型的三维信息,其中,三角形网格模型为带有边界的单连通曲面;根据三维信息利用调和映射将三角形网格模型映射至平面参数域,其中,三角形网格模型的网格点在平面参数域内均有对应点;在平面参数域内进行规则采样,获得多个采样点的参数信息,并计算采样点的空间坐标;根据采样点的空间坐标,生成图像的目标多边形网格模型。由此,能够解决现有方法直接在复杂表面进行网格划分具有较高的难度且适用性不佳的技术问题,通过基于调和映射生成均匀且高质量的多边形网格,不仅能够最大程度减小角度损失,还能够减小映射过程中的变形造成的几何误差,提高计算效率。
本申请基于调和映射,能够将图像处理得到的三维信息映射到规则的平面参数域内,最大程度保持曲面网格的夹角不变,然后在参数域内进行规则采样获得采样点的参数信息,映射回三维空间得到目标网格的采样点坐标信息。保角映射又称为保形映射或共形映射,其本质是调和映射,相比于其他映射方法,能够保持局部的形状不变,由于算法和计算机处理离散曲面,难以满足完全保角,所以共形性常被称作最大相似性。
本申请的映射到平面单位正方形参数域的具体流程如图2所示,输入三角形网格模型,记录各面片的顶点与拓扑关系,记录面片边界点与角点;由网格几何信息计算权重,将角点映射至规则参数域;计算各边界的总长度,计算边界点位于边界的长度系数,根据长度系数将边界点映射至平面参数域;初始化内部点的参数坐标为(0.0,0.0),计算各边界的长度与权重,计算网格整体的调和能量E0;对所有内部点,依据其一环点的参数坐标计算此点的新参数坐标,计算网格的新调和能量E1;判断新调和能量E1和调和能量E0的差是否小于等于预设阈值,若否,则将新调和能量E1的值赋予调和能量E0,调整内部点的参数坐标,对所有内部点依据其一环点的参数坐标计算此点的新参数坐标,计算网格的新调和能量E1,直至新调和能量E1和调和能量E0的差小于等于预设阈值;若是,则得到所有网格点的参数域映射结果;对参数域任意采样点M,由拓扑关系得到包围采样点M的三三角形,此三角形的三个顶点为A、B、C,计算(A,B,C)、(M,A,B)、(M,A,C)、(M,B,C)三角形的面积;以面积为权重,计算M的实际坐标,求出所有采样点的空间坐标,依据拓扑关系得到多边形网格,输出高质量多边形网格模型。
本申请处理的曲面是带有边界的单连通曲面,与圆盘拓扑同胚,且参数域为固定边界的平面凸多边形,计算效率高。在映射过程中,网格模型的网格点被视为其邻域内一环点(与此网格点相邻的点)的加权平均,通过使用不同的权重计算方法可以得到多类型的映射方法。
本申请实施例中,若获取的三角形网格模型非带有边界的单连通曲面,则可以将三角形网格模型划分为多个带有边界的单连通曲面区域,并依次对多个带有边界的单连通曲面进行映射处理并拼接,以得到整体的目标多边形网格模型。
如图3所示,经典的斯坦福兔子模型有69451个三角形面片,35947个网格顶点。截取兔子模型的其中一部分区域,其三角网格见图4,截取部分共有5621个三角形面片,2902个网格顶点,此面片与圆盘拓扑同胚且面片密度较大,能够在其基础上生成性态良好的四边形网格。
进一步地,在本申请实施例中,三维信息包括三角形网格模型的网格点坐标、网格点之间的拓扑关系、边界点和角点,获取三角形网格模型的三维信息,包括:
获取三角形网格模型的网格点坐标,并获取三角形网格模型的网格点之间的拓扑关系,其中,网格点包括角点、边界点和内部点;
获取三角形网格模型的边界点,并在边界点中选取预设数量的边界点作为角点,其中,预设数量与目标多边形网格模型的边数相同。
进一步地,在本申请实施例中,根据三维信息利用调和映射将三角形网格模型映射至平面参数域,包括:
根据边界点坐标和边界点之间的拓扑关系将三角形网格模型的角点和边界点映射至平面参数域;
初始化三角形网格模型的内部点在平面参数域中的参数坐标,迭代调整内部点的参数坐标使得调和能量最小,并将调和能量最小时的参数坐标作为内部点的平面参数域映射结果,得到三角形网格模型的平面参数映射结果。
如图5(a)所示,标记三角形网格模型的边界点和角点,其中,角点的选取不是唯一的;将角点和边界点映射至平面参数域,在映射过程中,四个角点映射在参数域的坐标分别为(0.0, 0.0)、(1.0, 0.0)、(1.0, 1.0)和(0.0, 1.0),将内部点映射至平面参数域,得到所有网格点的参数域映射结果,其中,网格点映射到平面规则参数域内结果如图5(b)所示,每一个点的坐标均可以表示为其一环点参数坐标的加权平均,不断迭代计算使得整体结构的调和能量最小化。
进一步地,在本申请实施例中,根据边界点坐标和边界点之间的拓扑关系将三角形网格模型的角点和边界点映射至平面参数域,包括:
通过预设角点的参数坐标将角点映射至平面参数域;
根据角点划分边界,得到预设数量的边界,计算各个边界的长度,并根据长度和边界点坐标,计算各个边界的线性缩放系数;
根据各个边界的线性缩放系数和边界点之间的拓扑关系将边界点映射至平面参数域。
本申请实施例中,根据目标多边形网格模型的边数预设角点的数量,并以方便计算为准,人为预设角点在平面参数域中的参数坐标。
进一步地,在本申请实施例中,初始化三角形网格模型的内部点在平面参数域中的参数坐标,迭代调整内部点的参数坐标使得调和能量最小,并将调和能量最小时的参数坐标作为内部点的平面参数域映射结果,得到三角形网格模型的平面参数映射结果,包括:
初始化三角形网格模型的内部点在平面参数域中的参数坐标为(0.0,0.0);
计算三角形网格模型的映射边的长度与权重,并根据映射边的长度与权重,计算三角形网格模型的第一调和能量,其中,映射边为三角形网格模型的网格点对应的映射点之间的边;
根据内部点的所有相邻的点的参数坐标,计算内部点的新参数坐标,并根据新参数坐标计算三角形网格模型的第二调和能量;
当第二调和能量和第一调和能量的差大于预设阈值时,将第二调和能量的值赋予第一调和能量,调整内部点的参数坐标,并根据调整后的参数坐标重新计算网格的第二调和能量,直至第二调和能量和第一调和能量的差小于等于预设阈值;
当第二调和能量和第一调和能量的差小于等于预设阈值时,将内部点的参数坐标作为内部点的平面参数域映射结果。
本申请实施例中,在映射过程中,网格模型的调和能量逐渐下降。
在计算调和能量的权重时,可以有多种计算方式,在参数域内,如图6所示,以三角形网格点的映射点为例,其相邻的映射点为,计算点之间的映射边对应的权重时,需要用到两个三角形的内角信息,两个三角形分别为由点组成的三角形和由点组成的三角形。在三角形中,对应内角,对应内角,对应内角;在三角形中,对应内角,对应内角,对应内角。计算点之间的映射边对应的权重方式如下所示:
方式一:
方式二:
方式三:
调和能量的计算公式为:
其中,E为调和能量,为映射点之间的映射边,edges(D)为三角形网格模型D映射到参数域内的所有映射边,为映射点之间的映射边的权重,为映射点之间的映射边的长度。
进一步地,在本申请实施例中,在平面参数域内进行规则采样,获得多个采样点,并计算采样点的空间坐标,包括:
根据预设采样率在三角形网格模型的平面参数映射结果内进行均匀采样,得到多个采样点;
根据网格点之间的拓扑关系得到包围采样点的三个网格点,并根据采样点和三个网格点的参数坐标使用第一公式计算得到采样点的空间坐标;
其中,第一公式表示为:
其中,表示采样点M的坐标向量,表示网格点A的坐标向量,表示采样点M、网格点B和网格点C的组成的三角形的面积,表示网格点B的坐标向量,表示采样点M、网格点A和网格点C的组成的三角形的面积,表示网格点C的坐标向量,表示采样点M、网格点A和网格点B的组成的三角形的面积,表示网格点A、网格点B和网格点C的组成的三角形的面积。
本申请在平面参数域内依据采样率在x轴和y轴两方向进行均匀采样选取采样点,对于任意一个参数域内的点,均可以得到包含此点的三角形及其顶点,由三角形顶点的实际坐标加权平均后可以得到采样点的实际坐标,一般选取权重与面积有关。在两个参数坐标上定义采样率d,将参数方向分为d段,得到一个均匀分布的四边形网格,将网格结点映射回原模型得到实际坐标,从而完成了多边形网格的生成,且由于采样网格规则,得到的多边形网格性态好、局部形状的变形小且满足保角性。如图7所示,定义不同的采样率d,得到多个不同的均匀分布的四边形网格,将网格结点映射回原模型得到实际坐标,从而完成了多个不同的多边形网格的生成。
采样点的选择具有任意性,因此可以通过在参数域内设置平面n边形(n≥3)的网格来得到空间多边形网格模型,适用于后续图像处理、纹理贴片、特征提取和多细节层次模型生成等不同类型的应用场景。
进一步地,在本申请实施例中,根据采样点的空间坐标,生成图像的目标多边形网格模型,包括:
获取采样点之间的拓扑关系;
根据采样点的空间坐标,并基于采样点之间的拓扑关系生成图像的目标多边形网格模型。
本申请实施例中,获取采样点之间的拓扑关系,并根据采样点之间的拓扑关系以及采样点的空间坐标,将采样点映射至网格模型中,得到目标多边形网格模型。
在图像处理、纹理贴片和生成多边形网格和多细节层次模型的过程中,相比于其他的方法,本申请能够得到任意类型的多边形网格,且满足映射时的调和能量和扭曲形变最小,网格形状和数量可调可控,可以生成远小于原始三角网格面片数量的多边形网格。依托于保角映射的保角性和保圆性,本申请能够得到均匀且高质量的网格,可以用于后续的游戏建模、样条曲面生成、有限元分析与计算仿真等。通过最大程度减小角度损失减小映射过程中的变形造成的几何误差。这种基于调和映射的图像处理-三维点云或三角网格模型-平面参数域-规则采样点-三维采样点坐标-多边形网格的流程实现了图像处理与多边形网格模型生成的自动化与智能化。
图8为本申请实施例二所提供的一种基于调和映射生成网格模型的图像处理装置的结构示意图。
如图8所示,该基于调和映射生成网格模型的图像处理装置,包括:
获取模块10,用于获取图像的三角形网格模型,并获取三角形网格模型的三维信息,其中,三角形网格模型为带有边界的单连通曲面;
映射模块20,用于根据三维信息利用调和映射将三角形网格模型映射至平面参数域,其中,三角形网格模型的网格点在平面参数域内均有对应点;
计算模块30,用于在平面参数域内进行规则采样,获得多个采样点,并计算采样点的空间坐标;
生成模块40,用于根据采样点的空间坐标,生成图像的目标多边形网格模型。
本申请实施例的基于调和映射生成网格模型的图像处理装置,包括:获取模块,用于获取图像的三角形网格模型,并获取三角形网格模型的三维信息,其中,三角形网格模型为带有边界的单连通曲面;映射模块,用于根据三维信息利用调和映射将三角形网格模型映射至平面参数域,其中,三角形网格模型的网格点在平面参数域内均有对应点;计算模块,用于在平面参数域内进行规则采样,获得多个采样点,并计算采样点的空间坐标;生成模块,用于根据采样点的空间坐标,生成图像的目标多边形网格模型。由此,能够解决现有方法直接在复杂表面进行网格划分具有较高的难度且适用性不佳的技术问题,通过基于调和映射生成均匀且高质量的多边形网格,不仅能够最大程度减小角度损失,还能够减小映射过程中的变形造成的几何误差,提高计算效率。
为了实现上述实施例,本申请还提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现上述施例所述的基于调和映射生成网格模型的图像处理方法。
为了实现上述实施例,本申请还提出了一种非临时性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实施例的基于调和映射生成网格模型的图像处理方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于调和映射生成网格模型的图像处理方法,其特征在于,包括以下步骤:
获取图像的三角形网格模型,并获取所述三角形网格模型的三维信息,其中,所述三角形网格模型为带有边界的单连通曲面;
根据所述三维信息利用调和映射将所述三角形网格模型映射至平面参数域,其中,所述三角形网格模型的网格点在所述平面参数域内均有对应点;
在所述平面参数域内进行规则采样,获得多个采样点,并计算所述采样点的空间坐标;
根据所述采样点的空间坐标,生成所述图像的目标多边形网格模型。
2.如权利要求1所述的方法,其特征在于,所述三维信息包括三角形网格模型的网格点坐标、网格点之间的拓扑关系、边界点和角点,所述获取所述三角形网格模型的三维信息,包括:
获取所述三角形网格模型的网格点坐标,并获取所述三角形网格模型的网格点之间的拓扑关系,其中,所述网格点包括角点、边界点和内部点;
获取所述三角形网格模型的边界点,并在所述边界点中选取预设数量的边界点作为角点,其中,所述预设数量与目标多边形网格模型的边数相同。
3.如权利要求2所述的方法,其特征在于,所述根据所述三维信息利用调和映射将所述三角形网格模型映射至平面参数域,包括:
根据边界点坐标和边界点之间的拓扑关系将所述三角形网格模型的角点和边界点映射至平面参数域;
初始化所述三角形网格模型的内部点在平面参数域中的参数坐标,迭代调整所述内部点的参数坐标使得调和能量最小,并将调和能量最小时的参数坐标作为所述内部点的平面参数域映射结果,得到所述三角形网格模型的平面参数映射结果。
4.如权利要求3所述的方法,其特征在于,所述根据边界点坐标和边界点之间的拓扑关系将所述三角形网格模型的角点和边界点映射至平面参数域,包括:
通过预设角点的参数坐标将所述角点映射至平面参数域;
根据所述角点划分边界,得到所述预设数量的边界,计算各个边界的长度,并根据所述长度和边界点坐标,计算各个边界的线性缩放系数;
根据所述各个边界的线性缩放系数和边界点之间的拓扑关系将边界点映射至平面参数域。
5.如权利要求3所述的方法,其特征在于,所述初始化所述三角形网格模型的内部点在平面参数域中的参数坐标,迭代调整所述内部点的参数坐标使得调和能量最小,并将调和能量最小时的参数坐标作为所述内部点的平面参数域映射结果,得到所述三角形网格模型的平面参数映射结果,包括:
初始化所述三角形网格模型的内部点在平面参数域中的参数坐标为(0.0,0.0);
计算所述三角形网格模型的映射边的长度与权重,并根据所述映射边的长度与权重,计算所述三角形网格模型的第一调和能量;
根据所述内部点的所有相邻的点的参数坐标,计算所述内部点的新参数坐标,并根据所述新参数坐标计算所述三角形网格模型的第二调和能量;
当所述第二调和能量和所述第一调和能量的差大于预设阈值时,将所述第二调和能量的值赋予所述第一调和能量,调整所述内部点的参数坐标,并根据调整后的参数坐标重新计算网格的第二调和能量,直至第二调和能量和第一调和能量的差小于等于预设阈值;
当所述第二调和能量和所述第一调和能量的差小于等于预设阈值时,将所述内部点的参数坐标作为所述内部点的平面参数域映射结果,得到所述三角形网格模型的平面参数映射结果。
6.如权利要求5所述的方法,其特征在于,所述在所述平面参数域内进行规则采样,获得多个采样点,并计算所述采样点的空间坐标,包括:
根据预设采样率在所述三角形网格模型的平面参数映射结果内进行均匀采样,得到多个采样点;
根据网格点之间的拓扑关系得到包围采样点的三个网格点,并根据所述采样点和所述三个网格点的参数坐标使用第一公式计算得到采样点的空间坐标;
其中,所述第一公式表示为:
其中,表示采样点M的坐标向量,表示网格点A的坐标向量,表示采样点M、网格点B和网格点C的组成的三角形的面积,表示网格点B的坐标向量,表示采样点M、网格点A和网格点C的组成的三角形的面积,表示网格点C的坐标向量,表示采样点M、网格点A和网格点B的组成的三角形的面积,表示网格点A、网格点B和网格点C的组成的三角形的面积。
7.如权利要求6所述的方法,其特征在于,所述根据所述采样点的空间坐标,生成所述图像的目标多边形网格模型,包括:
获取采样点之间的拓扑关系;
根据所述采样点的空间坐标,并基于所述采样点之间的拓扑关系生成所述图像的目标多边形网格模型。
8.一种基于调和映射生成网格模型的图像处理装置,其特征在于,包括:
获取模块,用于获取图像的三角形网格模型,并获取所述三角形网格模型的三维信息,其中,所述三角形网格模型为带有边界的单连通曲面;
映射模块,用于根据所述三维信息利用调和映射将所述三角形网格模型映射至平面参数域,其中,所述三角形网格模型的网格点在所述平面参数域内均有对应点;
计算模块,用于在所述平面参数域内进行规则采样,获得多个采样点,并计算所述采样点的空间坐标;
生成模块,用于根据所述采样点的空间坐标,生成所述图像的目标多边形网格模型。
9.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一所述的方法。
10.一种非临时性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中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310201735.XA CN116071519B (zh) | 2023-03-06 | 2023-03-06 | 基于调和映射生成网格模型的图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310201735.XA CN116071519B (zh) | 2023-03-06 | 2023-03-06 | 基于调和映射生成网格模型的图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116071519A true CN116071519A (zh) | 2023-05-05 |
CN116071519B CN116071519B (zh) | 2023-06-20 |
Family
ID=86180296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310201735.XA Active CN116071519B (zh) | 2023-03-06 | 2023-03-06 | 基于调和映射生成网格模型的图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116071519B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681864A (zh) * | 2023-08-04 | 2023-09-01 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种空间网格生成方法、装置、设备及介质 |
CN116681705A (zh) * | 2023-08-04 | 2023-09-01 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于人脑海马体纵向结构的表面形态测量方法及处理设备 |
CN118015223A (zh) * | 2024-04-09 | 2024-05-10 | 中国空气动力研究与发展中心计算空气动力研究所 | 三流形六面体网格生成方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100295849A1 (en) * | 2009-05-20 | 2010-11-25 | Chung-Ang University Industry-Academy Cooperation Foundation | Three-dimensional modeling apparatus and method using grid structure |
CN107679515A (zh) * | 2017-10-24 | 2018-02-09 | 西安交通大学 | 一种基于曲面调和形状图像深度表示的三维人脸识别方法 |
CN110516388A (zh) * | 2019-08-31 | 2019-11-29 | 大连理工大学 | 基于调和映射的曲面离散点云模型环切刀轨生成方法 |
CN110555285A (zh) * | 2019-09-12 | 2019-12-10 | 北京工商大学 | 一种复杂飞行器表面结构网格全自动生成方法 |
CN112560365A (zh) * | 2020-12-23 | 2021-03-26 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于全局映射变换的表面结构网格自动生成方法 |
CN114998476A (zh) * | 2022-06-07 | 2022-09-02 | 杭州电子科技大学 | 一种基于离散几何映射的等几何分析参数化迁移方法 |
-
2023
- 2023-03-06 CN CN202310201735.XA patent/CN116071519B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100295849A1 (en) * | 2009-05-20 | 2010-11-25 | Chung-Ang University Industry-Academy Cooperation Foundation | Three-dimensional modeling apparatus and method using grid structure |
CN107679515A (zh) * | 2017-10-24 | 2018-02-09 | 西安交通大学 | 一种基于曲面调和形状图像深度表示的三维人脸识别方法 |
CN110516388A (zh) * | 2019-08-31 | 2019-11-29 | 大连理工大学 | 基于调和映射的曲面离散点云模型环切刀轨生成方法 |
CN110555285A (zh) * | 2019-09-12 | 2019-12-10 | 北京工商大学 | 一种复杂飞行器表面结构网格全自动生成方法 |
CN112560365A (zh) * | 2020-12-23 | 2021-03-26 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于全局映射变换的表面结构网格自动生成方法 |
CN114998476A (zh) * | 2022-06-07 | 2022-09-02 | 杭州电子科技大学 | 一种基于离散几何映射的等几何分析参数化迁移方法 |
Non-Patent Citations (2)
Title |
---|
万燕;王慧洁;鲁俊;: "基于三角网格模型的纹理映射研究", 计算机应用与软件, no. 04 * |
陈龙;樊兴旺;王猛;徐岗;: "有限元四边单元网格模型的参数化重建", 计算机辅助设计与图形学学报, no. 04 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681864A (zh) * | 2023-08-04 | 2023-09-01 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种空间网格生成方法、装置、设备及介质 |
CN116681705A (zh) * | 2023-08-04 | 2023-09-01 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于人脑海马体纵向结构的表面形态测量方法及处理设备 |
CN116681705B (zh) * | 2023-08-04 | 2023-09-29 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于人脑海马体纵向结构的表面形态测量方法及处理设备 |
CN116681864B (zh) * | 2023-08-04 | 2024-01-12 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种空间网格生成方法、装置、设备及介质 |
CN118015223A (zh) * | 2024-04-09 | 2024-05-10 | 中国空气动力研究与发展中心计算空气动力研究所 | 三流形六面体网格生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116071519B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116071519B (zh) | 基于调和映射生成网格模型的图像处理方法和装置 | |
CN110097624B (zh) | 生成三维数据lod简化模型的方法及装置 | |
JP2642070B2 (ja) | 四角形メッシュの生成方法及びシステム | |
US8537158B2 (en) | Parallel triangle tessellation | |
CN107886569B (zh) | 一种基于离散李导数的测度可控的曲面参数化方法及系统 | |
US20240153123A1 (en) | Isogeometric Analysis Method Based on a Geometric Reconstruction Model | |
CN110084894B (zh) | 三维模型的局部放大展示方法、装置与电子设备 | |
CN111489447B (zh) | 一种适用于格子Boltzmann方法的直角网格自适应建模方法 | |
CN114494641B (zh) | 一种三维模型轻量化方法及装置 | |
CN114693856B (zh) | 对象生成方法、装置、计算机设备和存储介质 | |
CN108986020A (zh) | 一种三维曲面近似展开成平面的自适应方法 | |
CN103049932A (zh) | 一种基于径向基函数的植物三维形态虚拟建模方法 | |
CN111079326A (zh) | 二维各向异性网格单元度量张量场光滑化方法 | |
CN114429535A (zh) | 一种三角网格曲面的光滑裁剪方法及装置 | |
Zhu et al. | A review of 3D point clouds parameterization methods | |
CN115937460A (zh) | 基于最优传输的保特征表面重建方法 | |
JP2001067495A (ja) | 三角形メッシュの生成方法、装置及び記録媒体 | |
CN111445585B (zh) | 基于对偶凸包域的三维形状对应方法及装置 | |
CN116229005B (zh) | 三维巷道模型的测地线确定方法和装置 | |
Tekumalla et al. | Reverse engineering point clouds to fit tensor product B-spline surfaces by blending local fits | |
CN115619978B (zh) | 网格面构建方法、终端以及存储介质 | |
CN108665538A (zh) | 一种三维模型拟合方法、装置、计算机设备及介质 | |
CN117893712B (zh) | 一种表面结构网格生成方法和装置 | |
CN118037992A (zh) | 一种三角网局部重构方法、系统、设备及存储介质 | |
CA2711825A1 (en) | System and method for generating quadrangulations |
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 |