计算机生成图像

计算机生成图像（精选7篇）

计算机生成图像 篇1

随着互联网信息技术时代的全面到来, 在我国, 信息资源的存储媒介也从上个世纪传统的纸质图像的胶片形式转向现代化的电磁方式。 进入到21 世纪的第二个发展十年, 我国关于图像生成、 检测、 鉴别的应用技术已经发展到一个新阶段。 在现阶段, 图像作为一种社会信息资源, 包括在互联网数据资源库内, 相对于传统的胶片图像, 数字化的图像生成则更容易用来改动和鉴别图像的真伪, 同时还能进一步优化生成图像的质量。 随着国内外大量三维图像生成技术及其软件设备的开发, 一些计算机图像经过其应用就会轻易地以假乱真, 这对于社会各发展领域的信息安全管理工作是极为不利的, 通过图像噪声分析下的计算机生成图像检测算法, 基于上述问题的解决策略提出一种新算法。

1 图像背景噪声的产生

1.1 图像噪声的产生原因

在现阶段, 绝大部分所使用的数字图像处理系统, 在输入图像这一环节均是采取先对其冻结再扫描的方式, 它的作用效果就是将多维图像转换成一维电信号, 之后再经过系统化的加工、 处理、 存储、 传输, 实现图像格式的变换, 最后, 在经过计算机合成技术实现多维图像信号的完成。 与此同时, 在伴随着图像生成的过程中, 其噪声也是经历着这样一个环节过程 (包括分解、 合成) 。 图像噪声的主要来源, 也就是图像本身的生成过程、 传输过程、 处理过程。

1.2 图像噪声的分类

(1) 光电噪声。 该噪声的产生主要是由入射的光子统计特征以及光电转换和量化过程所引起的, 其中主要包含了两种不同的光电噪声形式, 分别是量化噪声、 散粒噪声。

(2) 电子噪声。 该噪声主要来源于照相机和图像采集电路中所附有的电子, 其电子在使用运行过程中过多的产生随机热运动, 进而制造出大量的电子噪声。

(3) 器件噪声。 该噪声源自于相机中光学元件内部的玻璃材料, 由于玻璃材料的折射率分布极不均匀, 并且材质中存有大量的非透明的微小颗粒, 再加上器件 (CCD传感器) 的表面存有一定的缺陷, 进而就会导致造成噪声的引入。

(4) 媒介噪声。 在图像生成处理的整个过程中, 通常情况下, 使用到的多为成像的媒介, 其会随机扰动, 或者是由于成像系统本身机械结构在运行过程中出现抖动, 从而就引起了噪声。

2 计算机生成图像检测算法

2.1 计算机生成图像检测流程框架

如图1 所示。

2.2 图像噪声源分析及其特征提取

2.2.1 图像噪声源

在分析图像噪声源特征提取之前, 先来对计算机生成图像特征的提取进行简单的阐述。 主要基于当前计算机三维技术软件所生成的图像 (JPEG) 进行检测与真伪识别, 要想进一步确立并实现这一目标, 就必须对计算机生成图像与自然图像的区别进行比较及特征挖掘、 提取。 下面切入到正题, 图像噪声源实质上就是生成图像的过程, 包括数据的提取、处理、 加工等, 而在计算机生成图像与自然图像成像过程中, 图像噪声能够在 “小波域” 上面得到显示, 因此在小波域上对计算机生成图像与自然图像进行区分, 借助于图像小波系数所具备的良好统计规则性能, 重点构建了一种基于小波变换的四镜像滤波器处理方法。

前文中介绍了4 种不同的图像噪声种类, 包括光电噪声、电子噪声、 器件噪声、 媒介噪声。 根据 (2.3 部分) 图2 的表述, 得出了自然图像噪声模型的参数表达式:

I =gy{ f [ (1+K) Y+A+Os+Or+Ot]} +Oq

其中, I表示的是输出图像的像素值; Y表示的是图像输入的光强; K表示的是CCD传感器感应不均匀产生的图像噪声 (也可称作模式噪声) ; A表示的是照相机暗电流; Os表示的是光电噪声; Or表示的是电子噪声; Ot表示的是器件噪声;Oq表示的是媒介噪声。

2.2.2 图像噪声源特征提取

如图2 所示。

2.3 基于图像噪声分析下的计算机生成图像检测算法

如图3 所示。

2.4 实验结果

通过将文中的算法与Farid算法进行对比分析, 来检验其在计算机生成图像检测率性能方面的差异性, 寻求最佳改进的切入点。 如表1 所示的是计算机生成图像检测的精度。

在实验过程中选取的1000 幅图像进行检测, 分别分为500 幅计算机生成图像与500 幅自然图像。 选取的图像全部来自于美国一些州立大学网站上的3D图片, 同时还有少部分图片来自于个人的图片收藏 (图片内容涉及的方面有世界建筑、自然风景、 人物肖像等) 。

3 结语

随着社会经济的不断发展, 科学技术水平的不断进步, 当前在我国计算机科学研究领域, 关于多媒体图像应用处理技术的发展与创新已取得了初步的成果。 其中, 以计算机多媒体技术为核心的数字图像处理软件, 逐步蔓延到社会发展的各个领域、 环节。

关于图像噪声分析及建模, 其在计算机数字图像处理与模式识别的应用过程中, 起到着不可或缺的重要功用。 对于计算机生成图像, 其在数据采集与处理过程中, 经常会受到来自各方面的外界因素 (噪声源) 的干扰影响, 进而就会使得整个图像生成的质量大幅度降低。 因此, 只有剔除图像中所存在的噪声, 才是提升计算机生成图像质量的直接而又有效的技术手段。 基于图像噪声分析下的计算机生成图像检测算法的研究, 重点提出了一种基于模式噪声鉴别的 (计算机生成图像) 新型算法, 将其分两部分进行了概述、 探讨、分析, 包括自然图像成像过程, 以及图像噪声源的空间分布模型。

参考文献

[1]张冰, 昝程.一种运用图像力场特性的图像拷贝检测算法[J].计算机科学, 2014, 41 (11) :306-308.

[2]李艳平, 杨格兰.远程采集随即视频图像清晰化方法仿真[J].计算机仿真, 2013, 30 (9) :230-233, 285.

[3]李艳平, 杨格兰.远程采集随即视频图像清晰化方法仿真[C].中国计算机用户协会仿真应用分会成立三十周年庆祝大会暨2013全国仿真技术学术会议论文集, 2013:230-233, 285.

[4]余燕飞, 郑烇, 王嵩, 等.基于空间域的图像噪声检测技术[J].计算机应用, 2012, 32 (6) :1552-1556.

[5]Gang Li, Shuanhai He, Yongfeng Ju, Kai Du.Long-distance precision inspection method for bridge cracks with image processing[J].Automation in Construction, 2013.

计算机生成图像 篇2

关键词：计算机,生成图像,智能取证

前言

随着科技的发展和进步,信息技术开始深入到社会生产生活的各个领域当中,各种信息资源逐渐插着数字化的方向发展,数字图像是其中最具代表性的一种信息资源。作为一种获取和发布信息的方式,数字图像在网络和非网路领域都得到了有效的应用。真实性取证和完整信息保护是数字图像应用所面临的关键性问题,采用智能取证技术,有效鉴别数字图像的真伪,以保证图像信息的真实性和安全性。

1 图像智能取证技术应用的背景

当前,电磁存储媒介正逐渐取代纸质媒介,成为信息资源储存和传输的重要载体,数字图像开始广泛应用于各个行业领域,并发挥着相当重要的作用,在信息采集和发布方面,数字图像具有十分显著的优势,为人们的工作、学习和生活提供重要的信息服务。尤其在互联网当中,数字图像作为多媒体信息形式,得到有效的应用。科技是一把双刃剑,数字图像在信息资源服务方面具有很多优点,同样也存在着一定的不足和缺陷。

数字图像使信息资源的质量和精度更高,但是容易编辑和修改,通过常见的图像处理设备和编辑软件即可完成,往往在数字图像当中看不到编辑和修改的痕迹,难以辨别出图像的真伪。非正当途径编辑修改的数字图像往往会引发争议以及计算机犯罪,篡改数字图像内容以达到扰乱试听的作用。伪造数字图像的不正当应用,会严重影响社会的正常秩序。正是由于难以鉴别数字图像当中是否存在编辑和修改的痕迹,其真实性也难以准确的判断,图像取证的难度较大。智能取证技术的应用,起到了图像防伪的重要作用,利用先进的专业技术手段,进行图像的完整性取证,查找图像被编辑和修改的痕迹。更加真实、可靠的数字图像能够作为重要证据信息,有效解决图像取证所面临的难题。面向计算机生成图像,有效提升取证的真实性和准确性[1]。

2 图像取证技术方法及其分类

2.1 图像取证技术方法的分类

为了准确鉴别数字图像的真伪,采用有效的图像取证技术和方法是十分必要的,以实现真实性取证和完整信息保护。从技术层面着手,提升图像取证和鉴定的水平。图像取证技术方法主要分为主动图像鉴别和被动图像鉴别。主动图像鉴别是最常见的图像取证技术手段,主要针对水印和数字签名进行检测,多应用于版权保护以及证据篡改鉴定等多个方面。被动图像鉴别主要面向两个层面,分别是自然图像和计算机生成图像的鉴别。与主动图像取证方法不同,被动图像鉴别无需进行水印和签名的嵌入检验,而是直接进行数字图像的分析,寻找当中存在的问题,主要是编辑和篡改的痕迹,因此,被动图像鉴别取证的难度较大,对于技术性要求很高。当前在被动图像鉴别取证方面开发了多项先进技术,主要应用于新闻图片、法律证据以及金融数字档案等多个方面。

2.2 图像主动取证

数字图像主动取证的目的在于保证图像信息的完整性和真实性,主要利用数字水印进行图像完整性鉴别,方法有图像完整性取证的数字水印和图像内容篡改取证的数字水印。

2.2.1 图像完整性取证的数字水印

该方法与完全脆弱水印相一致,在面对攻击时,其敏感性极高,一旦比特改变,将无法通过取证。将一个视觉上有意义的二值水印嵌入空间域,将需要嵌入的水印的相关特征随机映射为0 或1,根据所形成的二维列表LUT,实现空间域像素的量化;在经过量化的DCT系数当中嵌入一个二值水印模式(有意义),采用JPEG量化矩阵;在经过SPINT压缩的小波系数当中,将水印加入其中,定位水印图像的篡改,并分析其特征;原始图像在经过JPEG量化后,经DCT低频系数进行编码,将得到的数据嵌入到图像有效位,进而达到恢复图像的效果。以上都是具有代表性的图像完整性取证的数字水印研究成果。

2.2.2 图像内容篡改取证的数字水印

图像内容篡改取证的数字水印是一种选择性取证,也可以称为内容取证或者模糊取证,与半脆弱水印大致相同具有鲁棒性(合法失真)和敏感性(不合法失真)。同时嵌入鲁棒水印和半脆弱水印,以有效保护图像版权,同时进行完整性取证;同时采用鲁棒水印和半脆弱水印进行拍照,保证数码相机拍摄图像的安全性;利用MSB-LSB半脆弱水印框架进行取证,基于格式编码技术及密码技术,有效应用于图像取证和版权保护当中,可对图像内容篡改进行识别。以上是具有代表性的图像内容篡改取证的数字水印研究成果。

2.3 图像被动取证

相比于自然图像篡改取证,计算机生成图像取证技术的开发和研究好有待于提高。面向计算机生成图像的被动取证技术,围绕着整数维空间和分数维空间来展开。在整数维空间,在小波域提取统计特征,需要参考空间域均值、方差、偏态、峰态等参数。采用特征向量方法进行分类。在分数维空间,由于计算生成图像和自然图像存在着差异性,通过图像被动取证来提取固有差异性特征,进而分析数字图像的特征,以辨别其真伪。根据图像物理特征一致性、图像几何特征一致性及图像统计特征一致性进行篡改取证都是主要的图像被动取证办法。然而图像被动取证在计算机生成图像取证方面的效果并不显著,其数学模型还有待于进一步改进,相关理论需要进一步的完善。

3 面向计算机生成图像的智能取证技术

3.1 基于高阶统计量的计算机生成图像检测取证算法

基于高阶统计量的计算机生成图像检测取证算法,明确了计算机生成图像与自然图像的区别,从中提取图像的特征并测试其特征值,输入到分类器当中,与自然图像和计算机生成图像进行对比,进而对图像进行判断,而判断的准确性与算法的精准度有关。利用技术特征函数的高阶统计量作为图像特征值,以提升计算机生成图像检测取证算法算法的准确性。计算机生成图像是利用计算机重现真实场景,进而获得具有真实感的图像,能够对真实物体进行模拟,达到仿真的效果,与自然图像的物理成像机理有着明显的区别。自然图像具有内在连续性和相关性,这是自然图像的特征,同样也是计算机生成图像所不具备的。基于高阶统计量的计算机生成图像检测取证算法,根据小波变换的多尺度和多分辨率,获得高阶统计量特征,有效区分自然图像和计算机生成图像。

3.1.1 Farid

Farid是一种基础的高阶统计量的检测算法,其根据根据特征提取算法,通过样本图像的计算,进而获得统计特征值。设计分类器模型,由所获得的统计特征值进行训练,所得到的分类模型可进行分类判决,进行图像的区分。Farid应用四镜像滤波器进行高阶统计量特征值的求取,通过小波变换、滤波等系列步骤,获得四个子带,选择低通子带重复操作,根据不同的子带得到的统计值进行统计分布描述,进而计算特征值。同时根据最优线性预测器准则获得另一组特征值,利用小波三次分解系数,能够准确的预测误差。SVM非线性分类器对提升检测精度和监测取证效率具有积极的影响,加上Ada Boost分类器的使用,输入高阶统计量特征值,可以根据得到的两类模型判决器进行图像区分,进而实图像的智能取证。

3.1.2 计算机生成图像取证检测算法的进一步改进

根据计算机生成图像的特征和Farid高阶统计量的检测算法,进一步对计算机生成图像取证检测算法进行改进,以弥补Farid高阶统计量的检测算法的缺陷,提升图像取证的准确性。计算机生成图像能够进行光照条件和物理成像的模拟,需要进行图像小波的高阶统计特征值的提取,以准确反映出图像受到CCD噪声的影响。在图像压缩、编码、去噪和纹理分析当中,图像的小波分解及分析得到了有效的应用,利用其多尺度多分辨率的优良特性,简单便捷的进行小波系数的统计和分析,有效找到特征提取模型,进而对计算机生成图像和自然图像加以区分和判断,提升其准确性。可以将图像的小波分解和分析看做识别CCD噪声模式的工具,再利用数学工具加以描述,自然图像和计算机生成图像的区别更加清晰,进而提升计算机生成图像检测取证的准确性,计算特征值,并将其输入Ada Boost分类器当中进行训练。

基于图像特征生提取模型,同样是增加计算机生成图像检测算法检测精度的有效途径,图像特征值的有效性十分关键,能够准确检测出自然图像或是计算机生成图像。在图像特征生提取模型当中输出特征向量,由Ada Boost训练器进行训练,更为准确的判断图像是否为计算机生成图像。相比于SVM非线性分类器,Ada Boost分类器的效率更高。

计算机生成图像检测算法需要经过训练和检测两个步骤,通过图像输入,进行格式解析和图像数据获取,获得图像序列源。然后提取图像特征,形成图像特征集,选取特征分析和最优特征组合,进行分类器识别,由判决器输出,检测和判断自然图像或计算机生成图像。结合仿真试验,以测试计算机生成图像检测算法的精度,并进行科学、合理的评估。

3.2 多维特征提取的计算机生成图像检测取证算法

多维特征提取的计算机生成图像检测取证算法是在空间域和变换域上共同提取图像特征,尤其对于3D工具生成图像,能够准确、有效的予以检测,但由于支持其的数学模型不够成熟,未能得到普及性应用。Farid的高阶统计量检测取证算法局限于小波域的计算,而忽略了时域特征,影响了检测精度。空间域和变换域提取图片的有效特征值所形成的多维特征向量,利用多维特征提取的计算机生成图像检测取证算法进行检测。该算法更加着重于图像的HSV上的颜色特征和边缘检测特征,其检测精度明显优于识别CCD噪声的方法。颜色是图像的基本特征,同样也是图像重要的组成部分,需要准确地进行颜色特征描述,获得合适的颜色空间,实现颜色特征表征量化,图像的空间域特征以向量的形式予以呈现,进而获得饱和度和亮度特征。平衡噪声抑制和边缘检测,其具体流程是将原始图像进行平滑滤波,增强其边缘,并进行阈值分割,进而获得边缘图像,完成边缘检测。基于高阶统计量的图像特征值,利用多维特征提取的计算机生成图像检测取证算法,使计算机生成图像特征更加清晰,以更好的与自然图像加以区分。结合仿真试验,以测试多维特征提取的计算机生成图像检测取证算法的精度,并进行科学、合理的评估[2]。

结论:

面向计算机生成图像的智能取证技术,用以保护图像信息的完整性和真实性,防止经过篡改和编辑的数字图像影响社会的正常秩序。结合计算机生成数字图像的特点,应用更为有效的计算机生成图像的智能取证技术。根据高阶统计量和多维特征提取两种计算机生成图像检测取证算法的研究,明确自然图像与计算生成图像的区别,随着图像检测取证算法的不断改进和完善,计算机生成图像检测与取证的准确性得到进一步的提升,实现科技服务于生活。

参考文献

[1]王勇亮,郑学通,戚鹏,郭艳.图像取证技术及其相关问题的研究[J].电子世界,2012,18:77-78.

突破常规思维动态生成图像 篇3

关键词：常规思维,动态生成,高考,地理

对于高中地理必修1中的“常见的天气系统”,地理课程标准中明确要求“运用简易天气图,简要分析锋面、低压、高压等天气系统的特点”。“锋面系统”则是常见的天气系统中的核心考点,在教学要求中具体要求“运用图表,简要分析锋面系统的特点及锋面系统对天气的影响”。在2015年考试说明中更是直接表述为“锋面、低压和高压天气系统及其对天气的影响”。由此可见,“运用图表分析锋面对天气系统的影响”是高考考查的重点。

题目

(2015·江苏高考卷)图1为2015年5月1日14时亚洲部分地区海平面气压形势图。读图回答10题。

10.图1中锋面系统过境前后,江苏天气变化与下列图示相符的是()。

【答案:B】

解析

1. 核心考点的常规思维

结合课程标准、教学要求和考试说明,我们在组织新课教学和高考复习时,基本都能按照“锋面分类—各类锋面的概念及示意图(符号)分析—动态演示各类锋面过境前后天气变化并且列表归纳相关知识—拓展延伸,绘制某地锋面过境前后气温、气压变化的坐标图”等环节进行教学,整个过程可以说是一气呵成的。结合本题,以“冷锋”过境前后对天气的影响为例,作如表1中的常规思维梳理。

通过分析梳理,并查阅各类教辅资料,都无一例外地呈现了上述表1中第4点的示意图(如图4所示),甚至为了让学生便于理解,教师还会在此处进一步将“温压关系”总结为“负相关”。当然,就第3点的文字归纳和图示而言,是毋庸置疑的。那么,为何在这道高考试题中出现了如答案B所示的图像呢?为何气压变化曲线呈现为“抛物线”了呢?笔者认为,最大区别在于,表1中第4点的示意图应该是“某种静态”下的“定性”描述,而我们平时教学中恰恰没有强调甚至忽略了“动态变化”中具体的“定量”背景。因此并不能说上表中的示意图是错误的,而这道高考试题中呈现的图像是在“2015年5月1日14时亚洲部分地区海平面气压形势图”中的具体表现,气温和气压的变化图像正是一个“现实”呈现。

2. 匠心独特的动态生成

就题目中锋面系统(冷锋)过境前后,江苏天气变化的“气温变化”,根据“过境前,受单一暖气团控制,气温高;过境后,受冷气团控制,气温下降(低)”,容易确定“气温曲线”如B或D图中所呈现。而就“气压变化”,又如何分析出如B图所示的“抛物线”呢?笔者认为,可从以下几方面入手分析。

第一,需要明确图中的各天气系统不是静止的,而是动态的(运动着的),结合图中冷锋的位置,根据冷锋的概念,不难判断“此时”“我国”的冷锋天气系统的“移动方向”大致向东偏南方向(见图5中箭头)。

第二,应该明确江苏在冷锋到来之前的气压值(1007.5h Pa~1012.5h Pa之间)。

第三,应该观察冷锋的“锋后”,即高压区的气压值(大部分大于1010h Pa,局部1012.5h Pa~1015h Pa之间)。

第四,图中目前冷锋所在位置处于低压槽中,气压值小于1007.5h Pa。

第五,明确当冷锋向东偏南的江苏移动时(实际上是图中各天气系统的整体移动),就可对江苏的气压值进行“定量”(由上述的第二、第三、第四)分析,然后做出“定性”归纳,即江苏的气压值随时间的变化呈现出由“高—低—高”的变化特征,因此便可以绘制出如B图所示的“抛物线”图形。

分形图像生成方法的研究 篇4

分形 (fractal) 是由美籍法国数学家Mandelbrot创立的, 此词源于拉丁文形容词fractus--破碎、产生无规则碎片的意思。分形在几何上是破碎的、不规则的、自相似的 (1) 。分形的破碎性体现在它可以由多个或者无数个相互独立的部分组成;不规则性指它不像传统欧式几何那样使用基本的图形 (点、线、多边形等) 来表示;自相似性指它在越来越小的尺度上产生与整体相似的细节, 形成无穷无尽的精致结构。例如, 海岸线和山川形状, 从远距离观察, 其形状是极不规则的, 从近距离观察, 其局部形状又和整体形态相似, 它们从整体到局部, 都是自相似的。

分形图像在日常生活中应用广泛, 特别在服装、织物、包装和标识等平面设计中。分形明信片、分形广告、分形年历、分形贺年卡纷纷进入商品市场, 许多著名杂志的封面上也出现过分形图像 (2) 。分形图像精致细腻, 且艺术风格多样, 画面中充满了交叉、层叠、重复、缠绕, 充满了丰富的变幻和绚烂的色彩。它时而清新飘逸, 时而梦幻神秘, 时而热情奔放, 时而秩序井然, 时而潇洒随意, 带给我们无限的美感与惊奇。

2. 分形图像的生成方法

分形图像的生成方法主要有以下几种:递归法、文法构图法、迭代函数系统法、逃逸时间算法、元胞演化法。每种方法的构图过程、图像效果等特点都有所不同。

2.1 递归法

递归法是利用分形自相似的特点, 使用数学上的递归算法逐步细化图像细节而得到最终图像的。以Koch雪花为例, 随着递归次数的增加雪花的细节也越来越明显。分形是具有无限自相似性的, 但是人的眼睛所能识别的分辨率是有限的。所以在分形的递归生成算法中, 必须设置一个最大递归次数, 当实际递归的次数达到该值时就停止。最大递归次数的选取跟图像特征、递归规则和图像分辨率大小等相关, 在实际操作中可以反复实验设置该值来得到最佳效果。

递归法生成图像过程简单易懂, 但是该方法只适用于形状特征与迭代过程明显的图像。

2.2. 文法构图法 (LS文法)

文法构图法是仿照语言学中的语法生成方法来构造图像的一种算法。文法由字母表、生成规则和初始字母组成。字母表是所有可用符号的集合, 文法构图法中每个字母代表一个绘图步骤;生成规则定义了字母的转换规则;初始字母定义了初始状态。例如, 字母表:L, R;生成规则:L->RL, R->LR;初始字母:L。则有:L->RL->LRRL->RLLRLRRL->LRRLRLLRRLLRLRRL->……。LS文法是由美国生物学家Lindenmayer于1968年提出的一种文法构图法, 被称为L-System (LS) , 1984年Smith首次将LS文法引入到计算机图形学领域。二维LS文法字母表的绘图规则如表1所示。

LS文法具有灵活多变性, 只要改变生成规则或者初始字母就能得到完全不一样的另一个分形图像。他的缺点是生成的分形图像只能由线段组成, 所以多用于分形树的生成。

2.3. 迭代函数系统法

函数迭代系统 (Iterated Function System, IFS) 是分形理论的重要分支, 它是分形图像处理中最富生命力并具有广泛应用前景的领域之一。IFS的基本思想并不复杂, 它认定几何对象的全貌与局部, 在仿射变换的意义下具有自相似结构。在几何对象的整体被定义之后, 将整体形态变换到局部, 且这一过程可以迭代地进行下去, 直到得到满意的造型 (4) 。

IFS法根据分形图像自相似的特点, 采用拼贴的思想来生成图像。下面例子介绍了IFS法的实现步骤。

图1是一片树叶的拼贴过程, 只需在原图和拼粘图上任意取对应的三点, 就可以用线性代数的知识解出仿射变换公式。以下为与图3对应的4个变换公式:

可以随机选择迭代初始点, 但是一般选择图像中心点。点的迭代次数并不是越大越好, 当点的迭代次数过大时会有大量的点被重复绘制。最佳迭代次数和图像分辨率成正比, 在800×600分辨率下迭代1-2万次最佳。图2是使用该方法生成的分形叶片。

IFS方法是模拟自然界物体最理想的分形算法, 利用拼贴方法可以生成任何有自相似性的物体。

2.4. 逃逸时间算法

逃逸时间算法是基于固定点迭代的思想进行的。对显示的每个点迭代若干步后, 判断其到原点的距离是否大于某个特定的值 (即是否逃逸) 。对逃逸速度不同的点使用不同的颜色着色, 可以得到色彩绚丽的图像。

Julia集是定义在复平面上的满足迭代式F (z) =z2+C的分形图像集, 使用逃逸时间算法生成的Julia图像具有变幻多姿的特点。通过该算法在复平面上的迭代可以动态生成复杂而细致的结构, 可以将局部无限放大, 在屏幕上显示显微镜一般的效果 (5) 。每一个C值对应一个Julia图像, 所有这些图像的集合叫Julia集, C值细微的变化对生成的图像有较大的影响, 因此Julia集包含了形态万千的图像。

使用逃逸时间算法可以生成奇幻的分形图像。该算法在色彩控制上有着自身优势, 根据点的不同的跌代次数给予不同的颜色, 可以得到颜色连续变化的图像。

2.5. 元胞演化法

元胞演化法是将点或者基本图元即元胞进行反复的自我复制, 从而生成最终分形图像的算法, 该算法受细胞分裂的启发而来。图3是使用该算法生成的Sierpinski垫片, 它的算法思想是从上往下进行基本图元为圆的演化。该算法的演化方法往往带有随机性, 这使得生成的图像具有多样性。

对于相同的参数, 使用元胞演化法分别进行两次图像的生成, 这两次所得到的图像从整体上看是一样的, 但是由于算法存在随机性, 两者在细节上又是不一样的。元胞演化法的随机性构图法能够更好地模拟自然, 在视觉上也具有更加强烈的冲击力。

2.6. 各方法的比较

递归法、LS文法和元胞演化法能够从给出的参数估计出生成图像的大体样子, 也就是说可以对参数的调整来对生成图像做出某一方面的调整。比如觉得用LS文法生成的分形树枝叶过于密集, 就可以把夹角δ的值设置得大一些。递归法适用于形状特征与迭代过程明显的图像, LS文法多用于生成分形树, 元胞演化法生成的图像整体上具有相似性局部却不相同。

IFS法则是从形状反过来推参数, 该方法需要使用图像处理软件来进行拼贴工作, 而后还要建立方程组并且对其求解, 所以该方法对图像创作者有较高的图像处理软件基础和数学知识的要求。虽然该方法比较繁琐, 但是它却能够生成自然界中所有具有自相似性的物体。

逃逸时间算法是对某个跌代式进行反复跌代来生成图像的, 我们无法从跌代式估计出生成图像的样子, 也就是说该方法有着生成图像的不可预见性, 这是和其他几种方法所不同的。虽然生成的图像不可预见, 但是其生成的图像在视觉上却有着强烈的冲击力。另一方面, 使用该方法生成的图像具有灵活多变性, 对于参数的细小改变会使生成的图像发生较大的变化, 也就是说具有参数敏感性。该方法适用于抽象图像的生成。

3. 色彩控制

色彩控制的目的是为了使生成的分形图像具有更加绚丽、更加接近于自然的颜色。色彩控制可分为前期程序控制与后期软件加工两种方式, 两种方式可以单独使用, 也可以混合使用。

3.1. 程序控制

对自然界的花草树木等进行分形图像的模拟时, 人们总是希望能够反映出事物的真实色彩, 比如树是绿的, 花是红的, 如果只能生成单色的分形图像未免让人失望。我们可以通过程序控制的方式来实现事物的色彩化, 要根据不同的分形图像提出不同的色彩控制方法。下面2个例子给出了色彩控制具体的实现方法。

图4 (a) 是使用IFS算法生成的分形树, 我们希望树干呈现棕色, 树叶呈现绿色。但是在IFS算法作图中某一点是属于树干还是树叶是无法知道的。该分形树由上下左右4部分拼接而成。当某点使用下面部分迭代时, 迭代后的点就属于树干;若其使用其它3个部分迭代, 每迭代一次就越接近树叶。可以用如下的伪代码实现色彩控制:

1.令k=0

2.进行点的迭代, 若使用下部分迭代则令k=0, 若使用其它3部分迭代则令k=k+1

3.若k>10则令k=10

4. 着色颜色值=k/10*棕色颜色值+ (10-k) /10*绿色颜色值5.对该点进行着色, 转到步骤2, 直到迭代次数达到最大值最终得到图4 (b) 的分形图像。

在逃逸时间算法中, 对于跌代次数为k的点使用第k种颜色进行着色, 得到如图5 (a) 所示图像, 可见这样会得到色块, 使图像变得不美观。如果能够使所着颜色变得平滑, 将会提高所作图像的可视性。可以使用下面的计算式计算迭代点的颜色

其中color表示着色点颜色, color[i]表示第i种备选颜色, r表示点到原点的距离, ε表示迭代阈值。因为r<ε, 所以color的取值介于color[t]与color[t+1]之间。式中r与都开根号是因为r的变化幅度比较大, 开根号可以减小变化幅度, 从而使得颜色的变化更加平滑。

3.2.软件加工

如果前期使用程序来控制颜色的生成比较复杂的话, 可以先生成灰度的分形图像, 然后使用图像处理软件进行后期着色, 如通过平面软件如Photoshop或三维软件3Dsmax等进行复合编辑以获得更加绚烂的艺术效果。利用Photoshop, 可以进行简单的缩放、扭曲、旋转、滤镜等的变换, 调整其图层、透明度、色彩。而3Dsmax可以根据其平面效果建立三维立体或空间曲面块, 轻松制定贴图, 选择造型角度, 设置灯光与背景等。以下两个图像就是后期着色的效果。

4. 总结

分形图像是由分形理论与计算机图像处理结合的产物, 在服装、织物、包装和标识上有着重要的应用。本文对分形图像的常用方法进行了介绍, 刨析了各方法的构图特点, 并对它们进行了比较, 为后续研究者提供了深入研究的理论依据。研究者可以根据应用的不同之处, 选择满足自己需求的方法来生成分形图像。另一方面, 本文给出了对分形图像的颜色控制的方法, 该方法有着重要的应用价值, 由该方法能够生成色彩绚丽的图像, 这些图像可以应用于装饰、广告、纺织、陶瓷、印刷等行业中。

摘要：分形图像是分形理论与计算机图像处理相结合的产物, 在服装、织物、包装和标识上有着良好的应用前景。本文介绍了几类常用的分形图像生成方法, 归纳出各方法的特点, 如图像控制的难易程度、适合的图像类型等, 并给出了色彩控制的方法, 生成了色彩绚丽、过度平滑的分形图像。

关键词：分形图像,生成方法,色彩控制

参考文献

[1].钟云飞, 分形艺术在包装上的应用研究[J], 包装工程, 2003

[2].陈莹燕, 分形设计在商标与标识设计中的应用[J], 武汉工业学院学报, 2005

[3].孙博文, 分形算法与程序实现[M], 科学出版社, 2004

[4].梅海燕, 分形图案在包装防伪中的应用[J], 中国品牌与防伪, 2008

一种改进的图像素描生成算法 篇5

近年来,三维技术的广泛使用,让我们领略到了前所未有的视觉效果。计算机图形学也正在我们追求这种视觉真实感中慢慢发展,并取得了巨大的成功。然而,人们在这研究过程中却希望通过有趣的方式去探索这种真实场景,开始借助于计算机的辅助来模拟画家生成诸如油画、炭笔画、水墨画等等不同艺术风格的图片,就是说利用计算机生成不具有照片真实感,具有手绘风格的图形技术,这称之为非真实感绘制技术(non-photorealistic rendering,NPR)[1]。其目标在于表现图像的艺术特质、模拟艺术作品,而不在乎图像的真实性。其中,素描正是非真实感绘制的一个很重要的部分。

常用的图像素描生成算法生成的图像常常会导致画面不够细腻,轮廓损失较大的现象,本文先分析了常用的图像生成算法技术,然后对该算法进行了相关的改进。

2. 一种改进的图像素描生成算法

2.1 传统的图像素描生成算法

该算法的思想是轮廓的勾勒是素描效果实现的关键,轮廓也就是灰度的一个跳变[2]。因此,其实现方法有三步:

第一步,把所选取的彩色图像转换成灰度图像;

第二步,对比当前像素f(x,y)与周围像素的灰度,求出其差值,与当前像素点右下角的像素f(x,y+1)进行比较或与周围八个点的平均值进行比较;

第三步,如果差值大于指定的阈值T,则证明颜色跳变严重,可以判断出该点是轮廓。这时就用黑点把它描绘出来,否则将它置为白色。

在对图片处理时,取阈值T为3,由图2(a)可见,经过该算法处理后,图像基本已具有素描的效果。但通过对图2(b)的观察,经过该算法处理后,有些图像轮廓丢失了。究其原因,轮廓勾勒算法第二步,当前像素与该点右下角的像素进行比较,也就是一阶微分,可以用于边缘检测,但不适用于图像轮廓跳变不明显的图像。

2.2 改进的图像素描生成算法

本算法的基本思想是对图片进行梯度处理和反相处理,再将图像灰度化,从而产生一个画面细腻,轮廓元素损失少的新素描图像。其操作步骤如下:

(1)通过梯度处理,产生霓虹效果

其原理为:对图片进行梯度处理,也就是计算图像中原始像素的红、绿、蓝分量与相同行、列的相邻像素的梯度,将其作为新像素的各相应分量的值[4]。具体描述如下:设原图像像素f(i,j)的红、绿、蓝分量为r1、g1、b1,相同行f(i+1,j)的红、绿、蓝分量为r2、g2、b2,相同列f(i,j+1)的红、绿、蓝分量为r3、g3、b3,则处理后图像g(i,j)的红、绿、蓝分量为r、g、b,这3个分量可以通过式(1)计算得到:

经过上述步骤,图像已具有霓虹效果了[3]。

(2)将图像进行反相处理

对图像的反相处理,可以通过式(2)计算得到,也就是将图像中的红、绿、蓝分量取反。设原图像像素f(i,j)的红、绿、蓝分量为r1、g1、b1,用255分别减去r1、g1、b1后得到的值作为图像g(i,j)的红、绿、蓝分量[4]:

(3)将图像灰度化

灰度图(Grayscale)是指只含亮度信息,不含色彩信息的图像,就像我们平时看到的黑白照片,它只有亮度从暗到明的变化,而没有色彩信息[5]。首先需要创建一个灰度图的调色板,然后根据公式(3)进行转换:

(其中C1取0.299,C2取0.587,C3取0.114)

图1中的两张照片经过上述三个步骤的处理后如图3所示。

由图3可见,对图1两张图像的处理,都已获得比较好的素描效果,画面细腻,没有出现第一种算法的丢失轮廓现象。

3. 结论

本文提出了一种新的改进的图像素描生成算法,通过对比,该算法能突出图像的轮廓,素描效果比第一种算法更理想。

参考文献

[1]谢党恩,赵杨,徐丹.一种铅笔滤镜生成算法及其在CPU上的实现[J].计算机辅助设计与图形学学报,2008,20(1):26-30.

[2]李重,黄敏,吴庆标.基于傅里叶变换的图像素描效果生成算法[J].计算机应用研究2003,5:21-22.

[3]李龙生,周经野,陈益强等.一种改进的铅笔画生成算法[J].中国图像图形学报,2007,12(8):1423-1429.

[4]李龙生,周经野,陈益强等.用USM锐化生成铅笔画的新方法[J].吉林大学工学版,2007,32(02):0442-0447.

计算机生成图像 篇6

SAR图像仿真是一种利用计算机仿真的手段获取SAR数据的技术, 由于它具有可靠、无破坏性、安全经济、研制周期短、不受气象条件和地域限制等优点, 已受到世界各国的广泛关注。不断拓展的SAR应用需求对SAR系统的性能提出了更高的要求。高性能SAR系统构成日益复杂, 研制周期变长, 生产成本上升, 技术风险加大, 这使SAR成像系统的仿真技术显得日益重要。本文利用三维视景仿真开发工具Multigen Creator和Vega[1]的雷达仿真模块——RadarWorks开发出SAR成像仿真系统。

1 SAR成像原理及视景仿真软件介绍

机载SAR[2]成像是通过沿航线不断发射和接收电磁波来完成的, 每一个沿航线发送和接收电磁波的位置都被看作是大天线阵中的一个元素, 通过合成产生一个大天线阵。它依靠脉冲压缩技术, 利用发射宽带脉冲和飞行平台运动形成的多普勒带宽, 分别取得距离向和方位向的高成像分辨率, 提高空间分辨率, 获得观测对象的清晰图像。

Creator[1,3]软件是美国Multigen-Paradigm公司针对可视化仿真行业应用特点推出的实时可视化三维建模软件系统, 它可以用来对战场仿真、娱乐、城市仿真、训练模拟器和计算可视化等领域的视景数据库进行产生、编辑和查看。Vega是美国Multigen-Paradigm公司推出的先进的软件环境, 主要用于虚拟现实技术中的实时场景生成、声音仿真及科学计算可视化等领域, 它支持快速复杂的视觉仿真程序, 能为用户提供一种处理复杂仿真事件的便携手段。Vega包括友好的图形环境界面LynX、完整的C语言应用程序接口API、丰富的相关实用库函数和一批可选的功能模块, 能够满足多种特殊的仿真要求。

2 基于Vega的雷达图像仿真系统

2.1 RadarWork仿真原理

作为Vega的一个模块, RadarWorks可根据场景和雷达的物理特性模拟特定的雷达显示。雷达反射面值 (RCS) 信息是精确生成雷达仿真图像的基础。RadarWorks首先根据场景中纹理的材料构成, 从材料文件中获取各种材料的平均后向散射系数及其方差。它们都是频率、极化方式、入射角的函数。然后再结合场景的几何信息和雷达参数查找材料数据库和文化特征数据库获取RCS值, 生成场景的RCS图。RCS图接着被作为雷达模型的输入。RadarWorks根据用户定义的雷达参数建立相应的雷达模型, 接受RCS图输入进行处理, 并模拟实际雷达的各种效果, 最终生成逼真的雷达显示图像。

2.2 仿真系统开发流程

用Multigen Creator和Vega开发[4,5]SAR成像仿真系统, 主要包括以下4个步骤:

(1) Multigen Creator建模。建立SAR所要成像的地表场景的三维模型, 包括自然景物和重要的人造目标。这一步要充分考虑SAR成像性能评估的实际需求, 建立各种不同特性的场景, 如草地、高山、水源、森林、公路、楼房, 以充分测试SAR对不同物理特性目标的成像能力。为达到高的逼真度, 还要给三维模型贴上恰当的纹理, 最终生成FLT模型文件供Vega调用。用Creator建模是一项极其繁琐、费时的工作, 为提高开发速度本文利用Vega自带的地形文件“town.flt”建立了一个场景。

(2) 纹理材料映射。用Vega的纹理材料生成器 (texture material maper, TMM) [6,7]指定各种RGB纹理的材料构成, 为RCS信息的计算建立物理特性库, 生成TMM文件。

(3) Vega基本模块和RadarWorks模块设置。在Vega的图形用户界面Lynx中设置各输入文件的路径[8], 把Creator建立的各种FLT模型文件添加到场景中, 设置系统的初始化参数等之后, 设定各个模型的放置位置、运动方式、视点位置、视点方式、特殊效果。由于大气参数如介电常数对雷达的成像效果也有较大的影响, 因此在Vega 的“Environments”和“Environment Effects”模块[9]中必须详细设置气候条件、天气状况、大气湿度、大气温度、季节、时间、地理位置等。其他的性能参数用常见参数, 作为仿真开始时的默认参数, 当然在本文设计的仿真控制面板中可根据实际所要模拟的SAR的参数进行修改。各个模块设置完毕最终生成应用程序定义文件 (ADF) 。

(4) 视景驱动。Vega是一个类库, 它以C语言的API形式出现, 每个Vega类都是一个完整的控制结构[10]。在Vega中几乎每一项内容都是以类来完成的。在这一步中利用Vega的API函数编写仿真控制程序并启动, 载入ADF文件, 通过人机交互界面修改SAR参数, 进入主仿真循环。RadarWorks实时计算各种参数, 生成模拟的SAR图像, 并接收键盘输入实时更改仿真参数。

2.3 仿真结果

Radarworks模块的关键参数设置如下:

飞机速度:500 km/h;工作频带:X波段 (8～12 GHz) ;极化方式:VV;最小显示 (RCS) :-30 dBsm;最大显示 (RCS) :30 dBsm;高度补偿:0;SAR模式:条带; 斜视角:90°;分辨率计算方法:线性指定;分辨率:2 pixel/m。

C++仿真程序编辑如下:

仿真计算结果如图1, 图2所示, 其中图1为Creator所建立模型的仿真成像区域, 图2为SAR成像结果。

从图1, 图2可以看出, 基于物理机制的雷达模拟成像模块RadarWorks能很好地模拟SAR成像。从图中的SAR成像的仿真图像可以看到图中的1个像素或多个像素比附近的其他像素更亮, 这被看作噪声。这是由于在一个频率上高反射的物体在另一个频率上反射就很少。采用多视技术改变雷达频率取平均能最小化这种噪声。Vega的RadarWorks模块提供了一种频率跳动的开关去模拟这种效果。

3 结 语

SAR雷达视景仿真现已成为仿真软件系统不可缺少的部分, 其具有目标识别能力强, 全天候作战能力以及抗干扰能力强的特点, 本文分析了SAR成像仿真机理, 提出了一种实时SAR图像产生方法, 并给出了仿真结果。这种方法可以灵活地调节载机、雷达参数, 可以根据实际需求方便地产生各种人造目标的回波数据。该项技术具有广泛的应用前景。

参考文献

[1]龚卓荣.Vega程序设计[M].北京:国防工业出版社, 2002.

[2]周明俊, 陆军, 常青, 等.基于Radbase和Vega的SAR图像仿真系统[J].现代雷达, 2009, 31 (3) :20-23.

[3]李军, 王绍棣, 常建刚, 等.基于Vega的视景驱动软件的分析与设计[J].系统仿真学报, 2003, 15 (3) :397-411.

[4]MGPI.Vega programmer′s guide[M].Version 3.7.[S.l.]:MultiGen-Paradigm Inc., 1998.

[5]MGPI.Mtingultigen Creator User′s Guide[M].version 2.6.[S.l.]:MultiGen-Paradigm Inc., 1999.

[6]杜健, 尹勇, 金一垂.MFC框架下基于vega的视景驱动程序的开发[C].第四届全国虚拟现实与可视化学术会议论文集, 2004.

[7]HORRELL J M, INGGS M R.Satellite and airborne SARsimulator[C]//Proceeding of the 1993 IEEE South AfricanSymposium.[S.l.]:IEEE, 1993.

[8]宋志明, 康凤举.Vega开发环境的扩展研究[J].系统仿真学报, 2004, 16 (1) :178-179.

[9]贾建科, 张麟兮, 赵军仓.合成孔径雷达 (SAR) 实时成像仿真研究[J].计算机仿真, 2006, 23 (11) :15-18.

计算机生成图像 篇7

关键词：纹理特征,网格细分,二叉树,三维地形

(一) 引言

地形三维可视化计算近年来一直是相关领域的热点研究问题, 在三维仿真和虚拟地形环境中占有十分重要的地位。关于虚拟环境中三维地形的生成大多数是采用简化算法, 在保留地形细部特征的同时来提高其显示效率, 在简化过程中, 需要对消除裂缝、T型连接和简化模型误差度量等进行计算。本文给出了一种无需考虑消除裂缝和连接计算的三维地形生成方法, 依据地形纹理特征曲线从低精度网格地形向高精度网格细化, 使得平坦的地形区域用少量的三角形网格绘制, 起伏较大的地形区域用较多的三角形网格显示, 也形成一种多分辨地形模型结构, 以提高显示质量和效率。

(二) 方法依据和思路

在三维地形场景中, 虽然地形表现为三维模型, 但表示地形的DEM数据可以等价于由高度场生成的二维灰度纹理图像, 亮度变化小的地方, 表明此区域较为平坦, 亮度变化大的地方, 此地形可能山脉、谷等区域, 而“灰度图像边缘”正可以用来描述纹理图像局部区域亮度变化显著的部分。若能在三维空间中细化“边缘特征曲线”周围的网格正是本方法的关键思路所在, 使得边缘特征曲线周围网格密集, 增强其几何特征。

方法实现基本步骤及思路:

(1) 采用图像处理技术, 对地形高程灰度图像进行边缘检测, 从中提取图像的边缘曲线, 作为下一步网格细分的依据。

(2) 将含有地形特征曲线的图像作为纹理, 映射到一个低精度平面网格上。

(3) 根据三角边与它的纹理特征曲线相交情况来细分网格, 细分后的地形网格存储在二叉树数据层次结构中。

(4) 根据高程图像灰度值为地形网格的每个顶点赋予高度值, 最后绘制二叉树结构中所有叶子数据就是地形最终显示结果。

(三) 方法实现过程

1. 网格模型的定义

三角网格除了是由三维空间中的三角片通过边和顶点连接而成的分片线性曲面外, 我们将纹理图像信息作为曲面描述数据定义在网格模型中, 便于细分网格时作为参考对象, 以及增强显示效果, 所以, 这里网格M可以定义为一个三元组, M= (K, V, U) 。

其中, U={u1, …, um}, uiЄR2表示像素点在二维纹理图像中的坐标。

V={v1, …, vm}, viЄR3表示网格M的顶点在三维空间中的位置。

K为表征网格拓扑结构的单纯复形, 一个单纯复形包含一组单形, 其中{i, j}称为边, 记为L;{i, j, k}称为三角形面, 记为T, 三角形每条边最多只能包含在两个三角片中, 并且一个顶点和一个纹理坐标相对应。

2. 网格三角面拆分过程

网格细分的主要目的是为了增加网格细节层次;在地形网格模型中, 这种细节层次主要表现在地形的起伏特征, 根据地形起伏特征自动调整三角网格绘制数量, 在起伏大的区域, 三角网格数量多, 平坦区域, 三角网格数量少;首先预生成一个规则初始地形网格M0, 将含有地形纹理特征的图像映射到网格M0中, 经过网格n次细分, 生成M=M0→M1→M2…→Mn序列, 设T是M0经第i次细分的网格模型Mi中一个三角形, 对T细分过程如图1所示。

因为每个三角形网格顶点都有一个纹理坐标 (ui, uj) 相对应, 首先沿着三角形的绘制方向判断边和特征曲线是否相交, 那么新的交点与该边对应的顶点连线, 将三角形拆分成两个;在图1中的虚线表示地形纹理图像特征曲线, 图1 (a) 中的v1、v2和v3是三角形与特征曲线交点, 首先边{1, k}将三角形T拆分成T1、T2两个三角形, 然后边{2, 1}将T2拆分成T3、T4, 边{3, 1}将T1拆分成T5、T6。将新的顶点v1、v2和v3映射回三维空间, 依据地形高度场赋予新的高度值。一个三角形可能被拆分成4个、3个、2个三角形或不被拆分4种情况, 这样完成一个三角形的细分, 其它三角形网格采用同样的方法, 最终完成整个地形网格模型的细分, 即Mi→Mi+1。

由上述三角面拆分过程, 可以得到图2所示的二叉树细分层次结构。图中的某一层Mx的叶子或没有子树的根是该层网格模型最终绘制结果, 层次越深, 细化程度越高, 树型分支和叶子数量增多, 导致绘制的三角形网格数量的增多。

网格地形的简化过程, 是细化过程的逆过程, 而且无需判断三角形边的拆分情况, 只需将某一层Mx的三角形网格的子树和叶子删除, 就可以达到简化的目的。

3. 细分规则

由于存在提取的边缘线可能与三角形边有多个交点且细分后的三角形法线方向确定等问题, 约束了细分网格效果, 所以, 为了得到较为理想的生成结果, 需要对网格按照一定的规则细分和绘制。

(1) 为了使细分前和后三角面法线方向一致, 避免绘制三角面空洞现象, 将细分后的三角面绘制方向与上一级的三角面绘制方向应该保持一致, 如:三角面T的绘制方向为vivjvk, 那么拆分后的三角面T1、T2的一种绘制方向分别为viv1vk和v1vjvk。

(2) 在三角面细分过程中, 当新增加的拆分顶点v′与该边的端点很接近时, 造成细分后的某一三角形与细分前的三角形很接近, 分裂前后几乎没有发生变化, 即图3中的T2≌T, 所以应给出ωЄ (0, 0.5) , 当|v'-vi|<ω|vj-vi|或|v'-vj|<ω|vj-vi|时, 则新增加的顶点v′为无效点, 此时三角面T的边{i, j}不被拆分。

(3) 三角面的边可能与边缘线存在多个相交点, 为了保证三角面尽可能地均匀地被拆分, 取三角形边中点最近的交点作为该边的拆分点, 即:拆分点P要满足up={|up-0.5× (ui+uj) |}min。

(4) 按照三角形绘制方向来拆分三角形, 如图1中三角形T的绘制方向为vivjvk, 那它的拆分顺序是边vivj, vjvk, vkvi。

(5) 拆分顶点应与最近被拆分的三角形顶点连线来拆分该三角形, 如图1中 (b) 的拆分顶点v2与最近被拆分的三角形T2顶点v1连线来拆分T2, 而不是与三角形T的顶点vi的连线。

4. 数据结构描述和实现过程

根据上述细分过程, 地形网格细分数据可以采用结构规范、搜索较快的二叉树存储, 将每个网格三角形拆分为两个三角形, 拆分前的三角形作为二叉树的根节点, 拆分后的两个三角形作为根节点的子节点, 若子节点不能够再拆分, 则这两个三角形称之为叶子;这些三角形逻辑上就像一组相连的邻居 (左右邻居) , 在细分完地形后, 就建立了三角网格二叉树型结构, 树的叶节点保存了图形绘制缓冲区中的三角形, 针对二叉树描述地形网格特点, 本文如下描述网格二叉树结构:

随着细分层次的增加, 三角形顶点的数量也不断增加且不固定, 因此顶点可以采用链表结构进行存储, 而变量m_vertexIndices就存储了链表队列中的位置;levelNUM代表了三角形拆分过程中所在的层次, 相当于图2中的M层次位置, 便于细化和简化的判定;canDivide是为了提高细分速度, 用来存储该三角形是否能再次细分, 若不能再细分, 就不用再判断二维纹理中三角形各边与特征曲线相交状态。

首先提取由地形的高度场得到灰度图的特征曲线图形, 将基本网格坐标映射到特征曲线的二维平面中, 那么在二维平面中也构成了网格, 判断网格与特征曲线相交情况, 产生新的顶点和三角形网格, 特征曲线密集的地方, 网格细分程度越高, 从而得到的三维地形中, 在地形平坦的地方以最少的存储空间, 起伏变化大的地方用较多的存储空间;如图3所示。

(四) 方法测试

测试目的:采用基于图像纹理特征网格细分的三维地形生成方法对显示效率、质量的影响和关系。

测试手段:

使用C++语言, 以OpenGL作为底层的图形接口, 在C++Builder6.0编译环境中进行测试。建立了CLand (地形生成类) 、CPicture (图像处理类) 、BST (二叉树类) 、CMath (数学计算类) 、CView (窗口显示类) 等主要类。在PⅣ1.8GHz, 256MB内存, Geforce3 64MB显卡机器上, 在800×600窗口, 水平视角450, 误差限2个像素情况下, 定义初始的规则网格数据M0为30×30×2=1800个三角片;原始网格定义为511×511×2=522242个三角片 (数目是根据高程灰度纹理分辨率定义) , 并赋予高度值;细分程度定义为细分后的三角形数目与原始网格三角形数目的百分比;误差定义为原始网格和细分网格的双边Hausdorff距离与原始网格的包围盒对角线长度的百分比, 其测试数据如表1所示, 绘制效果图4所示。

测试结果:在显示效率不低于30帧/秒时, 其中M3能清楚地描述地形几何特征, 误差较小, 显示效率可以达到32帧/秒, 且地形特征变化明显 (图4的 (a) , (b) 比较) , 从M0~M3误差变化较大, 表明能够迅速收敛于地形细节特征;当显示效率低于30帧/秒时, 地形特征变化并不明显 (图5的 (b) , (c) 比较) , M4~M6误差变化小, 而且显示效率并不理想。所以, 在方法应用中, 通常需要给出x={fFS (Mx) ≥FS}max测试程序, 即在满足显示效率的同时, 最大限度地提高其显示质量, 目的是兼顾3D模型显示效率和显示质量, 其中fFS () 用来测试网格Mx显示效率, FS是预先给定的显示效率常数, 如本文以30帧/秒显示效率作为分界线, x是多层次模型最大细分网格深度, 如本文x=3。在实际程序运行过程中, x会根据给定的FS值, 通过网格细化和简化自动调整其网格绘制深度。

(五) 结论

本文给出了一种基于纹理图像特征网格细分的三维地形生成方法, 方法思路简单且容易实现, 通过提取地形高程特征值作为网格细分依据, 形成多分辨率地形模型结构, 使得显示效率和保留地形细节特征尽可能兼顾。从第3节可知, 由于采用三角边拆分方式, 共享该边的一个三角面被拆分, 另外三角面一定被拆分, 因此, 不存在消除裂缝和连接计算, 在一定程度上减少程序设计的复杂过程。

另外, 该方法还可以结合“视点相关”三维地形显示技术, 在显示效率方面还会进一步提高, 这是今后的主要工作。

参考文献

[1]李偈, 张松海, 刘强.一种基于四叉树结构的动态多分辨率地形模型[J].计算机工程与应用, 2006, 42 (7) :202-204.

[2]杜剑侠, 李凤霞, 战守义.LOD算法研究及其在地形实时显示中的应用.计算机工程与应用, 2005, 41 (13) :211-231.

[3]韩敏, 汤松涛, 李洋.大规模地形实时可视化算法[J].计算机工程, 2008, 34 (13) :270-272.

[4]张立强, 杨崇俊.多进制小波和二叉树实现大规模地形的实时漫游[J].计算机辅助设计与图形学学报, 2005, 17 (1) :467-472.