[发明专利]一种基于图像分割的三维模型纹理着色方法

说明书

一、技术领域

本发明面向在线三维模型可视化应用，特别对于基于无线的三维模型应用如三维城市模型、三维商品展示等领域，提出一种基于图像分割的三维模型纹理着色方法。该方法利用对纹理图像中分割带的检测，迭代的对纹理图像进行分割，直到每一部分纹理都具有相同的颜色，从而实现对纹理的着色，对分割后的同色纹理，按照分布与颜色差异进行合并，生成纹理树，实现多细节层次的三维模型纹理结构。本发明主要涉及图像处理以及三维可视化领域。

二、背景技术

三维模型中纹理数据具有重要作用，对三维模型的视觉效果有着较大的影响，能够大幅提高三维模型的真实性，因此在三维模型中广泛使用。但由于三维纹理多为图像数据，因此其数据量大，并需要大量的计算资源进行处理，因此有必要对三维纹理进行处理以提高可视化效率。三维模型尤其是人造物的三维模型如城市模型以及商品模型等，其纹理数据具有一定的特征，许多纹理图像都包含大量具有相同颜色的区域，例如门窗、家具纹理等，因此本发明针对三维模型纹理，基于图像分割，提出了一种纹理着色方法，通过将纹理图像转换为具有相同颜色的色块，降低纹理数据量，同时利用合并算法，生成纹理树，从而实现三维模型多细节层次纹理结构。

三、发明内容

本发明基于三维模型(建筑物模型与三维商品模型等)纹理中具有较多同色区域的特征，提出了一种基于图像分割的纹理着色方法，其具体内容如下：

1.纹理图像预处理

Meanshift纹理图像聚类算法。Dorin Comaniciu与Peter Meer在2001年将Meanshift算法应用于图像分割，取得了良好的效果。目前该算法已经广泛应用于图像分割与压缩等领域。因此本发明采用Meanshift算法对三维模型纹理图像进行预处理。

聚类后的纹理图像将变的平滑，从而适宜进行边缘检测。本发明采用Canny算法进行边缘检测。Canny算法使用4个mask检测水平、垂直以及对角线方向的边缘。并将原始图像与每个mask所作的卷积都存储起来。对于每个点都标识在这个点上的最大值以及生成的边缘的方向。该算法能够较为准确的检测出纹理数据中的边缘，从而为进一步的纹理分割提供便利。

2.三维模型纹理分割带检测与分割着色

纹理图像压缩后，在三维模型可视化过程中需要动态生成多细节层次纹理，本发明从水平和垂直两个方向检测分割带，并对检测到的多个分割带进行选择，从中找出最优分割带(一致性最高，且横穿纹理图像)，基于该最优分割带将纹理分为2(分割带为边缘)或3(分割带为区域)部分。之后分别对分割后的纹理部分进行分割带检测操作，直到纹理块小于某设定值或未能检测出分割带。对于不能分割的纹理部分，计算其颜色的平均值，以此对该纹理部分进行着色。

图1给出了纹理的分割流程，其中Useg为待分割集合，初始值为原纹理图像S₀，Rseg为分割结果，初始值为空。首先从Useg集合中取出一个元素S作为当前待分割纹理块(S＝Useg.get()；Useg.remove(s))，判断S是否具有同色性(S.isSameColor())，如果是，则直接将S放入已分割集合Rseg中，否则，找出S中的最优分割带D，如果D为空，则将S放入Rseg，否则基于D将S分割，并将分割后的结果Nseg全部加入Useg中，判断Useg是否为空，如果空，则结束分割，否则继续对Useg中的内容进行分割。图2给出了一个纹理分割的示例，在分割过程中，逐步生成纹理部分之间的相邻关系图。并基于该相邻关系图逐步生成多细节层次纹理结构。

3.纹理树的生成

在纹理切割的过程中，我们获得的纹理块的相邻关系图，如图2所示，其中节点代表纹理块，边代表2个纹理块的相邻关系，边中H表示是水平相邻(图2b中S1与S2)，V则表示垂直相邻(图2c中S3与S4)。在纹理块相邻关系图中，迭代选择距离最近(颜色差距最小且具有相同的长或宽)的相邻纹理进行合并，从而生成纹理树，如图3所示。合并S5，S6，S3得到Sa，再与S1合并得到Sb。在动态可视化工程中，则给予该纹理树，能够根据当前用户的视点，动态选择合适的纹理，从而降低纹理数据量，在保证模型显示质量前提下，提高可视化效率。

四、附图说明

图1纹理分割流程图

图2纹理分割示例

图3纹理树的生成

五、具体实施方式

本发明主要用于三维模型可视化领域，提供灵活可配置的多细节层次纹理模型。具体步骤如下：

步骤1对三维模型纹理数据进行预处理，实施Meanshift聚类与Candy边缘检测；