您的浏览器版本过低,可能导致网站部份功能不能正常使用。
为了您能正常使用网站功能,请使用这些浏览器。
Chrome 9+
Firefox 4+
Opera 12
IE 10+
手板图像处理
发布日期:2018-12-20 1249
3D打印所需的数据通常是通过CAD等三维软件制作生成,往往制作周期长、难度大,本文提出通过照片的方式建模。 1.1图像去噪 与日常3D打印物体相比,建筑结构的打印实体通常比较大,且图像质量无法保证,因此需对图像进行去噪处理。 本文采用马尔可夫去噪方法: 1.将图片转换为灰度,便于简化计算; 2.假设本图片是理想图片没有噪点,而且有噪点的图片噪点数量比较少,那么理想图片和噪点图片对应像素间必然相关; 3.我们同样可以假设在一个小范围内,每个像素同其周围的像素间也必然存在联系; 4.可以将他们之间的联系用能量表示: 这里可以改变相邻像素的位置,以期达到更好的效果 式中的m、n分别表示距离像素xi的距离。 1.2图像分割和轮廓提取 图像分割可以看作是将有相似密度的像素群进行分类的过程,同样可以采用马尔可夫方法: 1.将图像划分为n个区域,使得同一区域的像素同其他区域像素相对独立; 2.计算每个像素在这些区域的能量ξi; 3.计算每个像素对应区域: 其中如果考虑相邻像素的影响,可以将E(I,I')加入公式中 公式中λ是对应相邻像素能量的变化阀值。 4.降温并设置对应阀值。 结构建模 对于以上得到的轮廓信息,还不足以直接生成3D模型,因为该信息是在二维平面的,缺少深度信息。 对于深度信息的恢复,常见的方法有从明暗恢复形状,从纹理恢复形状,从阴影恢复形状,利用多光源信息等。 由于对于建筑结构,很多信息是已知的,所以可以直接从已知的知识中重建形状。 2.1 3D重建 对于简单的结构,比如立方体、圆柱体,可以根据立体几何知识加以重建;对于复杂的结构,可以采用马尔可夫随机场确定相应结构。 1.参数化每个超像素点的位置和方向信息; 2.发掘图像特征和深度信息; 3.发掘连接结构、共面结构和共线结构; 4.采用机器学习技术,利用以上知识恢复重建3D结构。 实际操作中,对于不准确的恢复可采用贝塞尔曲线加以修复: 2.2建筑构造 对于建筑构造,可以采用遗传算法,给出合理的建筑结构,尽可能的减少不合理的结构设计。以平屋面建筑构造为例: 1.初始化种群:立墙、女儿墙、变形缝、雨水口、烟囱、屋面检修孔、屋面出入口、檐沟、挑檐等构造; 2.适应度计算:对构造个体在不同位置及大小进行适应度计算; 3.选择运算:选择不同个体进行遗传操作; 4.交叉运算:以某一概率相互交换某两个个体之间的部分染色体; 5.变异运算:对个体的某一个或某一些基因值按某一较小的概率进行改变; 6.重复以上过程,直到得到可接受的结果。 图像处理部分,图像去噪采用了马尔可夫去噪方法,针对不同图像不同噪点强度,相邻像素的选择也不完全相同; 图像分割和轮廓提取,也同样需要控制阀值和冷却温度来确保准确度; 结构建模部分,机器学习实例的数量以及图像与训练实例的相似度,对3D重建的准确度影响很大; 同时,遗传算法中个体适应度及变异运算也需要针对不同构造加以修正。 由于机器学习技术的兴起,也可以考虑将机器学习算法(比如卷积神经网络)应用于建模部分。 比如训练二维图像和3D结构之间的关系,预测已知图像的3D结构。 但这种方式目前训练样本往往很大,训练速度慢,机器要求高。 但其准确性和智能性却是其他算法无法比拟的。 因此,在实际建模过程中,每个环节都需要人工干预,对错误和不足及时进行修正; 同时,这种建模方式的精度自然要低于纯手动建模的方式,但效率要比纯手动建模高很多。
- 热门文章 -
2019-12-03 2733
2017-13-10 2247
2017-18-10 1930
2017-19-10 2024
2017-20-10 1762
2017-24-10 2196
2017-26-10 2144
暂无评论