基于基础复合体凝聚的矢量草图简化算法研究

来源 :山东大学 | 被引量 : 0次 | 上传用户:mongming8125
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
草图是产品设计的雏形,设计者绘制草图时无需关注过多的细节,同时也不需要掌握像CAD中繁杂的工具使用技能,只需要纸和笔就能够快速、流畅的完成设计稿。如果要将这种原生设计图转变成可以在计算机中表示并且能进一步编辑修改的矢量图,就需要对草图做简化处理并进行适当的矢量化。目前这部分转化工作有时需要靠人工完成,即将草图导入某些编辑软件中,人工描边完成简化和矢量化,这项工作费时又费力,为了改进这种工作方式,于是自动的草图简化算法研究逐渐成为的人们关注的重点。如今矢量绘制工具如数位板和触控笔十分流行,由此绘制出的草图是由大量的笔画线条构成,笔画间彼此杂乱地叠加覆盖,间距不统一,导致轮廓嘈杂,噪声明显,这是草图简化面临的主要难点之一。目前流行的一些简化算法主要依赖于笔画分组合并的思想实现草图简化,其存在的问题是简化结果的好坏常常依赖于阈值的设定,其次忽略了图像中某些细节部分处理,不能保证原图像信息的完整度。针对上述问题的分析,本文提出了一个新颖的基于基础复合体的矢量草图简化算法。结合迭代收缩算法思想,将草图转换成类似于二维平面网格的表示形式(即基础复合体)来探索简化方法。本文中定义基础复合体是一个由不同基本图形元素组成的集合,首先将矢量草图转换为基础复合体,之后在整体形状误差极小化的约束下,通过对该基础复合体逐步凝聚来实现草图的简化,即迭代地合并消除一对图元组,包括线线合并,线面合并,面面合并三种形式。合并过程中使用形状差异度度量来约束简化顺序并且控制简化程度。简化后的基础复合体会存在之字形不平滑,和交叉点处模糊的现象,本文巧妙借助相邻特征面的辅助信息对不平滑线条进行修复。最后基础复合体转换成由分段三次贝赛尔曲线表示的单线条矢量图,得到最终的简化输出结果。简化图中也暗含了原图中特征面的信息,草图的简化程度可以通过单阈控制基础复合体的简化来实现。本文使用目前几种方法提供的数据集和许多不同风格的草图进行测试,从效率和视觉效果两方面进行评估,实验结果证明了本算法能有效较低草图复杂度,而且执行高效,在单个阈值的调控下就能够得到不错的简化结果。通过与其他方法对比,本文选取了部分图片来展示主观视觉效果上保留图像细节信息与完整度的优势,此外还阐述了算法中相关参数的讨论和设定,以及算法局限性的讨论。
其他文献
近年来随着科学技术水平的不断提高,对核环境起重机的可靠性要求越来越高,但目前国内还没有深入研究潜在的故障模式、故障机制和设计过程中的可靠性指标要求对核环境起重机的
推荐算法目前在很多应用中都广泛涉及,如淘宝网站可以根据用户的购买记录和浏览记录为用户推荐商品。好的推荐系统不仅可以节省用户的浏览时间,更能及时为商家进行宣传。简单的说,对用户进行推荐就是基于用户的以往记录进行分析,从众多记录中分析出用户的潜在偏好,根据用户的特征对用户进行针对性的推荐。在推荐系统中,最重要的就是对用户的特征进行提取,得到用户特征的过程实际上也是一种推荐过程。特征提取目前在很多领域中
不管是哪个学科都需要作业来加以辅助教学,新课程改革要求小学数学教师要不断的更新自身的教育理念,重视小学数学作业对学生能力提升和知识巩固的重要作用。小学数学作业的设
软件缺陷预测是一项重要的质量保证技术,它通过利用软件仓库中的历史数据和已经发现的相关缺陷信息,来预测软件模块中可能存在的缺陷。但是,大多数的缺陷预测技术,都假设有大
高校思政课是落实立德树人的根本任务的关键课程。为贯彻落实《国家中长期教育改革和发展规划纲要(2010—2020年)》和《教育信息化十年发展规划(2011—2020年)》全国各高校的
利用数显拉压力计对国家果树种质郑州葡萄圃4个种群的600份葡萄种质资源的耐拉力和耐压力特性进行了鉴定评价,对其果柄耐拉力和果实耐压力按具体数值范围划分了不同的等级。
近年来,基于位置的社交网络(LBSN)得到迅速地发展,如Foursquare,Whrrl,Facebook Places。因为兴趣点(POI)推荐可以帮助用户探索新的地方以及协助第三方业务提供个性化的服务,
随着计算机与网络技术的普及,当今社会的信息量随指数形势增长,我们进入了信息爆炸的时代,每时每刻都有海量的数据产生,比如城市交通数据、商品价格数据、人们的消费数据,上
关联成像,又称为鬼成像,因其新颖的物理特性,近年来成为光学成像领域的研究热点。关联成像是一种利用两路相关光进行成像的新型成像机制,其中一路光直接照射物体后经桶探测器
推荐系统作为个性化信息服务和决策支持领域的关键分支,由于其广泛的应用场景和极大的商业价值,近年来一直是学术界和工业界的研究热点之一。推荐系统的关键是推荐算法。其中