一种三角网格模型生成方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110706351A(43)申请公布日2020.01.17(21)申请号201910938285.6(22)申请日2019.09.30(71)申请人恒信东方文化股份有限公司地址100007北京市东城区藏经馆胡同2号3幢一层101(72)发明人李小波李昆仑石矫龙(74)专利代理机构北京卓特专利代理事务所(普通合伙)11572代理人陈变花(51)Int.Cl.G06T17/20(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种三角网格模型生成方法及装置(57)摘要本申请公开了一种三角网格模型生成方法及装置，其中三角网格模型生成方法包括：对原始图片进行处理，得到轮廓数据；计算疏密度值，根据疏密度值对轮廓数据进行处理，获得轮廓点集；根据疏密度值对由轮廓点集构成的轮廓的内部区域进行处理，获得轮廓内部点集；利用轮廓点集和轮廓内部点集获取三角网格模型数据，完成三角网格模型的生成。本申请具有能够自动生成均匀的三角网格模型，有效避免图片处理过程中产生的拉伸效果不自然等问题的技术效果。CN110706351ACN110706351A权利要求书1/2页1.一种三角网格模型生成方法，其特征在于，包括：对原始图片进行处理，得到轮廓数据；计算疏密度值，根据疏密度值对轮廓数据进行处理，获得轮廓点集；根据疏密度值对由轮廓点集构成的轮廓的内部区域进行处理，获得轮廓内部点集；利用轮廓点集和轮廓内部点集获取三角网格模型数据，完成三角网格模型的生成。2.根据权利要求1所述的三角网格模型生成方法，其特征在于，对原始图片进行处理，并获取轮廓数据的子步骤如下：获取灰度图像；对灰度图像进行膨胀处理，得到膨胀灰度图；对膨胀灰度图进行处理，获得轮廓数据。3.根据权利要求2所述的三角网格模型生成方法，其特征在于，获取灰度图像的子步骤如下：对原始图片进行抠取，将原始图片抠取为主体区域和非主体区域，将非主体区域处理为透明，并将处理后的原始图片存储为抠取后图片；通过读取通道数据对抠取后图片中的阿尔法通道数据进行提取；对提取的阿尔法通道数据进行二值化处理，转化为灰度图像。4.根据权利要求1所述的三角网格模型生成方法，其特征在于，基于开源计算机视觉库对灰度图像做膨胀处理。5.根据权利要求4所述的三角网格模型生成方法，其特征在于，基于开源计算机视觉库对灰度图像做膨胀处理的子步骤如下：构建一个3×3的kernel操作矩阵；用kernel操作矩阵扫描灰度图像的每一个像素；完成扫描后，用kernel操作矩阵与其覆盖的灰度图像做“与”操作，如果都为0，得到膨胀灰度图像的该像素为0，否则为1。6.根据权利要求1所述的三角网格模型生成方法，其特征在于，计算疏密度值的子步骤如下：获取原始图片的四条边长；计算四条边长的边长和，并预设阀值，该边长和与该阀值的乘积即为疏密度值。7.根据权利要求1所述的三角网格模型生成方法，其特征在于，根据疏密度值对由轮廓点集构成的轮廓的内部区域进行处理，获得轮廓内部点集的子步骤如下：在膨胀灰度图像上设置一个起始点m，从起始点m开始，横向设置多条横向线条以及纵向设置多条纵向线条，其中，相邻的两条横向线条之间的间隔距离等于疏密度值，相邻的两条纵向线条之间的间隔距离等于疏密度值，每条横向线条分别与每条纵向线条垂直相交，相交处的交叉点为添加坐标点；获取整个图片上的所有坐标点作为检测坐标点，检测坐标点包括所有的添加坐标点以及轮廓点集中的所有像素点；对所有的添加坐标点逐一进行检查，判断检查的检测坐标点是否落在轮廓点集所构成的轮廓的内部区域，若检查的检测坐标点落在轮廓的外部区域，则将该检测坐标点丢弃；若检查的检测坐标点落在轮廓的内部区域，则将该检测坐标点保留，所有保留的检测坐标点2CN110706351A权利要求书2/2页属于轮廓内部点集。8.根据权利要求7所述的三角网格模型生成方法，其特征在于，通过Bowyer-Watson算法进行Delaunay三角剖分，得到均匀分布的三角网格模型数据，完成三角网格模型的生成。9.一种三角网格模型生成装置，其特征在于，包括图片处理模块、存储模块以及获取模块，图片处理模块分别与存储模块和获取模块连接，获取模块与存储模块连接；其中，图片处理模块：用于接收获取模块发送的需要进行处理的原始图片，执行权利要求1-8中任意一项所述的三角网格模型生成方法对该原始图片进行处理，并将生成后的三角网格模型存储于存储模块；存储模块：用于接收并存储获取模块发送的原始图片和图片处理模块发送的三角网格模型；获取模块：用于获取原始图片，并将该原始图片发送至存储模块和图像处理模块。10.根据权利要求9所述的三角网格模型生成装置，其特征在于，所述图片处理模块内设置有开源计算机视觉库。3CN1