[發(fā)明專利]一種三角網(wǎng)格模型生成方法及裝置

有效

• 申請?zhí)枺?/td>: 201910938285.6
• 申請日: 2019-09-30
• 公開（公告）號: CN110706351B
• 公開（公告）日: 2023-01-24
• 發(fā)明（設(shè)計）人: 李小波;李昆侖;石矯龍
• 申請（專利權(quán)）人: 恒信東方文化股份有限公司
• 主分類號: G06T17/20
• 分類號: G06T17/20
• 代理公司: 北京卓特專利代理事務(wù)所(普通合伙) 11572
• 代理人: 陳變花

本申請公開了一種三角網(wǎng)格模型生成方法及裝置，其中三角網(wǎng)格模型生成方法包括：對原始圖片進行處理，得到輪廓數(shù)據(jù)；計算疏密度值，根據(jù)疏密度值對輪廓數(shù)據(jù)進行處理，獲得輪廓點集；根據(jù)疏密度值對由輪廓點集構(gòu)成的輪廓的內(nèi)部區(qū)域進行處理，獲得輪廓內(nèi)部點集；利用輪廓點集和輪廓內(nèi)部點集獲取三角網(wǎng)格模型數(shù)據(jù)，完成三角網(wǎng)格模型的生成。本申請具有能夠自動生成均勻的三角網(wǎng)格模型，有效避免圖片處理過程中產(chǎn)生的拉伸效果不自然等問題的技術(shù)效果。

技術(shù)領(lǐng)域

本申請涉及計算機圖形技術(shù)領(lǐng)域，尤其涉及一種三角網(wǎng)格模型生成方法及裝置。

背景技術(shù)

目前，在虛擬試衣類產(chǎn)品中，將各種衣服服飾拍照產(chǎn)生圖片后，需要將衣服圖片進行變換處理，再貼合到模特身上，以實現(xiàn)試穿衣服的效果。為達到此目的，通常使用人工調(diào)節(jié)的方法，即人工利用圖像處理軟件對圖片進行修整變形，但人力操作的效率過低，效果難以保障，亦無法達到自動處理的要求。又現(xiàn)有的通過仿射變換、線性變換等算法自動將圖片進行拉伸變形的方法又難以達到試衣目的。而在服飾圖片進行三角網(wǎng)格覆蓋的時候，受輪廓曲線的彎曲幅度影響，常用的三角網(wǎng)格生成覆蓋服飾圖片的方法會出現(xiàn)疏密不均的情況，最終導(dǎo)致在拉伸三角頂點的時候不能對輪廓內(nèi)的衣服區(qū)域產(chǎn)生自然均勻的拉伸效果。

發(fā)明內(nèi)容

本申請的目的在于提供一種三角網(wǎng)格模型生成方法及裝置，具有能夠自動生成均勻的三角網(wǎng)格模型，有效避免圖片處理過程中產(chǎn)生的拉伸效果不自然等問題的技術(shù)效果。

為達到上述目的，本申請?zhí)峁┮环N三角網(wǎng)格模型生成方法，包括：對原始圖片進行處理，得到輪廓數(shù)據(jù)；計算疏密度值，根據(jù)疏密度值對輪廓數(shù)據(jù)進行處理，獲得輪廓點集；根據(jù)疏密度值對由輪廓點集構(gòu)成的輪廓的內(nèi)部區(qū)域進行處理，獲得輪廓內(nèi)部點集；利用輪廓點集和輪廓內(nèi)部點集獲取三角網(wǎng)格模型數(shù)據(jù)，完成三角網(wǎng)格模型的生成。

優(yōu)選的，對原始圖片進行處理，并獲取輪廓數(shù)據(jù)的子步驟如下：獲取灰度圖像；對灰度圖像進行膨脹處理，得到膨脹灰度圖；對膨脹灰度圖進行處理，獲得輪廓數(shù)據(jù)。

優(yōu)選的，獲取灰度圖像的子步驟如下：對原始圖片進行摳取，將原始圖片摳取為主體區(qū)域和非主體區(qū)域，將非主體區(qū)域處理為透明，并將處理后的原始圖片存儲為摳取后圖片；通過讀取通道數(shù)據(jù)對摳取后圖片中的阿爾法通道數(shù)據(jù)進行提取；對提取的阿爾法通道數(shù)據(jù)進行二值化處理，轉(zhuǎn)化為灰度圖像。

優(yōu)選的，基于開源計算機視覺庫對灰度圖像做膨脹處理。

優(yōu)選的，基于開源計算機視覺庫對灰度圖像做膨脹處理的子步驟如下：構(gòu)建一個3×3的kernel操作矩陣；用kernel操作矩陣掃描灰度圖像的每一個像素；完成掃描后，用kernel操作矩陣與其覆蓋的灰度圖像做“與”操作，如果都為0，得到膨脹灰度圖像的該像素為0，否則為1。

優(yōu)選的，計算疏密度值的子步驟如下：獲取原始圖片的四條邊長；計算四條邊長的邊長和，并預(yù)設(shè)閥值，該邊長和與該閥值的乘積即為疏密度值。

優(yōu)選的，根據(jù)疏密度值對由輪廓點集構(gòu)成的輪廓的內(nèi)部區(qū)域進行處理，獲得輪廓內(nèi)部點集的子步驟如下：在膨脹灰度圖像上設(shè)置一個起始點m，從起始點m開始，橫向設(shè)置多條橫向線條以及縱向設(shè)置多條縱向線條，其中，相鄰的兩條橫向線條之間的間隔距離等于疏密度值，相鄰的兩條縱向線條之間的間隔距離等于疏密度值，每條橫向線條分別與每條縱向線條垂直相交，相交處的交叉點為添加坐標點；獲取整個圖片上的所有坐標點作為檢測坐標點，檢測坐標點包括所有的添加坐標點以及輪廓點集中的所有像素點；對所有的添加坐標點逐一進行檢查，判斷檢查的檢測坐標點是否落在輪廓點集所構(gòu)成的輪廓的內(nèi)部區(qū)域，若檢查的檢測坐標點落在輪廓的外部區(qū)域，則將該檢測坐標點丟棄；若檢查的檢測坐標點落在輪廓的內(nèi)部區(qū)域，則將該檢測坐標點保留，所有保留的檢測坐標點屬于輪廓內(nèi)部點集。

優(yōu)選的，通過Bowyer-Watson算法進行Delaunay三角剖分，得到均勻分布的三角網(wǎng)格模型數(shù)據(jù)，完成三角網(wǎng)格模型的生成。