專(zhuān)利名稱(chēng)：：一種樹(shù)葉漸進(jìn)簡(jiǎn)化方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于計(jì)算機(jī)圖形學(xué)與數(shù)字農(nóng)林學(xué)相結(jié)合的交叉學(xué)科的
技術(shù)領(lǐng)域：
，涉及植物場(chǎng)景的繪制，尤其涉及一種樹(shù)葉漸進(jìn)簡(jiǎn)化方法。10
背景技術(shù)：
在城市可視化，電腦游戲等應(yīng)用中，往往涉及到許多室外場(chǎng)景，如果忽略隨處可見(jiàn)的植物的繪制，渲染結(jié)果會(huì)顯得非常不真實(shí)，這是計(jì)算機(jī)圖形學(xué)家和用戶(hù)都無(wú)法容忍的。而在植物建模以及植物生長(zhǎng)模擬方面，人們?cè)缫颜归_(kāi)深入的研究。到目前為止，已有許多成熟的系統(tǒng)，并有相15應(yīng)軟件，例如法國(guó)的AMAP，加拿大的L-系統(tǒng)，德國(guó)的Xfrog等。這些軟件都能生成非常逼真的植物模型(見(jiàn)圖2)。但是植物，特別是樹(shù)木，通常由很多細(xì)枝還有數(shù)不清的葉子組成，并且枝和葉的拓?fù)浣Y(jié)構(gòu)都非常復(fù)雜。因此這類(lèi)物體通常需要數(shù)量龐大的多邊形來(lái)進(jìn)行描述。而繪制時(shí)間和物體的多邊形數(shù)量是正比關(guān)系，所以在目前的硬件條件下，實(shí)現(xiàn)這20類(lèi)場(chǎng)景的實(shí)時(shí)繪制還是計(jì)算機(jī)圖形學(xué)中的一個(gè)難題。為了實(shí)現(xiàn)植物場(chǎng)景,特別是森林的實(shí)時(shí)繪制，人們陸續(xù)提出了各種算法。主要有基于圖像的繪制算法，點(diǎn)繪制算法和層次細(xì)節(jié)算法(LOD)。基于圖像的繪制算法通常在預(yù)處理中確定一系列采樣視點(diǎn)，在每一個(gè)視點(diǎn)方向，對(duì)植物體進(jìn)行繪制，并把繪制結(jié)果作為紋理圖保存下來(lái)。25而在實(shí)時(shí)繪制時(shí)，根據(jù)當(dāng)前視點(diǎn)信息，找到與其最鄰近的采樣視點(diǎn)，然后對(duì)這些采樣視點(diǎn)相對(duì)應(yīng)的紋理圖像進(jìn)行插值，插值得到的圖像即作為當(dāng)前視點(diǎn)的渲染結(jié)果圖像。在所有算法中，這種算法繪制速度最快，且繪制時(shí)間與植物場(chǎng)景的幾何復(fù)雜度無(wú)關(guān)。但是這種方法需要很大的內(nèi)存來(lái)存儲(chǔ)各采樣視點(diǎn)的紋理圖像，并且因?yàn)槿鄙僦参锏膸缀涡畔?，繪制近結(jié)果圖。點(diǎn)繪制算法是在對(duì)距離較遠(yuǎn)的植物進(jìn)行繪制時(shí)采取的一種策略當(dāng)植物距離視點(diǎn)足夠遠(yuǎn)時(shí)，它采用線(xiàn)表示枝條，而用點(diǎn)表示葉子，從而提高了繪制速度。對(duì)于近距離的植物，為保證渲染質(zhì)量，則釆用它的原始5模型，即多邊形表示。因此點(diǎn)繪制算法只對(duì)距離較遠(yuǎn)的植物的繪制有效，并且通常在對(duì)簡(jiǎn)單矮小的植物，如草本植物，花卉等進(jìn)行繪制，效果比較好，見(jiàn)圖4點(diǎn)繪制算法用于植物的結(jié)果圖。多邊形，特別是三角形模型一直是計(jì)算機(jī)圖形學(xué)的主流模型，因此人們?cè)诿嫫?jiǎn)化方面研究很深入，提出了很多成熟的層次細(xì)節(jié)算法，如iovertexdecimation,edgecollapse,vertexclustering等。但由于樹(shù)木特殊的屬性，這些算法通常可以用于樹(shù)干的簡(jiǎn)化，對(duì)于樹(shù)葉部分，則會(huì)產(chǎn)生錯(cuò)誤的結(jié)果。2002年，Remolar等人首次提出了針對(duì)樹(shù)葉的簡(jiǎn)化算法一FSA算法。該算法能不斷減少用于表示樹(shù)葉的多邊形的數(shù)目，并同時(shí)保持樹(shù)冠外形。它假設(shè)樹(shù)葉由四邊形表示，然后不斷地進(jìn)行l(wèi)eafcollapseis操作，即用一個(gè)新的四邊形代替原來(lái)的兩個(gè)四邊形，見(jiàn)圖5FSA算法中的leafcollapse示意圖，新產(chǎn)生的四邊形的面積大小和合并前的兩個(gè)四邊形的面積大小近似。采用該算法對(duì)樹(shù)模型進(jìn)行簡(jiǎn)化的結(jié)果，見(jiàn)圖6FSA算法結(jié)果圖。但FSA算法存在很多缺陷(l)不能保證leafcollapse中生成的四邊形的面積的正確性，會(huì)出現(xiàn)新生成的四邊形的面積比原四邊形20面積小的情況，這是不合理的。(2)只采用了兩項(xiàng)相似度指標(biāo)，由它們選取的四邊形對(duì)經(jīng)常相距很遠(yuǎn)，并不適合做leafcollapse操作，因?yàn)樗鼈儠?huì)產(chǎn)生細(xì)長(zhǎng)的四邊形。(3)FSA不是視點(diǎn)相關(guān)的算法，它不能明確得出當(dāng)前視點(diǎn)下處于不同位置的樹(shù)木的細(xì)節(jié)層次。(4)FSA只能處理具有四邊形狀的葉子，而常見(jiàn)的樹(shù)葉的形狀一般都比四邊形復(fù)雜，因此FSA25應(yīng)用范圍很局限。除了上面三種主要的方法，人們還試圖用別的方法實(shí)現(xiàn)實(shí)時(shí)的目的。例如最近有人在植物繪制中引入了幾何壓縮的方法。其中Pieire-MarieGandoin等人提出了一種無(wú)損壓縮算法，主要通過(guò)兩種常見(jiàn)的面片簡(jiǎn)化操作edgecollapse和vertexsplit來(lái)改變點(diǎn)線(xiàn)面的拓?fù)溥B接關(guān)系，然30后對(duì)種拓?fù)溥B接關(guān)系的變化進(jìn)行編碼。這種方法是漸進(jìn)的，并能用于non-manifold的物體。該方法用于壓縮樹(shù)木時(shí)的結(jié)果，見(jiàn)圖7Pierre-MarieGandoin等人的壓縮方法的結(jié)果圖。但由于該壓縮方法不考慮植物特殊的拓?fù)浣Y(jié)構(gòu)，因此會(huì)產(chǎn)生視覺(jué)效果合理但違背植物學(xué)原理的結(jié)果。
發(fā)明內(nèi)容常見(jiàn)的樹(shù)葉的形狀通常都比較復(fù)雜，而現(xiàn)有的樹(shù)葉簡(jiǎn)化方法只能簡(jiǎn)化四邊形狀的樹(shù)葉，應(yīng)用范圍非常狹窄，另外現(xiàn)有方法不能根據(jù)視點(diǎn)自動(dòng)選擇細(xì)節(jié)層次，為解決這些問(wèn)題，本發(fā)明目的要解決的技術(shù)問(wèn)題是如io何簡(jiǎn)化各種樹(shù)木的樹(shù)葉部分，以建立樹(shù)葉的多分辨率表示，以及繪制時(shí)如何選擇合適的分辨率表示代替樹(shù)葉的完整表示，為此，本發(fā)明將要提供一種樹(shù)葉漸進(jìn)簡(jiǎn)化方法。為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種樹(shù)葉漸進(jìn)簡(jiǎn)化方法，把描述復(fù)雜樹(shù)葉的面片分解成一組相互獨(dú)立的三角形或四邊形；然后迭代地對(duì)三15角形或四邊形葉片進(jìn)行合并操作，即兩個(gè)四邊形，或兩個(gè)三角形，或一個(gè)四邊形一個(gè)三角形合并成一個(gè)新的四邊形，這個(gè)新的四邊形在位置，所占空間以及顏色屬性與其所合并前的三角形或四邊形的相關(guān)屬性保持一致，因此能不斷地減少描述樹(shù)葉的多邊形的數(shù)目，但是在視覺(jué)效果上保持樹(shù)冠外形不變；而在每一次迭代中，通過(guò)六個(gè)相似度指標(biāo)線(xiàn)性組成20的相似度函數(shù)，選取最相似最適合合并的兩個(gè)多邊形以減少誤差，保證簡(jiǎn)化質(zhì)量；簡(jiǎn)化過(guò)程中所有的信息最終都保存在硬盤(pán)中，實(shí)時(shí)繪制時(shí)，則根據(jù)當(dāng)前視點(diǎn)的信息和硬盤(pán)中的記錄確定不同位置的樹(shù)木的細(xì)節(jié)層次，并把相應(yīng)的幾何信息送往CPU進(jìn)行繪制。一、葉片合并和新葉片的構(gòu)造25FSA算法提出了葉片合并的概念，即兩個(gè)四邊形合并成一個(gè)新的四邊形，并且這個(gè)新的四邊形與參與合并的兩個(gè)四邊形在顏色，空間位置等屬性上保持一致。但FSA只能對(duì)兩個(gè)四邊形進(jìn)行合并操作，并且合并后生成的新的四邊形的不能保證其面積屬性的正確性。本方法繼承了FSA算法的所有優(yōu)點(diǎn)，同時(shí)對(duì)它進(jìn)行了推廣和改進(jìn)，使其可以處理兩個(gè)30四邊形，或兩個(gè)三角形，或一個(gè)四邊形和一個(gè)三角形的合并操作，見(jiàn)圖8葉片合并示意圖。這樣就擴(kuò)大了本方法的應(yīng)用范圍，使它不僅能簡(jiǎn)化四邊形形狀的樹(shù)葉，還能對(duì)其它形狀的樹(shù)葉進(jìn)行簡(jiǎn)化，如針葉狀葉子。合并過(guò)程中將生成一個(gè)新的四邊形來(lái)代替參與合并的兩個(gè)多邊形，本方法提出的確定該四邊形四個(gè)頂點(diǎn)的方法能避免FSA算法可能出現(xiàn)5的錯(cuò)誤，更好的保持合并前后位置，面積等屬性的一致性，以保證更好的簡(jiǎn)化效果。所述葉片合并中生成的新的四邊形的四個(gè)頂點(diǎn)的確定方法步驟包括首先在參與合并的兩個(gè)多邊形的所有頂點(diǎn)中找出距離最遠(yuǎn)的兩個(gè)10頂點(diǎn)，分別記為頂點(diǎn)A和頂點(diǎn)B;總頂點(diǎn)數(shù)可以是6個(gè)(對(duì)應(yīng)兩個(gè)三角形)，或7個(gè)(對(duì)應(yīng)一個(gè)三角形和一個(gè)四邊形)，或8個(gè)(對(duì)應(yīng)兩個(gè)四邊形)。然后再在剩余的頂點(diǎn)中找出到頂點(diǎn)A，頂點(diǎn)B兩點(diǎn)距離之和最大的一個(gè)頂點(diǎn)，記作頂點(diǎn)C;15接著再在剩余頂點(diǎn)中找出到頂點(diǎn)A、頂點(diǎn)B、頂點(diǎn)C三點(diǎn)距離之和最大的一個(gè)頂點(diǎn)，記作頂點(diǎn)D;隨后對(duì)頂點(diǎn)C，頂點(diǎn)D坐標(biāo)進(jìn)行變換調(diào)整，最終使得頂點(diǎn)A、頂點(diǎn)B、頂點(diǎn)C、頂點(diǎn)D處于同一平面上，這樣確定的四邊形就是共面的，不會(huì)出現(xiàn)扭曲的現(xiàn)象。20最后確定各頂點(diǎn)對(duì)應(yīng)的法向量，其中頂點(diǎn)A、頂點(diǎn)B處的法向量保持原來(lái)的不變，而四邊形在頂點(diǎn)C、頂點(diǎn)D兩點(diǎn)的法向量需要原對(duì)應(yīng)法向量經(jīng)過(guò)同上的共面變換才能得到。二、相似度函數(shù)251描述樹(shù)葉的多邊形的屬性所述描述樹(shù)葉多邊形，是判斷兩個(gè)多邊形(四邊形或三角形)是否適合合并，本方法描述樹(shù)葉的多邊形的五種屬性為，分別為直徑，寬度，法向量，面積和合并年齡。所述描述樹(shù)葉多邊形的直徑和寬度，將一個(gè)多邊形的所有頂點(diǎn)記作30Z，d(;c,力表示兩頂點(diǎn)x和;;之間的Hausdorff(豪斯多夫)距離，則該多邊形的直徑定義為D(JQ=max(c/0，力;weI)而寬度定義為=maxW(Jc,力;;c，yeInd(x，力*Z)(I))5這兩個(gè)屬性描述了多邊形的大概形狀和各個(gè)頂點(diǎn)大致分布情況。所述面積記錄了對(duì)應(yīng)多邊形的面積大小。所述法向量為對(duì)應(yīng)多邊形所在平面的單位法向，它反映了多邊形的朝向，并且它和面積屬性一起反映了樹(shù)葉顏色在空間的分布情況。所述合并年齡，葉片合并操作前，將描述樹(shù)葉的多邊形稱(chēng)之為原始10多邊形，則多邊形的合并年齡記錄了被該多邊形代替的原始多邊形的數(shù)目，即表示了在生成該多邊形的過(guò)程中，參與合并的原始多邊形的總數(shù)目，而原始多邊形的合并年齡設(shè)置為l。所述合并年齡通常和面積保持一致，一般來(lái)說(shuō)，合并年齡大時(shí)，面積也會(huì)很大。152相似度指標(biāo)根據(jù)以上定義的多邊形的五種屬性，本方法提出了六項(xiàng)相似度指標(biāo)來(lái)分別判斷兩個(gè)多邊形在各屬性上的相似程度。這六項(xiàng)相似度指標(biāo)包括法向相似度，空間位置的相似度，葉面積相似度，直徑相似度，合并年齡20相似度以及直徑懲罰。它們的含義和定義如下(1)法向相似度&衡量?jī)蓚€(gè)多邊形的共面程度。表達(dá)式為S(w)=l-|〈W(X)，,|其中W(Z)和W(r)分別表示兩個(gè)多邊形的法向量，〈*,*〉求兩個(gè)向量的內(nèi)積。這樣得到的S，(x,力的值會(huì)在0和1之間，并且兩多邊形越共面，S,(;c,力25的值越小。公式中的絕對(duì)值運(yùn)算是必要的，因?yàn)槿~子是兩面的，正反兩個(gè)方向都可以作為葉子的法向。(2)空間位置的相似度S2表示了兩多邊形之間距離的遠(yuǎn)近程度。公式采用了Hausdorff(豪斯多夫)距離，并通過(guò)歸一化運(yùn)算使得值域?yàn)閇G，1]。具體公式如下30S2(義，J0-minW(A,A);A其中i^,為樹(shù)冠的直徑，即為樹(shù)葉包圍盒的直徑，因?yàn)樗闹凳莾蓚€(gè)多邊形的最大可能距離值，所以用它來(lái)歸一化Hausdorff(豪斯多夫)距離可保證值域范圍為0，1。在葉片合并操作剛開(kāi)始進(jìn)行時(shí)，&(^)遠(yuǎn)遠(yuǎn)小于l，隨后會(huì)慢慢增大，并且&(l,:r)值越小，表明兩多邊形靠得越近。5(3)葉面積相似度S3衡量?jī)蓚€(gè)多邊形的面積大小的接近程度。通常認(rèn)為具有相近面積大小的兩個(gè)多邊形比面積大小相差很大的兩個(gè)多邊形更適合進(jìn)行葉片合并操作。具體公式為&(m=[草)-草)]2/[草)2+單)2]其中J("，j(y)分別為兩個(gè)多邊形的面積大小。&(^的值同樣屬于10[O，l]范圍。(4)直徑相似度S4描述了葉片合并操作前后葉子形狀的變形程度。公式表示如下&(y)=1-+Z)(J)]/[2*D(Xy)]其中和Z)(y)分別表示兩多邊形的直徑值，這兩個(gè)多邊形合并后15會(huì)產(chǎn)生一個(gè)新的四邊形，該四邊形的直徑即為D(U)。根據(jù)前面提到的直徑的定義，設(shè)丄-X門(mén)y，則可得到Z)(U)-max^(x,力;x,3/e丄)。同樣S4(jr,:r)e(0,1)。(5)合并年齡相似度Ss，一個(gè)多邊形的合并年齡值代表著被它替代即簡(jiǎn)化的原始多邊形的數(shù)目，通常認(rèn)為將具有相近年齡的葉對(duì)更適合20合并，并且對(duì)年齡小的葉對(duì)應(yīng)該比年齡大的葉對(duì)優(yōu)先合并。綜合這兩個(gè)觀(guān)點(diǎn)，可得到下面的公式&(U)=[G(Z)+G(力+|G(X)_/W』其中G(Z)和G(力分別為兩多邊形的合并年齡。7V^為葉片合并操作進(jìn)行前，描述所有樹(shù)葉的原始多邊形的數(shù)目，它的作用在于限定&(x,r)在(0,1)25范圍內(nèi)取值。(6)直徑懲罰S6，先對(duì)尺寸小的葉對(duì)應(yīng)該比尺寸大的葉對(duì)先合并，因?yàn)榍罢吆喜a(chǎn)生的誤差相對(duì)后者來(lái)說(shuō)要小一些。具體公式如下其中D(Z)，Z)(y)和"^的含義和定義都與前面一致。^(X，J0的值也在30(O,l)范圍內(nèi)。相似度函數(shù)根據(jù)以上六項(xiàng)相似度指標(biāo)，本方法提出了一個(gè)相似度函數(shù)來(lái)衡量?jī)蓚€(gè)多邊形的相似程度，從而在每次迭代中找出最適合進(jìn)行葉片合并操作的5多邊形對(duì)。該相似度函數(shù)綜合了各項(xiàng)因素，并且給不同的因素賦予不同的權(quán)重，這樣就能更科學(xué)，更合理地選取多邊形對(duì)。而多邊形對(duì)的選擇直接關(guān)系到簡(jiǎn)化質(zhì)量，相對(duì)以往的樹(shù)葉簡(jiǎn)化算法，本方法能夠取得更好，更準(zhǔn)確的結(jié)果。相似度函數(shù)的具體表達(dá)式如下JO=(Z，y)+(X,J7)+A:3S3(X,JOio其中^>0,且*1+&+&+&+&+&=1。通過(guò)測(cè)試圖9相似度函數(shù)的系數(shù)取值實(shí)驗(yàn)，當(dāng)&=0.0375,/t2=0.3125，yfc3=0.0375，、=0.0375，A:5=0.2875和^=0.2875時(shí)，對(duì)常見(jiàn)的樹(shù)葉進(jìn)行簡(jiǎn)化時(shí)都能取得較好的結(jié)果。三、與視點(diǎn)相關(guān)的細(xì)節(jié)層次模型樹(shù)葉簡(jiǎn)化過(guò)程是漸進(jìn)的，并且每一步的信息都將保存在硬盤(pán)中。這15些信息包括多邊形的幾何數(shù)據(jù)信息，對(duì)應(yīng)的屬性值，如多邊形的直徑，寬度等，還有簡(jiǎn)化關(guān)系，如多邊形A和B合并后變成C(可認(rèn)為C是A，B的父親，而A和B是C的兒子)。繪制時(shí)，則把這些記錄讀入內(nèi)存，并根據(jù)當(dāng)前視點(diǎn)的信息，來(lái)確定不同位置的樹(shù)木的細(xì)節(jié)層次。通常人們根據(jù)簡(jiǎn)化誤差來(lái)確定物體的細(xì)節(jié)層次，但是對(duì)于樹(shù)葉這類(lèi)特殊的物體，20計(jì)算葉片合并操作前后的誤差非常困難。為此本方法進(jìn)行了簡(jiǎn)化，采用多邊形的其中一個(gè)屬性值一直徑和用戶(hù)給定的象素誤差，代替簡(jiǎn)化誤差以方便快捷地確定各樹(shù)木的細(xì)節(jié)層次。這種簡(jiǎn)化是有合理的，因?yàn)槔L制的最終結(jié)果是圖片形式，因此可知其細(xì)節(jié)層次的選擇和圖片大小彼此是相關(guān)的，而直徑的投影值可作為圖片大小的一個(gè)衡量值。給定一個(gè)像素25誤差，可由當(dāng)前視點(diǎn)和待繪制的樹(shù)木的關(guān)系轉(zhuǎn)換得到空間誤差值，然后遍歷待繪制樹(shù)木的記錄，得到所有直徑不大于空間誤差即大小合適的樹(shù)葉，這些樹(shù)葉即為當(dāng)前視點(diǎn)下需繪制的樹(shù)葉，并且一旦父葉被選中，它所有的子孫都不被送去繪制。圖l是本發(fā)明方法具體的流程2是現(xiàn)有技術(shù)AMAP、L系統(tǒng)和Xfrog生成的植物模型圖3是現(xiàn)有技術(shù)基于圖像的算法用于繪制森林時(shí)的結(jié)果圖圖4是現(xiàn)有技術(shù)點(diǎn)繪制算法用于植物的結(jié)果圖圖5是現(xiàn)有技術(shù)FSA算法中的Ieafcollapse示意圖圖6是現(xiàn)有技術(shù)FSA算法結(jié)果7是現(xiàn)有技術(shù)Pierre-MarieGandoin等人的壓縮方法的結(jié)果8是本發(fā)明葉片合并示意9是本發(fā)明相似度函數(shù)的系數(shù)取值實(shí)驗(yàn)圖10是本發(fā)明簡(jiǎn)化針葉的結(jié)果ll是本發(fā)明LOD模型圖12是簡(jiǎn)化模型和原始模型的效果比較圖13a-d是利用本發(fā)明幾種常見(jiàn)樹(shù)木的樹(shù)葉簡(jiǎn)化前后對(duì)比14是利用本發(fā)明森林場(chǎng)景的繪制結(jié)果圖具體實(shí)施方式下面將結(jié)合附圖對(duì)本發(fā)明加以詳細(xì)說(shuō)明，應(yīng)指出的是，所描述的實(shí)20施例僅旨在便于對(duì)本發(fā)明的理解，而對(duì)其不起任何限定作用。本發(fā)明方法的核心在于葉片合并方法和相似度函數(shù)的定義。它們直接影響著簡(jiǎn)化質(zhì)量。圖l給出了整個(gè)方法的流程，方法具體包括九個(gè)步步驟1:首先輸入三維樹(shù)模型，提取樹(shù)葉部分信息，并把這些信息25保存下來(lái)；步驟2:判斷樹(shù)葉的形狀是否為復(fù)雜，若是則執(zhí)行步驟3;若否執(zhí)行步驟4;步驟3:分解具有復(fù)雜形狀的樹(shù)葉，把描述復(fù)雜樹(shù)葉的面片分解成一組相互獨(dú)立的三角形或四邊形；30步驟4:計(jì)算所有多邊形對(duì)的相似度函數(shù)值；步驟5:找出最適合合并的多邊形對(duì)，即相似度函數(shù)值最小的多邊形對(duì)，這一對(duì)多邊形即認(rèn)為是最相似，合并所產(chǎn)生的視覺(jué)誤差最小的兩個(gè)多邊形；步驟6:對(duì)多邊形對(duì)進(jìn)行葉片合并操作，確定新產(chǎn)生的四邊形的四5個(gè)頂點(diǎn)的坐標(biāo)位置；返回步驟4，并更新相似度，循環(huán)直至所有樹(shù)葉都合并到一個(gè)四邊形；步驟7:構(gòu)成新生成的四邊形信息組；步驟8:構(gòu)建樹(shù)葉的多分辨率模型，保存樹(shù)葉簡(jiǎn)化過(guò)程中的所有信息到硬盤(pán)中；10步驟9:實(shí)時(shí)繪制時(shí)，根據(jù)當(dāng)前視點(diǎn)信息和簡(jiǎn)化記錄，確定不同位置的樹(shù)木的細(xì)節(jié)層次，并把相應(yīng)的幾何數(shù)據(jù)送往CPU，當(dāng)視點(diǎn)改變時(shí)，重新確定各樹(shù)木的細(xì)節(jié)層次并重新繪制。一、實(shí)驗(yàn)結(jié)果與結(jié)論用C語(yǔ)言實(shí)現(xiàn)了本發(fā)明所描述的方法，并用于了幾種常見(jiàn)樹(shù)木的樹(shù)15葉的簡(jiǎn)化。所有的實(shí)驗(yàn)都是在一臺(tái)P42.4G、512MB內(nèi)存、操作系統(tǒng)為Windows2000的PC機(jī)上完成的，顯示部分使用了標(biāo)準(zhǔn)的OpenGL圖形函數(shù)庫(kù)。表l列出了實(shí)驗(yàn)中所用到的所有樹(shù)木的信息，包括樹(shù)木的名稱(chēng)，年齡，原始模型用來(lái)描述樹(shù)葉的多邊形的數(shù)目。20表l:實(shí)驗(yàn)數(shù)據(jù)信息<table>tableseeoriginaldocumentpage15</column></row><table>附圖9為相似度函數(shù)的系數(shù)取值實(shí)驗(yàn)結(jié)果圖。6項(xiàng)系數(shù)的取值直接影響著本樹(shù)葉簡(jiǎn)化方法的質(zhì)量和準(zhǔn)確度。從圖中可以看出，當(dāng)法向相似度)fc,取值很大時(shí)，會(huì)破壞樹(shù)葉的原始分布，產(chǎn)生極差的結(jié)果；當(dāng)葉面積相似度系數(shù)*3起主導(dǎo)作用時(shí)，會(huì)生成許多變形的葉子；當(dāng)直徑相似度系5數(shù)*4起主導(dǎo)作用時(shí)，會(huì)在樹(shù)冠的輪廓面上產(chǎn)生很大的葉子，因此不能保證樹(shù)冠外形不變;而當(dāng)空間位置的相似度系數(shù)^，合并年齡相似度系數(shù)^以及直徑懲罰系數(shù)&起主導(dǎo)作用時(shí)，能取得很好的簡(jiǎn)化效果，基本保持樹(shù)冠的形狀。通過(guò)該實(shí)驗(yàn)，最終確定各系數(shù)的值為、=0.0375"2=0.3125，0.0375，yfc4=0.0375，0.2875，0.2875。10本方法推廣了FSA算法，應(yīng)用范圍得到了擴(kuò)展，可以簡(jiǎn)化各種常見(jiàn)的樹(shù)葉，如具有三角形形狀的針葉。附圖10即是對(duì)一針葉模型一一棵高度為9.2461米的25歲樟子松的樹(shù)葉進(jìn)行簡(jiǎn)化的結(jié)果圖。該實(shí)驗(yàn)中，樟子松到視點(diǎn)的距離為75.1414米。從左到右，第一幅圖為原始模型，后面五幅為簡(jiǎn)化模型。圖片下面顯示了相應(yīng)的樹(shù)葉多邊形的數(shù)目(第二行)、15壓縮模型后占原數(shù)據(jù)的百分比(第三行)、以及壓縮率(第四行)。可以看出本方法的壓縮效果，并且壓縮率很高時(shí)，簡(jiǎn)化結(jié)果依然能很好的保持樹(shù)冠的外形。附圖11給出了是一棵2.9米高的Makamik山楂樹(shù)的LOD模型。由近及遠(yuǎn)，處于6個(gè)不同位置的山楂樹(shù)的細(xì)節(jié)層次不同。離視點(diǎn)遠(yuǎn)越，20樹(shù)葉的細(xì)節(jié)越粗略，但卻能保持視覺(jué)效果。附圖l2為簡(jiǎn)化模型和原始模型的視覺(jué)效果比較圖。釆用丁香樹(shù)模型。其中編號(hào)為1，3，5的模型為三個(gè)細(xì)節(jié)層次不同的簡(jiǎn)化模型，簡(jiǎn)化模型與模型的百分比分別為46.1%，63.8%和84.8%;而2，4，6為原始模型。為了比較簡(jiǎn)化模型和原始模型的視覺(jué)效果，這些模型被分為了25三組，l和2為第一組，3和4為第二組，5和6為第三組。同組中的兩棵樹(shù)與視點(diǎn)的關(guān)系保持一致，并且這三組到視點(diǎn)的距離分別為78.43米，58.52米，38.56米。結(jié)果可見(jiàn)每一組中的兩棵樹(shù)具有相似的視覺(jué)效果。附圖13a-d為地中海白松，白楊樹(shù)，Siberian山楂樹(shù)和銀楓的簡(jiǎn)化前后的對(duì)比圖。其中圖13a為地中海白松45歲，圖13b為白楊樹(shù)12歲，30圖13為Siberian山楂樹(shù)20歲，圖13d為銀楓15歲。圖中第一列為原始模型，第二列為簡(jiǎn)化模型；在此，這四個(gè)模型的壓縮信息為各個(gè)簡(jiǎn)化模型占原模型百分比分別是2.38°/。，20%，10.7%和9.03%，對(duì)應(yīng)的壓縮率分別是42.00，5.00，34和11.08。附圖14是對(duì)秋季花園里的樹(shù)木進(jìn)行繪制的結(jié)果圖。其中包括四種不5同的樹(shù)松樹(shù)，冬青樹(shù)，山楂樹(shù)和銀楓樹(shù)。并且除了冬青樹(shù)，其余三種樹(shù)木的樹(shù)葉都不是四邊形表示的。本發(fā)明的方法有三處體現(xiàn)了特色和創(chuàng)新。一是處理復(fù)雜形狀的樹(shù)葉時(shí)，把描述樹(shù)葉的面片進(jìn)行分解，產(chǎn)生一組相互獨(dú)立的三角形或四邊形;10二是提出了三角形對(duì)的合并，以及三角形，四邊形兩混合形體的合并方法；三是提出了一個(gè)全面考慮各種因素的相似度函數(shù)，能更科學(xué)，合理地選取待合并的葉對(duì)，提高簡(jiǎn)化結(jié)果的質(zhì)量。采用本發(fā)明的方法簡(jiǎn)化樹(shù)木的樹(shù)葉，建立了樹(shù)葉的多分辨率表示，以及繪制時(shí)選擇合適的分辨率表示代替樹(shù)葉的完整表示，解決了現(xiàn)有技術(shù)樹(shù)葉簡(jiǎn)化算法只能簡(jiǎn)化四邊15形狀的樹(shù)葉，應(yīng)用范圍非常狹窄，以及不能根據(jù)視點(diǎn)自動(dòng)確定細(xì)節(jié)層次等問(wèn)題。通過(guò)測(cè)試，本發(fā)明的方法確實(shí)能夠有效簡(jiǎn)化具有不同形狀的樹(shù)葉，甚至花朵。它能不斷地減少樹(shù)葉的數(shù)目，同時(shí)保持樹(shù)冠外形不變。并且即使壓縮率很高時(shí)，仍能保持這一性質(zhì)。而在實(shí)時(shí)繪制時(shí)，它能根據(jù)樹(shù)20木與當(dāng)前視點(diǎn)的關(guān)系，自動(dòng)確定該樹(shù)木合適的細(xì)節(jié)層次。主要用于城市可視化，園林設(shè)計(jì)，飛行模擬，虛擬現(xiàn)實(shí)和電腦游戲中，以及輔助農(nóng)林學(xué)家可視化其研究對(duì)象。上面的描述是用于實(shí)現(xiàn)本發(fā)明及其實(shí)施例，本發(fā)明的范圍不應(yīng)由該25描述來(lái)限定。本領(lǐng)域的技術(shù)人員應(yīng)該理解，在不脫離本發(fā)明的范圍的任何修改或局部替換，均屬于本發(fā)明權(quán)利要求來(lái)限定的范圍。權(quán)利要求1、一種樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于面片分解步驟把描述復(fù)雜樹(shù)葉的面片分解成一組相互獨(dú)立的三角形或四邊形；葉片合并步驟迭代地對(duì)三角形或四邊形葉片進(jìn)行合并操作，合并成一個(gè)新的四邊形，新的四邊形在位置、所占空間以及顏色屬性與其所取締的三角形或四邊形的相關(guān)屬性保持一致，能不斷地減少描述樹(shù)葉的多邊形的數(shù)目，而在視覺(jué)效果上保持樹(shù)冠外形不變；相似度處理步驟在每一次迭代中，通過(guò)六個(gè)相似度指標(biāo)線(xiàn)性組成的相似度函數(shù)，選取最相似、最適合合并的兩個(gè)多邊形；實(shí)時(shí)繪制步驟根據(jù)當(dāng)前視點(diǎn)的信息和硬盤(pán)中的記錄確定不同位置的樹(shù)木的細(xì)節(jié)層次，把相應(yīng)的幾何信息送往CPU進(jìn)行繪制。2、如權(quán)利要求l所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述葉片合15并中生成的新的四邊形的四個(gè)頂點(diǎn)的確定方法步驟包括在參與合并的兩個(gè)多邊形的所有頂點(diǎn)中找出距離最遠(yuǎn)的兩個(gè)頂點(diǎn)，分別記為頂點(diǎn)A和頂點(diǎn)B;在剩余的頂點(diǎn)中找出到頂點(diǎn)A，頂點(diǎn)B兩點(diǎn)距離之和最大的一個(gè)頂點(diǎn)，記作頂點(diǎn)C;20在剩余頂點(diǎn)中找出到頂點(diǎn)A,頂點(diǎn)B，頂點(diǎn)C三點(diǎn)距離之和最大的一個(gè)頂點(diǎn)，記作頂點(diǎn)D;對(duì)頂點(diǎn)C,頂點(diǎn)D坐標(biāo)進(jìn)行共面變換調(diào)整，使得頂點(diǎn)A、頂點(diǎn)B、頂點(diǎn)C、頂點(diǎn)D處于同一平面上，即使新生成的四邊形共面；最后確定各頂點(diǎn)對(duì)應(yīng)的法向量，其中頂點(diǎn)A、頂點(diǎn)B處的法向量保25持原來(lái)的不變，四邊形在頂點(diǎn)C、頂點(diǎn)D兩點(diǎn)的法向量需要頂點(diǎn)C、頂點(diǎn)D原對(duì)應(yīng)法向量經(jīng)過(guò)所述的共面變換得到。3、如權(quán)利要求1所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述葉片合并，對(duì)于兩個(gè)三角形，總頂點(diǎn)數(shù)選擇6個(gè)。4、如權(quán)利要求1所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述葉片合30并，對(duì)于一個(gè)三角形和一個(gè)四邊形，總頂點(diǎn)數(shù)選擇7個(gè)。5、如權(quán)利要求1所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述葉片合并操作，對(duì)于兩個(gè)四邊形，總頂點(diǎn)數(shù)選擇8個(gè)。6、如權(quán)利要求1所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述描述樹(shù)葉多邊形，是判斷兩個(gè)多邊形是否適合合并，描述樹(shù)葉多邊形的屬性分5別為直徑、寬度、法向量、面積和合并年齡。7、如權(quán)利要求6所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述描述樹(shù)葉多邊形的直徑和寬度，將多邊形的所有頂點(diǎn)記作X，d(x,力表示兩頂點(diǎn);c和y之間的豪斯多夫距離，則該多邊形的直徑定義為Z)(I)=max(d0，力;x,>'eZ)io而寬度定義為『(義)=max(c/0,力;;c,:FeJTnd(;c,力#Z)(X))所述樹(shù)葉多邊形直徑、寬度的描述了多邊形的大概形狀和各個(gè)頂點(diǎn)大致分布情況。8、如權(quán)利要求6所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述面積，15是記錄對(duì)應(yīng)多邊形的面積大小。9、如權(quán)利要求6所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述法向量為對(duì)應(yīng)多邊形所在平面的單位法向，它反映多邊形的朝向，并且它和面積屬性一起反映了樹(shù)葉顏色在空間的分布情況。10、如權(quán)利要求6所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述合并20年齡，在葉片合并操作前，將描述樹(shù)葉的多邊形稱(chēng)之為原始多邊形，則多邊形的合并年齡記錄被該多邊形代替的原始多邊形的數(shù)目，所述數(shù)目表示在生成該多邊形的過(guò)程中，參與合并的原始多邊形的總數(shù)目，原始多邊形的合并年齡設(shè)置為l。11、如權(quán)利要求10所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述合并25年齡通常和面積保持一致。12、如權(quán)利要求1所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述相似度，根據(jù)多邊形的屬性和相似度指標(biāo)分別判斷兩個(gè)多邊形在各屬性上的相似程度，相似度指標(biāo)包括法向相似度、空間位置的相似度、葉面積相似度、直徑相似度、合并年齡相似度以及直徑懲罰。3013、如權(quán)利要求12所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述法向相似度Si，法向相似度Si衡量?jī)蓚€(gè)多邊形的共面程度，其表達(dá)式為-其中iv(;n和iv(r)分別表示兩個(gè)多邊形的法向量，〈*,*〉求兩個(gè)向量的內(nèi)積；得到S,(x,力的值在0和1之間，并且兩多邊形越共面，S,(;c，力的5值越小。14、如權(quán)利要求12所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法,其特征在于所述空間位置的相似度S2，用空間位置的相似度S2表示兩多邊形之間距離的遠(yuǎn)近程度，基于所述豪斯多夫距離，并通過(guò)歸一化運(yùn)算使得值域?yàn)閇G，U，其表達(dá)式為<formula>formulaseeoriginaldocumentpage4</formula>其中D^為樹(shù)冠的直徑，用來(lái)做歸一化處理。15、如權(quán)利要求12所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述葉面積相似度S3，葉面積相似度衡量S3兩個(gè)多邊形的面積大小的接近程度，相近面積大小的兩個(gè)多邊形比面積大小相差很大的兩個(gè)多邊形更適合進(jìn)15行葉片合并操作，其表達(dá)式為w)=[単)-,)]2/[草)2+,)2]其中j(z)，力oo分別為兩個(gè)多邊形的面積大小，&(^)的值同樣屬于[O，l]范圍。16、如權(quán)利要求12所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述直徑20相似度S4，直徑相似度S4描述葉片合并操作前后葉子形狀的變形程度，其表達(dá)式為-s4(z,r)=1-[Z)(Z)+網(wǎng)]/[2*y)]其中和Z)(y)分別表示兩多邊形的直徑值，這兩個(gè)多邊形合并后產(chǎn)生一個(gè)新的四邊形，該四邊形的直徑即為D(u);根據(jù)所述的直徑，25設(shè)i:-義ni7，得到Z)(U)-max(dO，力;;c,:^丄)，同樣&(U)e(0,1)。17、如權(quán)利要求12所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于合并年齡相似度Ss，將具有相近年齡的葉對(duì)進(jìn)行合并，并且對(duì)年齡小的葉對(duì)比年齡大的葉對(duì)優(yōu)先合并，其表達(dá)式為<formula>formulaseeoriginaldocumentpage4</formula>30其中g(shù)(JO和g(力分別為兩多邊形的合并年齡，a^^為葉片合并操作進(jìn)行前，描述所有樹(shù)葉的原始多邊形的數(shù)目，它的作用在于限定&(U)在(O,l)范圍內(nèi)取值。18、如權(quán)利要求12所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述直徑懲罰S6，先對(duì)尺寸小的葉對(duì)合并，再對(duì)尺寸大的葉對(duì)合并，其表達(dá)式為&(")=,)+網(wǎng)]/[21]&(X,y)的值在(0,1)范圍內(nèi)。19、如權(quán)利要求12所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述相似度函數(shù)，根據(jù)相似度指標(biāo)，來(lái)衡量?jī)蓚€(gè)多邊形的相似程度，從而在每次迭代中找出最適合進(jìn)行葉片合并操作的多邊形對(duì)，該相似度函數(shù)綜合了各項(xiàng)因素，并且給不同的因素賦予不同的權(quán)重，S6其表達(dá)式為y)=&(x,r)+(義,;r)+(x,+、&(z,+W(")+AA(x,:r)其中^>0，且A;,+A;2+A:3+A:4+A5+A:6=1。20、如權(quán)利要求1所述樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述與視點(diǎn)相關(guān)的細(xì)節(jié)層次模型，將樹(shù)葉簡(jiǎn)化過(guò)程的每一步信息保存在硬盤(pán)中，繪制時(shí)，把樹(shù)葉簡(jiǎn)化過(guò)程記錄讀入內(nèi)存，并根據(jù)當(dāng)前視點(diǎn)的信息，確定不同位置的樹(shù)木的細(xì)節(jié)層次，采用多邊形的其中一個(gè)屬性值一直徑和用戶(hù)給定的象素誤差確定各樹(shù)木的細(xì)節(jié)層次，繪制結(jié)果為圖片形式，其細(xì)節(jié)層次的選擇和圖片大小彼此相關(guān)，用直徑作為圖片大小的一個(gè)衡量值；給定一個(gè)像素誤差，由當(dāng)前視點(diǎn)和待繪制的樹(shù)木的關(guān)系轉(zhuǎn)換得到空間誤差值，然后遍歷待繪制樹(shù)木的記錄，得到所有直徑不大于空間誤差即大小合適的樹(shù)葉，這些樹(shù)葉即為當(dāng)前視點(diǎn)下需繪制的樹(shù)葉，并且一旦父葉被選中，它所有的子孫都不被送去繪制。21、如權(quán)利要求1所述的樹(shù)葉漸進(jìn)簡(jiǎn)化方法，其特征在于所述葉片合并和相似度處理具體步驟包括步驟1:首先輸入三維樹(shù)模型，提取樹(shù)葉部分信息，并把這些信息保存下來(lái)；步驟2:判斷樹(shù)葉的形狀是否為復(fù)雜，若是則執(zhí)行步驟3;若否執(zhí)行步驟3:分解具有復(fù)雜形狀的樹(shù)葉，把描述復(fù)雜樹(shù)葉的面片分解成一組相互獨(dú)立的三角形或四邊形；步驟4:計(jì)算所有多邊形對(duì)的相似度函數(shù)值；步驟5:找出最適合合并的多邊形對(duì)，即相似度函數(shù)值最小的多邊5形對(duì)，這一對(duì)多邊形即認(rèn)為是最相似，合并所產(chǎn)生的視覺(jué)誤差最小的兩個(gè)多邊形；步驟6:對(duì)多邊形對(duì)進(jìn)行葉片合并操作，確定新產(chǎn)生的四邊形的四個(gè)頂點(diǎn)的坐標(biāo)位置；返回步驟4，并更新相似度，循環(huán)直至所有樹(shù)葉都合并到一個(gè)四邊形；10步驟7:構(gòu)成新生成的四邊形信息組；步驟8:構(gòu)建樹(shù)葉的多分辨率模型，保存樹(shù)葉簡(jiǎn)化過(guò)程中的所有信息到硬盤(pán)中；步驟9:實(shí)時(shí)繪制時(shí)，根據(jù)當(dāng)前視點(diǎn)信息和簡(jiǎn)化記錄，確定不同位置的樹(shù)木的細(xì)節(jié)層次，并把相應(yīng)的幾何數(shù)據(jù)送往GPU，當(dāng)視點(diǎn)改變時(shí)，15重新確定各樹(shù)木的細(xì)節(jié)層次并重新繪制。全文摘要本發(fā)明公開(kāi)一種樹(shù)葉漸進(jìn)簡(jiǎn)化方法，通過(guò)迭代地合并葉片多邊形，并使新四邊形葉片保持被其取締的葉對(duì)的形狀、顏色等屬性，而每一次迭代采用六項(xiàng)有權(quán)重的相似度指標(biāo)選取最合適的葉對(duì)做合并操作；對(duì)于復(fù)雜葉片，則先將葉片分解成一組三角或四邊形，然后再進(jìn)行合并操作；整個(gè)葉片減化過(guò)程在預(yù)處理完成并存在硬盤(pán)中，實(shí)時(shí)繪制時(shí)根據(jù)視點(diǎn)離樹(shù)木的距離，選擇合適的細(xì)節(jié)層次代替樹(shù)葉的完整的描述。本發(fā)明能有效簡(jiǎn)化不同形狀的樹(shù)葉、花朵，在簡(jiǎn)化過(guò)程中保持樹(shù)冠外形不變。并且即使壓縮率很高時(shí)，仍能保持冠層的形狀。主要用于城市可視化，園林設(shè)計(jì)，飛行模擬，虛擬現(xiàn)實(shí)和電腦游戲中，以及輔助農(nóng)林學(xué)家可視化其研究對(duì)象。文檔編號(hào)G06T15/10GK101114383SQ20061009957公開(kāi)日2008年1月30日申請(qǐng)日期2006年7月28日優(yōu)先權(quán)日2006年7月28日發(fā)明者張曉鵬,鄧擎瓊申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所