哈希表的应用-浅析顶点聚簇网格简化算法的实现

2024-09-04 19:48

本文主要是介绍哈希表的应用-浅析顶点聚簇网格简化算法的实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

  本篇接顶点去重那一篇,继续使用哈希表来实现网格算法。这次介绍的是一种比较简单的网格简化算法,叫做顶点聚簇。

 

网格简化

  为了介绍这个算法,首先说明一下网格简化算法。随着计算机绘图在现代科技领域中的广泛应用, 计算机图形在现代制造业中发挥着重要的作用。计算机图形学中对模型的要求更加精密, 也更加复杂, 生成的面片数也更加庞大, 庞大的数据量必然对计算机的计算能力提出更高要求, 对模型的生成也带来更多困难[。为此, 需要对重建得到的复杂的数学模型进行简化, 以减少数据量和数据模型的复杂程度, 这就使得网格简化的提出成为必然。模型简化也称数据缩小或数据删减, 对于实时应用来说, 通常需要这个过程来减少存储的顶点数并将这些顶点发送到图形管线。网格简化的目的是在尽量保持原模型可视特征的条件下, 减少模型的多边形数目。

 

网格简化方法之顶点聚簇网格削减

  顶点聚簇方法又被叫做顶点聚类。顶点聚簇方法的原理首先是将原模型统一归于一个大区域,然后对大区域进行划分,使得小区域中包含了许多散落其中的顶点,再将此区域中的顶点合并,形成新的顶点,再根据原始网格的拓扑关系,把这些顶点三角化后,从而得到简化模型。下图也可以生动的说明顶点聚簇的原理。

  顶点聚簇是比较简单高效的网格简化算法,不过缺点是生成结果的质量不如其他的网格简化算法。

 

使用顶点聚簇来简化SMC算法生成的网格

  由于SMC算法生成的网格顶点坐标都是基于原来三维图像中的体素索引,所以这些顶点都可以看作是处在单位长度为1的笛卡尔网格之上。坐标范围则是从(0,0,0)到(Mesh的X最大值,Mesh的Y最大值,Mesh的Z最大值),所以实际上这样的网格可以当作已经被单位长度为1的正方体区域所划分了。这样假如想要进行顶点聚簇简化,就需要用一个大于1的浮点值为边长再来给空间划分正方体区域,这个值是用户提供的参数,下文用unitLength来指代这个参数,表示它是新的单位长度。同时不难想到unitLength越大,网格削减的越厉害。

  算法可以采用在“浅议顶点焊接”一篇中的哈希表来实现,这个哈希表的作用就是为三维空间中的整点提供快速存储与查找。在顶点聚类算法中,我们可以将在一个新正方体单位区域的点都合并为一个点并存入这样的哈希表中。这样我们就能将新的点重新存在新的Mesh中,而原来的三角形用同样的道理来替换其中点的索引,最后将位退化的三角形存在新Mesh的三角形表中。

  综上所述,用C#实现算法的代码如下:

复制代码
public class VertexCluster
{Mesh mesh;public VertexCluster(Mesh mesh){this.mesh = mesh;}public void Clear(){mesh = null;}public void ExecuteSimplification(float unitLength){if (unitLength <= 1){return;}Mesh newMesh = new Mesh();//新建Mesh存放削减后的网格Box3Float box = mesh.GetBox3();//首先获取Mesh的空间范围 XYZ方向的最大最小值存在box中int resx = (int)((box.Max3[0] - box.Min3[0]) / unitLength) + 1;int resy = (int)((box.Max3[1] - box.Min3[1]) / unitLength) + 1;int resz = (int)((box.Max3[2] - box.Min3[2]) / unitLength) + 1;//在新的单位长度下,得出新空间划分出的每一维的长度
HashTable_Double2dArray<int> hash = new HashTable_Double2dArray<int>(resx+1, resy+1, resz+1);//创建hash表,这里使用的是双二维数组哈希表for (int i = 0; i < mesh.Vertices.Count; i++){Point3d p = mesh.Vertices[i];int xindex = (int)((p.X - box.Min3[0]) / unitLength);int yindex = (int)((p.Y - box.Min3[1]) / unitLength);int zindex = (int)((p.Z - box.Min3[2]) / unitLength);//计算点在新单位长度下的坐标int value = 0;bool hasValue = hash.GetHashValue(xindex, yindex, zindex, ref value);if (!hasValue){hash.SetHashValue(xindex, yindex, zindex, newMesh.Vertices.Count);newMesh.AddVertex(new Point3d(xindex, yindex, zindex));}//新单位长度下肯定有原来不同的点映射到相同的位置,//总是添加第一次映射到这个位置的点入Mesh,之后的不再添加
        }for (int i = 0; i < mesh.Faces.Count; i++){Triangle t = mesh.Faces[i];Point3d p0 = mesh.Vertices[t.P0Index];Point3d p1 = mesh.Vertices[t.P1Index];Point3d p2 = mesh.Vertices[t.P2Index];int xindex0 = (int)((p0.X - box.Min3[0]) / unitLength);int yindex0 = (int)((p0.Y - box.Min3[1]) / unitLength);int zindex0 = (int)((p0.Z - box.Min3[2]) / unitLength);int index0 = 0;hash.GetHashValue(xindex0, yindex0, zindex0, ref index0);int xindex1 = (int)((p1.X - box.Min3[0]) / unitLength);int yindex1 = (int)((p1.Y - box.Min3[1]) / unitLength);int zindex1 = (int)((p1.Z - box.Min3[2]) / unitLength);int index1 = 0;hash.GetHashValue(xindex1, yindex1, zindex1, ref index1);int xindex2 = (int)((p2.X - box.Min3[0]) / unitLength);int yindex2 = (int)((p2.Y - box.Min3[1]) / unitLength);int zindex2 = (int)((p2.Z - box.Min3[2]) / unitLength);int index2 = 0;hash.GetHashValue(xindex2, yindex2, zindex2, ref index2);if (!(index0 == index1 || index0 == index2 || index1 == index2)){newMesh.AddFace(new Triangle(index0, index1, index2));}//对于每个三角形,找出其三点对应的新位置,检查是否有两个点重合(退化),//添加不退化的三角形
        }for (int i = 0; i < newMesh.Vertices.Count; i++){Point3d p = newMesh.Vertices[i];p.X = (float)(unitLength * p.X + box.Min3[0]);p.Y = (float)(unitLength * p.Y + box.Min3[1]);p.Z = (float)(unitLength * p.Z + box.Min3[2]);}//将新Mesh的坐标放大到和原来一样的尺度
        mesh.Clear();mesh.Vertices = newMesh.Vertices;mesh.Faces = newMesh.Faces;//替换旧Mesh的数据
    }
}
复制代码

 

算法测试

  数据采用Engine数据,下表展示了算法的结果。

- 简花前   简化后
数据预览  
顶点数 216147   110910
三角形数 432370   220528
单位长度 1.0   1.5
削减比例(顶点) -   48.7%
削减比例(三角形) -   49.0%

  可以看出,顶点聚簇算法均匀的减少了三角网格的密度。

这篇关于哈希表的应用-浅析顶点聚簇网格简化算法的实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1136861

相关文章

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》:本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色(红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解

PostgreSQL中MVCC 机制的实现

《PostgreSQL中MVCC机制的实现》本文主要介绍了PostgreSQL中MVCC机制的实现,通过多版本数据存储、快照隔离和事务ID管理实现高并发读写,具有一定的参考价值,感兴趣的可以了解一下... 目录一 MVCC 基本原理python1.1 MVCC 核心概念1.2 与传统锁机制对比二 Postg

SpringBoot整合Flowable实现工作流的详细流程

《SpringBoot整合Flowable实现工作流的详细流程》Flowable是一个使用Java编写的轻量级业务流程引擎,Flowable流程引擎可用于部署BPMN2.0流程定义,创建这些流程定义的... 目录1、流程引擎介绍2、创建项目3、画流程图4、开发接口4.1 Java 类梳理4.2 查看流程图4

C++中零拷贝的多种实现方式

《C++中零拷贝的多种实现方式》本文主要介绍了C++中零拷贝的实现示例,旨在在减少数据在内存中的不必要复制,从而提高程序性能、降低内存使用并减少CPU消耗,零拷贝技术通过多种方式实现,下面就来了解一下... 目录一、C++中零拷贝技术的核心概念二、std::string_view 简介三、std::stri

C++高效内存池实现减少动态分配开销的解决方案

《C++高效内存池实现减少动态分配开销的解决方案》C++动态内存分配存在系统调用开销、碎片化和锁竞争等性能问题,内存池通过预分配、分块管理和缓存复用解决这些问题,下面就来了解一下... 目录一、C++内存分配的性能挑战二、内存池技术的核心原理三、主流内存池实现:TCMalloc与Jemalloc1. TCM

OpenCV实现实时颜色检测的示例

《OpenCV实现实时颜色检测的示例》本文主要介绍了OpenCV实现实时颜色检测的示例,通过HSV色彩空间转换和色调范围判断实现红黄绿蓝颜色检测,包含视频捕捉、区域标记、颜色分析等功能,具有一定的参考... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间

Python实现精准提取 PDF中的文本,表格与图片

《Python实现精准提取PDF中的文本,表格与图片》在实际的系统开发中,处理PDF文件不仅限于读取整页文本,还有提取文档中的表格数据,图片或特定区域的内容,下面我们来看看如何使用Python实... 目录安装 python 库提取 PDF 文本内容:获取整页文本与指定区域内容获取页面上的所有文本内容获取

基于Python实现一个Windows Tree命令工具

《基于Python实现一个WindowsTree命令工具》今天想要在Windows平台的CMD命令终端窗口中使用像Linux下的tree命令,打印一下目录结构层级树,然而还真有tree命令,但是发现... 目录引言实现代码使用说明可用选项示例用法功能特点添加到环境变量方法一:创建批处理文件并添加到PATH1

Java使用HttpClient实现图片下载与本地保存功能

《Java使用HttpClient实现图片下载与本地保存功能》在当今数字化时代,网络资源的获取与处理已成为软件开发中的常见需求,其中,图片作为网络上最常见的资源之一,其下载与保存功能在许多应用场景中都... 目录引言一、Apache HttpClient简介二、技术栈与环境准备三、实现图片下载与保存功能1.

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal