VTL：图形基本操作进阶——多分辨率策略（模型抽取的三种方法）

1.多分辨率处理策略

模型抽取Decimation）和细化（Subdivision）是两个相反的操作，是三角形网格模型多分辨率处理中的两个重要的操作。使用这两个操作可以在保持模型拓扑结构的同时，得到不同分辨率的网格模型。模型抽取的作用是剑豪模中的点数据和单元数据，便于模型的后续处理与交互渲染，这类似于图像时数据的将采样。而网格细化则是利用一定的细化规则。而网格细化则是利用一定的细化规则，在给定的初始化
网格中插入新的点，从而不断细化出新的网格单元，在极限细化情况下，该网格能够收敛一个光滑的曲面。

2.网格抽取（Decimation）

2.1VTKDecimatePro
VTK 中有三个网格抽取l类：vtkDecimatePro、VTKQuadricDecimation、vtkQuadricClustering.
vtkDecimatePro是最常用的，该处理方法的原理，是一种塌陷的方法来删除点和单元，处理的速度比较快，而且可以方便的控制网格抽取的幅度，得到不同级别的模型数据。

使用方法：
vtkSmartPoint<vtkDecimatePro> decimate = vtkSmartPointer<vtkDecimatePro>::New();
decimate->SetInput(input);
decimate->SetTargetReduction(0.6);
decimate->update();

vtkDecimatePro接收一个单元为三角网格的vtkPolyData数据，其中函数SetTargetReduction()用于设置变量TargetReduction的大小，将网格面片抽取的比例控制在0~1.这里设置为0.6，说明有60%的三角面片单元将被移除。使用这个函数可以得到不同程度的简化网格模型，不过，为确保函数效果，一般需要满足下面四个条件：
vtkDecimatePro需要支持模型拓扑的改变，即将PreserveTopology变量的值设置为FALSE。
支持网格分裂，即Splitting变量的值设置为TRUE。
支持修改模型的边界，即将变量BoundaryVetexDeletion的值设置为TRUE。
设置最大误差变量MaximumError的值为VTK_DOUBLE_MAX。

2.2 vtkQuadricDecimation

该类也可以实现三角形网格简化，并能较好地逼近原模型.该类虽然也提供了SetTargetReduction()函数用于设置模型简化程度，但是最终简化率并非严格等于程序中设置的简化率。可以通过GetActualReduction()函数来获取最终模型简化率。

2.3 vtkQuadricClustering

该类是三种实现模型抽取算法中最快的一种，能够处理大数据模型。通过StartAppend()、Append()、EndAppend()函数可以将整个模型分为多个网格片处理，从而避免一次性处理整个模型，减少内存开支，提高处理效率。

3.vtkDecimatePro用于模型抽取实验

图像简化之后的效果：

#include <vtkAutoInit.h>
VTK_MODULE_INIT(vtkRenderingOpenGL2);
VTK_MODULE_INIT(vtkRenderingFreeType);
VTK_MODULE_INIT(vtkInteractionStyle);#include <vtkSmartPointer.h>
#include <vtkPolyDataReader.h>
#include <vtkDecimatePro.h>
#include <vtkPolyDataMapper.h>
#include <vtkActor.h>
#include <vtkRenderer.h>
#include <vtkCamera.h>
#include <vtkRenderWindow.h>
#include <vtkRenderWindowInteractor.h>int main()
{vtkSmartPointer<vtkPolyDataReader> reader =vtkSmartPointer<vtkPolyDataReader>::New();reader->SetFileName("data/fran_cut.vtk");reader->Update();vtkSmartPointer<vtkPolyData> original = reader->GetOutput();std::cout << "抽取前" << "-----------------------" << std::endl;std::cout << "模型点数为： " << original->GetNumberOfPoints() << std::endl;std::cout << "模型面数为： " << original->GetNumberOfPolys() << std::endl;vtkSmartPointer<vtkDecimatePro> decimation =vtkSmartPointer<vtkDecimatePro>::New();decimation->SetInputData(reader->GetOutput());decimation->SetTargetReduction(0.6);decimation->Update();vtkSmartPointer<vtkPolyData> decimated = decimation->GetOutput();std::cout << "抽取后" << "-----------------------" << std::endl;std::cout << "模型点数为：" << decimated->GetNumberOfPoints() << std::endl;std::cout << "模型面数为：" << decimated->GetNumberOfPolys() << std::endl;///vtkSmartPointer<vtkPolyDataMapper> origMapper =vtkSmartPointer<vtkPolyDataMapper>::New();origMapper->SetInputData(reader->GetOutput());vtkSmartPointer<vtkActor> origActor =vtkSmartPointer<vtkActor>::New();origActor->SetMapper(origMapper);vtkSmartPointer<vtkPolyDataMapper> deciMapper =vtkSmartPointer<vtkPolyDataMapper>::New();deciMapper->SetInputData(decimation->GetOutput());vtkSmartPointer<vtkActor> deciActor =vtkSmartPointer<vtkActor>::New();deciActor->SetMapper(deciMapper);///double leftViewport[4] = { 0.0, 0.0, 0.5, 1.0 };double rightViewport[4] = { 0.5, 0.0, 1.0, 1.0 };vtkSmartPointer<vtkRenderer> leftRenderer =vtkSmartPointer<vtkRenderer>::New();leftRenderer->SetViewport(leftViewport);leftRenderer->AddActor(origActor);leftRenderer->SetBackground(1.0, 0, 0);vtkSmartPointer<vtkRenderer> rightRenderer =vtkSmartPointer<vtkRenderer>::New();rightRenderer->SetViewport(rightViewport);rightRenderer->AddActor(deciActor);rightRenderer->SetBackground(0, 0, 0);leftRenderer->GetActiveCamera()->SetPosition(0, -1, 0);leftRenderer->GetActiveCamera()->SetFocalPoint(0, 0, 0);leftRenderer->GetActiveCamera()->SetViewUp(0, 0, 1);leftRenderer->GetActiveCamera()->Azimuth(30);leftRenderer->GetActiveCamera()->Elevation(30);leftRenderer->ResetCamera();//刷新照相机rightRenderer->SetActiveCamera(leftRenderer->GetActiveCamera());//同步显示///vtkSmartPointer<vtkRenderWindow> rw =vtkSmartPointer<vtkRenderWindow>::New();rw->AddRenderer(leftRenderer);rw->AddRenderer(rightRenderer);rw->SetSize(640, 320);rw->SetWindowName("PolyData Decimation");vtkSmartPointer<vtkRenderWindowInteractor> rwi =vtkSmartPointer<vtkRenderWindowInteractor>::New();rwi->SetRenderWindow(rw);rwi->Start();return 0;
}

VTL：图形基本操作进阶——多分辨率策略（模型抽取的三种方法）相关推荐

VTK修炼之道52：图形基本操作进阶_多分辨率策略（模型抽取的三种方法）
1.多分辨率处理策略模型抽取(Decimation)和细化(Subdivision)是两个相反的操作,是三角形网格模型多分辨处理中的两个重要操作.使用这两个操作可以在保持模型拓扑结构的同时,得到不同 ...
中文文本关键词抽取的三种方法-python
利用Python实现中文文本关键词抽取的三种方法转自github 文本关键词抽取,是对文本信息进行高度凝练的一种有效手段,通过3-5个词语准确概括文本的主题,帮助读者快速理解文本信息.目前,用于文本 ...
基于Python实现中文文本关键词抽取的三种方法课程报告+项目源码及数据
资源下载地址:https://download.csdn.net/download/sheziqiong/85737856 资源下载地址:https://download.csdn.net/downl ...
中文文本关键词抽取的三种方法（TF-IDF、TextRank、word2vec）
链接地址:https://github.com/AimeeLee77/keyword_extraction 1.基于TF-IDF的文本关键词抽取方法词频(Term Frequency,TF) 指某一 ...
python模型调参三种方法
1.机器学习常用三种调参方法:网格搜索.随机搜索和贝叶斯调参 2.网格搜索是遍历式搜索方法,效率较低,资源消耗多 3.网格搜索和随机搜索都没有考虑前面搜索的先验知识 4.贝叶斯调参的原理是贝叶斯优化, ...
VTK修炼之道53：图形基本操作进阶_多分辨率策略（模型细化的三种方法）
1.模型细化 vtk中实现网格细化的累有vtkLinearSubdivisionFilter.vtkLoopsubdivisionFilter.vtkButterflySubdivisionFilte ...
VTK修炼之道50：图形基本操作进阶_网格模型的特征边与封闭性检测
1.封闭性检测由于受原始数据.重建方法的限制,得到的网格模型并不是封闭的.有时为了显示或者处理某些要求,需要网格必须是封闭的. 封闭性网格应该比较好理解,比如一个球形网格. 1.1网格模型边的分类 ...
进一步认识Deepchem的分子特征化: 将化学分子结构作为到随机森林\CNN\RNN\GNN等机器学习模型输入的三种方法
'''by wufeil进一步认识分子特征化:将化学分子结构作为到随机森林\CNN\RNN\GNN等机器学习模型的输入如何将一个分子SMile表示的分子输入到机器学习/深度学习中呢?例如:CH3CH3 ...
机器学习模型部署的三种方法
"企业机器学习需要从数据工程和数据平台的角度看待大局[...],"贾斯汀·诺曼(Justin Norman)在今年巴塞罗那的DataWorks峰会上关于机器学习模型的部署的演讲中说 ...

VTL：图形基本操作进阶——多分辨率策略（模型抽取的三种方法）

1.多分辨率处理策略

2.网格抽取（Decimation）

3.vtkDecimatePro用于模型抽取实验

VTL：图形基本操作进阶——多分辨率策略（模型抽取的三种方法）相关推荐

最新文章

热门文章