一種基於Contourlet變換的繪製方法
2023-06-13 04:19:11
專利名稱：一種基於Contourlet變換的繪製方法
技術領域：
本發明涉及一種基於Contourlet變換的繪製方法，屬於計算機圖形學領域。
背景技術：
在計算機圖形學領域，過去幾十年裡，基於光線跟蹤的繪製方法主要分為兩大類:隨機繪製方法和自適應繪製方法。隨機繪製方法可以快速的採樣待繪製空間，但是沒有考慮空間信息的特徵分布，平均的投放採樣點並重構圖像；自適應繪製方法利用空間特徵，合理採樣待繪製空間並構建重構濾波器，有效的避免走樣。隨著國內外研究的不斷深入和需求的不斷提升，特別是在真實感場景繪製領域中，為了進一步提高圖像繪製質量，許多人採用多尺度分析或是各向異性濾波器方法。目前研究較多的是如何提出自適應方法採樣圖像，來可以更好的減少噪聲，同時也提出了不少方法利用已有採樣點重構最終圖像。儘管經過許多學者的研究，提出了許多自適應採樣與重構方法。但是不依賴採樣器提供的附加信息，重構各種效果的高質量繪製圖像仍然非常困難。也有學者開始考慮應用頻域分析將待繪製圖像轉換到頻率提取特徵來輔助採樣與重構圖像，小波分析已經被應用於自適應繪製當中。傳統的自適應繪製方法一般具有如下缺陷:(I)自適應分析函數的局部性，採樣方法只根據待繪製圖像的局部信息投放採樣點；(2)重構方法沒有利用各向異性特徵，沒有考慮繪製空間的各向異性，濾波後會在邊界出產生走樣；(3)濾波器沒有多尺度特性，針對不同像素，需要構建不同大小的濾波器；(4)採樣方法與重構方法獨立，重構沒有依賴採樣方法，只是根據採樣得到的採樣點來重構圖像。
發明內容
本發明技術解決問題:克服現有技術的不足，提供一種基於Contourlet變換的繪製方法，利用Contourlet中的多尺度拉普拉斯金字塔變換(MLP)的自適應採樣和利用方向濾波器組(DFBs)的各向異性重構濾波，解決光線跟蹤繪製邊界走樣問題，能夠繪製高質量的真實感圖像。本發明技術解決方案:一種基於Contourlet變換的繪製方法，分為兩層:利用多尺度拉普拉斯金字塔變換(MLP)的自適應採樣和利用方向濾波器組(DFBs)的各向異性重構濾波，實現步驟如下:步驟1:將待繪製空間粗採樣後，作為採樣分析的初始輸入圖像；步驟2:基於Contourlet中的多尺度拉普拉斯金字塔(MLP)，將輸入圖像分解為粗粒度和細粒度兩部分，利用信號偏移技術，多次分解不同偏移的圖像，然後進行合成，保證輸入和輸出圖像大小一致；步驟3:將輸出的粗粒度圖像作為輸入圖像，再次執行步驟2，直到滿足分解尺度；步驟4:根據不同尺度下的粗粒度和細粒度圖像，利用各個尺度下的方差特徵計算錯誤評估函數，自適應採樣不同尺度下繪製空間；對於採樣後的區域重新計算其不同尺度下粗粒度和細粒度的值，不斷重複該過程，直到用完所有採樣點；步驟5:利用不同尺度下細粒度的圖像，利用方向濾波器組(DFBs)將不同尺度的圖像分解為不同方向的子帶；步驟6:利用每個像素在不同尺度下的方差和子帶信息，構建多尺度各向異性濾波器，重構最終圖像。所述步驟2中的基於Contourlet中的多尺度拉普拉斯金字塔(MLP)實現步驟如下:(I)對於尺度K，將輸入圖像通過位移生成另外3幅大小相同的圖像；(2)利用濾波器H過濾每幅變換後的圖像並進行下採樣；(3)將4個圖像的濾波結果合成為與原始輸入圖像大小相同的結果作為尺度K的粗粒度圖像，並作為K+1尺度的輸入圖像；(4)將第一幅圖像上採樣後經濾波器G過濾後與原始圖像的差作為尺度K的細粒度圖像；(5)重複以上過程，計算各個尺度的細粒度和粗粒度圖像，對於O尺度的輸入圖像既是採樣圖像。所述步驟5中利用方向濾波器組(DFBs)將不同尺度的圖像分解為不同方向的子帶具體實現如下:(I)將不同尺度下的細粒度採樣結果dk作為不同尺度方向信息提取的輸入；(2)使用DFBs分解不同細粒度圖像，得到各個子帶的方向圖像，DFBs能夠得到一副圖像不同子帶的圖像信息。本發明與現有技術相比的優點在於:(I)通過對傳統自適應繪製方法等知識的研究,本發明提出一種基於Contourlet變換的自適應繪製方法，該方法分為多尺度自適應採樣與各向異性重構兩部分，通過Contourlet中的拉普拉斯金字塔變換對待繪製空間進行多尺度分析並投放自適應採樣點，根據多尺度分析結果，利用Contourlet變換中的方向濾波器組提取採樣結果的各向異性特徵，構建多尺度各向異性濾波器重構圖像，即避免了採樣的局部性，又提取了各向異性特徵，解決了光線跟蹤繪製邊界走樣問題，能夠繪製高質量的真實感圖像。(2)本發明可移植性強，適用於多種光線追蹤算法。
圖1是基於Contourlet變換的分析過程；圖2是本發明的實現框架；圖3是本發明中各向異性濾波器構建過程。
具體實施例方式圖1為利用Contourlet中的多尺度拉普拉斯金字塔(MLP)和方向濾波器組(DFBs)將粗採用圖像迭代分解為多尺度粗、細粒度兩種圖像和多尺度方向子帶。具體過程詳見實現步驟2，3，5。
如圖2所示，本發明具體實現如下；步驟1:將待繪製空間粗採樣後，作為採樣分析的初始輸入圖像，隨機對採樣空間投放採樣點，將採樣得到的圖像既是fo作為多尺度拉普拉斯金字塔變換的輸入；步驟2:利用Contourlet中的多尺度拉普拉斯金字塔(MLP)變換，將輸入圖像迭代分解為O到K個尺度的粗粒度和細粒度圖像兩部分。針對尺度K，將輸入圖像fk通過位移生成大小相同的圖像Λ。利用濾波器H過濾每幅變換後的圖像並進行下採樣，得到, f；;>合成為與原始輸入圖像大小相同的結果作為尺度K的粗粒度圖像。/,上採樣後經濾波器G過濾後與原始圖像的差作為尺度K的細粒度圖像。在多尺度分解過程中，為了保證輸出圖像與輸入圖像的大小一致，因為每次分解過後都對圖像進行下採樣，所以為了保證輸入圖像與輸入圖像大小一致且保存輸入圖像各個坐標下的粗粒度信息，對輸入圖像進行四次偏移，偏移方程如下:
權利要求
1.一種基於Contourlet變換的繪製方法,其特徵在於實現步驟如下: 步驟1:將待繪製空間粗採樣後，作為採樣分析的初始輸入圖像； 步驟2:基於Contourlet中的多尺度拉普拉斯金字塔(MLP)，將輸入圖像分解為粗粒度和細粒度兩部分，利用信號偏移技術，多次分解不同偏移的圖像，然後進行合成，保證輸入和輸出圖像大小一致； 步驟3:將輸出的粗粒度圖像作為輸入圖像，再次執行步驟2，直到滿足分解尺度； 步驟4:根據不同尺度下的粗粒度和細粒度圖像，利用各個尺度下的方差特徵計算錯誤評估函數，自適應採樣不同尺度下繪製空間；對於採樣後的區域重新計算其不同尺度下粗粒度和細粒度的值，不斷重複該過程，直到用完所有採樣點； 步驟5:利用不同尺度下細粒度的圖像，利用方向濾波器組(DFBs)將不同尺度的圖像分解為不同方向的子帶； 步驟6:利用每個像素在不同尺度下的方差和子帶信息，構建多尺度各向異性濾波器，重構最終圖像。
2.根據權利要求1所述的基於Contourlet變換的繪製方法,其特徵在於:所述步驟2中的基於Contourlet中的多尺度拉普拉斯金字塔(MLP)實現步驟如下: (1)對於尺度K，將輸入圖像通過位移生成另外3幅大小相同的圖像； (2)利用濾波器H過濾每幅變換後的圖像並進行下採樣； (3)將4個圖像的濾波結果合成為與原始輸入圖像大小相同的結果作為尺度K的粗粒度圖像，並作為K+1尺度的輸入圖像； (4)將第一幅圖像上採樣後經濾波器G過濾後與原始圖像的差作為尺度K的細粒度圖像； (5)重複以上過程，計算各個尺度的細粒度和粗粒度圖像，對於O尺度的輸入圖像既是採樣圖像。
3.根據權利要求1所述的基於Contourlet變換的繪製方法,其特徵在於:所述步驟5中利用方向濾波器組(DFBs)將不同尺度的圖像分解為不同方向的子帶具體實現如下: (1)將不同尺度下的細粒度採樣結果dk作為不同尺度方向信息提取的輸入； (2)使用DFBs分解不同細粒度圖像，得到各個子帶的方向圖像，DFBs能夠得到一副圖像不同子帶的圖像信息。
全文摘要
本發明提出了一種基於Contourlet變換的繪製方法，該方法利用Contourlet中的拉普拉斯金字塔變換將繪製空間分解為不同尺度的粗粒度信息和細節信息，根據分析結果提出一種自適應採樣方法。利用多尺度的分析結果通過Contourlet中的方向濾波器組獲取繪製空間的多尺度方向子帶，給出一種多尺度的各向異性濾波器來重構最終圖像。本發明可移植性強，適用於多種光線追蹤算法，解決了傳統繪製方法在邊界過濾時會產生走樣的問題。
文檔編號G06T11/00GK103186910SQ20131003947
公開日2013年7月3日 申請日期2013年1月31日 優先權日2013年1月31日
發明者鄭昌文, 劉曉丹, 胡曉惠, 徐帆江 申請人:中國科學院軟體研究所