Об одном подходе к автоматизации текстурирования 3D-объектов | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 4 мая, печатный экземпляр отправим 8 мая.

Опубликовать статью в журнале

Авторы: ,

Рубрика: Технические науки

Опубликовано в Молодой учёный №5 (28) май 2011 г.

Статья просмотрена: 231 раз

Библиографическое описание:

Антонова, А. В. Об одном подходе к автоматизации текстурирования 3D-объектов / А. В. Антонова, А. В. Петрухин. — Текст : непосредственный // Молодой ученый. — 2011. — № 5 (28). — Т. 1. — С. 25-27. — URL: https://moluch.ru/archive/28/3219/ (дата обращения: 20.04.2024).


Визуализация объектов активно применяется во многих сферах: производственно-технологической, в области рекламы и т.д. Использование текстур во многих случаях позволяет успешно справиться с задачами визуализации 3D-объектов. Применение текстур может существенно уменьшить вычислительные затраты и сделать возможным интерактивный режим визуализации.

В век высоких технологий найти готовую текстуру абсолютно несложно. Существует множество готовых наборов текстур на различные темы. Однако, часто можно столкнуться, что размера исходного изображения не хватает, чтобы качественно текстурировать объект [8, с. 46]. Следовательно, важной становиться проблема по созданию бесшовных текстур.

В настоящее время существует множество методов решения этой проблемы.

Метод клонирования. Для этого необходимо открыть изображение в программе редактирования растровых изображений. Сделать хотя бы еще одно повторение текстуры по вертикали, затем сделать повторение по горизонтали [7, с. 156].

Рис.1 – Метод клонирования

Зеркальное отображение текстуры. Для генерации бесшовной текстуры используется алгоритм «сворачивания внутрь» [1, с. 193]. Т.е. текстура остается как есть, затем отражается зеркально по оси Х и стыкуется снизу, затем текстура отражается зеркально по оси Y и стыкуется справа, затем текстура отражается по оси X и Y и стыкуется справа снизу.


Рис.2 – Метод отображения

Метод квадрификации. В этом методе прямоугольник исходной текстуры делится на четыре четверти и части меняются их местами. После этого измененное изображение будет, по сути, представлять собой фрагмент плоскости, заполненной копиями исходного [9, с. 45], - причем фрагмент этот выбран так, что на нем видны углы четырех соседних копий "плитки". Разумеется, повторение этого нового варианта фона даст вам совершенно тот же результат, что и повторение исходного (с точностью до сдвига на половину горизонтального и вертикального размера). Однако теперь, в отличие от исходного изображения, края уже не требуют никакой доводки, - а все стыки, которые нужно сделать незаметными, теперь, наоборот, находятся внутри [8, с. 94]. Однако, этот метод все равно требует ручного труда.




Рис. 3 – Метод квадрификации


Метод наложения. Этот подход к созданию бесшовных фонов реализовывается с помощью специальной алгоритмической процедуры, «сплавляющей» вместе противоположные края готового изображения [5, с. 23]. Чтобы сделать стык незаметным, в этом методе используется наложение друг на друга копий изображения с частичной, плавно изменяющейся прозрачностью.



Рис.4 – Метод наложения


Для того, чтобы понять, какой метод будет являться оптимальным для создания качественной бесшовной текстуры, и возможно ли вообще создать бесшовную текстуру из имеющейся, требуется выполнить серьезную предварительную работу. Необходимо сначала проанализировать текстуру, определить адекватность создания из нее бесшовной, разобраться в методах, выяснить, какие результаты дает той или иной метод и для каких текстур подходит, и затем решить какой метод будет лучшим для создания бесшовной текстуры [6, с. 73].

Таким образом, актуальной является разработка методики на определение адекватности создания бесшовной текстуры из исходной и выбор наиболее эффективного метода для нее. Для упрощения этого процесса предлагается разработать экспертную систему.

Экспертная система – это компьютерная программа, способная полностью или частично заменить специалиста-эксперта в разрешении проблемной ситуации. Экспертная система состоит из механизма логического вывода, базы знаний, подсистемы приобретения и пополнения знаний, подсистемы объяснений и подсистемы диалога[4, с. 17].

Механизм логического вывода предназначен для получения новых фактов на основе сопоставления исходных данных из базы знаний.

База знаний предназначена для хранения долгосрочных фактов, описывающих рассматриваемую область, правил, описывающих отношения между этими фактами и других типов декларативных знаний о предметной области. [3, с. 5] Знания представлены в виде предложений типа: « ЕСЛИ условие, ТО действие». Пример: ЕСЛИ текстура имеет однородный фон, ТО наилучший метод – метод клонирования.

Подсистема приобретения и пополнения знаний автоматизирует процесс наполнения экспертной системы знаниями, осуществляемый пользователем-экспертом, и адаптации базы знаний системы к условиям ее функционирования.

Подсистема объяснения объясняет, как система получила решение задачи (или почему она не получила решения) и какие знания она при этом использовала. Экспертная система выдает результат, какой метод создания оптимальный для исходной текстуры и на основе каких свойств текстуры получаем данный результат. Пример: Метод зеркального отображения эффективен для исходной текстуры, так как она имеет градиентный фон и контурный элемент на этом фоне.

Подсистема диалога ориентирована на организацию дружественного интерфейса со всеми категориями пользователей, как в ходе решения задач, так и в ходе приобретения знаний и объяснения результатов работы [2, с. 298].

Экспертная система функционирует в двух режимах.

Режим ввода знаний. Эксперт вводит сведения о типах текстур, характеристики методов. Инженер реализует эти данные в знаний и заполняет базу знаний.

Режим консультации. Пользователь ведет диалог с экспертной системой, сообщая ей сведения о текущей текстуре и получая рекомендации экспертной системы, возможно ли создать из нее бесшовную и какой метод является более эффективным.

Таким образом, разработка новой методики позволит существенно сократить временные затраты пользователя, получить адекватные результаты для дальнейшего использования текстуры.


Литература:
  1. Петрухин, А.В. Принципы использования закона симметрии при проектировании сложных технических систем. - в кн. Концептуальное проектирование. Развитие и совершенствование методов / А.В. Петрухин // Коллективная монография под редакцией д.т.н., профессора Камаева В.А. - Москва, «Машиностроение-1» 2005. 345 с., илл.

  2. Петрухин, А.В. Автоматизация концептуального проектирования технических объектов на основе комплексного использования формальных и неформальных проектных процедур. - в кн. Концептуальное проектирование. Развитие и совершенствование методов / А.В. Петрухин // Коллективная монография под редакцией д.т.н., профессора Камаева В.А. - Москва, «Машиностроение-1» 2005. 345 с., илл.

  3. Петрухин, А.В. Целенаправленное формирование топологии артефактов на основе процедур автоматно-ситуационного синтеза / А.В. Петрухин // Приложение к журналу «Открытое образование». Информационные технологии в социологии, экономике, образовании и бизнесе. IT + SE`05: Мат. ХХХII юбил. междунар. конф. / Ин-т проблем управления РАН и др. Издательство Запорожского государственного университета. – Запорожье, 2005.

  4. Петрухин, А.В. Построение и использование специализированных тезаурусов при концептуальном проектировании технических систем / А.В. Петрухин // Известия Волгоградского государственного технического университета, серия “Концептуальное проектирование в образовании, технике и технологии”, №2 (17), 2006, Волгоград.

  5. Рябцев, Д.В. Интерьер в 3ds max. От моделирования до визуализации/ Д.В. Рябцев. – СПб: Питер, 2008. – 496 с.

  6. Энджел, Э. Интерактивная компьютерная графика. Вводный курс на базе OpenGL/Э. Энджел. – М: Вильямс, 2001. – 592 с.
7. Brodatz, P. Textures: A Photographic Album for Artists and Designers / P. Brodatz –

New York: Dover, 1966.

8. Laws, K.I. Rapid Texture Identification /K.I. Laws // SPIE, 1980. – Vol. 238. – P. 380.
9. Sharma, M. Evaluation of texture methods for image analysis / M. Sharma, M. Markou, S. Singh // Pattern Recognition Letters. – 1980.



Основные термины (генерируются автоматически): экспертная система, бесшовная текстура, баз знаний, исходная текстура, какой метод, метод клонирования, текстура, исходное изображение, логический вывод, Метод наложения.


Похожие статьи

Методы распознавания образов | Статья в журнале...

Все методы распознавания объектов делятся на два вида: методы, основанные на теории решений и структурные методы. Первые основаны на вычислении с помощью количественных величин, таких как длина, текстура и т.д. Вторые ориентированы на образы, для описания...

Сегментация микроскопических изображений эпителиальных клеток

Метод Отсу заключается в разделении изображения на два класса пикселей и выборе порога таким образом, чтобы он максимизировал межклассовую дисперсию

[1] Алгоритм также ищет на исходном изображении «водосборные бассейны» и «линию водораздела», где белые...

Обзор средств автоматизированного извлечения знаний и их...

Данная система обнаруживает математические и логические закономерности в базах данных и позволяет составлять прогнозы недостающих параметров.

Обзор методов формирования баз знаний.

Анализ методов сегментации изображений | Статья в журнале...

- метод "водораздела". 4. Методы, использующие Марковское случайное поле. Данные методы основаны на предположении, что цвет каждой точки изображения зависит от

Применение Марковского случайного поля позволяет учитывать различия в текстуре при сегментации. [1].

Обнаружение объектов на изображении с использованием...

Анализ методов обнаружения лиц на изображении.

Повышение качества обработки телеметрических данных по функционированию газотранспортной системы на основе использования методов сглаживания временных рядов и методов по фильтрации аномальных...

Обработка и сегментация тепловизионных изображений

изображение, область, пиксель, пороговое значение, элемент, метод сегментации, исходное изображение, логический сдвиг, порядковый номер, выделение границ.

Трехмерная визуализация результатов томографического контроля

Включается режим наложения текстур: glEnable(GL_TEXTURE_2D). Задается тип фильтрации для увеличенного и уменьшенного изображения

Модификация подсистемы контроля знаний LMS Moodle для оценки результатов тестирования с учетом динамики процесса формирования...

Анализ методов обнаружения лиц на изображении

Метод сильного уменьшения изображения [1] для сглаживания помех, а также для уменьшения вычислительных операций

где I(i,j) — яркость пикселя исходного изображения.

Похожие статьи. Обзор методов обнаружения аномалий в SQL-запросах к базам данных.

Методы формализации экспертных знаний для наполнения...

На первых этапах создания ЭС формируется база знаний – основа будущей системы.

Помимо интервьюирования существует ещё ряд методов формализации знаний эксперта. Например, на начальном этапе бывает полезным метод наблюдения.

Похожие статьи

Методы распознавания образов | Статья в журнале...

Все методы распознавания объектов делятся на два вида: методы, основанные на теории решений и структурные методы. Первые основаны на вычислении с помощью количественных величин, таких как длина, текстура и т.д. Вторые ориентированы на образы, для описания...

Сегментация микроскопических изображений эпителиальных клеток

Метод Отсу заключается в разделении изображения на два класса пикселей и выборе порога таким образом, чтобы он максимизировал межклассовую дисперсию

[1] Алгоритм также ищет на исходном изображении «водосборные бассейны» и «линию водораздела», где белые...

Обзор средств автоматизированного извлечения знаний и их...

Данная система обнаруживает математические и логические закономерности в базах данных и позволяет составлять прогнозы недостающих параметров.

Обзор методов формирования баз знаний.

Анализ методов сегментации изображений | Статья в журнале...

- метод "водораздела". 4. Методы, использующие Марковское случайное поле. Данные методы основаны на предположении, что цвет каждой точки изображения зависит от

Применение Марковского случайного поля позволяет учитывать различия в текстуре при сегментации. [1].

Обнаружение объектов на изображении с использованием...

Анализ методов обнаружения лиц на изображении.

Повышение качества обработки телеметрических данных по функционированию газотранспортной системы на основе использования методов сглаживания временных рядов и методов по фильтрации аномальных...

Обработка и сегментация тепловизионных изображений

изображение, область, пиксель, пороговое значение, элемент, метод сегментации, исходное изображение, логический сдвиг, порядковый номер, выделение границ.

Трехмерная визуализация результатов томографического контроля

Включается режим наложения текстур: glEnable(GL_TEXTURE_2D). Задается тип фильтрации для увеличенного и уменьшенного изображения

Модификация подсистемы контроля знаний LMS Moodle для оценки результатов тестирования с учетом динамики процесса формирования...

Анализ методов обнаружения лиц на изображении

Метод сильного уменьшения изображения [1] для сглаживания помех, а также для уменьшения вычислительных операций

где I(i,j) — яркость пикселя исходного изображения.

Похожие статьи. Обзор методов обнаружения аномалий в SQL-запросах к базам данных.

Методы формализации экспертных знаний для наполнения...

На первых этапах создания ЭС формируется база знаний – основа будущей системы.

Помимо интервьюирования существует ещё ряд методов формализации знаний эксперта. Например, на начальном этапе бывает полезным метод наблюдения.

Задать вопрос