基于三維圖像處理的虛擬人物重構改進方法

陳勁 郭獻洲

摘 ?要： 針對傳統(tǒng)虛擬人物重構方法能夠進行人物的重構，但存在虛擬人物重構效果較差的問題，提出基于三維圖像處理的虛擬人物重構改進方法。通過三維圖像重構關鍵節(jié)點，對虛擬人物重構標準點進行捕捉并標記;確定三維虛擬人物圖像邊緣算子，標定重構輪廓區(qū)域，突出重構背景效果;優(yōu)化三維虛擬人物圖像渲染過程，降低紋理映射對重構圖像造成的虛影影響;對圖像效果進行明暗處理，增加重建圖像質感比例，實現(xiàn)虛擬人物的重構。仿真實驗結果表明，設計虛擬人物重構改進方法具有良好的三維重構效果。

關鍵詞： 三維圖像處理; 虛擬人物重構; 關鍵節(jié)點重構; 圖像邊緣分割; 三維圖像渲染; 重構效果

中圖分類號： TN911.73?34; TN913 ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2018）10?0150?04

Abstract： The traditional virtual character reconstruction method can reconstruct characters， but has poor virtual character reconstruction efficiency. Therefore， a virtual character reconstruction improved method based on 3D image processing is proposed. Key nodes are reconstructed by using 3D images to capture and mark the standard points of virtual character reconstruction. The edge operators of 3D virtual character images are determined， and the reconstructed profile area is demarcated to highlight the effect of reconstructed background. The rendering process of 3D virtual character images is optimized to reduce the virtual shadow effect of texture mapping on reconstructed images. Chiaroscuro processing is performed for image effect to increase the texture proportion of reconstructed images， so that the reconstruction of virtual characters can be realized. The results of simulation experiment show that the designed virtual character reconstruction improved method has a good 3D reconstruction effect.

Keywords： 3D image processing; virtual character reconstruction; key node reconstruction; image edge segmentation; 3D image rendering; reconstruction effect

0 ?引 ?言

隨著科技的發(fā)展，人們對虛擬人物呈現(xiàn)效果的需求越來越高，傳統(tǒng)虛擬人物重構方法能夠對人物簡單重構，但在重構復雜虛擬人物、動態(tài)虛擬人物時，存在重構效果較差的問題，故本文提出基于三維圖像處理的虛擬人物重構改進方法。引入三維圖像處理方法，利用三維圖像關鍵節(jié)點的重構，對虛擬人物基本信息進行動態(tài)捕捉，并進行基本條件的重新設定與標記。確定三維虛擬人物圖像邊緣算子[1]，標定重構輪廓區(qū)域，對重構對象進行邊緣分割保證其高完整度，突出重構背景效果。優(yōu)化三維虛擬人物圖像渲染過程，通過運動捕捉降低紋理映射對重構圖像造成的虛影影響，并對圖像效果進行明暗處理，增加重建圖像質感比例。通過重構效果仿真實驗驗證，本文設計的方法具有高渲染輸出、噪聲信號小、低誤碼率的特征，同時具有良好的重構效果。

1 ?虛擬人物關鍵節(jié)點重建

利用三維圖像獲取裝置，獲取模特的關鍵節(jié)點信息[2]。對人物的三維圖像關鍵節(jié)點信息進行結構分析，提取標準點，并對標準點進行捕捉與標記。將點狀信息顯示效果進行多次構建。

其重建過程為，在初始模型中獲取關鍵節(jié)點A與關鍵節(jié)點B，采用兩關鍵節(jié)點連線方向進行，向標準點趨勢構建一個新的節(jié)點C，并對其進行捕捉與標記，C點定義為重構標準點[3]。對重構標準點C與其相臨近的關鍵點A進行二次構建，連接關鍵節(jié)點的連線方向，向標準點趨勢構建一個新的節(jié)點C′，并對C′點進行捕捉與標記，通過多次標準點的重構，以及捕捉并標記，最終完成虛擬人物的基本輪廓建設，使之具有基本的顯示效果以及外部特征。其三維圖像頭部處理效果示意圖，如圖1所示[4]。

虛擬人物整體關鍵節(jié)點顯示效果的構建，主要完成虛擬人物的基本外部效果信息建設，為虛擬人物輪廓區(qū)域的標定提供準確的基本框架。關鍵點的多次細化構建，以及對標準點的正確捕捉和標記，優(yōu)化虛擬人物致密度、減小噪聲信號比。對虛擬人物顯示效果細節(jié)處理，采用三維虛擬人物圖像邊緣算子[5]，提升虛擬人物細節(jié)描述能力。

2 ?虛擬人物輪廓區(qū)域的標定

利用虛擬人物的重構關鍵節(jié)點信息獲取重構人物顯示效果的基本特征，從而確定三維虛擬人物圖像邊緣算子[6]。通過邊緣算子對虛擬人物基本外部關鍵點信息進行連接，對輪廓區(qū)域進行重構標定，對標定外的非相關顯示進行虛化處理，增強標定內的虛擬人物背景效果[7]，保證重構效果表面具有一定的柔和度，減少表面棱角，優(yōu)化虛擬人物的重構效果。

采用邊緣算子進行外部關鍵節(jié)點的連接，對虛擬人物外部從關鍵點信息到面信息的轉變。關鍵點信息的致密度決定邊緣算子的連接曲率[8]。確定連接曲率后標定重構輪廓區(qū)域，采用多邊形圖像分割法，對虛擬人物輪廓區(qū)域與背景區(qū)域進行分割。多邊形圖像分割示意圖如圖2所示。多邊形圖像分割法具有輪廓區(qū)域分割速度快、尖銳棱角小、靜態(tài)誤碼率與動態(tài)誤碼率低以及重構輪廓對比度高的優(yōu)點[9]。采用多邊形圖像分割法，可消除傳統(tǒng)圖片分割法重構效果存在尖銳棱角的問題，以及圓形圖像分割法中，直線難以分割的問題，并突出重構背景效果。

3 ?虛擬人物的三維圖像渲染

通過虛擬人物輪廓區(qū)域的標定術，獲得虛擬人物顯示效果的三維特征。利用重構效果的幾何變換、投影變換、透視變換進行圖像的渲染[10]，降低紋理映射對重構圖像造成的虛影影響。其三維圖像渲染結構示意圖如圖3所示。

三維渲染通過虛擬人物圖像邊緣分割的處理，得到虛擬人物重構效果的完整輪廓信息。采用三維圖像渲染技術，對虛擬人物重構效果輪廓進行三維圖像渲染處理[11]。

三維圖像渲染預處理過程，要確認重構效果的三維坐標，根據(jù)虛擬人物的設計要求，定義重構效果的紋理對象、綁定紋理數(shù)據(jù)、指定紋理坐標以及三維模型坐標。實現(xiàn)重構效果的虛擬人物三維靜態(tài)渲染，對靜態(tài)渲染效果進行明暗處理，增強虛擬人物的圖像質感[12]。完成重構效果的虛擬人物靜態(tài)渲染后，對動態(tài)效果進行每一幀的圖像獲取，降低視頻重構效果紋理。以光源為視點渲染場景，進行明暗處理。獲取深度緩沖值，執(zhí)行動態(tài)渲染，從而完成虛擬人物的重構效果三維動態(tài)渲染。其虛擬人物重構流程圖如圖4所示。

利用靜態(tài)與動態(tài)的三維渲染，提升虛擬人物的顯示色彩的飽和度。采用降低紋理映射、三維效果明暗處理，增加虛擬人物的圖像質感，以及較高的渲染輸出，提升渲染質量。本文利用虛擬人物關鍵點的重構、人物輪廓區(qū)域的標定以及三維圖像渲染，實現(xiàn)虛擬人物的重構。

4 ?重構效果仿真實驗

4.1 ?實驗準備

本文采用傳統(tǒng)虛擬人物重構方法與基于三維圖像處理的虛擬人物重構方法進行對比實驗，對靜態(tài)虛擬人物與動態(tài)虛擬人物，分別進行渲染輸入測試、信噪比測試、誤碼率測試，并進行綜合分析與研判。

仿真環(huán)境的硬件配置采用Inter[?] CoreTM i7 7700K 4.2 GHz CPU，8 GB DDR4 2400（XPG單條） RAM，Matlab 8.5仿真工具編程設計;建模工具采用3ds MAX;利用SAGT CS2，F(xiàn)ATL 3.0對標準數(shù)據(jù)格式進行仿真模型數(shù)據(jù)的總線調度。按照要求，運用傳統(tǒng)虛擬人物重構方法與基于三維圖像處理的虛擬人物重構方法，分別進行82位人物的重構，采用HDEI 3.0對象分析系統(tǒng)，對重構的82位人物進行誤碼率測試。

4.2 ?信噪比測試

信噪比測試是傳輸信號與噪聲信號的比。信噪比越低代表產(chǎn)生噪聲信號越明顯，虛擬人物構造噪點越高。噪聲信號超過20 dB影響其虛擬人物構造顯示效果，當噪聲信號超過40 dB時，將嚴重影響虛擬人物構造顯示效果、分辨率嚴重不足。本次實驗對兩種重構方法進行靜態(tài)構造環(huán)境與動態(tài)構造環(huán)境的人物重構對比分析，其信噪比測試曲線如圖5所示。

根據(jù)信噪比測試曲線，可以得出在靜態(tài)與動態(tài)虛擬人物構造環(huán)境下，本文所設計方法較傳統(tǒng)虛擬人物構造方法，噪聲信號小，構造虛擬人物噪點小。在靜態(tài)虛擬人物構造環(huán)境下，傳統(tǒng)虛擬人物構造方法參數(shù)噪聲信號約30 dB，影響其靜態(tài)虛擬人物顯示效果。本文所設計方法噪聲信號可控制在10 dB內，影響虛擬人物顯示效果較小。

在動態(tài)虛擬人物構造環(huán)境下，本文設計的虛擬人物重構方法，可將噪聲信號控制在15 dB范圍內，對虛擬人物顯示的影響較小，而傳統(tǒng)虛擬人物構造方法，構造動態(tài)虛擬人物產(chǎn)生噪聲信號約40 dB，嚴重影響虛擬人物構造顯示效果。說明本文所設計方法在不同階段的靜態(tài)與動態(tài)設計環(huán)節(jié)下，噪聲信號均控制在合理要求之內。

5 ?結 ?語

本文基于三維圖像處理方法實現(xiàn)虛擬人物的重構。通過重構效果，仿真實驗結果表明，該方法具有低誤碼率、噪聲信號小、高渲染輸出，說明其擁有良好的重構效果。

參考文獻

[1] 馮義東，盧朝暉.三維圖像人物運動形態(tài)重構技術[J].科技通報，2015，31（4）：202?204.

FENG Yidong， LU Chaohui. 3D image character motion reconstruction technology [J]. Bulletin of science and technology， 2015， 31（4）： 202?204.

[2] 孫麗.三維動態(tài)圖像重構特征移動誤差消除方法研究[J].計算機仿真，2015，32（9）：413?416.

SUN Li. A movement error elimination method of three?dimensional dynamic image reconstruction characteristics [J]. Computer simulation， 2015， 32（9）： 413?416.

[3] 甘霖，李雪，王保存.數(shù)字電影產(chǎn)業(yè)中三維圖像重構技術改進[J].現(xiàn)代電子技術，2017，40（18）：104?106.

GAN Lin， LI Xue， WANG Baocun. Improvement of 3D image reconstruction technology in digital film industry [J]. Modern electronics technique， 2017， 40（18）： 104?106.

[4] 馬祿，楊勃，鄧婷.人物身份認證視覺圖像三維重構仿真研究[J].計算機仿真，2017，34（9）：288?291.

MA Lu， YANG Bo， DENG Ting. Simulation of 3D reconstruction of visual image of character identity authentication [J]. Computer simulation， 2017， 34（9）： 288?291.

[5] 李金明.多視覺動畫圖像三維重建特征點匹配優(yōu)化仿真[J].計算機仿真，2017，34（9）：341?344.

LI Jinming. Multi visual animation image 3d reconstruction feature point matching optimization simulation [J]. Computer simulation， 2017， 34（9）： 341?344.

[6] 張慶.基于三維圖像分析的服裝設計合理性仿真[J].現(xiàn)代電子技術，2017，40（11）：76?79.

ZHANG Qing. Clothing design rationality simulation based on 3D image analysis [J]. Modern electronics technique， 2017， 40（11）： 76?79.

[7] 李蓉，鄧春健，鄒昆.一種基于MRF的單幅圖像數(shù)據(jù)的三維重構方法研究[J].液晶與顯示，2016，31（3）：301?309.

LI Rong， DENG Chunjian， ZOU Kun. 3D reconstruction method based on single image data by MRF [J]. Chinese journal of liquid crystals and displays， 2016， 31（3）： 301?309.

[8] AHN I J， JI H K， CHANG Y J， et al. LOR?based reconstruction for super?resolved 3D PET image on GPU [J]. IEEE transactions on nuclear science， 2015， 62（3）： 859?868.

[9] LIU S， PENG J. Optimization of reconstruction of 2D medical images based on computer 3D reconstruction technology [J]. Journal of digital information management， 2015， 13（3）： 142?146.

[10] ORTS?ESCOLANO S， GARCIA?RODRIGUEZ J， MORELL V， et al. 3D surface reconstruction of noisy point clouds using growing neural gas： 3D object/scene reconstruction [J]. Neural processing letters， 2016， 43（2）： 401?423.

[11] LUO J， TANG J， TJAHJADI T， et al. Robust arbitrary view gait recognition based on parametric 3D human body reconstruction and virtual posture synthesis [J]. Pattern recognition， 2016， 60： 361?377.

[12] CHEN L， AN D， HUANG X， et al. A 3D reconstruction strategy of vehicle outline based on single?pass single?polarization CSAR data [J]. IEEE transactions on image processing， 2017， 26（11）： 5545?5554.