基于采样半径优化的最大化Poisson圆盘采样-快速了解中国科学信息科学.PDFVIP

中国科学 信息科学 年 第 卷 第 期 SCIENTIA SINICA Informationis 中国图形学新进展专题 论文 基于采样半径优化的最大化 圆盘采样 1,2 1 1 1 1 1* 全卫泽 郭建伟 张义宽 孟维亮 张晓鹏 严冬明 1. , , 100190 模式识别国家重点实验室 中国科学院自动化研究所 北京 2. 中国科学院大学, 北京 100049 * 通信作者. E-mail: yandongming@ 收稿日期: 2016–07–05; 接受日期: 2016–10–23; 网络出版日期: 2017–03–14 国家自然科学基金(批准号: 61620106003, 资助项目 摘要 最大化Poisson 圆盘采样(maximal Poisson-disk sampling, MPS) 是计算机图形学领域的一 个基础研究问题. 一个理想的采样点集应该满足无偏差采样性质、最小距离属性和最大化性质. 传 统的最大化Poisson 圆盘采样一般通过投镖法(dart throwing) 来实现, 但是众所周知, 该方法的不 足之处在于无法精确控制采样点数目. 针对该问题, 本文提出了一种新的方法可以实现精确控制二 维等半径最大化Poisson 圆盘采样的点数并且同时满足其他性质. 与已有方法不同的是, 本文提出 的方法通过调整采样半径达到控制采样点数的目的. 首先, 根据用户指定的采样点数目和采样区域 (闭合的多边形) 生成随机点集, 并进行Delaunay 三角化, 并且将当前三角化中的最短边长作为当前 的采样半径; 接着, 迭代地移除全局最短边中邻域平均边长较大的采样点, 然后采用投镖法将其随机 插入到以当前采样半径计算得到的空隙区域内. 通过迭代地调整采样点的位置, 采样半径不断增大, 从而最后实现固定点数的最大化Poisson 圆盘采样. 大量实验结果表明, 该方法可以得到高质量的 采样点集, 同时很好地保持了采样点集的蓝噪声性质. 关键词 最大化Poisson 圆盘采样, 采样半径优化, 固定点数, 蓝噪声, 高质量点集 引言 在计算机图形学领域, Poisson 圆盘采样是一个基础的研究问题, 采样得到的点集分布既满足随 机性又满足均匀性, 并具有蓝噪声特性的频谱. 它在很多实际应用中扮演着重要的角色, 如图像渲 染 、数字半色调 、物体分布 以及纹理合成 等. 一个理想的Poisson 圆盘采样点集需要满足3 个条件: (1) 无偏差采样性质 (采样区域的每个没有 被覆盖的点都有相同的概率接受一个新的采样点); (2) 最小距离性质 (任意两个采样点之间的距离大 于给定的采样半径); (3) 最大化性质 (采样区域被所有的采样圆盘完全覆盖). 满足这3 个条件的采样 方法称为最大化Poisson 圆盘采样(maximal Poisson-disk sampling, MPS). 引用格式 全卫泽 郭建伟 张义宽 等 基于采样半径优化的最大化 圆盘采样 中国科学 信息科学 ⃝ 《中国科学》杂志社 中国科学 信息科学 第 卷 第 期 (a) (b) (c) (d)