三维空间属性插值方法研究.docVIP

三维空间属性插值方法的研究 　　摘要：论文对三维空间属性建模的插值方法进行研究，主要以反距离加权插值算法和基于B样条函数插值算法作为研究对象，从三维空间的角度，详细的介绍了两种插值方法的基本原理，实现了在三维空间中的属性插值，并通过体绘制和切片的形式来显示插值效果，通过对插值效果的分析比较来说明两种插值算法的优势和缺点。 　　关键词：属性插值；反距离加权；B样条；控制点网格 　　中图分类号：TP39 文献标识码：A 文章编号：1009-3044（2015）07-0235-05 　　Abstract： Modeling for three-dimensional space attribute interpolation method are studied， mainly by the inverse distance weighted interpolation algorithm and the interpolation algorithm based on b-spline function as the research object， from the Angle of three dimensional space， detailed introduces the basic principle of two kinds of interpolation methods， realized in attribute interpolation in 3D space， and through the volume rendering and sliced to display in the form of interpolation effect， through the analysis of interpolation effect compared to illustrate both the advantages and disadvantages of the interpolation algorithm. 　　Key words： attribute interpolation； inverse distance weighted； B-spline； control point grid 　　现在三维建模绝大多数是对真三维空间中实体进行几何形态的建模，而对实体内部属性的建模还有一定的欠缺，然而三维空间的属性建模是非常重要的，它是三维建模重要的组成部分，所以对于它的研究是具有一定的意义的。三维空间属性参数的建模就是求解空间内部物理、化学属性参数的模型。而对三维空间中的属性进行插值则是用来求解属性值的一种很普遍的方法。由于在三维空间中不可能对每一个数据点进行测量，只能得到一定数量的数据，这些数据可以反映出部分或者全部的空间特征，利用这些已知数据进行插值，据此预测未知数据的属性特征。测量到的三维空间数据往往是分布不均匀的离散数据，为了方便进行插值与绘制，对数据进行网格化是有必要的。所谓网格化是指通过一定的插值方法，将稀疏的、不规则分布的数据插值加密为规则分布的数据，以适合绘图的需要[1]。空间插值的方法有很多，常见的有反距离加权插值算法，克里金（kriging）插值法[2]，自然邻近点插值法[3]，泰森多边形插值法[4]，样条函数插值法等插值方法。 　　传统的二维空间插值数据点为xy坐标加上属性值p，即[x，y，p]，本文主要是以反距离加权插值算法和B样条函数插值算法作为研究对象，在传统二维空间插值的基础上，对两种算法进行修改，使其能在三维空间中实现插值，此时数据点变为xyz坐标加上属性值p，即[x，y，z，p]，同时分析两种算法的插值效果，对比两种算法的优点和不足。 　　1 反距离加权插值算法 　　从图（1）可以看出，当[μ]小于2时数据效果很集中，当[μ]大于2时会细致很多。IDW是一种常用的空间插值方法，这种方法简单易行，插值效率高，在已知离散数据点分布均匀的情况下插值效果最好。当插值数据较多的时候，IDW方法计算插值速度较慢，这种情况下对控制点的作用范围进行限制，当点[（xi，yi，zi）]到某一点[x，y，z]的距离大于某一范围就令它的权值为零，这样可以使插值速度加快，同时又不会对效果有太大的损害，因为控制点与待插值点的距离太大对待插值点的影响就比较小。 　　2 基于B样条的插值算法 　　上面提到在数据量较大的时候，反距离加权的效率会变低，同时它的插值效果容易受外界因素的影响，使得效果不太理想，在这样的情况下，本文进一步的对基于B样条函数插值方法进行了研究，B样条插值算法效率快，且插值效果能很好的逼近散乱数据点。 　　基于B样条的大规模插值方法是一种比较有效的大规模插