分数维图形.PPT

计算机图形学演示稿 纪玉波制作(C) * * 第九章 分数维图形 自然景物模拟是计算机图形学的一个重要研究内容。与规则几何体不同，自然景物的表面往往包含有丰富的细节或具有随机变化的形状，它们很难用传统的解析曲面来描述。尽管凹凸纹理映射技术可以模拟规则景物表面的几何纹理细节，但在表达诸如山脉、云彩、火焰、树木、浪花等自然景象时，凹凸纹理映射技术仍难以胜任。从欧氏几何来看，这些自然景物是极端无规则的，为了解决这一问题，分数维图形生成技术应运而生。分数维图形是利用分数维几何学的自相似性质，采用各种模拟真实图形的模型，使整个生成的景象呈现出细节的无穷回归性质。所生成的景物中，可以有结构性较强的树，也可以是结构性较弱的火、云、烟，甚至可生成有动态特性的火焰、浪等。 9.1分数维几何方法 9.1.1分数维几何概念 对复杂现象的探索早在图形学产生以前就已经开始，可以回溯到1904年，当时von Koch研究了一种他称为雪花的图形，他将一个等边三角形的三边都三等分，在中间的那一段上再凸起一个小正三角形,如图1所示，这样一直下去，理论上可证明这种不断构造成的雪花周长是无穷，但其面积却是有穷的。这和正统的数学直观是不符的，周长和面积都无法刻划出这种雪花的特点，欧氏几何对这种雪花的描述无能为力。 图1 二十世纪六十年代开始，B.B.Mandelbrot重新研究了这个问题，并将雪花与自然界的海岸线、山、树等自然景象联系起来，找出了其中的共性，并提出了分数维(Fractal)的概念。 Mandelbrot曾举了一个海洋线的例子来说明这一理论。假设我们要测量不列颠的海岸线长度，我们可以用一个1000米的尺子，一尺一尺地向前量，同时数出有多少个1000米。这样得到一个长度为L(1000米）。然而这样测量会漏掉许多小于1000米的小湾，因而结果不准确。如果尺子缩到l米，那么我们会得到一个新的结果L(l米)，显然L(1米)＞L(1000米）。一般来说,如果用长度为r的尺子来量，将会得到一个与r有关的数值L(r)。与Koch的雪花一样r→0，L(r)→∞。也就是说，不列颠的海岸线长度是不确定的，它与测量用的尺子长度有关。 Mandelbrot注意到von Koch雪花与海岸线的共同特点：它们都有细节的无穷回归，测量尺度的减小都会得到更多的细节。换句话说，就是将其一部分放大会得到与原来部分基本一样的形态，这就是Mandelbrot发现的轰动整个自然界的复杂现象的自相似性(Self Similarity）。为了定量地刻划这种自相似性，他引入了分数维概念，这是与欧氏几何中整数维相对应的,所以也称为分数维几何。分数维的引入，为研究复杂性提供了全新的角度，使人们从无序中重新发现了有序，许多学科象物理、经济、气象等都将分数维几何学作为解决难题的新工具。计算机图形学也从中受到启发，并形成了以模拟自然界复杂景象、物体为目标的分数维图形学，由此方法生成的图形称为分数维图形或分形。 9.1.2统计自相似 对象被细分后的部分相互之间或与整体相似或相同的特性称之为自相似。von Koch曲线是严格自相似的。但海岸线不同，细分放大后，海岸线的每一小部分看起来像，但不完全像一个大些部分，所以，海岸线不是严格自相似，而是统计自相似。然而，分形维数的概念也可用于这样的统计自相似对象。统计自相似是自然界中分形的主要特征，象山、云、火、浪等都具有统计自相似的特性。 9.1.3分形的维数 分数维图形的细节变化可以用数字D来描述，D称为分形维数，它是图形粗细性的度量，同图形每一步细分数目和缩放倍数有关。 设N为图形每一步细分的数目，S为细分时缩放因子，分形维数D定义为： 分形维数不像我们所熟悉的欧氏几何的维数是一整数，它可以是分数，这也是其名称的由来。如图.2是两个示例。 图.2 通常一维的对象（例如线段）可被分成N个相同部分。每一部分从整体上缩小S=1/N的比例。类似地，诸如平面上方形区域的二维对象可被分成N个自相似部分，每－部分缩小S=1/N1/2的比例。像固体立方体这样的三维对象可被分成N个小立方体，每个立方体缩小S=1/N1/3的比例。按这样的S与N的关系细分得到的是欧氏几何的结果，维数是整数。如图2(b)所示，若我们按欧氏几何的方法，将一线段四等分，则N=4，S=1/4，则D=1。得到的是同欧氏几何相一致的整数维。将一正方形16等分，此时N=16，线段的放大倍数S=1/4，则D=2。 利用自相似，对分形大小的推广是直观的。一个D维自相似对象可被分成N个更小的部分。每一部分缩小S因子。其中 或者 当D不取整数时，细分的结果是一个分数维图形。 仍以von Koch曲线为例，D非整维数