一种基于场景夜景图的光源自动排列方法技术

本发明专利技术公开了一种基于场景夜景图的光源自动排列方法，属于计算机图形学应用相关技术领域。该方法包括以下步骤：首先对输入的夜景图进行预处理，包括对图片进行裁剪，分割，灰度化，二值化生成目标对比图像。然后对相机位内外参数将进行估计，通过遍历相机参数，计算每次改变参数后的投影图形，通过比对目标图形的轮廓数据，建立衡量函数，选取方位最佳相机参数。接着对三维模型进行可控数量重采样，结合夜景图信息，计算出光源采样点的位置和颜色信息，生成较为均匀的离散光源信息，最后采用Lambert反射模型，进行多光源渲染，展示恢复效果。

Automatic arrangement method of light source based on scene night view

The invention discloses a method for automatically arranging light source based on a scene night view, which belongs to the technical field of computer graphics application. The method comprises the following steps: first, the input night scene is pre processed, including clipping, segmenting, graying, and generating two target contrast images. Then the camera position inside and outside parameters be estimated, by traversing the camera parameters, the calculation of each parameter after change the projection pattern, through the contour data comparison of target graphics, a measure function, select the best camera parameter range. Then the number of controllable resampling of 3D model, combined with the night view of information, calculate the light source position and color information of the sampling points, generate more uniform discrete light source information, finally using Lambert reflection model, multi source rendering, show the recovery effect.

【技术实现步骤摘要】
一种基于场景夜景图的光源自动排列方法
本专利技术涉及一种基于场景夜景图的光源自动排列方法，属于计算机图形学领域。
技术介绍
在日常生活中，我们可以看到各种漂亮绚丽的建筑夜景。在三维世界中，为了渲染漂亮的夜景图，需要对场景进行灯光编辑。一般情况下，由美术工作者对场景进行手工编辑。但是，在大型模型中，点光源有数千甚至上万个，单纯的手工编辑，鼠标点选，不仅繁琐，而且效率低下，需要一种自动化的方法来完成此项工作。基于夜景图来布置光源的核心在于相机标定。目前的相机标定方法包括基于主动视觉的相机标定方法是在已知相机的某些运动信息的情况下进行标定相机，这些信息有定性的和定量的，由于知道了一些相机的运动信息，基于主动视觉的相机标定方法求解相机的参数是线性的，所以算法具有较高的鲁棒性。由于传统相机标定方法要求高精度的设备，张正友在1998年提出了一种新方法，其求解相机参数的初值时采用相机成像的线性模型，然后给出考虑了非线性模型中的分线性畸变因素的目标函数，通过非线性最优化的方法可以求得相机参数的最优解。这种标定方法具有较好的鲁棒性、实用性和较高的精度，避免了传统方法需要高精度设备的要求，适合办公、家庭使用的桌面视觉系统。不足之处在于该方法不能给非线性最优化提供一个比较理想的初始值，因其在第一步求解相机参数初始值时采用的是整幅图像的像点。至今，相机标定技术还在不断的研究和发展中。但是，目前为止，基于单张图片进行相机标定，利用以往的方法并未体现出较好的效果。
技术实现思路
本专利技术要解决的技术问题是：提供一种基于场景夜景图对三维场景多光源自动排列方法。并利用GPU硬件的计算能力，提高了计算与绘制效率。该方法主要是采用一种自适应的方法，建立单张二维彩色夜景图同真实三维模型的映射关系，从而恢复单方向的光源信息。然后利用模型本身特征，进行可控数量的全方位采样，根据单方向恢复的光源信息重建三维方向的光源信息，并利用光照模型在GPU加速下进行绘制。本专利技术解决上述技术问题的技术方案为：一种基于场景夜景图的光源自动排列方法，该方法包括如下步骤：步骤(1)、针对输入的RGB建筑物彩色夜景图，进行裁切、提取轮廓、灰度化、二值化预处理，生成比对的目标图像；步骤(2)、利用模拟退火原理，采用贪心的思路从不同位置对场景进行相机采样，同目标图像对比，估计相机模型参数，找到三维模型和二维夜景图的对应关系；步骤(3)、在模型表面进行数量可控的均匀采样，由于从二维图片到三维的映射产生的点位置存在误差，分布不均匀，数量不可控等原因，需要对样本点进行进行重采样，采用泊松盘碟采样算法重采样的样本点应具有分布较均匀，数量可控制的特点；步骤(4)、步骤(2)和步骤(3)生成的采样点作为多光源进行绘制，查看绘制的效果。进一步的，所述步骤(1)中具体步骤如下：步骤(1a)、从输入图片中选取包含建筑物主体部分，按照设定的宽高width，height对模型进行裁剪，裁剪的大小将是最终在OpenGL搜索时的窗口大小；步骤(1b)、在步骤(1a)基础上提取轮廓，生成轮廓矩阵，存储位置和颜色信息；步骤(1c)、在步骤(1a)和步骤(1b)基础上，对图像使用三通道色值的平均值作为灰度值，将彩图转化为灰度图，设定阈值，进行二值化分割，生成目标比对图像。进一步的，所述步骤(2)中具体步骤如下：步骤(2a)、初始化参数，从X,Y,Z正负轴方向设置6个相机,进行投影通过设定好的步长，进行相机参数遍历，选择在裁剪面的结果作为种子节点，进行延伸；步骤(2b)、大范围搜索，在步骤(2a)基础上对种子节点进行随机延伸，经过模型视图变换，视口变换，投影变换找到局部最优值，加入局部最优值队列，减小参数随机步长；步骤(2c)、在步骤(2b)基础上缩小搜索范围，精细搜索，采用控制变量的原则，缩小变量的改变范围，固定某一变量，改变其他变量，在小范围搜索找到近似的全局最优值。进一步的，所述步骤(3)包括：对模型进行Poisson圆盘采样，采用K近邻的方法，针对每个再采样点，取具体它最近的K个原来采样点的颜色信息，加权平均算出该光源信息。进一步的，所述步骤(4)包括：采用Lambert反射模型，计算的多光源信息进行多源绘制，并在GPU上进行加速，查看绘制效果。总之，我们提出了一种新的方法来根据单张二维夜景图对三维模型进行多光源布置，与之前手动方法和利用脚本语言编写相比，具有优点如下：(1)工作效率效率大大提高。传统的手动布置光源方法时间慢，工作强度大，采用此方法自动化布置光源，并且具有较好的效果。(2)具有可编辑性。可根据实际情况对光源位置，光源强度，光源数量进行自动更改，更加灵活。(3)具有可扩展性。在已有的基础上，可以添加新的场景，扩展新的属性，并设计光源信息动态变更方案。附图说明图1为一种基于场景夜景图的光源自动排列方法整体流程图；图2为夜景图像预处理效果图，其中，图2(a)为原始夜景图；图2(b)为经裁剪分割出的目标夜景图；图2(c)为经二值化的目标图；图3为相机模型示意图；图4为相机搜索过程结构图；图5为自适应搜索相机模型原理图，其中图5(a)为自适应局部小范围搜索示意图；图5(b)为加入随机过程搜索示意图；图6为相机模型搜索过程效果图，其中，图6(a)为大范围搜索过程效果图；图6(b)为小范围精细搜索过程效果图；图7为根据夜景图对模型全局布光效果图，其中，图7(a)为单侧布光效果图；图7(b)为经对称全局布光效果图；图8为对模型重采样后布光效果图，其中，图8(a)为原始图像；图8(b)为恢复采样点示意图；图8(c)为重采样(500)示意图；图8(d)为重采样(1000)示意图。具体实施方式下面结合附图以及本专利技术的具体实施方式进一步说明本专利技术。如图1所示，本专利技术的实施过程主要分成四个步骤：二维彩色夜景图的预处理、相机参数估计、光源数据重采样、多光源绘制。步骤(1)二维彩色夜景图的预处理相机模型恢复的输入数据是RGB彩色夜景图，目标图像是网络图片库查找而来，所以除主景之外，包含许多辅景，特效等杂乱信息，需要剔除。如图2所示为夜景图像预处理效果图样例，其中图2(a)为原始夜景图；图2(b)为经裁剪分割出的目标夜景图；图2(c)为经二值化的目标图。具体过程如下：a)裁切首先从输入图片中选取包含建筑物主体部分，按照设定的宽高width，height对模型进行裁剪。裁剪的大小将是最终在OpenGL搜索时的窗口大小，从搜索速度和准确度考虑，裁切的大小需要适中。b)提取轮廓经过裁剪后，我们进行轮廓的手动提取，在提取的过程中要保持轮廓准确。在提取时，会有部分轮廓不清晰或者遮挡，我们将根据模型进行适当的推测，尽可能提取正确。在提取轮廓之后，对于轮廓外的区域填充黑色，按照原有的尺寸保存。分别保存两份，一份是填充黑色的，一部分是未填充的原图。填充后的将用作提取轮廓，未填充的将作为后续的颜色提取。c)图像二值化夜景图为三通道的图片，大小为height(高度)*width(宽度)*3，将得到一个三维的矩阵，存储位置和颜色信息。使用三通道色值的平均值作为灰度值，将彩图转化为灰度图。M′(i，j)＝(M(i，j，1)+M(i，j，2)+M(i，j，3))/3(1)经过转换后，我们将得到一个height*width的新矩阵，记本文档来自技高网...

【技术保护点】
一种基于场景夜景图的光源自动排列方法，其特征在于：该方法包括如下步骤：步骤(1)、针对输入的RGB建筑物彩色夜景图，进行裁切、提取轮廓、灰度化、二值化预处理，生成比对的目标图像；步骤(2)、利用模拟退火原理，采用贪心的思路从不同位置对场景进行相机采样，同目标图像对比，估计相机模型参数，找到三维模型和二维夜景图的对应关系；步骤(3)、在模型表面进行数量可控的均匀采样，由于从二维图片到三维的映射产生的点位置存在误差，分布不均匀，数量不可控原因，需要对样本点进行进行重采样，采用泊松盘碟采样算法重采样的样本点应具有分布较均匀，数量可控制的特点；步骤(4)、步骤(2)和步骤(3)生成的采样点作为多光源进行绘制，查看绘制的效果。

【技术特征摘要】
1.一种基于场景夜景图的光源自动排列方法，其特征在于：该方法包括如下步骤：步骤(1)、针对输入的RGB建筑物彩色夜景图，进行裁切、提取轮廓、灰度化、二值化预处理，生成比对的目标图像；步骤(2)、利用模拟退火原理，采用贪心的思路从不同位置对场景进行相机采样，同目标图像对比，估计相机模型参数，找到三维模型和二维夜景图的对应关系；步骤(3)、在模型表面进行数量可控的均匀采样，由于从二维图片到三维的映射产生的点位置存在误差，分布不均匀，数量不可控原因，需要对样本点进行进行重采样，采用泊松盘碟采样算法重采样的样本点应具有分布较均匀，数量可控制的特点；步骤(4)、步骤(2)和步骤(3)生成的采样点作为多光源进行绘制，查看绘制的效果。2.根据权利要求1所述的基于场景夜景图的光源自动排列方法，其特征在于：所述步骤(1)中具体步骤如下：步骤(1a)、从输入图片中选取包含建筑物主体部分，按照设定的宽高width，height对模型进行裁剪，裁剪的大小将是最终在OpenGL搜索时的窗口大小；步骤(1b)、在步骤(1a)基础上提取轮廓，生成轮廓矩阵，存储位置和颜色信息；步骤(1c)、在步骤(1a)和步骤(1b)基础上，对图像使用三通道色值的平均值作为灰度值，...

【专利技术属性】
技术研发人员：王莉莉，李晓东，孟春雷，赵琦，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11