文章目录
- 2003 TOG
- 基本思想
- 效果
2003 TOG
2003年,Fleishman等人在TOG上,基于图像双边滤波的思想,将其改造成了可以用在曲面上的双边滤波算法。
- Fleishman S, Drori I, Cohen-Or D. Bilateral mesh denoising[M]//ACM SIGGRAPH 2003 Papers. 2003: 950-953.
- doi.org: 10.1145/882262.88236
基本思想
设 M , S M, S M,S分别是输入曲面和去噪后的曲面, v ∈ M \mathbf v\in M v∈M是输入曲面的顶点, n \mathbf n n为其法向量。 d 0 d_0 d0是 v \mathbf v v到曲面 S S S的符号距离, n 0 \mathbf n_0 n0是 S S S中距离 v \mathbf v v最近的点的向量。由于 S S S是未知的,所以 d 0 , n 0 d_0, \mathbf n_0 d0,n0都是未知的,所以用 d d d表示 v \mathbf v v和 S S S之间的误差,从而 v \mathbf v v的位置可以被更新为
v ^ = v + d ⋅ n \mathbf{\hat v}=\mathbf v+d\cdot \mathbf n v^=v+d⋅n
对于图像 I ( u ) I(\mathbf u) I(u)而言,在坐标点 u = ( x , y ) \mathbf u=(x,y) u=(x,y)处,其双边滤波可定义为
I ^ ( u ) = ∑ p ∈ N ( u ) W c ( ∥ p − u ∥ ) W s ( ∣ I ( u ) − I ( p ) ∣ ) I ( p ) ∑ p ∈ N ( u ) W c ( ∥ p − u ∥ ) W s ( ∣ I ( u ) − I ( p ) ∣ ) \hat I(\mathbf u)=\frac{\sum_{\mathbf p\in N(\mathbf u)}W_c(\Vert\mathbf p-\mathbf u\Vert)W_s(\vert I(\mathbf u)-I(\mathbf p)\vert)I(\mathbf p)}{\sum_{\mathbf p\in N(\mathbf u)}W_c(\Vert\mathbf p-\mathbf u\Vert)W_s(\vert I(\mathbf u)-I(\mathbf p)\vert)} I^(u)=∑p∈N(u)Wc(∥p−u∥)Ws(∣I(u)−I(p)∣)∑p∈N(u)Wc(∥p−u∥)Ws(∣I(u)−I(p)∣)I(p)
其中 N ( u ) N(\mathbf u) N(u)是 u \mathbf u u的邻域, W c , W s W_c, W_s Wc,Ws分别是以 σ c , σ s \sigma_c, \sigma_s σc,σs为参数的高斯函数。只需更改邻域 N ( v ) N(\mathbf v) N(v)的定义,这个过程就可以被应用于曲面滤波。在本文中, N ( v ) N(\mathbf v) N(v)被定义为点集 { q i } \{\mathbf q_i\} {qi},满足 ∥ u − p ∥ < ∣ 2 σ c ∣ \Vert \mathbf u-\mathbf p\Vert<\vert2\sigma_c\vert ∥u−p∥<∣2σc∣。
结合曲面滤波的目的,该公式可重新写作
d = ∑ p ∈ N ( u ) W c ( ∥ p − u ∥ ) W s ( ⟨ n , p − u ⟩ ) ⟨ n , p − u ⟩ ∑ p ∈ N ( u ) W c ( ∥ p − u ∥ ) W s ( ⟨ n , p − u ⟩ ) d=\frac{\sum_{\mathbf p\in N(\mathbf u)}W_c(\Vert\mathbf p-\mathbf u\Vert)W_s(\langle \mathbf{n, p-u}\rangle)\langle \mathbf{n, p-u}\rangle} {\sum_{\mathbf p\in N(\mathbf u)}W_c(\Vert\mathbf p-\mathbf u\Vert)W_s(\langle \mathbf{n, p-u}\rangle)} d=∑p∈N(u)Wc(∥p−u∥)Ws(⟨n,p−u⟩)∑p∈N(u)Wc(∥p−u∥)Ws(⟨n,p−u⟩)⟨n,p−u⟩
其中, ⟨ , ⟩ \langle,\rangle ⟨,⟩表示内积。
效果
其对Fandisk模型的滤波结果如下,左侧为原始曲面,最右侧为Fleishman等人的滤波结果。