【经典文献】双边曲面去噪

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

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 vM是输入曲面的顶点, n \mathbf n n为其法向量。 d 0 d_0 d0 v \mathbf v v到曲面 S S S的符号距离, n 0 \mathbf n_0 n0 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 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+dn

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)=pN(u)Wc(pu)Ws(I(u)I(p))pN(u)Wc(pu)Ws(I(u)I(p))I(p)

其中 N ( u ) N(\mathbf u) N(u) 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 up<∣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=pN(u)Wc(pu)Ws(⟨n,pu⟩)pN(u)Wc(pu)Ws(⟨n,pu⟩)n,pu

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。

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/879521.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Docker本地部署Chatbot Ollama搭建AI聊天机器人并实现远程交互

文章目录 前言1. 拉取相关的Docker镜像2. 运行Ollama 镜像3. 运行Chatbot Ollama镜像4. 本地访问5. 群晖安装Cpolar6. 配置公网地址7. 公网访问8. 固定公网地址 前言 本文主要分享如何在群晖NAS本地部署并运行一个基于大语言模型Llama 2的个人本地聊天机器人并结合内网穿透工具…

大模型教程:使用 Milvus、vLLM 和 Llama 3.1 搭建 RAG 应用

vLLM 是一个简单易用的 LLM 推理服务库。加州大学伯克利分校于 2024 年 7 月将 vLLM 作为孵化项目正式捐赠给 LF AI & Data Foundation 基金会。欢迎 vLLM 加入 LF AI & Data 大家庭&#xff01;&#x1f389; 在主流的 AI 应用架构中&#xff0c;大语言模型&#xff…

基于PHP+MySQL组合开发的在线客服源码系统 聊天记录实时保存 带完整的安装代码包以及搭建部署教程

系统概述 随着互联网技术的飞速发展&#xff0c;企业与客户之间的沟通方式日益多样化&#xff0c;在线客服系统作为连接企业与客户的桥梁&#xff0c;其重要性不言而喻。然而&#xff0c;市场上现有的在线客服系统往往存在成本高、定制性差、维护复杂等问题。针对这些痛点&…

计算机毕业设计 办公用品管理系统 Java+SpringBoot+Vue 前后端分离 文档报告 代码讲解 安装调试

&#x1f34a;作者&#xff1a;计算机编程-吉哥 &#x1f34a;简介&#xff1a;专业从事JavaWeb程序开发&#xff0c;微信小程序开发&#xff0c;定制化项目、 源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事&#xff0c;生活就是快乐的。 &#x1f34a;心愿&#xff1a;点…

基于微信小程序的食堂点餐预约管理系统

作者&#xff1a;计算机学姐 开发技术&#xff1a;SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等&#xff0c;“文末源码”。 专栏推荐&#xff1a;前后端分离项目源码、SpringBoot项目源码、SSM项目源码 系统展示 基于微信小程序JavaSpringBootVueMySQL的食…

计算机毕业设计 基于SpringBoot框架的网上蛋糕销售系统的设计与实现 Java实战项目 附源码+文档+视频讲解

博主介绍&#xff1a;✌从事软件开发10年之余&#xff0c;专注于Java技术领域、Python人工智能及数据挖掘、小程序项目开发和Android项目开发等。CSDN、掘金、华为云、InfoQ、阿里云等平台优质作者✌ &#x1f345;文末获取源码联系&#x1f345; &#x1f447;&#x1f3fb; 精…

138. 随机链表的复制-LeetCode(C++)

138. 随机链表的复制 题目 给你一个长度为 n 的链表&#xff0c;每个节点包含一个额外增加的随机指针 random &#xff0c;该指针可以指向链表中的任何节点或空节点。 构造这个链表的 深拷贝。 深拷贝应该正好由 n 个 全新 节点组成&#xff0c;其中每个新节点的值都设为其对…

攻防世界--->re4-unvm-me

做题笔记。 下载 使用在线工具反汇编得到: 分析&#xff1a; 那么&#xff0c;关键点就是&#xff0c;对于md5的解密了。 使用在线工具就行&#xff1a; MD5 在線免費解密 MD5、SHA1、MySQL、NTLM、SHA256、SHA512、Wordpress、Bcrypt 的雜湊 (hashes.com)https://hashes.co…

Unity3D 发布后去除Development Build显示

问题描述&#xff1a; Build后在视野右下角看到“Development Build”白色小字 解决方法&#xff1a; build时不勾选Development Build项 PS: 游戏开发unity杂项知识系列&#xff1a;build时Development Build的作用_unity development build-CSDN博客

Golang | Leetcode Golang题解之第406题根据身高重建队列

题目&#xff1a; 题解&#xff1a; func reconstructQueue(people [][]int) (ans [][]int) {sort.Slice(people, func(i, j int) bool {a, b : people[i], people[j]return a[0] > b[0] || a[0] b[0] && a[1] < b[1]})for _, person : range people {idx : pe…

python本地进程通讯----共享内存变量

背景 最近在开发实践中&#xff0c;接触到了需要多进程开发的场景。众所周知&#xff0c;进程和线程最大的区别就在于&#xff1a;进程是资源分配的最小单位&#xff0c;线程是cpu调度的最小单位。对于多进程开发来说&#xff0c;每一个进程都占据一块独立的虚拟内存空间&#…

Excel常用函数大全

Excel常用函数介绍与示例应用 在Excel中&#xff0c;函数是进行数据处理和分析的强大工具。对于新手来说&#xff0c;掌握一些基本的函数使用方法能够大大提升工作效率。以下是一份通俗易懂、适合新手的Excel函数使用方法总结&#xff1a; 1. 求和函数&#xff08;SUM&#x…

Golang | Leetcode Golang题解之第415题字符串相加

题目&#xff1a; 题解&#xff1a; func addStrings(num1 string, num2 string) string {add : 0ans : ""for i, j : len(num1) - 1, len(num2) - 1; i > 0 || j > 0 || add ! 0; i, j i - 1, j - 1 {var x, y intif i > 0 {x int(num1[i] - 0)}if j &g…

xmake与包管理:又一个现代c++构建工具?

个人博客:Sekyoro的博客小屋 个人网站:Proanimer的个人网站 主要起因是我在逛Reddit帖子时,看到关于一些c构建系统的评价. cmake似乎有些过于复杂,它与vcpkg,conan的包管理之间的"融合"可能在有些时候也显得麻烦. 一些人尝试了我没见过的选项, 所以这里主要试试除了…

Android15之源码分支qpr、dp、beta、r1含义(二百三十二)

简介&#xff1a; CSDN博客专家、《Android系统多媒体进阶实战》一书作者 新书发布&#xff1a;《Android系统多媒体进阶实战》&#x1f680; 优质专栏&#xff1a; Audio工程师进阶系列【原创干货持续更新中……】&#x1f680; 优质专栏&#xff1a; 多媒体系统工程师系列【…

海康威视摄像机和录像机的监控与回放

文章目录 海康威视摄像机和录像机的监控与回放1、海康威视监控设备简介1.1、摄像机二次开发1.1.1&#xff1a;协议选择 1.2&#xff1a;web集成1.2&#xff1a;标准协议对接1.2.1&#xff1a;ffmpeg软件转流1.2.2&#xff1a;开源监控软件shinobi1.2.3&#xff1a;使用nginx的R…

[数据集][目标检测]葡萄成熟度检测数据集VOC+YOLO格式1123张3类别

数据集格式&#xff1a;Pascal VOC格式YOLO格式(不包含分割路径的txt文件&#xff0c;仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)&#xff1a;1123 标注数量(xml文件个数)&#xff1a;1123 标注数量(txt文件个数)&#xff1a;1123 标注…

ElK 8 收集 Nginx 日志

1. 说明 elk 版本&#xff1a;8.15.0 2. 启个 nginx 有 nginx 可以直接使用。我这里是在之前环境下 docker-compose.yml 中启动了个 nginx&#xff1a; nginx:restart: alwaysimage: nginx:1.26.1ports:- "80:80"- "443:443"volumes:#- ./nginx/html:/…

Datawhale X 南瓜书 task01学习笔记

机器学习三观 机器学习工程领先理论 what:什么是机器学习? 机器学习定义&#xff1a;研究关于“学习算法”(一类能从数据中学习出其背后潜在规律的算法)的一门学科PS:深度学习指的是&#xff1a;神经网络那一类学习算法&#xff0c;因此是机器学习的子集把深度学习单列出来…