基于移动最小二乘法的图形图像局部变形技术

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (4): 816-823.

基于移动最小二乘法的图形图像局部变形技术

杜晓荣¹, 平淑文¹, 张永²

1.中山大学物理科学与工程技术学院, 广州 510275;
2.中山大学信息科学与技术学院, 广州 510006

收稿日期:2014-01-05 修回日期:2014-04-11 发布日期:2020-08-20
作者简介:杜晓荣(1958-),男,安徽人,教授,研究方向为软件开发方法及支撑环境、图形图像技术及应用等;平淑文(1991-),女,山西人,硕士生,研究方向为图形图像技术及应用;张永(1982-),男,安徽人,博士生,研究方向为计算机图形图像技术及应用。
基金资助:
广东省省部产学研重点项目(2008A090400013);2012年珠海市科技计划项目(2012D0501990009)

Graphics and Image Local Deformation Based on Moving Least Squares Method

Du Xiaorong¹, Ping Shuwen¹, Zhang Yong²

1. School of Physics and Engineering, Sun Yat-Sen University, Guangzhou 510275, China;
2. School of Information Science and Technology, Sun Yat-Sen University, Guangzhou 510006, China

Received:2014-01-05 Revised:2014-04-11 Published:2020-08-20

摘要/Abstract

摘要： 结合移动最小二乘方法,定义了一个基于控制点和控制区域的变形函数,提出了一种图像变形的局部化处理技术,并将其扩展为适用于矢量图形变形的方法。通过添加控制点以控制变形,并将目标变形区域设定为控制区域,移动控制点位置,使图像及矢量图形产生变形,生成仿射变换、相似变换及刚性变换结果。实验表明,该方法在保证图像及矢量图形局部平滑变形的前提下,可抑制边界处的混叠;且将其应用于矢量图形变形,可定制多种复杂的变形效果。

关键词: 矢量图形, 变形, 移动最小二乘法, 图像, 局部

Abstract: Combined with Moving Least Squares method, a deformation function based on control points and area was defined. A localization processing method for image deformation was proposed which extended to vector graph deformation. After adding control points to control deformation and setting the target deformation zone as control area, control points were controlled to deform image and vector graph, which could produce affine transformation, similarity transformation and rigid transformation results. Experiments show that, this method can inhibit boundary aliasing as well as ensuring graphics and image local deformation result smoothness. By applying it to vector graph deformation, multiple complex deformation effects can also be customized.

Key words: vector graph, deformation, Moving Least Squares, image, local

中图分类号:

TP391

杜晓荣, 平淑文, 张永. 基于移动最小二乘法的图形图像局部变形技术[J]. 系统仿真学报, 2015, 27(4): 816-823.

Du Xiaorong, Ping Shuwen, Zhang Yong. Graphics and Image Local Deformation Based on Moving Least Squares Method[J]. Journal of System Simulation, 2015, 27(4): 816-823.

参考文献

[1] Schaefer S, McPhail T, Warren J. Image Deformation Using Moving Least Squares[C]// ACM Transactions on Graphics (TOG). USA: ACM, 2006, 25(3): 533-540.
[2] Sederberg T W, Parry S R.Free-form Deformation of Solid Geometric Models[C]// ACM Siggraph Computer Graphics. USA: ACM, 1986, 20(4): 151-160.
[3] Kho Y, Garland M.Sketching Mesh Deformations[C]// ACM SIGGRAPH 2007 Courses. USA: ACM, 2007: 41.
[4] Blanco F R, Oliveira M M.Instant Mesh Deformation[C]// Proceedings of the 2008 Symposium on Interactive 3D Graphics and Games. USA: ACM, 2008: 71-78.
[5] Beier T, Neely S.Feature-based Image Metamorphosis[C]// ACM SIGGRAPH Computer Graphics. USA: ACM, 1992, 26(2): 35-42.
[6] Bookstein F L.Principal Warps: Thin-plate Splines and the Decomposition of Deformations[J]. IEEE Transactions on pattern analysis and machine intelligence (S0162-8828), 1989, 11(6): 567-585.
[7] Igarashi T, Moscovich T, Hughes J F.As-rigid-as-possible Shape Manipulation[C]// ACM Transactions on Graphics (TOG). USA: ACM, 2005, 24(3): 1134-1141.
[8] Levin D.The Approximation Power of Moving Least-squares[J]. Mathematics of Computation of the American Mathematical Society (S0025-5718), 1998, 67(224): 1517-1531.
[9] Weng Y, Xu W, Wu Y, et al. 2D Shape Deformation Using Nonlinear Least Squares Optimization[J]. The visual computer (S0178-2789), 2006, 22(9-11): 653-660.
[10] Zhang Y, Lai J, Du X.Vision-Related MLS Image Deformation Using Saliency Map[C]// Image and Graphics (ICIG), 2011 Sixth International Conference on. USA: IEEE, 2011: 193-198.
[11] Weng Y, Shi X, Bao H, et al.Sketching MLS Image Deformations on the GPU [C]// Computer Graphics Forum. USA: Blackwell Publishing Ltd, 2008, 27(7): 1789-1796.
[12] 华顺刚, 李晓晓, 李绍帅. 利用控制曲线和移动最小二乘法实现图像变形[J]. 小型微型计算机系统, 2010, 31(11): 2251-2254.
[13] 张小洪, 杨丹, 刘亚威. 基于Canny 算子的改进型边缘检测算法[J]. 计算机工程与应用, 2003, 39(29): 113-115.
[14] 鲁光泉, 许洪国, 李一兵. 基于链码检测的直线段检测方法[J]. 计算机工程, 2006, 32(14): 1-3, 10.

[1]	杨凯, 陈纯毅, 胡小娟, 于海洋. 蒙卡渲染画面多特征非局部均值滤波降噪算法[J]. 系统仿真学报, 2022, 34(6): 1259-1266.
[2]	周培培, 侯幸林. 一种用于图像融合的无监督深度神经网络[J]. 系统仿真学报, 2022, 34(6): 1267-1274.
[3]	倪娜, 何坤金, 朱新成, 陈正鸣. 一种人体肌肉的参数化建模及变形方法研究[J]. 系统仿真学报, 2022, 34(5): 1109-1117.
[4]	袁彬淦, 钟铭恩, 倪晶鑫. 线束端子压接后外观缺陷的视觉检测算法研究[J]. 系统仿真学报, 2022, 34(5): 1152-1159.
[5]	张立峰, 王会忍. 基于卷积神经网络及有限元仿真的电容层析成像图像重建[J]. 系统仿真学报, 2022, 34(4): 712-718.
[6]	林士琪, 王纪凯, 裴浩渊, 赵皓, 陈宗海. 基于物体关系描述的单目语义SLAM方法[J]. 系统仿真学报, 2022, 34(2): 278-284.
[7]	李元, 耿泽伟. 基于LLE与K均值聚类算法的工业过程故障诊断[J]. 系统仿真学报, 2021, 33(9): 2066-2073.
[8]	胡蕾, 王足根, 陈田, 张永梅. 一种改进的SRGAN红外图像超分辨率重建算法[J]. 系统仿真学报, 2021, 33(9): 2109-2118.
[9]	李向阳, 张志利, 张宁, 桂毅, 李嘉. 局部信息联通的多无人机协同控制过程仿真研究[J]. 系统仿真学报, 2021, 33(7): 1501-1513.
[10]	陈立家, 王凯, 李世刚, 田延飞. 基于航空影像的航海模拟器视景快速建模方法[J]. 系统仿真学报, 2021, 33(7): 1565-1573.
[11]	李新利, 邹昌铭, 杨国田, 刘禾. 基于生成式对抗网络的发票图像超分辨率研究[J]. 系统仿真学报, 2021, 33(6): 1307-1314.
[12]	李琪, 墨瀚林, 王向东, 李华. 短道速滑场景下的多目标跟踪与运动仿真[J]. 系统仿真学报, 2021, 33(5): 1039-1050.
[13]	仝卫国, 庞雪纯, 朱赓宏. 基于卷积神经网络的气液两相流流型识别方法[J]. 系统仿真学报, 2021, 33(4): 883-891.
[14]	向兵, 杨刚, 董晓红. 多层次地形编辑工具的设计与实现[J]. 系统仿真学报, 2021, 33(4): 900-909.
[15]	王坤, 吉尧, 刘沛伦, 王力. 基于Otsu和改进易经占卜进化算法的红外图像分割[J]. 系统仿真学报, 2021, 33(2): 421-433.