CN110689601A - 一种适于ar虚拟软装合成的散点消除算法 - Google Patents
一种适于ar虚拟软装合成的散点消除算法 Download PDFInfo
- Publication number
- CN110689601A CN110689601A CN201910946759.1A CN201910946759A CN110689601A CN 110689601 A CN110689601 A CN 110689601A CN 201910946759 A CN201910946759 A CN 201910946759A CN 110689601 A CN110689601 A CN 110689601A
- Authority
- CN
- China
- Prior art keywords
- dxy
- point
- scattered
- image
- scatter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 17
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 13
- 238000003786 synthesis reaction Methods 0.000 title claims abstract description 13
- 230000008030 elimination Effects 0.000 title abstract description 12
- 239000000463 material Substances 0.000 claims abstract description 11
- 230000002093 peripheral effect Effects 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 2
- 210000003746 feather Anatomy 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 238000009877 rendering Methods 0.000 description 3
- 230000032669 eclosion Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种适于AR虚拟软装合成的散点消除算法,包括以下步骤:对选区内零星散点先腐蚀再膨胀的图像处理操作;对选区内边沿已经连结成线或构成散点块或构成散点带的散点进行定位,沿散点周边区域逐个像素点计算周边像素高斯加权和,再对散点进行吸附;更换商品操作时,先提取选区信息,得到图像M,对图像M进行均值滤波处理,然后将图像M作为透明度蒙版,将场景和更换的商品素材进行合成;本发明算法能够最大化消除散点,散点消除率为98%,散点误判率为10%,通过计算机智能减少杂散点,散点降低之后,边缝会变得不那么明显,利用步骤三中的羽化融合技术,能够削弱杂波点对于视觉的影响,同时让渲染的素材能够更好的融入场景之中。
Description
技术领域
本发明涉及AR虚拟软装合成技术领域,尤其涉及一种适于AR虚拟软装合成的散点消除算法。
背景技术
在AR虚拟软装合成***中,需要区分墙面、地面、窗子等区域,这些区域信息需要通过***模块其他工具手动标定,***使用mask.png记录区域信息,在mask中,灰度值每10的整数表示一个区域,假定:墙面区域使用10-50的灰度值表示,背景墙为60,地板220,窗子250,等等,如图1所示;
选区蒙版中不同的灰度值代表不同的选区范围,但是,在选区与选区之间,以及边沿复杂的物体如盆景等物体周围存在大量的点灰度值不属于任何选区,我们称之为散点。抠取选区的操作,难免会有瑕疵,瑕疵的粗细程度因人因场景而异,特别是区域与区域之间接缝的地方,我们若屏蔽其中的区域信息,让边沿杂波散点凸显出来,如图2所示,则可以很清晰的看到这些散点;
散点是无法避免的,在手工处理的时候必然会引入这些散点,即使手工生成的模板没有散点,在缩放场景适应手机屏幕的时候,一样会产生新的散点。散点从上图左看不出来,右图为忽略选区信息,凸显散点的示意图。散点数量因选区数量和选区复杂程度各异,图2中散点数量已达1900多个,散点多会导致换装后的边沿出现很细的黑/白边,如图3所示,影响视觉体验,虽然细小黑/白边并不明显,但在高清屏幕上或投射大屏幕上的时候,这种小瑕疵会凸显出来,直接影响视觉体验,因此,本发明提出一种适于AR虚拟软装合成的散点消除算法,以解决现有技术中的不足之处。
发明内容
针对上述问题,本发明提出一种适于AR虚拟软装合成的散点消除算法,通过对不同形式的散点进行不同的算法处理,能够最大化消除散点,散点消除率为98%,散点误判率为10%,通过计算机智能减少杂散点,降低边缝之间的缝隙,散点降低之后,边缝会变得不那么明显,每次更换商品操作的时候再调用步骤三,利用步骤三中的羽化融合技术,能够削弱杂波点对于视觉的影响,同时让渲染的素材能够更好的融入场景之中。
本发明提出一种适于AR虚拟软装合成的散点消除算法,包括以下步骤:
步骤一:对选区内零星散点进行预处理,首次加载场景时,令i∈(10,20,…,250),代表各个选区的值,让i从10开始,依次循环处理;
将i选区取出,依次读取mask.png图片中各点像素值m(x,y),得到M(x,y)的表达如公式(1)所示:
然后将M(x,y)值保存到一张新的图片,用图像M表示,再对图像M进行先腐蚀再膨胀的图像处理操作最后将结果写回mask.png图片,当M(x,y)==255,则置m(x,y)=i;
步骤二:对选区内边沿已经连结成线或构成散点块或构成散点带的散点,首先定位散点,沿散点周边区域逐个像素点计算周边像素高斯加权和,再依法线方向的距离对散点进行吸附;
具体为:对mask.png图片进行逐点处理,然后对散点继续进行处理,先建立二维数组Dxy,再初始化二维数组Dxy,置Dxy[k][0]=100,Dxy[k][1]=0,Dxy[k][2]=0,若散点的坐标为(x,y),以散点为中心的5×5矩形窗内相关数据进行运算,即令l,n∈[-2,2],且l,n为整数,当窗内(x+l,y+n)点处于某个选区内,即m(x+l,y+n)%10==0,置el,n=1,否则el,n=0,则得到公式(2)计算Dxy:
Dxy[k][1]和Dxy[k][2]计算完毕后,选择一个K值,求解出公式(3):
Dxy[k][0]=|Dxy[k][2]-g(x,y)|/Dxy[k][1] (3)
利用公式(3)找出最小的Dxy[kmin][0]值,修改该散点的标示值m(x,y)=kmin*10,然后保存mask.png图片;
步骤三:更换商品操作时,先利用步骤一进行提取选区信息,得到图像M,对图像M进行均值滤波处理,然后将图像M作为透明度蒙版,将场景和更换的商品素材按照公式(4)进行合成:
C'(x,y)=C(x,y)*(1-α(x,y)+S(x,y)*α(x,y) (4)
其中,C(x,y)、S(x,y)为场景和商品素材在(x,y)点的灰度值;M(x,y)为图像M在(x,y)点的灰度值。
进一步改进在于:所述步骤二公式(3)中g(x,y)为从原始效果图中读出(x,y)点的灰度值。
进一步改进在于:所述步骤二公式(2)中Dxy[k][1]和Dxy[k][2]计算完毕后,K值的范围依次为:k∈[1,25],然后再求解公式(3)。
进一步改进在于:所述步骤二中对mask.png图片进行逐点处理时,当m(x,y)%10==0,则判定为散点。
本发明的有益效果为:通过对不同形式的散点进行不同的算法处理,能够最大化消除散点,散点消除率为98%,散点误判率为10%,通过计算机智能减少杂散点,降低边缝之间的缝隙,散点降低之后,边缝会变得不那么明显,每次更换商品操作的时候再调用步骤三,利用步骤三中的羽化融合技术,能够削弱杂波点对于视觉的影响,同时让渲染的素材能够更好的融入场景之中。
附图说明
图1为本发明背景技术中某场景的选区mask图片示意图;
图2为本发明背景技术中某场景的选区mask图片的边沿杂波散点凸显后示意图;
图3为本发明背景技术中未消除散点造成黑/白边的效果示意图;
图4为本发明实施例中消除散点后的换装效果示意图;
图5为本发明实施例中边缘检测示意图;
图6为本发明实施例中散点基本消除效果示意图;
图7为本发明实施例中选用图片的原始效果图;
图8本发明实施例中选用图片去散点后渲染的效果图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
根据图4、5、6、7、8所示,本实施例提出一种适于AR虚拟软装合成的散点消除算法,包括以下步骤:
步骤一:对选区内零星散点进行预处理,首次加载场景时,令i∈(10,20,…,250),代表各个选区的值,让i从10开始,依次循环处理;
将i选区取出,依次读取mask.png图片中各点像素值m(x,y),得到M(x,y)的表达如公式(1)所示:
然后将M(x,y)值保存到一张新的图片,用图像M表示,再对图像M进行先腐蚀再膨胀的图像处理操作最后将结果写回mask.png图片,当M(x,y)==255,则置m(x,y)=i;
步骤二:对选区内边沿已经连结成线或构成散点块或构成散点带的散点,首先定位散点,沿散点周边区域逐个像素点计算周边像素高斯加权和,再依法线方向的距离对散点进行吸附;
具体为:对mask.png图片进行逐点处理,当m(x,y)%10==0,则判定为散点,然后对散点继续进行处理,再建立二维数组Dxy,令l,n∈[-2,2],且l,n为整数,建立二维数组25×3的二维数组Dxy,再初始化二维数组Dxy,置Dxy[k][0]=100,Dxy[k][1]=0,Dxy[k][2]=0,若散点的坐标为(x,y),以散点为中心的5×5矩形窗内相关数据进行运算,即令l,n∈[-2,2],且l,n为整数,当窗内(x+l,y+n)点处于某个选区内,即m(x+l,y+n)%10==0,置el,n=1,否则el,n=0,则得到公式(2)计算Dxy:
Dxy[k][1]和Dxy[k][2]计算完毕后,选择一个K值,k∈[1,25],然后再求解公式(3):
Dxy[k][0]=|Dxy[k][2]-g(x,y)|/Dxy[k][1] (3)
其中,g(x,y)为从原始效果图中读出(x,y)点的灰度值;
利用公式(3)找出最小的Dxy[kmin][0]值,修改该散点的标示值m(x,y)=kmin*10,然后保存mask.png图片;
步骤三:更换商品操作时,先利用步骤一进行提取选区信息,得到图像M,对图像M进行均值滤波处理,然后将图像M作为透明度蒙版,将场景和更换的商品素材进行合成,得到公式(4):
C'(x,y)=C(x,y)*(1-α(x,y)+S(x,y)*α(x,y) (4)
其中,C(x,y)、S(x,y)为场景和商品素材在(x,y)点的灰度值;M(x,y)为图像M在(x,y)点的灰度值。
以图7为本实施例中选用图片,经过上述去散点算法的处理后,得到如图8所示的去散点后渲染的效果图,其中图8中更换商品为7个,分别为墙纸、窗帘、墙饰、挂画、沙发布艺、地板和吊灯,设计选区为10个;
光影渲染之后,获得图8效果图进,行仔细观察可以得出,商品和商品之间的接缝处,已不显杂点边缝瑕疵,散点基本被全部消除,因此,本发明算法用于消除散点具有很好的效果。
通过对不同形式的散点进行不同的算法处理,能够最大化消除散点,散点消除率为98%,散点误判率为10%,通过计算机智能减少杂散点,降低边缝之间的缝隙,散点降低之后,边缝会变得不那么明显,每次更换商品操作的时候再调用步骤三,利用步骤三中的羽化融合技术,能够削弱杂波点对于视觉的影响,同时让渲染的素材能够更好的融入场景之中。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种适于AR虚拟软装合成的散点消除算法,其特征在于,包括以下步骤:
步骤一:对选区内零星散点进行预处理,首次加载场景时,令i∈(10,20,…,250),代表各个选区的值,让i从10开始,依次循环处理;
将i选区取出,依次读取mask.png图片中各点像素值m(x,y),得到M(x,y)的表达如公式(1)所示:
然后将M(x,y)值保存到一张新的图片,用图像M表示,再对图像M进行先腐蚀再膨胀的图像处理操作最后将结果写回mask.png图片,当M(x,y)==255,则置m(x,y)=i;
步骤二:对选区内边沿已经连结成线或构成散点块或构成散点带的散点,首先定位散点,沿散点周边区域逐个像素点计算周边像素高斯加权和,再依法线方向的距离对散点进行吸附;
具体为:对mask.png图片进行逐点处理,然后对散点继续进行处理,先建立二维数组Dxy,再初始化二维数组Dxy,置Dxy[k][0]=100,Dxy[k][1]=0,Dxy[k][2]=0,若散点的坐标为(x,y),以散点为中心的5×5矩形窗内相关数据进行运算,即令l,n∈[-2,2],且l,n为整数,当窗内(x+l,y+n)点处于某个选区内,即m(x+l,y+n)%10==0,置el,n=1,否则el,n=0,则得到公式(2)计算Dxy:
Dxy[k][1]和Dxy[k][2]计算完毕后,选择一个K值,求解出公式(3):
Dxy[k][0]=|Dxy[k][2]-g(x,y)|/Dxy[k][1] (3)
利用公式(3)找出最小的Dxy[kmin][0]值,修改该散点的标示值m(x,y)=kmin*10,然后保存mask.png图片;
步骤三:更换商品操作时,先利用步骤一进行提取选区信息,得到图像M,对图像M进行均值滤波处理,然后将图像M作为透明度蒙版,将场景和更换的商品素材按照公式(4)进行合成:
C'(x,y)=C(x,y)*(1-α(x,y)+S(x,y)*α(x,y) (4)
其中,C(x,y)、S(x,y)为场景和商品素材在(x,y)点的灰度值;M(x,y)为图像M在(x,y)点的灰度值。
2.根据权利要求1所述的一种适于AR虚拟软装合成的散点消除算法,其特征在于:所述步骤二公式(3)中g(x,y)为从原始效果图中读出(x,y)点的灰度值。
3.根据权利要求1所述的一种适于AR虚拟软装合成的散点消除算法,其特征在于:所述步骤二公式(2)中Dxy[k][1]和Dxy[k][2]计算完毕后,K值的范围依次为:k∈[1,25],然后再求解公式(3)。
4.根据权利要求1所述的一种适于AR虚拟软装合成的散点消除算法,其特征在于:所述步骤二中对mask.png图片进行逐点处理时,当m(x,y)%10==0,则判定为散点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910946759.1A CN110689601A (zh) | 2019-10-07 | 2019-10-07 | 一种适于ar虚拟软装合成的散点消除算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910946759.1A CN110689601A (zh) | 2019-10-07 | 2019-10-07 | 一种适于ar虚拟软装合成的散点消除算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110689601A true CN110689601A (zh) | 2020-01-14 |
Family
ID=69111368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910946759.1A Pending CN110689601A (zh) | 2019-10-07 | 2019-10-07 | 一种适于ar虚拟软装合成的散点消除算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689601A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986113A (zh) * | 2020-08-20 | 2020-11-24 | 浙江理工大学 | 一种光学图像光影消除方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2157544A1 (en) * | 2008-08-01 | 2010-02-24 | Julius-Maximilians-Universität Würzburg | System for adaptive removal of speckle noise in digital images and generation of a colour composite product based on automated analysis of speckle characteristics |
CN105139394A (zh) * | 2015-08-19 | 2015-12-09 | 杭州电子科技大学 | 结合仿射重建和噪声散点直方图的噪声图像质量评价方法 |
CN107330980A (zh) * | 2017-07-06 | 2017-11-07 | 重庆邮电大学 | 一种基于无标志物的虚拟家具布置*** |
CN108416700A (zh) * | 2018-02-05 | 2018-08-17 | 湖南城市学院 | 一种基于ar虚拟现实技术的室内装修设计*** |
CN109949400A (zh) * | 2019-03-22 | 2019-06-28 | 南京可居网络科技有限公司 | 适于ar虚拟软装合成的光影估计和重构方法 |
CN109960872A (zh) * | 2019-03-22 | 2019-07-02 | 南京可居网络科技有限公司 | Ar虚拟软装搭配管理***及其工作方法 |
CN110120030A (zh) * | 2019-03-28 | 2019-08-13 | 河南农业大学 | 小麦病害发生图像的处理方法、应用、计算机可读介质及病害发生面积测算方法 |
-
2019
- 2019-10-07 CN CN201910946759.1A patent/CN110689601A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2157544A1 (en) * | 2008-08-01 | 2010-02-24 | Julius-Maximilians-Universität Würzburg | System for adaptive removal of speckle noise in digital images and generation of a colour composite product based on automated analysis of speckle characteristics |
CN105139394A (zh) * | 2015-08-19 | 2015-12-09 | 杭州电子科技大学 | 结合仿射重建和噪声散点直方图的噪声图像质量评价方法 |
CN107330980A (zh) * | 2017-07-06 | 2017-11-07 | 重庆邮电大学 | 一种基于无标志物的虚拟家具布置*** |
CN108416700A (zh) * | 2018-02-05 | 2018-08-17 | 湖南城市学院 | 一种基于ar虚拟现实技术的室内装修设计*** |
CN109949400A (zh) * | 2019-03-22 | 2019-06-28 | 南京可居网络科技有限公司 | 适于ar虚拟软装合成的光影估计和重构方法 |
CN109960872A (zh) * | 2019-03-22 | 2019-07-02 | 南京可居网络科技有限公司 | Ar虚拟软装搭配管理***及其工作方法 |
CN110120030A (zh) * | 2019-03-28 | 2019-08-13 | 河南农业大学 | 小麦病害发生图像的处理方法、应用、计算机可读介质及病害发生面积测算方法 |
Non-Patent Citations (1)
Title |
---|
刘云凤等: "基于AR与VR技术的装修行业的研究", 《科技风》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986113A (zh) * | 2020-08-20 | 2020-11-24 | 浙江理工大学 | 一种光学图像光影消除方法及*** |
CN111986113B (zh) * | 2020-08-20 | 2024-03-22 | 浙江理工大学 | 一种光学图像光影消除方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348815B (zh) | 图像处理方法、图像处理装置以及非瞬时性存储介质 | |
US11386528B2 (en) | Denoising filter | |
US9153068B2 (en) | Clipless time and lens bounds for improved sample test efficiency in image rendering | |
Kovesi | MATLAB and Octave functions for computer vision and image processing | |
US7889913B2 (en) | Automatic compositing of 3D objects in a still frame or series of frames | |
Rematas et al. | Image-based synthesis and re-synthesis of viewpoints guided by 3d models | |
US6791540B1 (en) | Image processing apparatus | |
US9142043B1 (en) | System and method for improved sample test efficiency in image rendering | |
CN112132164B (zh) | 目标检测方法、***、计算机装置及存储介质 | |
US8275170B2 (en) | Apparatus and method for detecting horizon in sea image | |
WO2007145654A1 (en) | Automatic compositing of 3d objects in a still frame or series of frames and detection and manipulation of shadows in an image or series of images | |
CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
CN110689601A (zh) | 一种适于ar虚拟软装合成的散点消除算法 | |
JP2014106713A (ja) | プログラム、方法、及び情報処理装置 | |
CN115601616A (zh) | 一种样本数据生成方法、装置、电子设备和存储介质 | |
Trapp et al. | Occlusion management techniques for the visualization of transportation networks in virtual 3D city models | |
CN107231551B (zh) | 一种图像检测方法及装置 | |
US6377279B1 (en) | Image generation apparatus and image generation method | |
Čejka et al. | Tackling problems of marker-based augmented reality under water | |
Subhasri et al. | SUPER PIXEL BASED VIRTUAL TEXTURE MAPPING OF IMAGE SYNTHESIS. | |
WO2011058626A1 (ja) | 画像処理装置及びスライドショー表示装置 | |
Zheng et al. | Efficient screen space anisotropic blurred soft shadows | |
Zhang | The application of directional derivative in the design of animation characters and background elements | |
JP2004054635A (ja) | 画像処理装置およびその方法 | |
KR101470497B1 (ko) | 방향 센서를 이용한 비실사 영상 생성 장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200114 |
|
WD01 | Invention patent application deemed withdrawn after publication |