三維動(dòng)畫技術(shù)在鄉(xiāng)村景觀環(huán)境設(shè)計(jì)中的應(yīng)用

盧 軍，張廣付

(阜陽職業(yè)技術(shù)學(xué)院人文教育學(xué)院，安徽 阜陽 236000)

隨著美麗鄉(xiāng)村建設(shè)的推進(jìn)，進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)成為鄉(xiāng)村建設(shè)的基礎(chǔ)，在計(jì)算機(jī)視覺和三維動(dòng)畫軟件支持下，進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)，構(gòu)建鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫設(shè)計(jì)模型，采用三維圖像模擬方法，進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫模擬，結(jié)合對(duì)鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的邊緣輪廓特征分解和信息融合技術(shù)，提取鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的顏色特征分量，構(gòu)建鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的空間區(qū)域特征分布模型，實(shí)現(xiàn)對(duì)鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維模擬，研究鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫模擬方法，在提高鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的效能方面具有重要意義[1]。提出基于MAYA三維動(dòng)畫技術(shù)的鄉(xiāng)村景觀環(huán)境設(shè)計(jì)方法，構(gòu)建鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫成像模型，采用三維顏色特征空間的特征分解方法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維重構(gòu)，提取鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)態(tài)特征量，基于MAYA軟件進(jìn)行鄉(xiāng)村景觀環(huán)境的三維動(dòng)畫設(shè)計(jì)優(yōu)化，最后進(jìn)行仿真實(shí)驗(yàn)分析，展示了該方法在提高鄉(xiāng)村景觀環(huán)境設(shè)計(jì)效能方面的優(yōu)越性。

1 鄉(xiāng)村景觀環(huán)境三維動(dòng)畫成像和特征分析

1.1 鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫成像

為了實(shí)現(xiàn)鄉(xiāng)村景觀環(huán)境設(shè)計(jì)優(yōu)化，在MAYA軟件中進(jìn)行三維動(dòng)畫模擬，采用分塊像素特征匹配方法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維視覺特征重構(gòu)，結(jié)合向量量化分解進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫成像處理，提取鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫成像的顏色特征分量[2]，提高對(duì)鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的主成分特征分析能力和顏色特征分辨能力，在顏色空間中進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫重建，采用自適應(yīng)特征檢測進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫的多視點(diǎn)融合跟蹤，提取鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫成像的邊緣輪廓特征值，構(gòu)建鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維成像的多視點(diǎn)重構(gòu)模型如圖1所示。

圖1 鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維成像的多視點(diǎn)重構(gòu)模型

在圖1所示的鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維成像的多視點(diǎn)重構(gòu)模型中，基于多重紋理融合方法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的動(dòng)態(tài)融合[3]，定義鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的區(qū)域分塊像素自相關(guān)函數(shù)：

(1)

其中，Δx,Δy是鄉(xiāng)村景觀環(huán)境設(shè)計(jì)特征分塊的融合像素集，(xi,yi)是三維動(dòng)畫圖像動(dòng)態(tài)融合的邊緣特征點(diǎn)。按照像素邊緣融合和特征分解方法，得到鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫模擬特征重構(gòu)的像素特征量輸出為：

I=Z+ΔI

(2)

其中，ΔI=(IxIy)T是鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維成像的邊界像素點(diǎn)，利用Kronecker Delta函數(shù)把鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維成像的先驗(yàn)分布場進(jìn)行區(qū)域分割，計(jì)算鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維分布場的相關(guān)系數(shù)。

(3)

其中，k和l分別模糊相關(guān)性特征檢測的像素值和空間區(qū)域分割特征值。采用三維顏色特征空間的特征分解方法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維重構(gòu)，提取鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)態(tài)特征量，由此實(shí)現(xiàn)鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的圖像信息采集[4]。

1.2 鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)態(tài)特征量提取

采用虛擬視景重構(gòu)技術(shù)進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像采集和特征投影處理，對(duì)鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像進(jìn)行二值擬合和邊緣輪廓檢測，結(jié)合包絡(luò)輪廓檢測方法，進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的邊緣輪廓檢測[5]，結(jié)合鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的色彩空間分塊融合特征值，進(jìn)行模型更新，得到迭代公式如下：

A=(ρk+(1-ρ)l)×C

(4)

其中，ρ表示控制鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維成像的兩個(gè)分布場。提取鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的灰度像素特征量，結(jié)合Euler-Lagrange方程，得到鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像觀測點(diǎn)邊界區(qū)域方程為：

(5)

(6)

結(jié)合RGB分解技術(shù)進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的顏色分量提?。?/p>

w=fR,G,B×hσs

(7)

其中，fR,G,B表示RGB分量，hσs是一個(gè)標(biāo)準(zhǔn)差為σs的2D高斯核。鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫的邊緣輪廓檢測輸出為：

P=(w+Tm)×hσf

(8)

其中hσf是一個(gè)標(biāo)準(zhǔn)σf差為的高斯核。根據(jù)對(duì)鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫的顏色特征提取結(jié)果，進(jìn)行三維動(dòng)態(tài)特征量提取和重建[6]。

2 鄉(xiāng)村景觀環(huán)境設(shè)計(jì)優(yōu)化

2.1 三維動(dòng)畫圖像的分塊融合處理

構(gòu)建鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫成像模型，在采用三維顏色特征空間的特征分解方法對(duì)鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維重構(gòu)的基礎(chǔ)上，進(jìn)行三維動(dòng)畫技術(shù)的鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的優(yōu)化，提出一種基于MAYA三維動(dòng)畫技術(shù)的鄉(xiāng)村景觀環(huán)境設(shè)計(jì)方法。結(jié)合RGB分解技術(shù)進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的顏色分量提取，鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的Harris角點(diǎn)分布信息為：

(9)

其中，θ為鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像在特征重構(gòu)空間上的橢圓主方向角，λ1,λ2分別為長、短半軸長度。構(gòu)建鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的像素分布序列為：

(10)

H=d×a×g

(11)

其中，g為鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的灰度像素級(jí)，由此實(shí)現(xiàn)對(duì)三維動(dòng)畫圖像的分塊融合處理。

2.2 鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫重構(gòu)

在上述采用顏色模板空間投影算法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的分塊融合處理的基礎(chǔ)上，進(jìn)行三維動(dòng)畫重構(gòu)，采用分塊區(qū)域重構(gòu)方法，提高鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫重構(gòu)能力，結(jié)合區(qū)域塊分割方法，得到鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫重構(gòu)的幾何不變矩相關(guān)系數(shù)：

φ=y×b(i+j)

(12)

其中，y為鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的定義域，b為鄉(xiāng)村景觀環(huán)境設(shè)計(jì)像素序列每一幀中分塊區(qū)域的位置，(i,j)為鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫像素初始值的分布坐標(biāo)，φ為y和b的相關(guān)系數(shù)。根據(jù)上述分析，提取鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫的暗原色先驗(yàn)特征信息，結(jié)合灰度像素信息融合技術(shù)進(jìn)行特征重構(gòu)[8]，提高景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的自適應(yīng)信息融合，進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的景觀灰度輪廓點(diǎn)標(biāo)記，單個(gè)像素值P為：

(13)

其中，r為鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像特征分布直方圖特征值，在此基礎(chǔ)上，構(gòu)建鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的動(dòng)態(tài)信息融合特征量，結(jié)合自動(dòng)分塊技術(shù)，得到鄉(xiāng)村景觀環(huán)境的分塊為M×N個(gè)2×2的子塊Gm,n，在一塊三維體素空間中，得到三維動(dòng)畫圖像的動(dòng)態(tài)信息重構(gòu)結(jié)果為：

(14)

結(jié)合三維體數(shù)據(jù)分布模型進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫信息標(biāo)定，得到三維動(dòng)畫圖像的動(dòng)態(tài)信息的特征匹配集為一個(gè)二維層狀圖，表示為G1=βGm,n，則鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫重構(gòu)輸出為：

M=P×G1

(15)

綜上分析，利用顏色模板空間投影算法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的分塊融合處理，能夠提高鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫重構(gòu)能力[9-10]。

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了測試該方法在鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫重建和設(shè)計(jì)優(yōu)化中的性能，運(yùn)用MAYA、3DStudio MAX、SoftImag軟件進(jìn)行三維模型設(shè)計(jì)，設(shè)置鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫先驗(yàn)像素值為1 200×2 400，鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的觀賞點(diǎn)分布區(qū)域?yàn)?00×200的網(wǎng)格區(qū)域，梯度特征系數(shù)為1.45。鄉(xiāng)村景觀環(huán)境的三維動(dòng)畫設(shè)計(jì)中，以環(huán)境景觀的樹為例，進(jìn)行三維動(dòng)畫模擬，在1個(gè)面的紋理映射和2個(gè)垂直面的紋理映射區(qū)域中，進(jìn)行三維動(dòng)畫重建，得到重建結(jié)果如圖2所示。

圖2 鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫重建結(jié)果

由圖2得知，采用本文方法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫重建的視覺重構(gòu)能力較好。當(dāng)視線隨著樹的轉(zhuǎn)動(dòng)時(shí)，不會(huì)出現(xiàn)視覺誤差，法向隨著視線的轉(zhuǎn)動(dòng)而轉(zhuǎn)動(dòng)，視覺重構(gòu)能力較強(qiáng)。測試?yán)貌煌椒ㄟM(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的均值誤差，得到對(duì)比結(jié)果見表1。所用對(duì)比方法分別為基于虛擬現(xiàn)實(shí)技術(shù)的景觀空間環(huán)境設(shè)計(jì)方法(方法A)和基于數(shù)字多媒體技術(shù)的景觀環(huán)境設(shè)計(jì)方法(方法B)。分析表1可知，采用本文方法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的均值誤差較低，視覺重構(gòu)性能較好，提高了鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫重構(gòu)能力。

表1 鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的均值誤差對(duì)比

4 結(jié)語

綜上所述，本文提出一種基于MAYA三維動(dòng)畫技術(shù)的鄉(xiāng)村景觀環(huán)境設(shè)計(jì)方法，構(gòu)建鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的三維動(dòng)畫成像模型，采用邊緣輪廓特征檢測方法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)的視覺重構(gòu)，結(jié)合RGB分解技術(shù)進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的顏色分量提取，利用顏色模板空間投影算法進(jìn)行鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫圖像的分塊融合處理，提高鄉(xiāng)村景觀環(huán)境設(shè)計(jì)三維動(dòng)畫重構(gòu)能力?；贛AYA、3DStudio MAX、SoftImag軟件進(jìn)行鄉(xiāng)村景觀環(huán)境的三維動(dòng)畫設(shè)計(jì)仿真，研究得知，本文方法進(jìn)行鄉(xiāng)村景觀環(huán)境的三維動(dòng)畫設(shè)計(jì)的三維重構(gòu)能力較好，誤差較低。