基于三维图像处理的虚拟人物重构改进方法

陈劲 郭献洲

摘  要： 针对传统虚拟人物重构方法能够进行人物的重构，但存在虚拟人物重构效果较差的问题，提出基于三维图像处理的虚拟人物重构改进方法。通过三维图像重构关键节点，对虚拟人物重构标准点进行捕捉并标记;确定三维虚拟人物图像边缘算子，标定重构轮廓区域，突出重构背景效果;优化三维虚拟人物图像渲染过程，降低纹理映射对重构图像造成的虚影影响;对图像效果进行明暗处理，增加重建图像质感比例，实现虚拟人物的重构。仿真实验结果表明，设计虚拟人物重构改进方法具有良好的三维重构效果。

关键词： 三维图像处理; 虚拟人物重构; 关键节点重构; 图像边缘分割; 三维图像渲染; 重构效果

中图分类号： TN911.73?34; TN913                文献标识码： A                 文章编号： 1004?373X（2018）10?0150?04

Abstract： The traditional virtual character reconstruction method can reconstruct characters， but has poor virtual character reconstruction efficiency. Therefore， a virtual character reconstruction improved method based on 3D image processing is proposed. Key nodes are reconstructed by using 3D images to capture and mark the standard points of virtual character reconstruction. The edge operators of 3D virtual character images are determined， and the reconstructed profile area is demarcated to highlight the effect of reconstructed background. The rendering process of 3D virtual character images is optimized to reduce the virtual shadow effect of texture mapping on reconstructed images. Chiaroscuro processing is performed for image effect to increase the texture proportion of reconstructed images， so that the reconstruction of virtual characters can be realized. The results of simulation experiment show that the designed virtual character reconstruction improved method has a good 3D reconstruction effect.

Keywords： 3D image processing; virtual character reconstruction; key node reconstruction; image edge segmentation; 3D image rendering; reconstruction effect

0  引  言

隨着科技的发展，人们对虚拟人物呈现效果的需求越来越高，传统虚拟人物重构方法能够对人物简单重构，但在重构复杂虚拟人物、动态虚拟人物时，存在重构效果较差的问题，故本文提出基于三维图像处理的虚拟人物重构改进方法。引入三维图像处理方法，利用三维图像关键节点的重构，对虚拟人物基本信息进行动态捕捉，并进行基本条件的重新设定与标记。确定三维虚拟人物图像边缘算子[1]，标定重构轮廓区域，对重构对象进行边缘分割保证其高完整度，突出重构背景效果。优化三维虚拟人物图像渲染过程，通过运动捕捉降低纹理映射对重构图像造成的虚影影响，并对图像效果进行明暗处理，增加重建图像质感比例。通过重构效果仿真实验验证，本文设计的方法具有高渲染输出、噪声信号小、低误码率的特征，同时具有良好的重构效果。

1  虚拟人物关键节点重建

利用三维图像获取装置，获取模特的关键节点信息[2]。对人物的三维图像关键节点信息进行结构分析，提取标准点，并对标准点进行捕捉与标记。将点状信息显示效果进行多次构建。

其重建过程为，在初始模型中获取关键节点A与关键节点B，采用两关键节点连线方向进行，向标准点趋势构建一个新的节点C，并对其进行捕捉与标记，C点定义为重构标准点[3]。对重构标准点C与其相临近的关键点A进行二次构建，连接关键节点的连线方向，向标准点趋势构建一个新的节点C′，并对C′点进行捕捉与标记，通过多次标准点的重构，以及捕捉并标记，最终完成虚拟人物的基本轮廓建设，使之具有基本的显示效果以及外部特征。其三维图像头部处理效果示意图，如图1所示[4]。

虚拟人物整体关键节点显示效果的构建，主要完成虚拟人物的基本外部效果信息建设，为虚拟人物轮廓区域的标定提供准确的基本框架。关键点的多次细化构建，以及对标准点的正确捕捉和標记，优化虚拟人物致密度、减小噪声信号比。对虚拟人物显示效果细节处理，采用三维虚拟人物图像边缘算子[5]，提升虚拟人物细节描述能力。

2  虚拟人物轮廓区域的标定

利用虚拟人物的重构关键节点信息获取重构人物显示效果的基本特征，从而确定三维虚拟人物图像边缘算子[6]。通过边缘算子对虚拟人物基本外部关键点信息进行连接，对轮廓区域进行重构标定，对标定外的非相关显示进行虚化处理，增强标定内的虚拟人物背景效果[7]，保证重构效果表面具有一定的柔和度，减少表面棱角，优化虚拟人物的重构效果。

采用边缘算子进行外部关键节点的连接，对虚拟人物外部从关键点信息到面信息的转变。关键点信息的致密度决定边缘算子的连接曲率[8]。确定连接曲率后标定重构轮廓区域，采用多边形图像分割法，对虚拟人物轮廓区域与背景区域进行分割。多边形图像分割示意图如图2所示。多边形图像分割法具有轮廓区域分割速度快、尖锐棱角小、静态误码率与动态误码率低以及重构轮廓对比度高的优点[9]。采用多边形图像分割法，可消除传统图片分割法重构效果存在尖锐棱角的问题，以及圆形图像分割法中，直线难以分割的问题，并突出重构背景效果。

3  虚拟人物的三维图像渲染

通过虚拟人物轮廓区域的标定术，获得虚拟人物显示效果的三维特征。利用重构效果的几何变换、投影变换、透视变换进行图像的渲染[10]，降低纹理映射对重构图像造成的虚影影响。其三维图像渲染结构示意图如图3所示。

三维渲染通过虚拟人物图像边缘分割的处理，得到虚拟人物重构效果的完整轮廓信息。采用三维图像渲染技术，对虚拟人物重构效果轮廓进行三维图像渲染处理[11]。

三维图像渲染预处理过程，要确认重构效果的三维坐标，根据虚拟人物的设计要求，定义重构效果的纹理对象、绑定纹理数据、指定纹理坐标以及三维模型坐标。实现重构效果的虚拟人物三维静态渲染，对静态渲染效果进行明暗处理，增强虚拟人物的图像质感[12]。完成重构效果的虚拟人物静态渲染后，对动态效果进行每一帧的图像获取，降低视频重构效果纹理。以光源为视点渲染场景，进行明暗处理。获取深度缓冲值，执行动态渲染，从而完成虚拟人物的重构效果三维动态渲染。其虚拟人物重构流程图如图4所示。

利用静态与动态的三维渲染，提升虚拟人物的显示色彩的饱和度。采用降低纹理映射、三维效果明暗处理，增加虚拟人物的图像质感，以及较高的渲染输出，提升渲染质量。本文利用虚拟人物关键点的重构、人物轮廓区域的标定以及三维图像渲染，实现虚拟人物的重构。

4  重构效果仿真实验

4.1  实验准备

本文采用传统虚拟人物重构方法与基于三维图像处理的虚拟人物重构方法进行对比实验，对静态虚拟人物与动态虚拟人物，分别进行渲染输入测试、信噪比测试、误码率测试，并进行综合分析与研判。

仿真环境的硬件配置采用Inter[?] CoreTM i7 7700K 4.2 GHz CPU，8 GB DDR4 2400（XPG单条） RAM，Matlab 8.5仿真工具编程设计;建模工具采用3ds MAX;利用SAGT CS2，FATL 3.0对标准数据格式进行仿真模型数据的总线调度。按照要求，运用传统虚拟人物重构方法与基于三维图像处理的虚拟人物重构方法，分别进行82位人物的重构，采用HDEI 3.0对象分析系统，对重构的82位人物进行误码率测试。

4.2  信噪比测试

信噪比测试是传输信号与噪声信号的比。信噪比越低代表产生噪声信号越明显，虚拟人物构造噪点越高。噪声信号超过20 dB影响其虚拟人物构造显示效果，当噪声信号超过40 dB时，将严重影响虚拟人物构造显示效果、分辨率严重不足。本次实验对两种重构方法进行静态构造环境与动态构造环境的人物重构对比分析，其信噪比测试曲线如图5所示。

根据信噪比测试曲线，可以得出在静态与动态虚拟人物构造环境下，本文所设计方法较传统虚拟人物构造方法，噪声信号小，构造虚拟人物噪点小。在静态虚拟人物构造环境下，传统虚拟人物构造方法参数噪声信号约30 dB，影响其静态虚拟人物显示效果。本文所设计方法噪声信号可控制在10 dB内，影响虚拟人物显示效果较小。

在动态虚拟人物构造环境下，本文设计的虚拟人物重构方法，可将噪声信号控制在15 dB范围内，对虚拟人物显示的影响较小，而传统虚拟人物构造方法，构造动态虚拟人物产生噪声信号约40 dB，严重影响虚拟人物构造显示效果。说明本文所设计方法在不同阶段的静态与动态设计环节下，噪声信号均控制在合理要求之内。

5  结  语

本文基于三维图像处理方法实现虚拟人物的重构。通过重构效果，仿真实验结果表明，该方法具有低误码率、噪声信号小、高渲染输出，说明其拥有良好的重构效果。

参考文献

[1] 冯义东，卢朝晖.三维图像人物运动形态重构技术[J].科技通报，2015，31（4）：202?204.

FENG Yidong， LU Chaohui. 3D image character motion reconstruction technology [J]. Bulletin of science and technology， 2015， 31（4）： 202?204.

[2] 孙丽.三维动态图像重构特征移动误差消除方法研究[J].计算机仿真，2015，32（9）：413?416.

SUN Li. A movement error elimination method of three?dimensional dynamic image reconstruction characteristics [J]. Computer simulation， 2015， 32（9）： 413?416.

[3] 甘霖，李雪，王保存.数字电影产业中三维图像重构技术改进[J].现代电子技术，2017，40（18）：104?106.

GAN Lin， LI Xue， WANG Baocun. Improvement of 3D image reconstruction technology in digital film industry [J]. Modern electronics technique， 2017， 40（18）： 104?106.

[4] 马禄，杨勃，邓婷.人物身份认证视觉图像三维重构仿真研究[J].计算机仿真，2017，34（9）：288?291.

MA Lu， YANG Bo， DENG Ting. Simulation of 3D reconstruction of visual image of character identity authentication [J]. Computer simulation， 2017， 34（9）： 288?291.

[5] 李金明.多视觉动画图像三维重建特征点匹配优化仿真[J].計算机仿真，2017，34（9）：341?344.

LI Jinming. Multi visual animation image 3d reconstruction feature point matching optimization simulation [J]. Computer simulation， 2017， 34（9）： 341?344.

[6] 张庆.基于三维图像分析的服装设计合理性仿真[J].现代电子技术，2017，40（11）：76?79.

ZHANG Qing. Clothing design rationality simulation based on 3D image analysis [J]. Modern electronics technique， 2017， 40（11）： 76?79.

[7] 李蓉，邓春健，邹昆.一种基于MRF的单幅图像数据的三维重构方法研究[J].液晶与显示，2016，31（3）：301?309.

LI Rong， DENG Chunjian， ZOU Kun. 3D reconstruction method based on single image data by MRF [J]. Chinese journal of liquid crystals and displays， 2016， 31（3）： 301?309.

[8] AHN I J， JI H K， CHANG Y J， et al. LOR?based reconstruction for super?resolved 3D PET image on GPU [J]. IEEE transactions on nuclear science， 2015， 62（3）： 859?868.

[9] LIU S， PENG J. Optimization of reconstruction of 2D medical images based on computer 3D reconstruction technology [J]. Journal of digital information management， 2015， 13（3）： 142?146.

[10] ORTS?ESCOLANO S， GARCIA?RODRIGUEZ J， MORELL V， et al. 3D surface reconstruction of noisy point clouds using growing neural gas： 3D object/scene reconstruction [J]. Neural processing letters， 2016， 43（2）： 401?423.

[11] LUO J， TANG J， TJAHJADI T， et al. Robust arbitrary view gait recognition based on parametric 3D human body reconstruction and virtual posture synthesis [J]. Pattern recognition， 2016， 60： 361?377.

[12] CHEN L， AN D， HUANG X， et al. A 3D reconstruction strategy of vehicle outline based on single?pass single?polarization CSAR data [J]. IEEE transactions on image processing， 2017， 26（11）： 5545?5554.