Entfernung verdeckter Linien: Das Unsichtbare enthüllen: Geheimnisse des Computer Vision
Von Fouad Sabry
()
Über dieses E-Book
Was ist die Entfernung versteckter Linien?
Feste Objekte werden im Bereich der dreidimensionalen Computergrafik typischerweise als Polyeder modelliert. Innerhalb eines Polyeders ist eine Fläche ein planares Polygon, das von geraden Liniensegmenten umgeben ist, die als Kanten bezeichnet werden. Beim Versuch, gekrümmte Oberflächen zu imitieren, wird typischerweise ein Polygonnetz verwendet. Computerprogramme, die zur Erstellung von Strichzeichnungen undurchsichtiger Objekte verwendet werden, müssen in der Lage sein, festzustellen, ob Kanten oder Kantenabschnitte durch das Objekt selbst oder durch andere Objekte verdeckt werden. Dadurch können die Kanten während des Rendervorgangs beschnitten werden. Die betreffende Schwierigkeit wird als Hidden-Line-Entfernung bezeichnet.
Wie Sie davon profitieren
(I) Einblicke und Validierungen zu den folgenden Themen:
Kapitel 1: Entfernung verdeckter Linien
Kapitel 2: Painter-Algorithmus
Kapitel 3: Computergeometrie
Kapitel 4: Strahlenwurf
Kapitel 5: Bestimmung verdeckter Oberflächen
Kapitel 6: Punktort
Kapitel 7: Euklidischer minimaler Spannbaum
Kapitel 8: Kunstgalerieproblem
Kapitel 9: High-Dynamic-Range-Rendering
Kapitel 10: Gerades Skelett
(II) Beantwortung der häufigsten öffentlichen Fragen zur Entfernung verdeckter Linien .
(III) Beispiele aus der Praxis für die Verwendung der Entfernung verdeckter Linien in vielen Bereichen.
Für wen dieses Buch gedacht ist
Profis, Studenten und Doktoranden, Enthusiasten, Bastler und diejenigen, die über Grundkenntnisse oder Informationen für jede Art von Hidden Line Removal hinausgehen möchten.
Ähnlich wie Entfernung verdeckter Linien
Titel in dieser Serie (100)
Tonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenUnterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen Bewertung: 0 von 5 Sternen0 BewertungenFarbmodell: Das Spektrum des Computer Vision verstehen: Farbmodelle erkunden Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer Vision: Erkundung der Tiefen des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenInpainting: Überbrückung von Lücken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbraum: Erkundung des Spektrums von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHistogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenLärmminderung: Verbesserung der Klarheit, fortschrittliche Techniken zur Rauschunterdrückung in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenBildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenAktive Kontur: Weiterentwicklung der Computer Vision mit aktiven Konturtechniken Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLeast Squares: Optimierungstechniken für Computer Vision: Methoden der kleinsten Quadrate Bewertung: 0 von 5 Sternen0 BewertungenFarberscheinungsmodell: Wahrnehmung und Darstellung in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenSchätzung der artikulierten Körperhaltung: Erschließung menschlicher Bewegung in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHadamard-Transformation: Enthüllung der Leistungsfähigkeit der Hadamard-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenOrientiertes Gradienten-Histogramm: Enthüllung des visuellen Bereichs: Erkundung des Histogramms mit orientierten Farbverläufen in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenFilterbank: Einblicke in die Filterbanktechniken von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBewegungsfeld: Erkundung der Dynamik von Computer Vision: Bewegungsfeld enthüllt Bewertung: 0 von 5 Sternen0 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenGamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenAdaptiver Filter: Verbesserung der Computer Vision durch adaptive Filterung Bewertung: 0 von 5 Sternen0 BewertungenCanny Edge Detector: Enthüllung der Kunst der visuellen Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenVisuelle Wahrnehmung: Einblicke in die computergestützte visuelle Verarbeitung Bewertung: 0 von 5 Sternen0 Bewertungen
Ähnliche E-Books
Computergeometrie: Erforschung geometrischer Erkenntnisse für Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenScan Linien Rendern: Erforschung des visuellen Realismus durch Scan Linien Rendern Techniken Bewertung: 0 von 5 Sternen0 BewertungenStrichzeichnungsalgorithmus: Beherrschen von Techniken zur präzisen Bildwiedergabe Bewertung: 0 von 5 Sternen0 BewertungenBestimmung verdeckter Oberflächen: Enthüllung der Geheimnisse des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVerfahrensoberfläche: Erforschung der Texturgenerierung und -analyse in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer-Vision-Grafikschnitte: Erforschung von Graphschnitten in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRaytracing-Grafiken: Erforschung des fotorealistischen Renderings in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLevel-Set-Methode: Weiterentwicklung der Computer Vision, Erforschung der Level-Set-Methode Bewertung: 0 von 5 Sternen0 BewertungenMesh-Generierung: Fortschritte und Anwendungen bei der Computer Vision Mesh Generation Bewertung: 0 von 5 Sternen0 BewertungenDreidimensionale Multi-View-Rekonstruktion: Fortgeschrittene Techniken zur räumlichen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDie nicht zu kurze Kurzeinführung in MATLAB: Erste Schritte in MATLAB Bewertung: 0 von 5 Sternen0 BewertungenBresenham-Linien-Algorithmus: Effiziente pixelgenaue Linienwiedergabe für Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenPolygon-Computergrafik: Erkundung der Schnittstelle zwischen Polygon-Computergrafik und Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBündelanpassung: Optimieren visueller Daten für eine präzise Rekonstruktion Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAlgorithmen: Grundlagen und Implementierung Bewertung: 0 von 5 Sternen0 BewertungenKantenerkennung: Grenzen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenBlob-Erkennung: Aufdecken von Mustern in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenGeometrisches Primitiv: Erkundung der Grundlagen und Anwendungen der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDas Vulkan-API: Teil 2: Wie man ein Framework erstellt und Shader programmiert Bewertung: 0 von 5 Sternen0 BewertungenMinimaler Begrenzungsrahmen: Enthüllung der Leistungsfähigkeit der räumlichen Optimierung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenTechnische Zeichnung: Erschließung von Computer Vision durch technisches Zeichnen Bewertung: 0 von 5 Sternen0 BewertungenDigitale Rastergrafik: Enthüllung der Leistungsfähigkeit digitaler Rastergrafiken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenErfolgreiche Spieleentwicklung: OpenCL Bewertung: 0 von 5 Sternen0 BewertungenDer Weg zum eigenen Roboter: Tipps, Tricks und kleine Projekte Bewertung: 0 von 5 Sternen0 BewertungenVektorgrafik-Editor: Ermöglichen Sie die visuelle Erstellung mit fortschrittlichen Algorithmen Bewertung: 0 von 5 Sternen0 BewertungenVolumen Rendern: Erforschung des Visuellen Realismus in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAudiovisuelle Spracherkennung: Fortschritte, Anwendungen und Erkenntnisse Bewertung: 0 von 5 Sternen0 BewertungenBewegungsschätzung: Fortschritte und Anwendungen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDie Eignung Neuronaler Netze für die Mining-Funktionen Clustern und Vorhersage Bewertung: 0 von 5 Sternen0 Bewertungen
Künstliche Intelligenz (KI) & Semantik für Sie
Einstieg ins Machine Learning: Grundlagen, Prinzipien, erste Schritte Bewertung: 0 von 5 Sternen0 BewertungenMeistern von ChatGPT: Entriegeln Sie die Kraft der KI für verbesserte Kommunikation und Beziehungen: German Bewertung: 0 von 5 Sternen0 BewertungenAufstieg der Roboter: Wie unsere Arbeitswelt gerade auf den Kopf gestellt wird - und wie wir darauf reagieren müssen Bewertung: 0 von 5 Sternen0 BewertungenChatGPT – Für Einsteiger: Schreibprofi mit KI, Zeit und Geld sparen ohne peinliche Fehler Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz: Die vierte industrielle Revolution Bewertung: 0 von 5 Sternen0 BewertungenDie Zukunft der Arbeit: Digitalisierung, Automatisierung, KI Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Epische Reise des Erfolgs - 'Steigern Sie Ihren Reichtum': Mit Screenshots aus dem echten Leben - Erreichen Sie finanzielle Höhen Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Begegnung mit einer neuen Welt: Lernen Sie Künstliche Intelligenz mit der Gratisversion ChatGPT 3.5 Bewertung: 0 von 5 Sternen0 BewertungenPsychologie des Sozialismus Bewertung: 0 von 5 Sternen0 BewertungenMenschlicher Geist und Künstliche Intelligenz: Die Entwicklung des Humanen inmitten einer digitalen Welt Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Medien-Gestaltung leicht gemacht: Von der Idee zum viralen Hit Bewertung: 0 von 5 Sternen0 BewertungenDigitalotopia: Sind wir bereit für die (R)Evolution der Wirklichkeit? Bewertung: 0 von 5 Sternen0 BewertungenRoboter im Alltag: Maschinen (beinahe) wie Menschen Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz in Sozialen Medien Bewertung: 0 von 5 Sternen0 BewertungenKI-Innovationen: Wie die Technologie die Grenzen verschiebt Künstliche Intelligenz verstehen und nutzen: Ein AI-Buch Bewertung: 0 von 5 Sternen0 BewertungenDie KI Bibel, mit künstlicher Intelligenz Geld verdienen: Echte Fallbeispiele und Anleitungen zum Umsetzen Bewertung: 1 von 5 Sternen1/5Chatbotische Landingpages: Wie du deine Konkurrenz in den digitalen Staub schicken Bewertung: 0 von 5 Sternen0 BewertungenWissen statt Glauben!: Das Weltbild des neuen Humanismus Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Entfernung verdeckter Linien
0 Bewertungen0 Rezensionen
Buchvorschau
Entfernung verdeckter Linien - Fouad Sabry
Kapitel 1: Entfernen verdeckter Linien
In der 3D-Computergrafik werden Polyeder typischerweise verwendet, um feste Dinge zu modellieren. Eine Fläche eines Polyeders ist ein planares Polygon, das von Kanten begrenzt wird, bei denen es sich um gerade Liniensegmente handelt. In der Regel wird ein Polygonnetz verwendet, um gekrümmte Oberflächen darzustellen. Um Kanten während des Renderns beschneiden zu können, müssen Computerprogramme für Strichzeichnungen von undurchsichtigen Objekten in der Lage sein, zu bestimmen, welche Kanten oder Teile von Kanten durch ein Element oder andere Objekte verdeckt werden. Dieses Problem wird als Hidden-Line-Entfernung bezeichnet.
Roberts entwickelte die erste bekannte Lösung für das Problem der versteckten Leitungen. Ivan E. Sutherland hob 1966 zehn ungelöste Probleme in der Computergrafik hervor.
Im computergestützten Design können Modelle beispielsweise Tausende oder Millionen von Kanten haben. Daher ist es wichtig, eine Methode der Rechenkomplexität zu verwenden, die den Ressourcenbedarf (z. B. Zeit und Speicher) in Abhängigkeit von der Problemgröße ausdrückt. Besonders entscheidend sind zeitliche Einschränkungen für interaktive Systeme.
Die Problemgrößen für das Entfernen verdeckter Linien sind die Anzahl n der Kanten des Modells und die Anzahl v der sichtbaren Segmente der Kanten.
An den Kreuzungsstellen der Bilder der Kanten kann sich die Sichtbarkeit verschieben.
Sei k die Gesamtzahl der Stellen, an denen sich die Bilder der Kanten schneiden.
Sowohl k = Θ(n2) als auch v = Θ(n2) im schlimmsten Fall, typischerweise aber v k.
Vor 1984 schlugen die von Ottmann und Widmayer und Wood veröffentlichten Hidden-Line-Algorithmen O((n + k) log2 n)-Time Hidden-Line-Algorithmen vor.
Dann verbesserte Nurmi die Laufzeit auf O((n + k) log n).
Diese Algorithmen benötigen Θ(n2 log2 n), bzw. Θ(n2 log n) Zeit, die im schlimmsten Fall, wenn k dennoch kleiner als quadratisch ist, kann in Wirklichkeit schneller sein.
Jeder Hidden-Line-Algorithmus muss im schlimmsten Fall die Vereinigung von Θ(n) verdeckten Intervallen auf n Kanten bestimmen.
Da Ω(n log n) eine untere Schranke für die Bestimmung der Vereinigung von n Intervallen ist, scheint es, dass das Beste, was man hoffen kann, die Θ(n2 log n) Worst-Case-Zeit ist.
Der log-n-Faktor wurde jedoch von Devai eliminiert, da die Methoden von Devai und McKenna Meilensteine in Sichtbarkeitsalgorithmen sind
, indem sie eine theoretische Barriere von O(n2 log n) zu O(n2) für die Verarbeitung einer Szene von n Kanten durchbrechen.
Die andere offene Frage, die Devai aufgeworfen hat, ob es einen O(n log n + v)-Zeit-Hidden-Line-Algorithmus gibt, wobei v, wie bereits erwähnt, die Anzahl der sichtbaren Segmente ist, blieb zum Zeitpunkt des Schreibens unbeantwortet.
Im Jahr 1988 schlug Devai einen parallelen O(log-n)-Zeitalgorithmus vor, der n2-Prozessoren für das Hidden-Line-Problem unter dem Concurrent Read, Model of computing using exclusive write (CREW) parallel random-access machine (PRAM) verwendet.
Da das Produkt aus der Prozessorzahl und der Laufzeit asymptotisch größer als Θ(n2) ist, ist die sequentielle Komplikation des Problems, Der Algorithmus ist ineffizient, beweist jedoch, dass das Hidden-Line-Problem zur NC-Schwierigkeitsklasse gehört, d.h. Es kann mit einer polynomialen Anzahl von Prozessoren in polylogarithmischer Zeit gelöst werden.
Hidden-Surface-Algorithmen können verwendet werden, um verdeckte Linien zu eliminieren, aber nicht umgekehrt.
Reif und Sen schlugen einen O(log⁴ n)-Zeitalgorithmus für das Problem der verborgenen Oberfläche vor, der O((n + v)/log n) CREW PRAM-Prozessoren für ein eingeschränktes Modell polyedrischer Terrains verwendet, wobei v die Menge der Ausgabe ist.
Im Jahr 2011 veröffentlichte Devai einen O(log n)-Zeit-Hidden-Surface-Algorithmus und einen einfacheren, ebenfalls O(log n)-Zeit-Hidden-Line-Algorithmus.
Der Algorithmus für verdeckte Oberflächen, der n2/log n CREW PRAM-Prozessoren verwendet, ist in Bezug auf die Effizienz am besten.
Der Hidden-Line-Algorithmus verwendet exklusive n2-Lese- und EREW-PRAM-Prozessoren (exklusives Schreiben).
EREW ist der PRAM-Typ, der echten Maschinen am ähnlichsten ist.
Der Hidden-Line-Algorithmus funktioniert O(n2 log n), Was ist die Obergrenze für die effektivsten sequentiellen Algorithmen?.
Cook, Dwork und Reischuk gaben eine untere Grenze von Ω(log n) an, um das Maximum von n ganzen Zahlen zu finden, die unendlich viele Prozessoren eines beliebigen PRAM ohne gleichzeitige Schreibvorgänge zulassen.
{Ende Kapitel 1}
Kapitel 2: Painter's Algorithmus
Der Painter-Algorithmus (auch Tiefensortieralgorithmus und Prioritätsfüllung) ist ein Algorithmus zur Bestimmung sichtbarer Oberflächen in 3D-Computergrafiken, der auf Polygon-für-Polygon-Basis arbeitet und nicht Pixel für Pixel, reihenweise oder auf Region-für-Region-Basis unter Verwendung zusätzlicher Techniken zum Entfernen verdeckter Oberflächen.
Im Jahr 1972, als alle drei bei CADCentre angestellt waren, präsentierten Martin Newell, Richard Newell und Tom Sancha erstmals den Maleralgorithmus als grundlegende Lösung für das Problem der Bestimmung verdeckter Oberflächen.
Der Painter's Algorithm funktioniert konzeptionell wie folgt:
Sortieren Sie jedes Polygon nach Tiefe
Platzieren Sie jedes Polygon vom entferntesten bis zum nächsten.
Sortieren von Polygonen nach Tiefe
Für jedes Polygon p:
Für jedes Pixel , das P abdeckt:
P.Color auf Pixel malen
Die Zeitkomplexität des Maleralgorithmus hängt stark vom Sortiermechanismus ab, der zur Anordnung der Polygone verwendet wird. Geht man von der effizientesten Sortiertechnik aus, so ist die Worst-Case-Komplexität des Maleransatzes O(n log n + m*n), wobei n die Anzahl der Polygone und m die Anzahl der zu füllenden Pixel ist.
Die Worst-Case-Raumkomplexität des Painter-Algorithmus ist O(n+m), wobei n die Anzahl der Polygone und m die Anzahl der zu füllenden Pixel ist.