专利名称：：一种树叶渐进简化方法
技术领域：
：本发明属于计算机图形学与数字农林学相结合的交叉学科的
技术领域：
，涉及植物场景的绘制，尤其涉及一种树叶渐进简化方法。10
背景技术：
在城市可视化，电脑游戏等应用中，往往涉及到许多室外场景，如果忽略随处可见的植物的绘制，渲染结果会显得非常不真实，这是计算机图形学家和用户都无法容忍的。而在植物建模以及植物生长模拟方面，人们早已展开深入的研究。到目前为止，已有许多成熟的系统，并有相15应软件，例如法国的AMAP，加拿大的L-系统，德国的Xfrog等。这些软件都能生成非常逼真的植物模型(见图2)。但是植物，特别是树木，通常由很多细枝还有数不清的叶子组成，并且枝和叶的拓扑结构都非常复杂。因此这类物体通常需要数量庞大的多边形来进行描述。而绘制时间和物体的多边形数量是正比关系，所以在目前的硬件条件下，实现这20类场景的实时绘制还是计算机图形学中的一个难题。为了实现植物场景,特别是森林的实时绘制，人们陆续提出了各种算法。主要有基于图像的绘制算法，点绘制算法和层次细节算法(LOD)。基于图像的绘制算法通常在预处理中确定一系列采样视点，在每一个视点方向，对植物体进行绘制，并把绘制结果作为纹理图保存下来。25而在实时绘制时，根据当前视点信息，找到与其最邻近的采样视点，然后对这些采样视点相对应的纹理图像进行插值，插值得到的图像即作为当前视点的渲染结果图像。在所有算法中，这种算法绘制速度最快，且绘制时间与植物场景的几何复杂度无关。但是这种方法需要很大的内存来存储各采样视点的纹理图像，并且因为缺少植物的几何信息，绘制近结果图。点绘制算法是在对距离较远的植物进行绘制时采取的一种策略当植物距离视点足够远时，它采用线表示枝条，而用点表示叶子，从而提高了绘制速度。对于近距离的植物，为保证渲染质量，则釆用它的原始5模型，即多边形表示。因此点绘制算法只对距离较远的植物的绘制有效，并且通常在对简单矮小的植物，如草本植物，花卉等进行绘制，效果比较好，见图4点绘制算法用于植物的结果图。多边形，特别是三角形模型一直是计算机图形学的主流模型，因此人们在面片简化方面研究很深入，提出了很多成熟的层次细节算法，如iovertexdecimation,edgecollapse,vertexclustering等。但由于树木特殊的属性，这些算法通常可以用于树干的简化，对于树叶部分，则会产生错误的结果。2002年，Remolar等人首次提出了针对树叶的简化算法一FSA算法。该算法能不断减少用于表示树叶的多边形的数目，并同时保持树冠外形。它假设树叶由四边形表示，然后不断地进行leafcollapseis操作，即用一个新的四边形代替原来的两个四边形，见图5FSA算法中的leafcollapse示意图，新产生的四边形的面积大小和合并前的两个四边形的面积大小近似。采用该算法对树模型进行简化的结果，见图6FSA算法结果图。但FSA算法存在很多缺陷(l)不能保证leafcollapse中生成的四边形的面积的正确性，会出现新生成的四边形的面积比原四边形20面积小的情况，这是不合理的。(2)只采用了两项相似度指标，由它们选取的四边形对经常相距很远，并不适合做leafcollapse操作，因为它们会产生细长的四边形。(3)FSA不是视点相关的算法，它不能明确得出当前视点下处于不同位置的树木的细节层次。(4)FSA只能处理具有四边形状的叶子，而常见的树叶的形状一般都比四边形复杂，因此FSA25应用范围很局限。除了上面三种主要的方法，人们还试图用别的方法实现实时的目的。例如最近有人在植物绘制中引入了几何压縮的方法。其中Pieire-MarieGandoin等人提出了一种无损压缩算法，主要通过两种常见的面片简化操作edgecollapse和vertexsplit来改变点线面的拓扑连接关系，然30后对种拓扑连接关系的变化进行编码。这种方法是渐进的，并能用于non-manifold的物体。该方法用于压縮树木时的结果，见图7Pierre-MarieGandoin等人的压缩方法的结果图。但由于该压縮方法不考虑植物特殊的拓扑结构，因此会产生视觉效果合理但违背植物学原理的结果。
发明内容常见的树叶的形状通常都比较复杂，而现有的树叶简化方法只能简化四边形状的树叶，应用范围非常狭窄，另外现有方法不能根据视点自动选择细节层次，为解决这些问题，本发明目的要解决的技术问题是如io何简化各种树木的树叶部分，以建立树叶的多分辨率表示，以及绘制时如何选择合适的分辨率表示代替树叶的完整表示，为此，本发明将要提供一种树叶渐进简化方法。为了实现上述目的，本发明提供一种树叶渐进简化方法，把描述复杂树叶的面片分解成一组相互独立的三角形或四边形；然后迭代地对三15角形或四边形叶片进行合并操作，即两个四边形，或两个三角形，或一个四边形一个三角形合并成一个新的四边形，这个新的四边形在位置，所占空间以及颜色属性与其所合并前的三角形或四边形的相关属性保持一致，因此能不断地减少描述树叶的多边形的数目，但是在视觉效果上保持树冠外形不变；而在每一次迭代中，通过六个相似度指标线性组成20的相似度函数，选取最相似最适合合并的两个多边形以减少误差，保证简化质量；简化过程中所有的信息最终都保存在硬盘中，实时绘制时，则根据当前视点的信息和硬盘中的记录确定不同位置的树木的细节层次，并把相应的几何信息送往CPU进行绘制。一、叶片合并和新叶片的构造25FSA算法提出了叶片合并的概念，即两个四边形合并成一个新的四边形，并且这个新的四边形与参与合并的两个四边形在颜色，空间位置等属性上保持一致。但FSA只能对两个四边形进行合并操作，并且合并后生成的新的四边形的不能保证其面积属性的正确性。本方法继承了FSA算法的所有优点，同时对它进行了推广和改进，使其可以处理两个30四边形，或两个三角形，或一个四边形和一个三角形的合并操作，见图8叶片合并示意图。这样就扩大了本方法的应用范围，使它不仅能简化四边形形状的树叶，还能对其它形状的树叶进行简化，如针叶状叶子。合并过程中将生成一个新的四边形来代替参与合并的两个多边形，本方法提出的确定该四边形四个顶点的方法能避免FSA算法可能出现5的错误，更好的保持合并前后位置，面积等属性的一致性，以保证更好的简化效果。所述叶片合并中生成的新的四边形的四个顶点的确定方法步骤包括首先在参与合并的两个多边形的所有顶点中找出距离最远的两个10顶点，分别记为顶点A和顶点B;总顶点数可以是6个(对应两个三角形)，或7个(对应一个三角形和一个四边形)，或8个(对应两个四边形)。然后再在剩余的顶点中找出到顶点A，顶点B两点距离之和最大的一个顶点，记作顶点C;15接着再在剩余顶点中找出到顶点A、顶点B、顶点C三点距离之和最大的一个顶点，记作顶点D;随后对顶点C，顶点D坐标进行变换调整，最终使得顶点A、顶点B、顶点C、顶点D处于同一平面上，这样确定的四边形就是共面的，不会出现扭曲的现象。20最后确定各顶点对应的法向量，其中顶点A、顶点B处的法向量保持原来的不变，而四边形在顶点C、顶点D两点的法向量需要原对应法向量经过同上的共面变换才能得到。二、相似度函数251描述树叶的多边形的属性所述描述树叶多边形，是判断两个多边形(四边形或三角形)是否适合合并，本方法描述树叶的多边形的五种属性为，分别为直径，宽度，法向量，面积和合并年龄。所述描述树叶多边形的直径和宽度，将一个多边形的所有顶点记作30Z，d(;c,力表示两顶点x和;;之间的Hausdorff(豪斯多夫)距离，则该多边形的直径定义为D(JQ=max(c/0，力;weI)而宽度定义为=maxW(Jc,力;;c，yeInd(x，力*Z)(I))5这两个属性描述了多边形的大概形状和各个顶点大致分布情况。所述面积记录了对应多边形的面积大小。所述法向量为对应多边形所在平面的单位法向，它反映了多边形的朝向，并且它和面积属性一起反映了树叶颜色在空间的分布情况。所述合并年龄，叶片合并操作前，将描述树叶的多边形称之为原始10多边形，则多边形的合并年龄记录了被该多边形代替的原始多边形的数目，即表示了在生成该多边形的过程中，参与合并的原始多边形的总数目，而原始多边形的合并年龄设置为l。所述合并年龄通常和面积保持一致，一般来说，合并年龄大时，面积也会很大。152相似度指标根据以上定义的多边形的五种属性，本方法提出了六项相似度指标来分别判断两个多边形在各属性上的相似程度。这六项相似度指标包括法向相似度，空间位置的相似度，叶面积相似度，直径相似度，合并年龄20相似度以及直径惩罚。它们的含义和定义如下(1)法向相似度&衡量两个多边形的共面程度。表达式为S(w)=l-|〈W(X)，,|其中W(Z)和W(r)分别表示两个多边形的法向量，〈*,*〉求两个向量的内积。这样得到的S，(x,力的值会在0和1之间，并且两多边形越共面，S,(;c,力25的值越小。公式中的绝对值运算是必要的，因为叶子是两面的，正反两个方向都可以作为叶子的法向。(2)空间位置的相似度S2表示了两多边形之间距离的远近程度。公式采用了Hausdorff(豪斯多夫)距离，并通过归一化运算使得值域为[G，1]。具体公式如下30S2(义，J0-minW(A,A);A其中i^,为树冠的直径，即为树叶包围盒的直径，因为它的值是两个多边形的最大可能距离值，所以用它来归一化Hausdorff(豪斯多夫)距离可保证值域范围为0，1。在叶片合并操作刚开始进行时，&(^)远远小于l，随后会慢慢增大，并且&(l,:r)值越小，表明两多边形靠得越近。5(3)叶面积相似度S3衡量两个多边形的面积大小的接近程度。通常认为具有相近面积大小的两个多边形比面积大小相差很大的两个多边形更适合进行叶片合并操作。具体公式为&(m=[草)-草)]2/[草)2+单)2]其中J("，j(y)分别为两个多边形的面积大小。&(^的值同样属于10[O，l]范围。(4)直径相似度S4描述了叶片合并操作前后叶子形状的变形程度。公式表示如下&(y)=1-+Z)(J)]/[2*D(Xy)]其中和Z)(y)分别表示两多边形的直径值，这两个多边形合并后15会产生一个新的四边形，该四边形的直径即为D(U)。根据前面提到的直径的定义，设丄-X门y，则可得到Z)(U)-max^(x,力;x,3/e丄)。同样S4(jr,:r)e(0,1)。(5)合并年龄相似度Ss，一个多边形的合并年龄值代表着被它替代即简化的原始多边形的数目，通常认为将具有相近年龄的叶对更适合20合并，并且对年龄小的叶对应该比年龄大的叶对优先合并。综合这两个观点，可得到下面的公式&(U)=[G(Z)+G(力+|G(X)_/W』其中G(Z)和G(力分别为两多边形的合并年龄。7V^为叶片合并操作进行前，描述所有树叶的原始多边形的数目，它的作用在于限定&(x,r)在(0,1)25范围内取值。(6)直径惩罚S6，先对尺寸小的叶对应该比尺寸大的叶对先合并，因为前者合并产生的误差相对后者来说要小一些。具体公式如下其中D(Z)，Z)(y)和"^的含义和定义都与前面一致。^(X，J0的值也在30(O,l)范围内。相似度函数根据以上六项相似度指标，本方法提出了一个相似度函数来衡量两个多边形的相似程度，从而在每次迭代中找出最适合进行叶片合并操作的5多边形对。该相似度函数综合了各项因素，并且给不同的因素赋予不同的权重，这样就能更科学，更合理地选取多边形对。而多边形对的选择直接关系到简化质量，相对以往的树叶简化算法，本方法能够取得更好，更准确的结果。相似度函数的具体表达式如下JO=(Z，y)+(X,J7)+A:3S3(X,JOio其中^>0,且*1+&+&+&+&+&=1。通过测试图9相似度函数的系数取值实验，当&=0.0375,/t2=0.3125，yfc3=0.0375，、=0.0375，A:5=0.2875和^=0.2875时，对常见的树叶进行简化时都能取得较好的结果。三、与视点相关的细节层次模型树叶简化过程是渐进的，并且每一步的信息都将保存在硬盘中。这15些信息包括多边形的几何数据信息，对应的属性值，如多边形的直径，宽度等，还有简化关系，如多边形A和B合并后变成C(可认为C是A，B的父亲，而A和B是C的儿子)。绘制时，则把这些记录读入内存，并根据当前视点的信息，来确定不同位置的树木的细节层次。通常人们根据简化误差来确定物体的细节层次，但是对于树叶这类特殊的物体，20计算叶片合并操作前后的误差非常困难。为此本方法进行了简化，采用多边形的其中一个属性值一直径和用户给定的象素误差，代替简化误差以方便快捷地确定各树木的细节层次。这种简化是有合理的，因为绘制的最终结果是图片形式，因此可知其细节层次的选择和图片大小彼此是相关的，而直径的投影值可作为图片大小的一个衡量值。给定一个像素25误差，可由当前视点和待绘制的树木的关系转换得到空间误差值，然后遍历待绘制树木的记录，得到所有直径不大于空间误差即大小合适的树叶，这些树叶即为当前视点下需绘制的树叶，并且一旦父叶被选中，它所有的子孙都不被送去绘制。图l是本发明方法具体的流程2是现有技术AMAP、L系统和Xfrog生成的植物模型图3是现有技术基于图像的算法用于绘制森林时的结果图图4是现有技术点绘制算法用于植物的结果图图5是现有技术FSA算法中的Ieafcollapse示意图图6是现有技术FSA算法结果7是现有技术Pierre-MarieGandoin等人的压縮方法的结果8是本发明叶片合并示意9是本发明相似度函数的系数取值实验图10是本发明简化针叶的结果ll是本发明LOD模型图12是简化模型和原始模型的效果比较图13a-d是利用本发明几种常见树木的树叶简化前后对比14是利用本发明森林场景的绘制结果图具体实施方式下面将结合附图对本发明加以详细说明，应指出的是，所描述的实20施例仅旨在便于对本发明的理解，而对其不起任何限定作用。本发明方法的核心在于叶片合并方法和相似度函数的定义。它们直接影响着简化质量。图l给出了整个方法的流程，方法具体包括九个步步骤1:首先输入三维树模型，提取树叶部分信息，并把这些信息25保存下来；步骤2:判断树叶的形状是否为复杂，若是则执行步骤3;若否执行步骤4;步骤3:分解具有复杂形状的树叶，把描述复杂树叶的面片分解成一组相互独立的三角形或四边形；30步骤4:计算所有多边形对的相似度函数值；步骤5:找出最适合合并的多边形对，即相似度函数值最小的多边形对，这一对多边形即认为是最相似，合并所产生的视觉误差最小的两个多边形；步骤6:对多边形对进行叶片合并操作，确定新产生的四边形的四5个顶点的坐标位置；返回步骤4，并更新相似度，循环直至所有树叶都合并到一个四边形；步骤7:构成新生成的四边形信息组；步骤8:构建树叶的多分辨率模型，保存树叶简化过程中的所有信息到硬盘中；10步骤9:实时绘制时，根据当前视点信息和简化记录，确定不同位置的树木的细节层次，并把相应的几何数据送往CPU，当视点改变时，重新确定各树木的细节层次并重新绘制。一、实验结果与结论用C语言实现了本发明所描述的方法，并用于了几种常见树木的树15叶的简化。所有的实验都是在一台P42.4G、512MB内存、操作系统为Windows2000的PC机上完成的，显示部分使用了标准的OpenGL图形函数库。表l列出了实验中所用到的所有树木的信息，包括树木的名称，年龄，原始模型用来描述树叶的多边形的数目。20表l:实验数据信息<table>tableseeoriginaldocumentpage15</column></row><table>附图9为相似度函数的系数取值实验结果图。6项系数的取值直接影响着本树叶简化方法的质量和准确度。从图中可以看出，当法向相似度)fc,取值很大时，会破坏树叶的原始分布，产生极差的结果；当叶面积相似度系数*3起主导作用时，会生成许多变形的叶子；当直径相似度系5数*4起主导作用时，会在树冠的轮廓面上产生很大的叶子，因此不能保证树冠外形不变;而当空间位置的相似度系数^，合并年龄相似度系数^以及直径惩罚系数&起主导作用时，能取得很好的简化效果，基本保持树冠的形状。通过该实验，最终确定各系数的值为、=0.0375"2=0.3125，0.0375，yfc4=0.0375，0.2875，0.2875。10本方法推广了FSA算法，应用范围得到了扩展，可以简化各种常见的树叶，如具有三角形形状的针叶。附图10即是对一针叶模型一一棵高度为9.2461米的25岁樟子松的树叶进行简化的结果图。该实验中，樟子松到视点的距离为75.1414米。从左到右，第一幅图为原始模型，后面五幅为简化模型。图片下面显示了相应的树叶多边形的数目(第二行)、15压縮模型后占原数据的百分比(第三行)、以及压縮率(第四行)。可以看出本方法的压縮效果，并且压縮率很高时，简化结果依然能很好的保持树冠的外形。附图11给出了是一棵2.9米高的Makamik山楂树的LOD模型。由近及远，处于6个不同位置的山楂树的细节层次不同。离视点远越，20树叶的细节越粗略，但却能保持视觉效果。附图l2为简化模型和原始模型的视觉效果比较图。釆用丁香树模型。其中编号为1，3，5的模型为三个细节层次不同的简化模型，简化模型与模型的百分比分别为46.1%，63.8%和84.8%;而2，4，6为原始模型。为了比较简化模型和原始模型的视觉效果，这些模型被分为了25三组，l和2为第一组，3和4为第二组，5和6为第三组。同组中的两棵树与视点的关系保持一致，并且这三组到视点的距离分别为78.43米，58.52米，38.56米。结果可见每一组中的两棵树具有相似的视觉效果。附图13a-d为地中海白松，白杨树，Siberian山楂树和银枫的简化前后的对比图。其中图13a为地中海白松45岁，图13b为白杨树12岁，30图13为Siberian山楂树20岁，图13d为银枫15岁。图中第一列为原始模型，第二列为简化模型；在此，这四个模型的压缩信息为各个简化模型占原模型百分比分别是2.38°/。，20%，10.7%和9.03%，对应的压縮率分别是42.00，5.00，34和11.08。附图14是对秋季花园里的树木进行绘制的结果图。其中包括四种不5同的树松树，冬青树，山楂树和银枫树。并且除了冬青树，其余三种树木的树叶都不是四边形表示的。本发明的方法有三处体现了特色和创新。一是处理复杂形状的树叶时，把描述树叶的面片进行分解，产生一组相互独立的三角形或四边形;10二是提出了三角形对的合并，以及三角形，四边形两混合形体的合并方法；三是提出了一个全面考虑各种因素的相似度函数，能更科学，合理地选取待合并的叶对，提高简化结果的质量。采用本发明的方法简化树木的树叶，建立了树叶的多分辨率表示，以及绘制时选择合适的分辨率表示代替树叶的完整表示，解决了现有技术树叶简化算法只能简化四边15形状的树叶，应用范围非常狭窄，以及不能根据视点自动确定细节层次等问题。通过测试，本发明的方法确实能够有效简化具有不同形状的树叶，甚至花朵。它能不断地减少树叶的数目，同时保持树冠外形不变。并且即使压縮率很高时，仍能保持这一性质。而在实时绘制时，它能根据树20木与当前视点的关系，自动确定该树木合适的细节层次。主要用于城市可视化，园林设计，飞行模拟，虚拟现实和电脑游戏中，以及辅助农林学家可视化其研究对象。上面的描述是用于实现本发明及其实施例，本发明的范围不应由该25描述来限定。本领域的技术人员应该理解，在不脱离本发明的范围的任何修改或局部替换，均属于本发明权利要求来限定的范围。权利要求1、一种树叶渐进简化方法，其特征在于面片分解步骤把描述复杂树叶的面片分解成一组相互独立的三角形或四边形；叶片合并步骤迭代地对三角形或四边形叶片进行合并操作，合并成一个新的四边形，新的四边形在位置、所占空间以及颜色属性与其所取缔的三角形或四边形的相关属性保持一致，能不断地减少描述树叶的多边形的数目，而在视觉效果上保持树冠外形不变；相似度处理步骤在每一次迭代中，通过六个相似度指标线性组成的相似度函数，选取最相似、最适合合并的两个多边形；实时绘制步骤根据当前视点的信息和硬盘中的记录确定不同位置的树木的细节层次，把相应的几何信息送往CPU进行绘制。2、如权利要求l所述树叶渐进简化方法，其特征在于所述叶片合15并中生成的新的四边形的四个顶点的确定方法步骤包括在参与合并的两个多边形的所有顶点中找出距离最远的两个顶点，分别记为顶点A和顶点B;在剩余的顶点中找出到顶点A，顶点B两点距离之和最大的一个顶点，记作顶点C;20在剩余顶点中找出到顶点A,顶点B，顶点C三点距离之和最大的一个顶点，记作顶点D;对顶点C,顶点D坐标进行共面变换调整，使得顶点A、顶点B、顶点C、顶点D处于同一平面上，即使新生成的四边形共面；最后确定各顶点对应的法向量，其中顶点A、顶点B处的法向量保25持原来的不变，四边形在顶点C、顶点D两点的法向量需要顶点C、顶点D原对应法向量经过所述的共面变换得到。3、如权利要求1所述树叶渐进简化方法，其特征在于所述叶片合并，对于两个三角形，总顶点数选择6个。4、如权利要求1所述树叶渐进简化方法，其特征在于所述叶片合30并，对于一个三角形和一个四边形，总顶点数选择7个。5、如权利要求1所述树叶渐进简化方法，其特征在于所述叶片合并操作，对于两个四边形，总顶点数选择8个。6、如权利要求1所述树叶渐进简化方法，其特征在于所述描述树叶多边形，是判断两个多边形是否适合合并，描述树叶多边形的属性分5别为直径、宽度、法向量、面积和合并年龄。7、如权利要求6所述树叶渐进简化方法，其特征在于所述描述树叶多边形的直径和宽度，将多边形的所有顶点记作X，d(x,力表示两顶点;c和y之间的豪斯多夫距离，则该多边形的直径定义为Z)(I)=max(d0，力;x,>'eZ)io而宽度定义为『(义)=max(c/0,力;;c,:FeJTnd(;c,力#Z)(X))所述树叶多边形直径、宽度的描述了多边形的大概形状和各个顶点大致分布情况。8、如权利要求6所述树叶渐进简化方法，其特征在于所述面积，15是记录对应多边形的面积大小。9、如权利要求6所述树叶渐进简化方法，其特征在于所述法向量为对应多边形所在平面的单位法向，它反映多边形的朝向，并且它和面积属性一起反映了树叶颜色在空间的分布情况。10、如权利要求6所述树叶渐进简化方法，其特征在于所述合并20年龄，在叶片合并操作前，将描述树叶的多边形称之为原始多边形，则多边形的合并年龄记录被该多边形代替的原始多边形的数目，所述数目表示在生成该多边形的过程中，参与合并的原始多边形的总数目，原始多边形的合并年龄设置为l。11、如权利要求10所述树叶渐进简化方法，其特征在于所述合并25年龄通常和面积保持一致。12、如权利要求1所述树叶渐进简化方法，其特征在于所述相似度，根据多边形的属性和相似度指标分别判断两个多边形在各属性上的相似程度，相似度指标包括法向相似度、空间位置的相似度、叶面积相似度、直径相似度、合并年龄相似度以及直径惩罚。3013、如权利要求12所述树叶渐进简化方法，其特征在于所述法向相似度Si，法向相似度Si衡量两个多边形的共面程度，其表达式为-其中iv(;n和iv(r)分别表示两个多边形的法向量，〈*,*〉求两个向量的内积；得到S,(x,力的值在0和1之间，并且两多边形越共面，S,(;c，力的5值越小。14、如权利要求12所述树叶渐进简化方法,其特征在于所述空间位置的相似度S2，用空间位置的相似度S2表示两多边形之间距离的远近程度，基于所述豪斯多夫距离，并通过归一化运算使得值域为[G，U，其表达式为<formula>formulaseeoriginaldocumentpage4</formula>其中D^为树冠的直径，用来做归一化处理。15、如权利要求12所述树叶渐进简化方法，其特征在于所述叶面积相似度S3，叶面积相似度衡量S3两个多边形的面积大小的接近程度，相近面积大小的两个多边形比面积大小相差很大的两个多边形更适合进15行叶片合并操作，其表达式为w)=[単)-,)]2/[草)2+,)2]其中j(z)，力oo分别为两个多边形的面积大小，&(^)的值同样属于[O，l]范围。16、如权利要求12所述树叶渐进简化方法，其特征在于所述直径20相似度S4，直径相似度S4描述叶片合并操作前后叶子形状的变形程度，其表达式为-s4(z,r)=1-[Z)(Z)+網]/[2*y)]其中和Z)(y)分别表示两多边形的直径值，这两个多边形合并后产生一个新的四边形，该四边形的直径即为D(u);根据所述的直径，25设i:-义ni7，得到Z)(U)-max(dO，力;;c,:^丄)，同样&(U)e(0,1)。17、如权利要求12所述树叶渐进简化方法，其特征在于合并年龄相似度Ss，将具有相近年龄的叶对进行合并，并且对年龄小的叶对比年龄大的叶对优先合并，其表达式为<formula>formulaseeoriginaldocumentpage4</formula>30其中g(JO和g(力分别为两多边形的合并年龄，a^^为叶片合并操作进行前，描述所有树叶的原始多边形的数目，它的作用在于限定&(U)在(O,l)范围内取值。18、如权利要求12所述树叶渐进简化方法，其特征在于所述直径惩罚S6，先对尺寸小的叶对合并，再对尺寸大的叶对合并，其表达式为&(")=,)+網]/[21]&(X,y)的值在(0,1)范围内。19、如权利要求12所述树叶渐进简化方法，其特征在于所述相似度函数，根据相似度指标，来衡量两个多边形的相似程度，从而在每次迭代中找出最适合进行叶片合并操作的多边形对，该相似度函数综合了各项因素，并且给不同的因素赋予不同的权重，S6其表达式为y)=&(x,r)+(义,;r)+(x,+、&(z,+W(")+AA(x,:r)其中^>0，且A;,+A;2+A:3+A:4+A5+A:6=1。20、如权利要求1所述树叶渐进简化方法，其特征在于所述与视点相关的细节层次模型，将树叶简化过程的每一步信息保存在硬盘中，绘制时，把树叶简化过程记录读入内存，并根据当前视点的信息，确定不同位置的树木的细节层次，采用多边形的其中一个属性值一直径和用户给定的象素误差确定各树木的细节层次，绘制结果为图片形式，其细节层次的选择和图片大小彼此相关，用直径作为图片大小的一个衡量值；给定一个像素误差，由当前视点和待绘制的树木的关系转换得到空间误差值，然后遍历待绘制树木的记录，得到所有直径不大于空间误差即大小合适的树叶，这些树叶即为当前视点下需绘制的树叶，并且一旦父叶被选中，它所有的子孙都不被送去绘制。21、如权利要求1所述的树叶渐进简化方法，其特征在于所述叶片合并和相似度处理具体步骤包括步骤1:首先输入三维树模型，提取树叶部分信息，并把这些信息保存下来；步骤2:判断树叶的形状是否为复杂，若是则执行步骤3;若否执行步骤3:分解具有复杂形状的树叶，把描述复杂树叶的面片分解成一组相互独立的三角形或四边形；步骤4:计算所有多边形对的相似度函数值；步骤5:找出最适合合并的多边形对，即相似度函数值最小的多边5形对，这一对多边形即认为是最相似，合并所产生的视觉误差最小的两个多边形；步骤6:对多边形对进行叶片合并操作，确定新产生的四边形的四个顶点的坐标位置；返回步骤4，并更新相似度，循环直至所有树叶都合并到一个四边形；10步骤7:构成新生成的四边形信息组；步骤8:构建树叶的多分辨率模型，保存树叶简化过程中的所有信息到硬盘中；步骤9:实时绘制时，根据当前视点信息和简化记录，确定不同位置的树木的细节层次，并把相应的几何数据送往GPU，当视点改变时，15重新确定各树木的细节层次并重新绘制。全文摘要本发明公开一种树叶渐进简化方法，通过迭代地合并叶片多边形，并使新四边形叶片保持被其取缔的叶对的形状、颜色等属性，而每一次迭代采用六项有权重的相似度指标选取最合适的叶对做合并操作；对于复杂叶片，则先将叶片分解成一组三角或四边形，然后再进行合并操作；整个叶片减化过程在预处理完成并存在硬盘中，实时绘制时根据视点离树木的距离，选择合适的细节层次代替树叶的完整的描述。本发明能有效简化不同形状的树叶、花朵，在简化过程中保持树冠外形不变。并且即使压缩率很高时，仍能保持冠层的形状。主要用于城市可视化，园林设计，飞行模拟，虚拟现实和电脑游戏中，以及辅助农林学家可视化其研究对象。文档编号G06T15/10GK101114383SQ20061009957公开日2008年1月30日申请日期2006年7月28日优先权日2006年7月28日发明者张晓鹏,邓擎琼申请人:中国科学院自动化研究所