本技术涉及一种三维模型纹理增强技术,包括装置、电子设备和存储介质。该技术通过地物类别分割处理待增强的三维模型,区分植被与非植被区域,并针对植被区域进行纹理增强,以提升模型的视觉质量和细节表现。
背景技术
随着计算机图形学、计算机视觉和机器学习等领域的快速发展,实景三维模型生成技术得到了极大的改进。通过现代数据采集技术,如激光扫描、摄影测量和无人机航拍等,可以快速获取大量的实景二三维数据。随着自动化和半自动化的模型生成工具的出现,不需要过多的人工干预,即可从现实世界的数据中重建地物几何结构和纹理,生成高质量的实景三维模型。然而,受到光照条件、材质属性等环境影响,以及摄影电子设备的设置不当、曝光不准确或采集电子设备的性能有限,都可能会引发纹理色彩的低对比度和灰暗效果。
实景三维模型的纹理色彩增强对实景三维建设领域具有重要的作用,可以提升模型的视觉效果、增强空间感知,同时也有助于增加用户使用过程中的交互性和沉浸感。图像分割是指将图像划分为具有独特属性或特征的区域的过程。常见的图像分割方法包括阈值分割、边缘检测、区域生长、基于图方法的分割等。这些方法基于不同的原理和准则,通过对像素或区域之间的相似性进行测量和分析,将图像划分为不同的区域。图像色彩增强的方法一般可以分为空域方法、频域方法和混合域方法。空域方法是在原始图像的像素级别上进行操作和处理的方法,包括直方图均衡化、线性滤波等等;频域方法一般通过对图像进行傅里叶变换或其他频域变换来进行图像处理;混合域方法结合了空域和频域方法,利用它们各自的优势进行图像增强,包括双向滤波、双向随机行走等。频域和混合域方法通常都需要利用图像的局部或全局统计信息来进行增强处理。由于纹理图像是由零散且形状不规则的纹理贴图根据最小化存储空间拼接而成的,通常是无序的,即没有一般图像内容上的连续性,无法提供图像中的上下文信息,因此纹理图像的处理需要直接对像素值进行处理。模型的色彩以及纹理通常需要进行人工编辑以达到理想的效果,这不仅费时费力,而且效果难以保证。
实现思路