四次C-曲线的性质及其应用

以1,t,t2,t3,…为基底的Bézier曲线和B样条曲线是构造自由曲线、曲面强有力的工具.但是它们不能精确地表示某些圆锥曲线如圆弧、椭圆等,也不能精确地表示正弦曲线.本文利用一组新的基底sint,cost,t2,t,1,构造了两条新的曲线,这两条曲线依赖于参数α>0.当α→0时极限分别是四次Bézier曲线和四次B样条曲线,称之为四次C-曲线:四次C-Bézier曲线和四次C-B样条曲线.它们具有一般Bézier曲线和B样条曲线的性质:如端点插值,凸包,离散等,还可以精确的表示圆弧、椭圆及正弦曲线.作为应用,文章最后给出了四次C-Bézier曲线表示正弦曲线的条件.     

分割图像插值的一种局部算法

对于医学序列切片，图像上像素之间的间隔常常小于切片之间的距离，而在图像处理中，常常需要它们有一致的分辨率。对于已分割的切片图像，插入的切片图像也应是分割的图像。本文提出了一种图像插值的局部算法，该算法在产生新插入图像每点的分割信息与颜色信息时，计算只与相邻切片图像的局部像素值有关。因此既保持了相邻切片的物体形态过渡自然，又具有良好的数值稳定性。应用该算法于医学序列切片进行插值时，可达到良好的视觉效果。算法已成功应用于医学数据的三维重建系统。     

一种网格参数化的优化算法

网格参数化是数字几何处理(Digital Geometry Processing)中的一个基本问题.作者利用Floater的具有保形权或均值权的凸线性组合参数化引入一种新的参数化的扭曲度量--点密度,以及网格上的最短切割路径来优化原来的参数化.切割路径由网格上的一内点和网格上的一边界点连接而成,内点位于参数区域上最密集区域,也是扭曲最严重的区域.具有最短切割路径的网格模型,被重新参数化成为一个具有较小扭曲的参数化.最后给出实例说明了此方法是可行和有效的,并且是优于原来的参数化的.     

曲线设计的几何细分法

分曲线是通过对初始控制多边形进行重复逼近或插值得到的,提出了一种新的构造曲线的逼近型细分法--曲线设计的几何细分法.该方法用折线割角代替传统的直线割角产生新点和新边,得到的曲线具有保凸性、凸包性等与Bézier方法类似的性质,引入了一些参数来控制细分过程,且参数对曲线形状的影响是局部的.另外,本文中的方法可以用来生成圆,这是Bézier方法所不具备的.当参数在一定范围内取值时,用这种方法可以构造出C1连续的逼近曲线.     

有理Bézier曲线hybrid逼近收敛性

hybrid逼近算法是一种用多项式逼近有理多项式的有效方法,但是这种算法逼近有时会发散.这样讨论它的收敛性条件就变得弥足重要.在前人工作的基础上研究了重新参数化对有理Bézier曲线hybrid逼近收敛性的影响,在权系数的某些假定下,得到了重新参数化后hybrid逼近收敛的充分条件.     

一种负高斯曲率的双三次Bézier曲面

负高斯曲率的曲面在建筑业、造船业及航空工业中都有广泛的应用。该文提出一种负高斯曲率双三次Ｂｅｚｉｅｒ曲面的构造方法，简单直观，几何意义明显。     

整体最优双圆弧拟合

提出了用整体最优双圆弧样条拟合离散数据点的算法．首先分析了双圆弧逼近的误差分布,并且根据这个误差分布调整端点、切向和双圆弧插值时的惟一自由变量,使得数据点的误差分布均匀、圆弧的段数尽可能少,由此得到G^1连续的整体最优双圆弧样条．这个方法在数值控制刀具的运动路线的设计和机器人的移动路线设计上非常有用。     

图像缩放的分片连续算法

在图像处理中，传统的放大或缩小变换不能保证图像内各物体之间边界的清晰，这往往不能适合许多场合的应用。为此，提出了一种新的图像缩放方法。该方法对源图像建立了分片连续数学模型。应用本方法得到的图像，边界分明、层面清晰、色彩丰富，忠实地反映了原始图像的面貌。     

平面点列的自动光顺算法

本文考虑平面点列的光顺问题并将该问题化成最小能量曲线的构成问题，即在原点列和相应允许误差构成的带状区域内构造一条最小能量曲线并给出一种自动算法．整个光顺过程分成两步，第一步利用凸分析原理在原点列的允许变动范围内除去多余拐点；第二步在保凸的前提下构造插值点列的最小能量曲线并通过对最小能量曲线进行修正而达到对原型值点列进行光顺的目的．光顺结果不仅可以得到一光顺点列，同时还得到了一条插值点列的光顺曲线．该方法可以对分布不均匀甚至有较大转角的点列进行光顺，与已有的方法比起来具有光顺能力强光顺范围广的特点．     

基于离散曲率的边折叠网格简化算法

在以往的网格简化算法中,大多是采用空间几何距离作为简化准则.几何距离能很好地控制简化后的网格与原始网格之间的误差,但在保持形状特征上相对较弱.本文提出的网格简化算法是根据网格顶点的曲率,采用边折叠的方式来减少低频区域的网格顶点密度.由于曲率能很好地刻画网格形状,故本文的算法能较好地保持原始网格的形状特征.