王永祥　王鵬

摘 要： 針對傳統(tǒng)三維虛擬技術(shù)進(jìn)行三維圖像數(shù)據(jù)重構(gòu)時存在重構(gòu)精度低、清晰度不高的問題，提出云計算環(huán)境下的三維圖像數(shù)據(jù)重構(gòu)方法。構(gòu)建了Hadoop結(jié)構(gòu)的云計算環(huán)境，其由MapReduce編程應(yīng)用、HDFS分布式計算應(yīng)用、Hbase開源數(shù)據(jù)庫以及多項Apache服務(wù)器軟件構(gòu)成。選取體素作為三維圖像數(shù)據(jù)重構(gòu)的基本單元，采用各向異性分散過濾法在Hadoop結(jié)構(gòu)中腐蝕體素，達(dá)到圖像去噪和消除體素不穩(wěn)定形態(tài)的目的。采用一種跳躍性的三維空間索引方法進(jìn)行三維圖像數(shù)據(jù)重構(gòu)，減少對無用體素索引的過程，提高重構(gòu)效率。實驗結(jié)果表明，所提方法的重構(gòu)效果好、清晰度高。

關(guān)鍵詞： 云計算環(huán)境； Hadoop結(jié)構(gòu)； 三維圖像數(shù)據(jù)； 重構(gòu)； 三維空間索引

中圖分類號： TN911.73?34； TP391.4 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）20?0108?03

Abstract： As the traditional 3D virtual technology used to reconstruct 3D image data has the problems of low accuracy and poor resolution， a method of 3D image data reconstruction in cloud computing environment is put forward. The cloud computing environment based on Hadoop structure was constructed， which is composed of MapReduce programming application， HDFS distributed computing application， Hbase open source database and multi?term Apache server software. The voxel is selected as the basic unit of 3D image data reconstruction， and corroded in Hadoop structure with anisotropic dispersion filtering method to denoise the image and eliminate the unstable form of the voxel. A jumping 3D spatial index method is adopted to reconstruct the 3D image data， reduce the useless process of voxel index， and improve the reconstruction efficiency. The experimental results show that the proposed method has perfect reconstruction effect and high definition.

Keywords： cloud computing environment； Hadoop structure； 3D image data； reconstruction； 3D spatial index

圖像數(shù)據(jù)重構(gòu)融合了計算機(jī)技術(shù)、視覺處理技術(shù)、虛擬現(xiàn)實技術(shù)等多種高科技方法，是幫助劣質(zhì)圖像恢復(fù)高清狀態(tài)的關(guān)鍵之處。對于三維圖像數(shù)據(jù)重構(gòu)，其主要涉及到兩種處理方向，一是通過三維虛擬方法重建物體的幾何形態(tài)[1]，二是利用特殊方法取得真實物體形態(tài)和環(huán)境影響因素。第一種重構(gòu)方法十分常見，已經(jīng)設(shè)計出很多相關(guān)軟件，其中最成功的要數(shù)3ds MAX，這種軟件以函數(shù)為核心表達(dá)物體線條，但重構(gòu)精度并不是很高，僅可以滿足人們?nèi)粘Ｋ?。第二種方法的精度高、價格昂貴，并且應(yīng)用條件受限。就現(xiàn)有形式來說，三維虛擬方法的應(yīng)用價值更高，其中，云計算環(huán)境是一種有利的數(shù)據(jù)分析狀態(tài)，可以實現(xiàn)靈活的并行處理，化繁為簡，對運動物體、大規(guī)模場景等三維圖像數(shù)據(jù)能夠進(jìn)行復(fù)雜度相對較低的高清重構(gòu)。

1 三維圖像數(shù)據(jù)體素濾波

三維圖像數(shù)據(jù)分為曲面和體素兩種類型?？芍苯釉O(shè)置權(quán)值對曲面進(jìn)行等值面提取、繪制和重構(gòu)，期間使用了幾何變換、輪廓描繪等方法。體素是三維數(shù)據(jù)中正交面之間的最小繪制網(wǎng)格，是數(shù)據(jù)發(fā)展規(guī)律的表述[2]，體素集群可以用來描述物體內(nèi)在結(jié)構(gòu)和外在輪廓，處理數(shù)據(jù)時通常不會消除體素的內(nèi)在知識。

在利用云計算環(huán)境下的Hadoop結(jié)構(gòu)進(jìn)行三維圖像數(shù)據(jù)體素濾波時，應(yīng)絕對確保三維圖像梯度可以被提取，采用各向異性分散過濾法填補(bǔ)梯度空缺，通過該方法所用的形態(tài)學(xué)自適應(yīng)原則提高三維圖像清晰度。這種方法對梯度噪聲非常強(qiáng)的三維圖像數(shù)據(jù)同樣適用，能夠?qū)D像褶皺撫平，構(gòu)建高清輪廓線[3]，Hadoop結(jié)構(gòu)為其提供云計算支持，更加突出了真實物體的邊界線，減少了數(shù)據(jù)丟失率。首先引入各向異性分散過濾法的分散因子，表示為：

各向異性分散過濾法的實質(zhì)是三維圖像體素腐蝕，依次分為距離圖生成、腐蝕集合計算、體素重新生長和區(qū)域匯合四步進(jìn)行。距離圖就是梯度權(quán)值圖，描述了三維圖像體素內(nèi)像素灰度與真實物體邊界線之間的距離。在所生成的距離圖中，圖像體素可以被分成環(huán)境背景和真實物體，進(jìn)行迭代后可以得到二值化腐蝕圖像，真實物體的輪廓清晰地顯示在腐蝕圖像中，進(jìn)而達(dá)到目標(biāo)分割的目的。處于云計算環(huán)境下的三維圖像體素用[A]，[B]表示環(huán)境背景和真實物體[4]，[A⊕B]為[A]受到[B]的膨脹，Hadoop結(jié)構(gòu)的分布式計算結(jié)果用[X]表示，體素膨脹結(jié)果[A⊕B，X]表示為：

經(jīng)過形態(tài)自適應(yīng)濾波的三維圖像體素尺寸有所縮減，將體素等比例迭代放大至原有尺寸，并將分割開進(jìn)行濾波的各個區(qū)域按照原有序列匯總到一起。如果匯總后的三維圖像數(shù)據(jù)不存在體素形態(tài)不穩(wěn)定的情況，則視為濾波成功。

2 三維圖像數(shù)據(jù)重構(gòu)

云計算環(huán)境下的Hadoop結(jié)構(gòu)采用一種跳躍性的三維空間索引方法進(jìn)行三維圖像數(shù)據(jù)重構(gòu)[5]。這種方法支持跳躍無用體素，可以提高對圖像無用體素的重構(gòu)效率，如圖1所示，用黑白格子分別表示有用體素和無用體素。首先設(shè)置一個基本索引步長，其次給出索引方向[6]，通常來講，有用體素分布情況都比較分散，因此設(shè)置三個平行的索引方向，分別對應(yīng)三維空間中的三個坐標(biāo)軸。

3 實驗測試

實驗挑選出一張環(huán)境復(fù)雜度高、光線弱的三維圖像，如圖2所示，使用C語言編譯測試環(huán)境，采用三種不同的三維圖像數(shù)據(jù)重構(gòu)方法進(jìn)行實驗。

3ds MAX、調(diào)焦法和本文所提云計算環(huán)境下的三維圖像數(shù)據(jù)重構(gòu)方法的重構(gòu)圖像如圖3～圖5所示。

由圖3～圖5可知，所提云計算環(huán)境下的三維圖像數(shù)據(jù)重構(gòu)方法對圖像光源要求不高，可減少圖像時間與空間的復(fù)雜度，從而有效提高圖像清晰度，重構(gòu)效果很好。

4 結(jié) 論

本文提出利用云計算環(huán)境優(yōu)勢進(jìn)行三維圖像數(shù)據(jù)重構(gòu)的方法。云計算的首次提出是以互聯(lián)網(wǎng)為基礎(chǔ)，它將虛擬技術(shù)、并行計算、分布式計算和網(wǎng)格計算等一系列成熟的智能化產(chǎn)物，以“去糟留精”的原則融入計算環(huán)境，其優(yōu)點是簡易且靈活的計算模式。實驗結(jié)果表明，在云計算環(huán)境下進(jìn)行三維圖像數(shù)據(jù)的體素處理可以得到相較傳統(tǒng)3ds MAX等方法而言更高層次的重構(gòu)效果。

參考文獻(xiàn)

[1] 李蓉，鄧春健，鄒昆.一種基于MRF的單幅圖像數(shù)據(jù)的三維重構(gòu)方法研究[J].液晶與顯示，2016，31（3）：301?309.

[2] 湯穎，劉曉哲，張宏鑫.低熵圖像序列無損壓縮[J].計算機(jī)科學(xué)，2014，41（12）：238?244.

[3] 樊凌.云環(huán)境下大規(guī)模多媒體數(shù)據(jù)特征重構(gòu)挖掘方法[J].軟件導(dǎo)刊，2016，15（6）：176?178.

[4] 鄧媚.簡析運用云計算重構(gòu)廣東科技人才數(shù)據(jù)庫[J].云南科技管理，2016，29（4）：34?36.

[5] 葉春森，汪傳雷，梁雯.基于云計算的企業(yè)知識管理系統(tǒng)再造體系研究[J].情報理論與實踐，2016，39（3）：80?84.

[6] 趙安學(xué).海量題庫中的特定數(shù)據(jù)搜索系統(tǒng)的設(shè)計與實現(xiàn)[J].現(xiàn)代電子技術(shù)，2016，39（20）：49?52.