我正在寻找一种将规则的高度网格（例如1024x1024）转换为三角形不规则网络的算法。这是一个显示三角形不规则网络示例的图像：
我在互联网上寻找一种算法来转换它，但我就是找不到。基本上，三角形密度取决于粗糙度和/或像素误差（光栅化时）或类似的东西。
Karl Schmidt
问问题
371 次
4 回答
0
只是一个想法。使用递归细分创建地图的良好表示。
假设要覆盖的区域是一个三角形。首先检查该三角形是否是内部高度的良好近似值。如果是，则将其留在网格中。如果不是，则选择三角形内的一个点并将其分成三个三角形并继续进行。
检查三角形近似值很容易，计算高度曲线和三角形之间的体积。对于分割点，选择三角形中心更容易，但这种方法会产生非常规则的网格。也许可以使用一些统计方法来更快地覆盖数据中的颠簸。我认为使用平均位置是有道理的。
于 2013-12-17T09:53:07.233 回答
0
我认为网格简化算法可以满足您的需求。我假设大三角形将是一个区域中几乎共面的三角形的组合。
于 2013-12-17T02:16:46.070 回答
0
简化确实是最先出现的想法之一。但这不会像原生解决方案那样干净。
这种不规则性是使用 voronoi 镶嵌获得的，最初的问题归结为寻找点采样分布。
为了找到这些点，它可以以泊松分布的形式实现，密度由沿 x 和 y 的高度图的偏导数之和驱动。可以根据经验微调来调整度量（例如，max而不是总和）。
如果分布遵循泊松分布，则该分布将更好地避免混叠，但可以应用其他模式，例如逐行扫描并根据导数的绝对值决定下一个距离的扫描线算法。然而，线之间的距离将是规则的，这将导致沿 x 的统计一致性，这不如 Karl 发布的原始图片。这就是我在这种情况下提出泊松的原因。
泊松分布可以通过在整个地图上使用正则均匀泊松来简化，然后根据导数绝对值最低的区域进行点剪枝。
剪枝可以分块决定，将整个区域预细分为数百个子块，并且对于每个块，取该块中导数图的大量采样的总和。如果该值较低，则随机修剪大量点。使用这种方法，块将有机会包含多个点，从而使修剪在统计上变得干净。但是，较大的块也会导致在具有高度变化的导数的区域中分辨率较差（原始高度图的二阶导数很强）。因此，应再次进行经验微调以确定块的理想大小。
为了缓解修剪块的问题，可以在启动时生成更多点，然后块可以小得多，这将在两个方面都有好处（良好的抗锯齿和良好的局部性）。但是，这将花费更多的 CPU 时间。
点分布确定后，就是经典的voronoi tesselator，google上有几百个。
于 2013-12-17T02:44:16.950 回答