2

我有一批三角形网格，每个都有不同的顶点和面。我想将所有网格的顶点数减少到相同的数字，10000。

我知道我可以使用simplification_quadric_edge_collapse_decimation来减少面数，这意味着顶点数将相应减少。但问题是我必须多次使用该方法才能将顶点数精确到 10000。

因此，我想知道是否有另一种方法可以直接将顶点数减少到10000？

4

1 回答 1

6

Meshlab，据我所知，任何其他能够简化的库都使用面数作为参数来指导简化过程。

好消息是这两个值都与网格的欧拉特性有关，它粗略地说顶点数是没有孔的表面的面数的一半。将您的网格减少到 20000 个面将生成大约 10000 个顶点的网格，但您也可以轻松地低于 9999。由于您具有使用 python 编程的优势，因此您可以设计一个过程来慢慢收敛到所需的顶点数。

这个想法是将您的网格简化为略高于 20000 的面数，然后慢慢细化您的解决方案，直到您获得正好 10000 个顶点。我建议您使用当前步骤（vertex_number - 10000）上多余的顶点来减少每个步骤中的面数。

import pymeshlab as ml
ms = ml.MeshSet()
ms.load_new_mesh('input.ply')
m = ms.current_mesh()
print('input mesh has', m.vertex_number(), 'vertex and', m.face_number(), 'faces')

#Target number of vertex
TARGET=10000

#Estimate number of faces to have 100+10000 vertex using Euler
numFaces = 100 + 2*TARGET

#Simplify the mesh. Only first simplification will be agressive
while (ms.current_mesh().vertex_number() > TARGET):
    ms.apply_filter('simplification_quadric_edge_collapse_decimation', targetfacenum=numFaces, preservenormal=True)
    print("Decimated to", numFaces, "faces mesh has", ms.current_mesh().vertex_number(), "vertex")
    #Refine our estimation to slowly converge to TARGET vertex number
    numFaces = numFaces - (ms.current_mesh().vertex_number() - TARGET)

m = ms.current_mesh()
print('output mesh has', m.vertex_number(), 'vertex and', m.face_number(), 'faces')
ms.save_current_mesh('output.ply')

毕达哥拉斯模型由 Geoffrey Marchal 提供

请注意：

  • 有时你不能精确地减少到 10000 个顶点，并且会以 9999 个顶点结束。
  • 使用此公式，每一步（在第一个步骤之后）将删除大约一半超过 10000 个的顶点，从而“软着陆”到您想要的顶点数量。典型的执行应该减少到大约 10050 个顶点，然后是 10025、10012、10006、10003、10001，最后是 10000 个顶点。最终的面数取决于输入模型的所述欧拉特性。
  • 只有第一个简化步骤将花费大量执行时间（取决于输入网格中三角形的数量），接下来的简化步骤将非常快。
  • 如果您仍然想加快您可以执行的方法numFaces = numFaces - int(1.5*(ms.current_mesh().vertex_number() - 10000))，但这会增加在 9999 顶点以下结束的机会，并且执行时间不会受到太大影响。
  • 这种方法应该适用于任何基于面的抽取算法，它不只适用于二次边折叠。
于 2020-12-23T12:47:26.230 回答