云计算环境下的三维图像数据重构方法
王永祥 王鹏
摘 要： 针对传统三维虚拟技术进行三维图像数据重构时存在重构精度低、清晰度不高的问题，提出云计算环境下的三维图像数据重构方法。构建了Hadoop结构的云计算环境，其由MapReduce编程应用、HDFS分布式计算应用、Hbase开源数据库以及多项Apache服务器软件构成。选取体素作为三维图像数据重构的基本单元，采用各向异性分散过滤法在Hadoop结构中腐蚀体素，达到图像去噪和消除体素不稳定形态的目的。采用一种跳跃性的三维空间索引方法进行三维图像数据重构，减少对无用体素索引的过程，提高重构效率。实验结果表明，所提方法的重构效果好、清晰度高。
关键词： 云计算环境； Hadoop结构； 三维图像数据； 重构； 三维空间索引
中图分类号： TN911.73?34； TP391.4 文献标识码： A 文章编号： 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
圖像数据重构融合了计算机技术、视觉处理技术、虚拟现实技术等多种高科技方法，是帮助劣质图像恢复高清状态的关键之处。对于三维图像数据重构，其主要涉及到两种处理方向，一是通过三维虚拟方法重建物体的几何形态[1]，二是利用特殊方法取得真实物体形态和环境影响因素。第一种重构方法十分常见，已经设计出很多相关软件，其中最成功的要数3ds MAX，这种软件以函数为核心表达物体线条，但重构精度并不是很高，仅可以满足人们日常所需。第二种方法的精度高、价格昂贵，并且应用条件受限。就现有形式来说，三维虚拟方法的应用价值更高，其中，云计算环境是一种有利的数据分析状态，可以实现灵活的并行处理，化繁为简，对运动物体、大规模场景等三维图像数据能够进行复杂度相对较低的高清重构。
1 三维图像数据体素滤波
三维图像数据分为曲面和体素两种类型。可直接设置权值对曲面进行等值面提取、绘制和重构，期间使用了几何变换、轮廓描绘等方法。体素是三维数据中正交面之间的最小绘制网格，是数据发展规律的表述[2]，体素集群可以用来描述物体内在结构和外在轮廓，处理数据时通常不会消除体素的内在知识。
在利用云计算环境下的Hadoop结构进行三维图像数据体素滤波时，应绝对确保三维图像梯度可以被提取，采用各向异性分散过滤法填补梯度空缺，通过该方法所用的形态学自适应原则提高三维图像清晰度。这种方法对梯度噪声非常强的三维图像数据同样适用，能够将图像褶皱抚平，构建高清轮廓线[3]，Hadoop结构为其提供云计算支持，更加突出了真实物体的边界线，减少了数据丢失率。首先引入各向异性分散过滤法的分散因子，表示为：
各向异性分散过滤法的实质是三维图像体素腐蚀，依次分为距离图生成、腐蚀集合计算、体素重新生长和区域汇合四步进行。距离图就是梯度权值图，描述了三维图像体素内像素灰度与真实物体边界线之间的距离。在所生成的距离图中，图像体素可以被分成环境背景和真实物体，进行迭代后可以得到二值化腐蚀图像，真实物体的轮廓清晰地显示在腐蚀图像中，进而达到目标分割的目的。处于云计算环境下的三维图像体素用[A]，[B]表示环境背景和真实物体[4]，[A⊕B]为[A]受到[B]的膨胀，Hadoop结构的分布式计算结果用[X]表示，体素膨胀结果[A⊕B，X]表示为：
经过形态自适应滤波的三维图像体素尺寸有所缩减，将体素等比例迭代放大至原有尺寸，并将分割开进行滤波的各个区域按照原有序列汇总到一起。如果汇总后的三维图像数据不存在体素形态不稳定的情况，则视为滤波成功。
2 三维图像数据重构
云计算环境下的Hadoop结构采用一种跳跃性的三维空间索引方法进行三维图像数据重构[5]。这种方法支持跳跃无用体素，可以提高对图像无用体素的重构效率，如图1所示，用黑白格子分别表示有用体素和无用体素。首先设置一个基本索引步长，其次给出索引方向[6]，通常来讲，有用体素分布情况都比较分散，因此设置三个平行的索引方向，分别对应三维空间中的三个坐标轴。
3 实验测试
实验挑选出一张环境复杂度高、光线弱的三维图像，如图2所示，使用C语言编译测试环境，采用三种不同的三维图像数据重构方法进行实验。
3ds MAX、调焦法和本文所提云计算环境下的三维图像数据重构方法的重构图像如图3～图5所示。
由图3～图5可知，所提云计算环境下的三维图像数据重构方法对图像光源要求不高，可减少图像时间与空间的复杂度，从而有效提高图像清晰度，重构效果很好。
4 结 论
本文提出利用云计算环境优势进行三维图像数据重构的方法。云计算的首次提出是以互联网为基础，它将虚拟技术、并行计算、分布式计算和网格计算等一系列成熟的智能化产物，以“去糟留精”的原则融入计算环境，其优点是简易且灵活的计算模式。实验结果表明，在云计算环境下进行三维图像数据的体素处理可以得到相较传統3ds MAX等方法而言更高层次的重构效果。
参考文献
[1] 李蓉，邓春健，邹昆.一种基于MRF的单幅图像数据的三维重构方法研究[J].液晶与显示，2016，31（3）：301?309.
[2] 汤颖，刘晓哲，张宏鑫.低熵图像序列无损压缩[J].计算机科学，2014，41（12）：238?244.
[3] 樊凌.云环境下大规模多媒体数据特征重构挖掘方法[J].软件导刊，2016，15（6）：176?178.
[4] 邓媚.简析运用云计算重构广东科技人才数据库[J].云南科技管理，2016，29（4）：34?36.
[5] 叶春森，汪传雷，梁雯.基于云计算的企业知识管理系统再造体系研究[J].情报理论与实践，2016，39（3）：80?84.
[6] 赵安学.海量题库中的特定数据搜索系统的设计与实现[J].现代电子技术，2016，39（20）：49?52.
摘 要： 针对传统三维虚拟技术进行三维图像数据重构时存在重构精度低、清晰度不高的问题，提出云计算环境下的三维图像数据重构方法。构建了Hadoop结构的云计算环境，其由MapReduce编程应用、HDFS分布式计算应用、Hbase开源数据库以及多项Apache服务器软件构成。选取体素作为三维图像数据重构的基本单元，采用各向异性分散过滤法在Hadoop结构中腐蚀体素，达到图像去噪和消除体素不稳定形态的目的。采用一种跳跃性的三维空间索引方法进行三维图像数据重构，减少对无用体素索引的过程，提高重构效率。实验结果表明，所提方法的重构效果好、清晰度高。
关键词： 云计算环境； Hadoop结构； 三维图像数据； 重构； 三维空间索引
中图分类号： TN911.73?34； TP391.4 文献标识码： A 文章编号： 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
圖像数据重构融合了计算机技术、视觉处理技术、虚拟现实技术等多种高科技方法，是帮助劣质图像恢复高清状态的关键之处。对于三维图像数据重构，其主要涉及到两种处理方向，一是通过三维虚拟方法重建物体的几何形态[1]，二是利用特殊方法取得真实物体形态和环境影响因素。第一种重构方法十分常见，已经设计出很多相关软件，其中最成功的要数3ds MAX，这种软件以函数为核心表达物体线条，但重构精度并不是很高，仅可以满足人们日常所需。第二种方法的精度高、价格昂贵，并且应用条件受限。就现有形式来说，三维虚拟方法的应用价值更高，其中，云计算环境是一种有利的数据分析状态，可以实现灵活的并行处理，化繁为简，对运动物体、大规模场景等三维图像数据能够进行复杂度相对较低的高清重构。
1 三维图像数据体素滤波
三维图像数据分为曲面和体素两种类型。可直接设置权值对曲面进行等值面提取、绘制和重构，期间使用了几何变换、轮廓描绘等方法。体素是三维数据中正交面之间的最小绘制网格，是数据发展规律的表述[2]，体素集群可以用来描述物体内在结构和外在轮廓，处理数据时通常不会消除体素的内在知识。
在利用云计算环境下的Hadoop结构进行三维图像数据体素滤波时，应绝对确保三维图像梯度可以被提取，采用各向异性分散过滤法填补梯度空缺，通过该方法所用的形态学自适应原则提高三维图像清晰度。这种方法对梯度噪声非常强的三维图像数据同样适用，能够将图像褶皱抚平，构建高清轮廓线[3]，Hadoop结构为其提供云计算支持，更加突出了真实物体的边界线，减少了数据丢失率。首先引入各向异性分散过滤法的分散因子，表示为：
各向异性分散过滤法的实质是三维图像体素腐蚀，依次分为距离图生成、腐蚀集合计算、体素重新生长和区域汇合四步进行。距离图就是梯度权值图，描述了三维图像体素内像素灰度与真实物体边界线之间的距离。在所生成的距离图中，图像体素可以被分成环境背景和真实物体，进行迭代后可以得到二值化腐蚀图像，真实物体的轮廓清晰地显示在腐蚀图像中，进而达到目标分割的目的。处于云计算环境下的三维图像体素用[A]，[B]表示环境背景和真实物体[4]，[A⊕B]为[A]受到[B]的膨胀，Hadoop结构的分布式计算结果用[X]表示，体素膨胀结果[A⊕B，X]表示为：
经过形态自适应滤波的三维图像体素尺寸有所缩减，将体素等比例迭代放大至原有尺寸，并将分割开进行滤波的各个区域按照原有序列汇总到一起。如果汇总后的三维图像数据不存在体素形态不稳定的情况，则视为滤波成功。
2 三维图像数据重构
云计算环境下的Hadoop结构采用一种跳跃性的三维空间索引方法进行三维图像数据重构[5]。这种方法支持跳跃无用体素，可以提高对图像无用体素的重构效率，如图1所示，用黑白格子分别表示有用体素和无用体素。首先设置一个基本索引步长，其次给出索引方向[6]，通常来讲，有用体素分布情况都比较分散，因此设置三个平行的索引方向，分别对应三维空间中的三个坐标轴。
3 实验测试
实验挑选出一张环境复杂度高、光线弱的三维图像，如图2所示，使用C语言编译测试环境，采用三种不同的三维图像数据重构方法进行实验。
3ds MAX、调焦法和本文所提云计算环境下的三维图像数据重构方法的重构图像如图3～图5所示。
由图3～图5可知，所提云计算环境下的三维图像数据重构方法对图像光源要求不高，可减少图像时间与空间的复杂度，从而有效提高图像清晰度，重构效果很好。
4 结 论
本文提出利用云计算环境优势进行三维图像数据重构的方法。云计算的首次提出是以互联网为基础，它将虚拟技术、并行计算、分布式计算和网格计算等一系列成熟的智能化产物，以“去糟留精”的原则融入计算环境，其优点是简易且灵活的计算模式。实验结果表明，在云计算环境下进行三维图像数据的体素处理可以得到相较传統3ds MAX等方法而言更高层次的重构效果。
参考文献
[1] 李蓉，邓春健，邹昆.一种基于MRF的单幅图像数据的三维重构方法研究[J].液晶与显示，2016，31（3）：301?309.
[2] 汤颖，刘晓哲，张宏鑫.低熵图像序列无损压缩[J].计算机科学，2014，41（12）：238?244.
[3] 樊凌.云环境下大规模多媒体数据特征重构挖掘方法[J].软件导刊，2016，15（6）：176?178.
[4] 邓媚.简析运用云计算重构广东科技人才数据库[J].云南科技管理，2016，29（4）：34?36.
[5] 叶春森，汪传雷，梁雯.基于云计算的企业知识管理系统再造体系研究[J].情报理论与实践，2016，39（3）：80?84.
[6] 赵安学.海量题库中的特定数据搜索系统的设计与实现[J].现代电子技术，2016，39（20）：49?52.
