現代計算機圖形學基礎（第2版）

目錄

第1章引言/1

1.1計算機圖形學的概念1

1.2計算機圖形學的發展2

1.2.120世紀60年代3

1.2.220世紀70年代4

1.2.320世紀80年代5

1.2.420世紀90年代6

1.2.521世紀00年代7

1.2.621世紀10年代7

1.2.721世紀20年代8

1.3計算機圖形學與其他學科的關系9

1.4計算機圖形學的應用10

1.5小結12

思考題13

第2章基礎知識/14

2.1圖形的顯示14

2.2幾何變換16

2.2.1模型變換17

2.2.2視點變換20

2.2.3投影變換22

2.2.4窗口變換24

2.3光柵化處理24

2.3.1簡單圖元生成24

2.3.2多邊形填充27

2.3.3剔除29

2.3.4可見性判斷30

2.4可微繪制31

2.4.1基本原理31

2.4.2繪制流水線32〖1〗現代計算機圖形學基礎（第2版）目錄〖3〗〖3〗2.5圖形硬件34

2.5.1顯卡及GPU34

2.5.2GPU上的圖形處理35

2.6小結36

思考題36

第3章幾何建模/37

3.1數學基礎37

3.1.1幾何形狀的數學形式37

3.1.2幾何性質39

3.1.3建模工具41

3.2自由曲線/曲面建模42

3.2.1平面三次多項式曲線42

3.2.2Bézier曲線/曲面43

3.2.3B樣條曲線/曲面46

3.3細分曲面建模49

3.3.1CatmullClark細分曲面50

3.3.2DooSabin細分曲面51

3.3.3Loop細分曲面52

3.3.4Butterfly細分曲面53

3.4三維重建54

3.4.1被動式與主動式建模54

3.4.2基於圖像的三維重建55

3.4.3視覺同時定位與地圖構建61

3.4.4基於激光測距的三維重建64

3.4.5基於Kinect的三維重建69

3.5幾何數據結構72

3.5.1構造實體幾何模型73

3.5.2邊界模型73

3.5.3體素模型75

3.6小結76

思考題76

第4章數字幾何處理/77

4.1幾何基礎77

4.1.1幾何模型77

4.1.2幾何性質79

4.1.3三維幾何的深度學習83

4.2網格去噪85

4.2.1基本方法85

4.2.2拉普拉斯平滑86

4.3網格簡化88

4.3.1頂點聚類89

4.3.2漸進式網格90

4.3.3基於深度學習的網格簡化92

4.4網格參數化93

4.4.1數學模型94

4.4.2平面參數化95

4.4.3球面參數化98

4.4.4基域參數化99

4.5網格編輯101

4.5.1自由編輯101

4.5.2帶約束的編輯102

4.5.3編輯遷移104

4.6網格形變104

4.6.1基於參數化的網格形變105

4.6.2基於微分坐標的網格形變105

4.6.3基於深度學習的網格形變106

4.7小結108

思考題108

第5章真實感繪制/109

5.1光照109

5.2BRDF和著色112

5.2.1BRDF113

5.2.2著色115

5.3紋理映射120

5.3.1簡單的紋理映射121

5.3.2環境映射123

5.3.3凹凸映射124

5.4光線跟蹤繪制126

5.4.1基本原理126

5.4.2光線投射模型126

5.4.3光線跟蹤模型127

5.4.4光線跟蹤加速130

5.4.5光線跟蹤的其他改進132

5.5輻射度繪制133

5.5.1基本原理133

5.5.2輻射度繪制模型134

5.5.3輻射度方程的數值計算135

5.6全局繪制方程137

5.6.1繪制方程137

5.6.2方程求解138

5.7深度學習繪制139

5.7.1基於生成查詢網絡的繪制139

5.7.2基於神經輻射場的繪制140

5.7.3基於三維高斯潑濺的繪制144

5.8小結146

思考題146

第6章非真實感繪制/147

6.1概述147

6.2基於筆畫建模的繪制149

6.2.1筆畫模型149

6.2.2油畫風格化繪制150

6.2.3水彩畫風格化繪制157

6.2.4素描風格化繪制159

6.3基於紋理合成的繪制159

6.3.1基於風格類比的紋理合成繪制方法160

6.3.2基於筆畫的紋理合成繪制方法161

6.4基於圖像濾波的繪制163

6.4.1基於流體場的雙邊濾波繪制164

6.4.2基於亮度的雙邊濾波繪制165

6.4.3基於紋理/結構分層的濾波繪制166

6.5視頻非真實感繪制168

6.5.1基於幀間光流的筆畫繪制168

6.5.2基於視頻體的筆畫繪制170

6.6深度學習非真實感繪制171

6.6.1基於卷積神經網絡的風格遷移171

6.6.2基於生成對抗網絡的風格遷移175

6.7小結179

思考題179

第7章基於圖形的影像處理/180

7.1影像摳圖180

7.1.1藍屏摳圖182

7.1.2基於三色圖的自然圖像摳圖183

7.1.3基於筆畫的自然圖像摳圖185

7.1.4視頻摳圖187

7.2影像縮放188

7.2.1圖像縫隙增刪188

7.2.2圖像網格變形190

7.2.3視頻縮放方法192

7.3影像融合192

7.3.1泊松圖像融合193

7.3.2基於均值坐標插值的圖像融合194

7.3.3視頻融合方法195

7.4影像拼接196

7.4.1盡可能單應變換的圖像拼接197

7.4.2形狀保持的半單應變換圖像拼接198

7.4.3自適應混合變換圖像拼接200

7.4.4視頻拼接201

7.5影像編輯202

7.5.1顏色遷移202

7.5.2圖像變形204

7.5.3編輯傳播207

7.5.4視頻去抖208

7.6小結211

思考題211

第8章計算攝像/212

8.1攝像學的發展212

8.1.1成像設備213

8.1.2成像模型216

8.1.3成像因素219

8.2數字攝像220

8.2.1ISP整體流程220

8.2.2自動白平衡222

8.2.3去馬賽克224

8.2.4色調映射227

8.2.53A調整228

8.3計算攝像229

8.3.1計算編碼229

8.3.2計算解碼232

8.4計算光場成像234

8.4.1基於光場的重對焦成像235

8.4.2基於光圈編碼的去散焦成像236

8.5計算光譜成像237

8.5.1基於掩膜分光鏡的計算光譜成像238

8.5.2基於編碼感知的計算光譜成像239

8.5.3計算光譜重建241

8.6小結243

思考題243

第9章計算機動畫/244

9.1動畫制作244

9.1.1傳統動畫244

9.1.2計算機動畫概述245

9.1.3動畫制作流程246

9.2關鍵幀插值247

9.2.1形狀保持的圖像形變插值248

9.2.2形狀保持的三維網格形變插值250

9.3物理模擬251

9.4運動捕捉253

9.4.1主動式運動捕捉254

9.4.2被動式運動捕捉255

9.4.3運動重定向255

9.5關節動畫256

9.5.1關節運動模型257

9.5.2反向運動學動畫258

9.6群體動畫260

9.6.1FlockandBoid模型261

9.6.2社會力模型263

9.7基於深度學習的動畫264

9.7.1基於自編碼器的關節動畫學習264

9.7.2結合強化學習和深度學習的關節動畫266

9.8小結268

思考題268

第10章基於GPU的圖形計算/269

10.1GPU簡介269

10.1.1組成結構269

10.1.2並行處理271

10.1.3GPU的發展272

10.1.4CUDA的發展272

10.2數值計算273

10.2.1計算模式273

10.2.2通用數值計算275

10.3GPU快速建模276

10.3.1GPU加速的NURBS建模276

10.3.2GPU加速的泊松三維重建278

10.4GPU快速繪制279

10.4.1GPU加速的光線跟蹤繪制279

10.4.2GPU加速的輻射度繪制279

10.5GPU計算光譜成像281

10.6小結282

思考題283

附錄A圖形流水線中的幾何變換推導/284

A.1眼睛坐標系到世界坐標系變換矩陣Me2w的計算284

A.2眼睛坐標系到平面坐標系的投影變換矩陣Pe2i的計算285

附錄B拉普拉斯方程組的最小二乘最優化求解/289

參考文獻/291