生成包含工具痕的物体的修改的3D图像\n技术领域\n[0001] 本发明涉及3D图像生成领域。\n背景技术\n[0002] 在法医弹道学领域中，对不同类型的物体上呈现的微小工具痕进行对比，以发现匹配的工具痕并将物体（例如弹头）联系在一起，并最终将物体与其他物体（例如找到的枪支）联系在一起。然而，工具痕的对比可能具有相当的挑战性，尤其是当弹头上仅呈现很少的工具痕时，或当弹头具有不同的形式时。\n[0003] 因此，需要一种改进的方法和系统，用于对比弹道物体。\n发明内容\n[0004] 根据第一广义方面，提供一种生成物体3D表示图的方法，包括：获取表示具有宏观形式和微观特征的物体的至少一部分的3D形貌数据；将3D形貌数据分离为表示微观特征的微观数据以及表示宏观形式的宏观数据；独立地缩放微观数据和宏观数据中的一个，以关于宏观形式增强微观特征，从而获得缩放的形貌数据；以及使用缩放的形貌数据生成\n3D图像，从而获得具有针对物体至少一部分的增强的微观特征的修改的表示图。\n[0005] 根据第二广义方面，提供一种生成物体3D表示图的系统，包括：处理单元；存储器，用于储存表示具有宏观形式和微观特征的物体的至少一部分的原始3D形貌数据；以及耦接至处理单元和存储器的应用程序，其中当在处理单元执行该应用程序时，其执行以下步骤：将3D形貌数据分离为表示微观特征的微观数据和表示宏观形式的宏观数据；独立地缩放微观数据和宏观数据中的一个，以关于宏观形式增强微观特征，从而获得缩放的形貌数据；以及使用缩放的形貌数据生成3D图像，从而获得具有针对物体至少一部分的增强的微观特征的修改的表示图。\n[0006] 根据第三广义方面，提供在计算机可读介质上具体化并且包括生成物体3D表示图的指令的软件产品，包括：分离模块，适用于将表示具有宏观形式和微观特征的物体的至少一部分的3D形貌数据分离为表示微观特征的微观数据和表示宏观形式的宏观数据；增强模块，适用于独立地缩放微观数据和宏观数据中的一个，以关于宏观形式增强微观特征，从而获得缩放的形貌数据；以及图像生成器，适用于使用缩放的形貌数据生成3D图像，从而获得具有针对物体至少一部分的增强的微观特征的修改的表示图。\n[0007] 术语“物体”是指包括可用作弹道证据（BPOE）的工具痕的任何物体。物体的实例包括弹头或弹头的一部分、枪管或枪管的一部分等。虽然本说明书中使用术语“弹头”，但其只用于说明的目的并且不应理解为对其的限制。\n[0008] 措辞“3D形貌数据”指的是实际物体三维表面的数学表达式作为由3D坐标（x、y、z）定义的点的集合。3D形貌数据是通过合适的3D传感器在实际物体表面选定的位置进行测量的结果。专用软件可通过填充点之间的空白空间的几何结构（三角形、多边形、曲面）连接点集，以生成连续的表面并显示由传感器成像的表面的真实表示图。\n附图说明\n[0009] 本发明的其他特征和优点将通过以下结合附图的详细说明变得显而易见，其中：\n[0010] 图1示出示意性的两个原始状态的弹头，每个弹头都具有所关注的两个区域；\n[0011] 图2示出比较显微镜下示意性弹头的定位；\n[0012] 图3示出针对弹头的一部分的示意性粗糙度图像；\n[0013] 图4示出表示由虚拟对比显微镜生成的弹头的示意性形貌的图像；\n[0014] 图5示出根据实施方式用于生成弹头的修改的表示图的方法的流程图；\n[0015] 图6a示出根据实施方式的弹头的3D形貌；\n[0016] 图6b示出根据实施方式的拥有增强的微观特征的图6a中的弹头的3D形貌；\n[0017] 图7a示出根据实施方式的两个变形的弹头和一个原始状态的弹头，每个具有增强的微观特征；\n[0018] 图7b示出根据实施方式的图7a的两个变形的弹头，其中对形式进行了修改以对应图7a的初始状态弹头的形式；\n[0019] 图8a、8b和8c示出根据实施方式的不同的浏览技术类型：渲染的3D数据（8a）、应用了纹理的2D图像（8b）和应用了纹理的粗糙度图像（8c）；\n[0020] 图9示出根据实施方式的计算机装置，包括耦接于存储器和处理器的应用程序，用于生成物体的修改的表示图；以及\n[0021] 图10示出图9应用程序的示意性实施方式。\n[0022] 值得注意的是，整个附图中相同的特征使用相同的参考标号表示。\n具体实施方式\n[0023] 在对比显微镜下观察对比呈现在两个弹头上微小的工具痕可能具有相当的挑战性，尤其是在弹头上仅有少量的痕迹时。在该情况下，所关注的任何单个区域上的匹配线的数量可能不足以表明该弹头对是“确定性的弹头对”，即，从同一枪支发射的弹头对。然后枪支技术员必须在所关注的若干区域寻找匹配线组。\n[0024] 由于对比显微镜的局限性，该操作可能具有挑战性。在某些情况下，此类弹头可能具有圆形的横截面，即，初始形态，并且当放置在对比显微镜下时，每个弹头的对称轴可与旋转轴相一致。在此情况下，专家可通过手动地使每个弹头绕其对应的旋转轴旋转来对比弹头。然而，在其他情况下，针对一个弹头的对称轴和旋转轴可能不一致。然后枪支专家必须进行若干手动操作来比对两个弹头，包括旋转弹头、移动弹头以及变化光源的位置和强度。对于那些工具痕非常少的弹头的此类操作具有相当的挑战性。\n[0025] 图1示出了两个原始的弹头10和10’，每个具有两个关注的区域分别为12、14和\n12’、14’，即，包括适于可视分析的工具痕的两个区域。在该实例中，所关注的每个区域12、\n14、12’和14’仅包括少量的工具痕。\n[0026] 专家在对比显微镜下观察弹头10和10’时仅能看见每个弹头10和10’在显微镜视野中的那部分。在某些情况下，可以寻找并对正均呈现在弹头10和10’上的相似的痕迹。\n然而由于显微镜视野范围的局限性，专家一次只能对比所关注的一个区域。在图1示出的实例中，所关注的每个区域上的匹配痕迹的数量不足以表明弹头10和10’构成确定性的子弹对。然后专家必须分析针对弹头10和10’所关注的其他区域。挑战在于当寻找其他对正的和相似的痕迹并且在之前的匹配线不再出现在显微镜的视野范围内保持之前的匹配线对正时对两个弹头10和10’的操作。\n[0027] 图2示出对比显微镜20下弹头的定位。为示出的目的，示出的弹头是带有圆形横截面的圆柱体。每个弹头安装在对比显微镜的不同的旋转台上。显微镜的旋转轴22由穿过弹头的水平线表示。每个弹头的对称轴和弹头表面的交叉点用“X”表示。\n[0028] 弹头24和26表示理想的情况。它们具有原始的形状和基本相同的直径。矩形28和30表示在用于分析的显微镜视野内的区域。箭头32和34是垂直的，其表示垂直于矩形\n28和30的局部向量。然后弹头24和26上的区域28和30可在最佳的照明条件下进行对比。此外，如果在弹头24和26上均发现了匹配线，假如施加于弹头24和26的旋转相同，那么匹配线将保持对正。然后，如果在弹头24和26的其他区域上发现一组新的匹配的且对正的痕迹时，可以假设第一组匹配线仍然对正。当匹配和对正的痕迹的数量足够高时，专家可声明弹头24和26形成确定性的弹头对。\n[0029] 然而，弹头通常并未沿对比显微镜的旋转轴理想地放置。该情况由弹头32和34表示。关于弹头32和34，由“X”表示的对称轴与显微镜20的旋转轴22不一致。通过旋转显微镜20的旋转轴22，待对比的各自区域36和38的法线40、42未保持平行。然后专家在操作期间除了要移动旋转轴22之外还要改变光源的位置和强度。如果在弹头32和34上均发现匹配线，当专家要寻找一组新的匹配痕迹时，匹配线可不必保持对正。在显微镜20的旋转轴22的若干操作之后，不能假设第一组匹配线保持对正。结果使对比显微镜下的可视分析程序的效率降低，尤其是对于在所关注的每个区域上具有少量的潜在匹配痕迹的弹头。\n[0030] 当对比的弹头中的至少一个高度变形时，分析程序的效率将进一步降低。在该情况下，在两个弹头上施加的动作可明显地不同。例如，虽然旋转可能足以对比初始弹头，但当至少一个弹头变形时也可能需要旋转和移动的组合。然而，由于在犯罪现场发现的弹头通常是变形的，因而对变形的弹头的分析是破案的关键。相反，初始或非变形弹头是在法医试验室中使用适合防止变形的专用设备发射而获得的。\n[0031] 在对比显微镜下的可视分析的一个替代由生成弹头的粗糙度图像组成。对子弹所关注的不同区域进行了扫描并生成所关注的每个区域的粗糙度图像。图3示出粗糙度图像\n70的一个实例。粗糙度图像70是细长的平面图，表示关注的所获得区域的粗糙度。图像像素的颜色或灰度是像素表示的该子弹部分的深度。例如，深色的线72表示工具痕。\n[0032] 对比两个弹头的粗糙图，以确定一对弹头是否最终匹配。专家可相对于一张粗糙图移动另一张粗糙图，以发现两张粗糙图之间的匹配线。由于图是平面的，所以该粗糙图未能提供关于其表示的所关注的区域的形式或形状的信息。结果可能对不同形式的弹头进行了对比。然而，如果此类粗糙图是用于在使用诸如显微镜20的对比显微镜进行视觉对比来证实的子弹上发现匹配痕时，用户可能难以视觉地定位所关注的区域，使其对应子弹的具体的粗糙图，因为在看粗糙图时不知道所关注的区域的形式。\n[0033] 视觉对比显微镜适用于显示待对比的两个弹头的3D形貌。弹头的该显示图表示该弹头的3D形貌。然而，由于工具痕比所关注的通常区域的通常尺寸和/或曲率半径小\n1000倍，因此当显示所关注的整个区域时难以看见工具痕，如图4示出。通常为微米级的工具痕的深度远小于通常是毫米级或厘米级的弹头的尺寸。因而图4图像的灰度强度的变化主要表示形式的变化而不表示工具痕。\n[0034] 通过缩放所关注的区域，所关注的区域包括的工具痕变得更清晰，但损失了关于所关注的区域形式的信息。因而难以定位弹头上所关注的缩放的区域。此外，可视显微镜的缺点与真实对比显微镜的缺点相同，即，需要大量的操作，以对比具有不同形式的弹头。\n[0035] 图5示出方法100的一个实施方式，用于生成弹头的至少一个区域的修改的图像。\n该弹头具有宏观形式并呈现微观特征，例如其表面上的微观的工具痕。第一步102包括获取表示弹头3D表面形貌的3D形貌数据。可使用以所需的分辨率扫描弹头以获得弹头3D表面形貌的任何适用的系统。适当的传感器的实例包括激光表面仪、共焦显微镜等。\n[0036] 第二步104包括拆分（或分离）所需的形貌数据为两组数据，即，微观数据和宏观数据。微观数据表示扫描区域的3D表面形貌的微观特征。该微观特征具有微米级尺寸。该宏观数据表示扫描区域的形貌的整体形式，具有毫米级或厘米级的尺寸和/或曲率半径。\n[0037] 在一个实施方式中，适用的低通滤波器应用于形貌数据，以获得宏观数据。然后通过从形貌数据中减去该宏观数据获得微观数据。\n[0038] 在另一个实施方式中，适用的高通滤波器应用于形貌数据，以直接获得微观数据，并且通过从形貌数据中减去获得的微观数据获得宏观数据。\n[0039] 参考回图5，第三步106包括增强弹头所获得部分的形貌的微观特征而不修改弹头的形式。该增强步骤的执行是通过独立地缩放微观数据或宏观数据。\n[0040] 在一个实施方式中，绝对值大于1的缩放系数独立于宏观数据而应用于微观数据，以关于宏观形式增强微观特征。在该情况下，微观特征的尺寸增加，而弹头的宏观形式保持不变。该缩放系数选定作为形貌微观特征期望增加度的函数。图6a示出使用获得的形貌数据生成的弹头部分的形貌。通过应用等于5的缩放系数至微观数据，形貌的微观特征（即，微观峰和谷/裂缝）尺寸增加，而弹头的宏观形式保持不变，如图6b示出。\n[0041] 该缩放的微观数据然后组合宏观数据，以获得缩放的形貌数据，表示具有增强的微观特征的弹头扫描部分未变的形式。\n[0042] 接下来步骤108包括使用缩放的形貌数据生成弹头扫描部分的3D图像。该生成的图像对应弹头的表示图，其中微观特征增强而形式保持不变。该生成的图像可储存于存储器或在显示单元上显示。\n[0043] 虽然本说明书涉及微观数据的缩放，但应当理解，宏观数据也可缩放，以增强微观特征而微观数据保持不变。在该情况下，值在0和1之间的缩放系数应用于宏观数据，以关于宏观形式增强微观特征。在该情况下，微观特征的尺寸保持不变，而宏观形式的尺寸减少。\n[0044] 虽然本方法是用于生成弹头形貌的修改的图像，但应当理解，该方法可用于生成具有宏观形式和微观特征的任何其他物体的修改的3D图像。例如，本方法可用于生成枪支内表面形貌的修改的图像。\n[0045] 虽然本申请书涉及正缩放系数应用于微观数据，但应当理解，至少小于-1的负缩放系数也可应用于微观数据。当弹头要与枪管对比来确定该弹头是否由该枪支发射时，可使用负缩放系数。当弹头是从该枪管发射时，该枪管的内表面形貌的至少某些微观特征转移至该弹头，从而该枪管的形貌的峰变为弹头形貌的谷，并且反之亦然。因此，该弹头的大部分形貌是枪管形貌的负像。为对比弹头形貌和弹头的形貌，图5示出的方法均可用于该弹头和枪管，并且针对弹头使用正缩放系数而针对枪管使用负缩放系数，以倒转枪管的形貌。例如，等于+2的第一缩放系数可应用于弹头的微观数据，而等于-2的第二缩放系数可应用于枪管的微观数据。因此，弹头形貌增强的峰和谷可分别对比枪管形貌增强的峰和谷。\n该负缩放系数可应用于弹头微观数据，而正缩放系数可应用于枪管微观数据。\n[0046] 在其他实施方式中，对于用户来说，对比不同弹头形貌的峰比对比谷更容易。如果待对比的弹头的每个具有的形貌包括比峰定义得更好的谷，用户可将负缩放系数应用于两个弹头，以对比两个弹头的负值或倒转形貌。\n[0047] 在一个实施方式中，方法100还包括独立于微观数据来修改宏观数据，以修改用于表示弹头的宏观形式。例如，如果获得的弹头出现变形，则对原始的宏观数据进行修改，以修改变形的弹头的形式。变形弹头的新形式可对应于原始弹头的形式或对比弹头的形式。在该情况下，通过组合修改的微观数据和修改的宏观数据获得该弹头的修改的3D图像。所获得的图像表示具有修改的形式和增强的微观特征的弹头。\n[0048] 图7a示出两个变形的弹头150和152以及原始弹头154，其微观特征已通过使用以上说明的方法进行了增强。然后修改弹头150和152的形式，以对应原始弹头154的形式。图7b示出弹头156和158，其具有弹头154的原始形式，并且分别对应弹头150和152。\n因为三个弹头154、156、158具有相同的原始形式，这有利于对比三个弹头。\n[0049] 在一个实施方式中，在方法100的步骤102中获得的形貌数据由方形或矩形矩阵[i，j]表示，形成网格点，其中每个点与一组空间坐标X、Y和Z对应，其中指数i在包含两端点的0和（Ni-1）之间变化，而指数j在包含两端点的0和（Nj-1）之间变化。所获得的三个空间坐标矩阵或格点是：X[i，j]、Y[i，j]和Z[i，j]。\n[0050] 在一个实施方式中，沿三个不同的X-Y-Z轴的标尺相同。X值和Y值使得相邻的格点之间的距离沿纵向或横向是恒定的Q，或是以Q为中心的统计分布且标准偏差远小于Q，如以下的等式表示：\n[0051] \n[0052] \n[0053] 在一个实施方式中，Q是传感器的像素尺寸。作为替换，Q的尺寸可与像素尺寸不同。\n[0054] 在方法100的步骤104中，以三格点形式存储的形貌数据拆分为微观数据和宏观数据。三个格点X[i，j]、Y[i，j]和Z[i，j]使用相同的低通滤波器卷积。该滤波器的输出值是新的格点组（XMacro[i，j]、YMacro[i，j]、ZMacro[i，j]），其仅包括关于宏观形式的宏观信息。\n[0055] 可使用任何适用的低通滤波器。该低通滤波器可以是方形矩阵、二维高斯滤波器等。在一个实施方式中，如果物体具有诸如环或柱面的闭合形式，该滤波器考虑环绕情况。\n[0056] 微观数据然后由原始形貌数据和获得的宏观数据之间的差值获得，如以下等式的表述：\n[0057] Xmicro[i,j]＝X[i,j]-XMacro[i,j]\n[0058] Ymicro[i,j]＝Y[i,j]-YMacro[i,j]\n[0059] Zmicro[i,j]＝Z[i,j]-ZMacro[i,j]\n[0060] 高通滤波器可应用于三个格点X[i，j]、Y[i，j]和Z[i，j]，以获得微观数据（Xmicro[i，j]、Ymicro[i，j]、Zmicro[i，j]）。然后通过从原始形貌数据（X[i，j]、Y[i，j]、Z[i，j]）中减去微观数据（Xmicro[i，j]、Ymicro[i，j]、Zmicro[i，j]）获得宏观数据（XMacro[i，j]、YMacro[i，j]、ZMacro[i，j]）。\n[0061] 步骤106，微观特征的增强是通过微观数据（Xmicro[i，j]、Ymicro[i，j]、Zmicro[i，j]）乘以相同的缩放系数k，以获得增强的微观数据（kXmicro[i，j]、kYmicro[i，j]、kZmicro[i，j]）。该缩放系数k可大于1或小于-1。\n[0062] 该增强的微观数据然后加上未变的宏观数据，如以下等式表示：\n[0063] XNew[i,j]＝XMacro[i,j]+kXMicro[i,j]\n[0064] YNew[i,j]＝YMacro[i,j]+kYMicro[i,j]\n[0065] ZNew[i，j]＝ZMacro[i,j]+kZMicro[i,j]\n[0066] 在其他实施方式中，该3D形貌数据可以图像格式表示。3D形貌数据是方形或矩形矩阵或格点，其中每个格点与高度或深度值Z有关。形貌的所有点（i，j）由三个值（iQ、jQ、Z[i，j]）表示，其中，Q是图像像素的尺寸。指数i在包含两端点的0和Ni-1之间变化，而指数j在包含两端点的0和Nj-1之间变化。为示出的目的，假设沿i轴和j轴的标尺相同，但如果情况不符，该方法可以是广义的。\n[0067] 宏观数据Zmacro[i，j]通过卷积形貌数据Z[i，j]和适用的低通滤波器获得，并且微观信息通过从形貌数据Z[i，j]中减去宏观数据获得，如以下等式表示：\n[0068] Zmicro[i,j]＝Z[i,j]-ZMacro[i,j]\n[0069] 增强微观数据的步骤通过Zmicro[i，j]乘以缩放系数k实现。该缩放系数可大于\n1或小于-1\n[0070] ZNew[i,j]＝ZMacro[i,j]+kZmiro[i,j]\n[0071] 作为替换，增强微观特征的步骤可包括宏观数据Zmacro[i，j]乘以缩放系数k’，如以下等式表示：\n[0072] ZNew[i,j]＝k'ZMacro[i,j]+kZmiro[i,j]\n[0073] 在该情况下，缩放系数k’在0和1之间。作为替换，如果期望倒转形貌，该参数k’可包括在-1到0之间。\n[0074] 在一个实施方式中，方法100用于对比具有不同形式的一对弹头并且一个弹头的形式被修改为对应另一个弹头的形式。\n[0075] 该输入数据是X、Y和Z值的两个方形或矩形矩阵，即，第一组（X1[i，j]、Y1[i，j]、Z1[i，j]）表示第一弹头的形貌数据，其中，指数i在0和（N1i-1）之间变化并且指数j在\n0和（N1j-1）之间变化，以及第二组（X2[i，j]、Y2[i，j]、Z2[i，j]）表示第二弹头的形貌数据，其中，指数i在0和（N2i-1）之间变化并且指数j在0和（N2j-1）之间变化。\n[0076] 为简化，假设针对两个形貌，沿三条不同的X-Y-Z轴的标尺相同。X值和Y值使得相邻的格点之间的距离沿纵向或横向是恒定的Q，或是以Q为中心的统计分布且标准偏差远小于Q，如以下等式表示：\n[0077] \n[0078] \n[0079] \n[0080] \n[0081] 每个弹头的形貌数据拆分为微观数据和宏观数据。该宏观数据通过将低通滤波器应用至形貌数据获得并且该微观数据通过从形貌数据中减去获得的宏观数据获得，如以下等式：\n[0082] X1micro[i,j]＝X1[i,j]-X1Macro[i,j]\n[0083] Y1micro[i,j]＝Y1[i,j]-Y1Macro[i,j]\n[0084] Z1micro[i,j]＝Z1[i,j]-Z1Macro[i,j]\n[0085] X2micro[i,j]＝X2[i,j]-X2Macro[i,j]\n[0086] Y2micro[i,j]＝Y2[i,j]-Y2Macro[i,j]\n[0087] Z2micro[i,j]＝Z2[i,j]-Z2Macro[i,j]\n[0088] 在一个实施方式中，除了3D图像还使用粗糙图（如图3中示出的粗糙图70）来对比一对弹头。生成针对待对比的两个弹头的粗糙图，用户选定两个弹头中的一个作为参考弹头。例如，第一弹头被选定为参考弹头。然后该用户关于第二弹头的粗糙图移动第一弹头的粗糙图，以发现匹配线。在某些移动T，用户在两个弹头上发现匹配线。然后生成弹头的3D图像并且用户修改一个弹头的3D图像，使得除了增强两个弹头的微观特征，该弹头的形式匹配另一个弹头的形式，如以上说明。\n[0089] 以下列出修改一个弹头的形式以匹配另一个弹头的形式的四种情形。为简化，移动T应用于第一弹头。该情形可泛化为分别应用于每个弹头的移动T1和T2。此外，缩放系数k应用于两个弹头。该情形可泛化为分别应用于每个弹头的缩放系数k1和k2。\n[0090] 在一个实施方式中，延伸系数可应用于两个弹头，因为两个对比弹头可能在开枪期间的膨胀系数不同。为简化，延伸系数S应用于第一弹头。该情形可泛化为分别应用于每个弹头的延伸系数S1和S2。\n[0091] 在一个实施方式中，弹头可能具有环绕的形式。作为替换，当两个弹头中至少一个是一个片段或仅是例如被3D传感器捕获的实际圆周的一部分，该弹头可能不具有环绕的形式。\n[0092] 在一个实施方式中，N1i等于N2i，无需延伸S，并且至少第一弹头具有环绕形式。在该情况下，第一弹头的形式应用于第二弹头是通过第一弹头的宏观数据，即，（X1Macro[i’，j]、Y1Macro[i’，j]、Z1Macro[i’，j]）替换第二弹头的宏观数据组，即，（X2Macro[i，j]、Y2Macro[i，j]、Z2Macro[i，j]）。\n[0093] 其中i’=(i-T)Mod Ni。\n[0094] 第二弹头的图像是通过使用以下修改的形貌数据生成：\n[0095] X2New[i,j]＝X1Macro[i′,j]+kX2micro[i，j]\n[0096] Y2New[i,j]＝Y1Macro[i′,j]+kY2micro[i，j]\n[0097] Z2New[i,j]＝Z1Macro[i',j]+kZ2micro[i，j]\n[0098] 其中，k是用于微观数据的缩放系数。\n[0099] 第一弹头的图像是通过使用以下修改的形貌数据生成：\n[0100] X1New[i,j]＝X1Macro[i,j]+kX1micro[i，j]\n[0101] Y1New[i,j]＝Y1Macro[i,j]+kY1micro[i，j]\n[0102] Z1New[i,j]＝Z1Macro[i,j]+kZ1micro[i，j]\n[0103] 在另一实施方式中，N1i与N2i不同，至少第一弹头具有环绕形式且需要延伸S。在该情况下，第一弹头的形式应用于第二弹头是通过用第一弹头的宏观数据组，即，（X1Macro[i’，j]、Y1Macro[i’，j]、Z1Macro[i’，j]）替换第二弹头的宏观数据组，即，（X2Macro[i，j]、Y2Macro[i，j]、Z2Macro[i，j]）。\n[0104] 其中，i’是调制和重新缩放操作的组合并且表示为：\n[0105] i’＝[(i-T)*S Mod N1i]\n[0106] 应当理解，如果S不是整数，则需要插值。\n[0107] 针对第二弹头的图像是通过以下修改的形貌数据生成：\n[0108] X2New[i,j]＝X1Macro[i′，j]+kX2micro[i，j]\n[0109] Y2New[i,j]＝Y1Macro[i′,j]+kY2micro[i，j]\n[0110] Z2New[i,j]＝Z1Macro[i′,j]+kZ2micro[i，j]\n[0111] 其中，k是针对微观数据的缩放系数。\n[0112] 针对第一弹头的图像是通过使用以下修改的形貌数据生成：\n[0113] X1New[i,j]＝X1Macro[i,j]+kX1micro[i，j]\n[0114] Y1New[i,j]＝Y1Macro[i,j]+kY1micro[i，j]\n[0115] Z1New[i,j]＝Z1Macro[i,j]+kZ1micro[i，j]\n[0116] 在其他实施方式中，第一弹头无需具有环绕形式且不需要延伸。在该情况下，第一弹头的形式应用于第二弹头是通过使第一弹头的宏观数据组，即，（X1Macro[i’,j]、Y1Macro[i’,j]、Z1Macro[i’,j]）替换第二弹头宏观数据组，即，（X2Macro[i,j]、Y2Macro[i,j]、Z2Macro[i,j]），其中i’=（i-T）并且T对应于应用至第一弹头的粗糙图像的转移，用于匹配两个弹头之间的工具痕。\n[0117] 两个弹头之间的共同区域由满足以下等式的指数i组定义：\n[0118] 0≤i＜N2i；以及\n[0119] 0≤(i-T)＊S＜N1i\n[0120] 针对第二弹头的图像是通过使用以下修改的形貌数据生成：\n[0121] X2New[i,j]＝X1Macro[i,j]+kX2micro[i，j]\n[0122] Y2New[i,j]＝Y1Macro[i,j]+kY2micro[i，j]\n[0123] Z2New[i,j]＝Z1Macro[i,j]+kZ2micro[i，j]\n[0124] 其中，k是应用于微观数据以增强微观特征的缩放系数。\n[0125] 针对第一弹头的图像是通过使用以下修改的形貌数据生成：\n[0126] X1New[i,j]＝X1Macro[i,j]+kX1micro[i，j]\n[0127] Y1New[i,j]＝Y1Macro[i,j]+kY1micro[i，j]\n[0128] Z1New[i,j]＝Z1Macro[i,j]+kZ1micro[i，j]\n[0129] 在另一个实施方式中，N1i和N2i不同，需要延伸S，并且第一弹头非环绕。\n在该情况下，第一弹头的形式应用于第二弹头是通过使第一弹头的宏观数据组，即，（X1Macro[i’,j]、Y1Macro[i’,j]、Z1Macro[i’,j]）替换第二弹头宏观数据组，即，（X2Macro[i,j]、Y2Macro[i,j]、Z2Macro[i,j]）。\n[0130] 应当理解，如果S不是整数，则需要插值。\n[0131] 两个弹头之间的共同区域由满足以下等式的指数i组定义：\n[0132] 0≤i＜N2i;以及\n[0133] 0≤(i-T)*S＜N1i\n[0134] 针对第二弹头的图像是通过使用以下修改的形貌数据生成：\n[0135] X2New[i,j]＝X1Macro[i′,j]+kX2micro[i，j]\n[0136] Y2New[i,j]＝Y1Macro[i′,j]+kY2micro[i，j]\n[0137] Z2New[i,j]＝Z1Macro[i′,j]+kZ2micro[i，j]\n[0138] 其中，k是应用于微观数据以增强微观特征的缩放系数。\n[0139] 针对第一弹头的图像是通过使用以下修改的形貌数据生成：\n[0140] X1New[i,j]＝X1Macro[i,j]+kX1micro[i，j]\n[0141] Y1New[i,j]＝Y1Macro[i,j]+kY1micro[i，j]\n[0142] Z1New[i,j]＝Z1Macro[i,j]+kZ1micro[i，j]\n[0143] 弹头的形式可由任何适用的形式或形状替换。例如，弹头形式可由其对比的弹头形式替换或其对比的枪管形状替换。\n[0144] 作为替换，弹头的形式例如可由参考形式（例如，分析的形式）替换。\n[0145] 在一个实施方式中，弹头形式由分析的圆柱形形式替换，其对应原始弹头的形式。如果假设X轴是对称轴，那么弹头的宏观数据，即，X1Macro[i,j]、Y1Macro[i,j]、Z1Macro[i,j]由以下项替换：\n[0146] X1Macro[i,j],Rcosθ[i],Rsinθ[i]\n[0147] 其中，R是圆柱的半径并且θ[i]计算如下：\n[0148] θ[i]＝N1i·(i-1)/(2π)\n[0149] 可使用标准技术来显示本方法生成的形貌且使它组合其他相关的可用数据。某些此类技术在图8a、8b、和8c示出。\n[0150] 渲染可应用于该形貌，其可以是原始获得的数据或原始数据的变形导致的数字数据（即，微观信息的增强或宏观信息的修改，或二者）。图8a中示出一个实例。\n[0151] 纹理也可应用于显示的形貌。可用的纹理图像可以是2D马赛克和粗糙马赛克（后者已在图3示出）。两个应用的纹理的实例分别在图8b和8c示出。\n[0152] 渲染是基于本领域技术人员公知的反射、散射和阴影的模型。此类模型可模拟来自空间中已知位置虚光源的入射光和来自受照物体的输出光之间的关系。可动态调整此类模型的参数，以使反射物体的显示更真实。可模拟不同类型的表面，如金属表面（即，高镜面反射）或更分散表面。也可使用高性能硬件模拟多重反射和光捕获。\n[0153] 每个像素所应用的渲染是局部法线、虚光源关于像素的相对位置和观察者关于像素的相对位置之间的函数。渲染操作的输出可通过沿预定方向v增强局部法线n的投射进行修改。法线n可用以下法线n’替换：\n[0154] \n[0155] 其中，k是可选的实数并且v是预定的方向。当3D形貌以图像格式（iQ、jQ、Z[i、j]）描述时，如以上说明，并且当标准化方向v沿Z轴时，该全局正态转移，公知为斜率夸张（slope exaggeration）特别合适。\n[0156] 也可使用非全局的其他方法。在该情况下，该法线通过增强其成分关于像素周围计算得出的成分差异替换：\n[0157] \n[0158] 也可使用其他正态变换（全局或非全局）。\n[0159] 图9示出生成具有宏观形式和微观特征的物体的修改表示图的系统，其体现在计算机装置80作为处理器84上运行的应用程序，该处理器耦接至存储器82。\n[0160] 可由处理器84存取的存储器82接收和存储数据，诸如获取的3D形貌，或系统使用的任何其他信息。存储器82可以是主存储器，诸如高速随机存取存储器（RAM），或辅助存储单元，诸如硬盘、软盘、或磁带驱动。该存储器可以是任何其他类型的存储器，诸如只读存储器（ROM），或光学存储介质如影碟和光盘。\n[0161] 处理器84可读取存储器82，以检索数据。处理器84可以是能执行数据处理的任何装置。实例为中央处理器（CPU）、前端处理机、微处理机、图像处理单元（GPU/VPU）、物理处理单元（PPU）、数字信号处理器、以及网络处理器。应用程序86耦接于处理器84并且被配置为执行以上列出的各种任务。可通过显示屏将输出传达给用户。\n[0162] 图10示出图9的应用程序86的更详细的实例。在该实例中，该应用程序包括拆分模块92，适用于将表示具有宏观形式和微观特征的物体的至少一部分的3D形貌数据拆分成表示微观特征的微观数据和表示宏观形式的宏观数据；增强模块94，适用于独立地缩放微观数据和宏观数据中的一个，以关于宏观形式增强微观特征并获得缩放的形貌数据；\n以及图像生成器96，适用于使用缩放的形貌数据生成3D图像。\n[0163] 在一个实施方式中，该系统也可包括扫描装置，适用于获取物体的3D形貌并且适用于传送获取的3D形貌数据至系统，和/或显示单元，适用于显示。\n[0164] 虽然在方框图中示出通过不同的数据信号接头相互通信的是分立元器件组，但本领域技术人员应当理解，此类实施方式是通过硬件和软件部件结合提供的，并且某些部件是通过硬件或软件系统的给定的功能或操作执行的，并且示出的许多数据通路是通过在计算机应用程序或操作系统内部通过数据通信执行的。因此示出的该结构的提出适用于方便讲授本发明的实施方式。\n[0165] 以上说明的本发明的实施方式仅是示意性的。因而本发明的范围仅由附属权利要求的范围限制。
快申报：023-88392959
工作日：9:00-12:00/13:30-18:00
