细分曲面造型技术是近年来计算机图形学的研究的热点课题,细分方法的各种优点使其具有广阔的应用前景.在Lee等人的论文"Multiresolution Adaptive Parameterization ofSurfaces"中,提出了一种MAPS应用框架,将细分方法应用于多分辨率模型表示与分析.MAPS应用框架的执行过程大致可分为网格简化与曲面重建两个步骤.首先通过采用某种网格简化算法,将输入的初始密集网格简化成一个粗网格,并建立起从粗网格到初始网格的保形映射,这个粗网格被称为基域网格.然后,对基域网格进行细分,并使用映射关系确定新插入顶点的位置,这实际上是一个曲面重建的过程,得到是一个具有细分拓扑结构的参数化模型,并且可以根据需要建立起不同分辨率的网格模型.参数化的多分辨率模型具有很多优点,比如说可以根据不同计算能力的需要进行网格压缩,并且可以方便的对模型进行自适应编辑,以及对模型应用许多相关领域的研究方法,如小波分析等[1].该文首先介绍了曲面细分技术,重点分析了几种经典细分算法,并给出了具体的数据结构和实现过程,特别是三角网格细分的实现过程.然后介绍了曲面简化算法,主要包括各类简化算法的特点,并重点分析了简化误差的控制问题.接着对MAPS框架中涉及到的技术进行了详细的分析,设计了具体的数据结构和实现算法,最后给出了实验结果.