浮雕一般雕刻在平面上,能够在较小的空间内表达更多的信息。浮雕根据雕刻高度不同可分为高浮雕,浅浮雕和凹浮雕。其中浅浮雕的应用最为广泛,常见于墙体、器皿用具、以及艺术装饰品上。传统的浅浮雕生成方式主要是由该领域的专家手工雕刻而成,随着计算机图像处理和图形学的快速发展,三维数字浅浮雕的生成有了较为显著的突破。通过计算机辅助生成数字浮雕,解决了手工雕刻对技艺要求过高且费时费力,完成后不易修改的问题,并且数字浮雕的生成可以充分利用现存的图像与三维模型,快速生成易于保存的浮雕产品。因图像作为输入的便利性优于三维模型,所以本文围绕基于图像的浅浮雕生成方法展开研究,实现对同种类不同个体的浅浮雕生成,提高生成效率。论文的主要研究内容和结论如下:(1)基于从运动中恢复非刚性物体结构(Non-Rigid Structure from Motion,NRSf M)算法的相机视点估计方法针对从图像到三维模型的不适定问题,研究一种基于NRSf M算法的相机视点估计方法,该方法操作方便且成本较低,不受限于相机参数是否已知,因此其对图像数据的限制较少,构建其输入数据相对简单。首先根据不同种类的结构特性定义符合其形状特征的关键点,然后进行数据集标注和构建。以标注所得的二维图像特征点序列为输入,构建算法模型,最终估计出每个输入数据的视点和三维稀疏形状,为学习形变模型奠定基础。(2)基于可视外壳(Visual Hull)的形变模型生成方法基于视点估计的结果,针对得到数据集的三维形状稀疏问题,研究一种基于Visual Hull算法的形变模型生成方法。Visual Hull表面重建算法利用轮廓信息从稀疏的点云形状和视点重建出模型表面,再根据关键点,轮廓信息以及法线方向设计生成约束调整形状,最后生成该种类的形变模型。该方法考虑同种物体的相似性,以训练数据的信息组成先验知识,重构出该种类的形变模型,为后续新实例的模型生成提供形状基础。实验结果表明,针对不同的类别,该方法可重建出该类别的形变模型,具有较好的普适性。(3)基于形变模型的浅浮雕生成方法在视点估计和形变模型生成的基础之上,提出一种基于形变模型的浅浮雕生成方法。形变模型的方法是一种自上而下的技术,考虑了人们观察图像的心理过程和视觉特性。输入新实例的图像,根据形变模型和变形约束得到新实例的三维模型,压缩三维模型以获得实例的浅浮雕模型。为了与后续操作提取的细节信息对应,对模型进行loop细分以增加顶点数量。由于生成的浮雕缺少表面细节信息,以新实例的图像作为输入,采用灰度融合梯度增强边缘信息,对图像进行伽马校正以增强图像细节,基于光照反射原理反求细节信息,最后将细节信息叠加到实例模型上生成最终的浅浮雕模型。结果表明,与基于模型、基于图像的梯度域操作、以及基于法矢图等方法相比,本文方法以RGB图像作为处理对象,简单高效,且适用于其他类别的浅浮雕重建。重建效果忠实于原输入图像中的物体形态和细节特征,本研究中的形变模型为基于图像的浅浮雕重建提供一种新途径。