目录

第1章引言/1

1.1计算机图形学的概念1

1.2计算机图形学的发展2

1.2.120世纪60年代3

1.2.220世纪70年代4

1.2.320世纪80年代5

1.2.420世纪90年代6

1.2.521世纪00年代7

1.2.621世纪10年代7

1.2.721世纪20年代8

1.3计算机图形学与其他学科的关系9

1.4计算机图形学的应用10

1.5小结12

思考题13

第2章基础知识/14

2.1图形的显示14

2.2几何变换16

2.2.1模型变换17

2.2.2视点变换20

2.2.3投影变换22

2.2.4窗口变换24

2.3光栅化处理24

2.3.1简单图元生成24

2.3.2多边形填充27

2.3.3剔除29

2.3.4可见性判断30

2.4可微绘制31

2.4.1基本原理31

2.4.2绘制流水线32〖1〗现代计算机图形学基础（第2版）目录〖3〗〖3〗2.5图形硬件34

2.5.1显卡及GPU34

2.5.2GPU上的图形处理35

2.6小结36

思考题36

第3章几何建模/37

3.1数学基础37

3.1.1几何形状的数学形式37

3.1.2几何性质39

3.1.3建模工具41

3.2自由曲线/曲面建模42

3.2.1平面三次多项式曲线42

3.2.2Bézier曲线/曲面43

3.2.3B样条曲线/曲面46

3.3细分曲面建模49

3.3.1CatmullClark细分曲面50

3.3.2DooSabin细分曲面51

3.3.3Loop细分曲面52

3.3.4Butterfly细分曲面53

3.4三维重建54

3.4.1被动式与主动式建模54

3.4.2基于图像的三维重建55

3.4.3视觉同时定位与地图构建61

3.4.4基于激光测距的三维重建64

3.4.5基于Kinect的三维重建69

3.5几何数据结构72

3.5.1构造实体几何模型73

3.5.2边界模型73

3.5.3体素模型75

3.6小结76

思考题76

第4章数字几何处理/77

4.1几何基础77

4.1.1几何模型77

4.1.2几何性质79

4.1.3三维几何的深度学习83

4.2网格去噪85

4.2.1基本方法85

4.2.2拉普拉斯平滑86

4.3网格简化88

4.3.1顶点聚类89

4.3.2渐进式网格90

4.3.3基于深度学习的网格简化92

4.4网格参数化93

4.4.1数学模型94

4.4.2平面参数化95

4.4.3球面参数化98

4.4.4基域参数化99

4.5网格编辑101

4.5.1自由编辑101

4.5.2带约束的编辑102

4.5.3编辑迁移104

4.6网格形变104

4.6.1基于参数化的网格形变105

4.6.2基于微分坐标的网格形变105

4.6.3基于深度学习的网格形变106

4.7小结108

思考题108

第5章真实感绘制/109

5.1光照109

5.2BRDF和着色112

5.2.1BRDF113

5.2.2着色115

5.3纹理映射120

5.3.1简单的纹理映射121

5.3.2环境映射123

5.3.3凹凸映射124

5.4光线跟踪绘制126

5.4.1基本原理126

5.4.2光线投射模型126

5.4.3光线跟踪模型127

5.4.4光线跟踪加速130

5.4.5光线跟踪的其他改进132

5.5辐射度绘制133

5.5.1基本原理133

5.5.2辐射度绘制模型134

5.5.3辐射度方程的数值计算135

5.6全局绘制方程137

5.6.1绘制方程137

5.6.2方程求解138

5.7深度学习绘制139

5.7.1基于生成查询网络的绘制139

5.7.2基于神经辐射场的绘制140

5.7.3基于三维高斯泼溅的绘制144

5.8小结146

思考题146

第6章非真实感绘制/147

6.1概述147

6.2基于笔画建模的绘制149

6.2.1笔画模型149

6.2.2油画风格化绘制150

6.2.3水彩画风格化绘制157

6.2.4素描风格化绘制159

6.3基于纹理合成的绘制159

6.3.1基于风格类比的纹理合成绘制方法160

6.3.2基于笔画的纹理合成绘制方法161

6.4基于图像滤波的绘制163

6.4.1基于流体场的双边滤波绘制164

6.4.2基于亮度的双边滤波绘制165

6.4.3基于纹理/结构分层的滤波绘制166

6.5视频非真实感绘制168

6.5.1基于帧间光流的笔画绘制168

6.5.2基于视频体的笔画绘制170

6.6深度学习非真实感绘制171

6.6.1基于卷积神经网络的风格迁移171

6.6.2基于生成对抗网络的风格迁移175

6.7小结179

思考题179

第7章基于图形的影像处理/180

7.1影像抠图180

7.1.1蓝屏抠图182

7.1.2基于三色图的自然图像抠图183

7.1.3基于笔画的自然图像抠图185

7.1.4视频抠图187

7.2影像缩放188

7.2.1图像缝隙增删188

7.2.2图像网格变形190

7.2.3视频缩放方法192

7.3影像融合192

7.3.1泊松图像融合193

7.3.2基于均值坐标插值的图像融合194

7.3.3视频融合方法195

7.4影像拼接196

7.4.1尽可能单应变换的图像拼接197

7.4.2形状保持的半单应变换图像拼接198

7.4.3自适应混合变换图像拼接200

7.4.4视频拼接201

7.5影像编辑202

7.5.1颜色迁移202

7.5.2图像变形204

7.5.3编辑传播207

7.5.4视频去抖208

7.6小结211

思考题211

第8章计算摄像/212

8.1摄像学的发展212

8.1.1成像设备213

8.1.2成像模型216

8.1.3成像因素219

8.2数字摄像220

8.2.1ISP整体流程220

8.2.2自动白平衡222

8.2.3去马赛克224

8.2.4色调映射227

8.2.53A调整228

8.3计算摄像229

8.3.1计算编码229

8.3.2计算解码232

8.4计算光场成像234

8.4.1基于光场的重对焦成像235

8.4.2基于光圈编码的去散焦成像236

8.5计算光谱成像237

8.5.1基于掩膜分光镜的计算光谱成像238

8.5.2基于编码感知的计算光谱成像239

8.5.3计算光谱重建241

8.6小结243

思考题243

第9章计算机动画/244

9.1动画制作244

9.1.1传统动画244

9.1.2计算机动画概述245

9.1.3动画制作流程246

9.2关键帧插值247

9.2.1形状保持的图像形变插值248

9.2.2形状保持的三维网格形变插值250

9.3物理模拟251

9.4运动捕捉253

9.4.1主动式运动捕捉254

9.4.2被动式运动捕捉255

9.4.3运动重定向255

9.5关节动画256

9.5.1关节运动模型257

9.5.2反向运动学动画258

9.6群体动画260

9.6.1FlockandBoid模型261

9.6.2社会力模型263

9.7基于深度学习的动画264

9.7.1基于自编码器的关节动画学习264

9.7.2结合强化学习和深度学习的关节动画266

9.8小结268

思考题268

第10章基于GPU的图形计算/269

10.1GPU简介269

10.1.1组成结构269

10.1.2并行处理271

10.1.3GPU的发展272

10.1.4CUDA的发展272

10.2数值计算273

10.2.1计算模式273

10.2.2通用数值计算275

10.3GPU快速建模276

10.3.1GPU加速的NURBS建模276

10.3.2GPU加速的泊松三维重建278

10.4GPU快速绘制279

10.4.1GPU加速的光线跟踪绘制279

10.4.2GPU加速的辐射度绘制279

10.5GPU计算光谱成像281

10.6小结282

思考题283

附录A图形流水线中的几何变换推导/284

A.1眼睛坐标系到世界坐标系变换矩阵Me2w的计算284

A.2眼睛坐标系到平面坐标系的投影变换矩阵Pe2i的计算285

附录B拉普拉斯方程组的最小二乘最优化求解/289

参考文献/291