【3D实践】3D模型骨架提取及分析

作者：憨豆酒（YinDou），联系我yindou97@163.com，熟悉图形学，图像处理领域，本章的源代码可在此仓库中找到：<https://github.com/douysu/person-summary> 

[我的知乎]

[个人主页]

常见问题总结：

博客发布以来收到了许多反馈，点击这里查看常见问题列表常见问题列表链接，也许就可以找到您的答案。

1 运行结果

经历了一个痛苦的过程，做骨架提取的很少众，做三维骨架提取的更加少，中文资料也很少，本人在这里进行总结，帮助需要的人。源代码位置在顶部链接

下面是我对我的数据进行骨架提取的效果。

2 基础知识介绍：

1. 体素（Voxel）：可以产生体数据集，不仅包含模型的表面信息，而且可以描述模型的内部属性。与表示图像的二维像素比较类似，只不过是从二维的像素扩展到了三维的立方体单元。应用领域：三维成像、地理分析、化学分析、科学资料与医学影像等等等。

2. 面片（Mesh）：三角网格就是由一系列三角形组成的多边形网格，主要用于模拟复杂物体的表面。无法描述模型的内部信息。有多种表达格式，例如OBJ、PLY等，所包含的信息也不同。但都包含顶点信息。应用领域：图形处理，实时渲染、3D人物模型等。

3 数据准备

体素格式：需要保证内部也要有体素，不能只是表面。体素格式本质是三维矩阵，0是背景，1是前景。

PS：你的数据如果是ply，obj，需要进行体素化操作，常用工具是MeshLab。如果数据是mat，甚至还可能是nparray，可能是图像栈，都没关系，都是可以进行转换

面片Mesh格式：只需要顶点坐标。

4 两种骨架提取方法：

4.1 基于体素的骨架提取的框架以及算法：

目前常用的共三种方法：

（1）Python的scikit图像处理库的skeleton_3D方法  点击链接

（2）matlab的第三开发者骨架提取框架skeleton3d 点击链接

（3）图像处理程序ImageJ、ImagePy。熟悉图像处理领域的读者应该很清楚ImageJ。而ImagePy是国内开发人员开的框架，它模拟了ImageJ。点击链接

这三者使用都是1994年的算法：Building Skeleton Models via 3-D Medial Surface/Axis Thinning Algorithms 此算法是基于体素进行迭代，有兴趣的可以看看此Paper。

以下为对应的官方案例展示结果图。

（1）scikit中没有给出三维案例，只给出了二维案例。

（2）matlab的展示结果

（3）ImagePy的展示结果

4.2 基于三维面片的骨架提取算法：

基于三维面片的骨架提取算法可以参考此篇Paper：Skeleton Extraction by Mesh Contraction

5 骨架分析：

我使用的是ImagePy进行的骨架分析。

在这篇教程中很详细的描述了骨架分析的方法，包括骨架节点的提取，骨架长度的提取等等。参考链接

可以查看一下我的分析效果：

NodeID：端点。

Degree：端点线数目。

X，Y，Z：端点坐标。

骨架：

startID，EndID，Length：开始编号，结束编号，长度。

如果在使用和运行过程中遇到什么问题欢迎联系我，yindou97@163.com 微信ID：douysuu