三维人体纹理映射是一种将人体空间坐标点转化为人体纹理坐标,进而从人体纹理坐标上获取对应点的灰度值,以实现三维人体模型纹理细节的方法。由于受到输入图像成像效果的影响,如过强或过弱的光照而导致的图像对比度较弱等,三维人体纹理映射后的纹理图像质量不佳;此外,目前的一些三维人体纹理映射主要针对正交投影后的人体纹理图像,而忽略了相机拍摄时的位姿情况,影响了三维人体纹理映射的精度与效果。因此,人体纹理表面细节的处理效果对人体纹理映射有着至关重要的影响。针对三维人体纹理图像出现的亮度偏亮、偏暗、不均衡以及图像对比度不足等问题,提出了一种基于HSI空间直方图均衡与对比度展宽的三维人体纹理图像增强方法。首先根据输入的RGB颜色空间图像转换到HSI颜色空间中,利用HSI空间中亮度分量I的特性,对图像进行直方图均衡、对比度展宽突出图像中我们感兴趣的关键部分,最终得到增强后的纹理图像。然后利用增强后的纹理图像进行编码,提取纹理图像中的纹理特征和几何特征并根据增强后的特征值进行三维人体三维模型重建及其对应的纹理映射。针对基于单张图像进行三维人体纹理映射时出现的透视畸变问题,提出了一种基于相机位姿估计与PIFu深度学习网络的三维人体纹理映射方法。首先进行相机位姿估计,求解相机位姿参数。然后根据透视投影成像过程,推导出相机透视投影方程,计算图像坐标系中的像素点与相机坐标系中的三维点之间的映射关系。通过相机相关参数对输入的纹理图像进行透视投影反变换,消除相机透视投影过程中造成的空间几何变形,得到世界坐标系中待重建的保持形状和比例的真实人体纹理的正交投影图像。最后将恢复后的三维人体正交投影图像通过PIFu深度学习网络完成三维人体纹理映射。最后,本文设计并实现了一个基于相机位姿估计的三维人体纹理映射系统,针对输入的RGB图像,经过相机位姿估计与PIFu深度学习网络完成了三维人体的纹理映射。本文还对提出的纹理映射方法以及其他纹理映射方法使用来自Deep Fashion、BUFF数据集中的人体纹理映射图像、以及实验采集的人体纹理图像设计了不同的实验,实验结果表明本文所提出的方法在三维纹理映射后,能够得到更清晰更精确的三维人体表面细节。