纹理采用任意变化的重复图案描述广泛变化的自然现象。计算机图形学的目标之一就是实现真实感的绘制,因此纹理起着十分重要的作用。但是纹理的多样性使得在一个通用框架下描述和生成纹理非常困难。纹理合成是解决这个问题的一个方法。目前,纹理合成研究方兴未艾,特别是大规模的场景的绘制要求和图形网络传输的要求,成为促进纹理合成技术发展的主要动力。 传统的样图纹理合成,利用统计方法对纹理进行分析,通常只能处理随机性纹理;基于MRF模型的逐点合成方法,提升了样图纹理合成的质量,但是速度很慢;基于块拼接的样图纹理合成,不仅改变了逐点合成方法速度慢的缺点,大大加快了合成速度,而且利用纹理的领域相关性得到了很好的合成效果,扩大了可处理纹理的范围,是样图纹理合成技术的发展方向。 本文对基于块拼接的纹理合成技术进行了深入的研究,发现经典的块拼接算法对有些结构性纹理进行合成时,无法保持原纹理图像内容的连续性和完整性:随机性不强,容易产生重复纹理块。尤其当样本图越小,合成图越大时,重复就越明显,且混合边界不易处理。针对这些问题,本文提出了基于分类块拼接的算法。与以往的纹理合成方法不同的是,在合成之前,先对纹理图像进行切割分类;然后将分割后的区块各自拼接成不规则形状的基本结构,再以基本结构作为拼接的单位,进行随机的组合,而不是像其他算法一样,用大小相等的规则的正方形纹理块作为拼接的单位;最后对拼接的边界进行模糊处理。该合成方法类似于拼图。实验证明,该算法对大部分的纹理图像都取得了不错的效果,有效地避免了原有算法的这些缺点。 随后本文将该算法的思想引入到对视频纹理的合成中,加上时间轴后,将视频映射到空间体中,然后对该空间体切割分类,然后再拼接成基本结构,此时的基本结构为形状不规则的空间体,再将基本结构作为拼接的基本单位进行随机的组合。可以看出,处理方法和图像纹理十分类似,不同的就是视频是在三维空间的处理,而图像是二维的。