细分曲面技术具有传统参数曲面、隐式曲面造型技术不具备的诸多优点,因此广泛应用于计算机辅助几何设计和计算机动画造型等领域。但细分曲面的所有细分模式都存在一个亟待解决的问题:对模型进行细分时,在每一层都是全局细分,随着细分次数的增多,网格的面片数成指数级增长,巨大的数据量使得细分后的模型难以进行其它处理。然而实际情况下并不需要对整个模型细分来获得光滑的曲面,仅需在不平坦或曲率较高的区域进行细分使得这部分区域更光滑。此外对一块已光滑的区域实施细分迭代操作,对改善模型的光滑度效果很不明显。针对这个问题,本文利用控制网格的局部信息,提出了一种基于二面角阈值和Loop模式的自适应细分算法,利用该算法可避免在相对光滑处再细分,与正常细分相比,既大大减少了数据量,提高了模型的处理速度,又达到了对模型进行细分的目的。本论文的主要工作围绕下面三点展开:(1)对细分方法的基本理论和方法进行了比较全面的阐述,并对细分曲线算法、DooSabin细分算法、Catmull-Clark细分曲面算法、蝶型细分模式、√3细分模式等几种典型细分模式学习并实现。(2)对目前现有的自适应算法进行比较,分析了他们的优点和不足。针对Loop细分模式实现了基于二面角阈值的自适应细分模式。该算法构造了新的细分规则,实验结果表明该方法在保证曲面质量的同时,控制了细分面片数量的过快增长。(3)在ubuntu 16.04桌面版64位系统下,使用C++语言和OpenGL、CGAL、GLUT技术,采用可以快速查询网格信息的半边型数据结构和方便读写的off模型文件,初步实现了自适应Loop细分曲面造型算法。同时,该算法可以实现对模型的旋转、缩放等操作。并选择龙、正四面体、兔子模型进行了全局细分和自适应细分,进行对比分析。结果表明,针对不同的模型,面片减少率9.4%-82.0%,从而节省了大量的CPU和显存资源。