顶点着色网格转换为 UV 映射的纹理化网格

https://dylanebert-instanttexture.hf.space/

简介

顶点着色是一种将颜色信息直接应用于网格顶点的简便方法。这种方式常用于生成式 3D 模型的构建，例如 InstantMesh 。然而，大多数应用程序更偏好使用 UV 映射的纹理化网格。

InstantMesh https://hf.co/spaces/TencentARC/InstantMesh

本教程将介绍一种快速的解决方案，将顶点着色的网格转换为 UV 映射和纹理化的网格。内容包括 简短版 (帮助您迅速获取结果)，以及 详细版 (提供深入的操作指导)。

简短版

安装 InstantTexture 库，以便捷地进行转换。该库实现了下面详细版中描述的具体步骤。

InstantTexture https://github.com/dylanebert/InstantTexture

pip install git+https://github.com/dylanebert/InstantTexture

用法

以下代码将顶点着色的 .obj 网格转换为 UV 映射的纹理 .glb 网格，并将其保存为 output.glb 文件。

from instant_texture import Converter

input_mesh_path = "https://raw.githubusercontent.com/dylanebert/InstantTexture/refs/heads/main/examples/chair.obj"

converter = Converter()
converter.convert(input_mesh_path)

可视化输出的网格。

import trimesh

mesh = trimesh.load("output.glb")
mesh.show()

就是这样！

如果需要更详细的步骤，可以继续阅读下面的内容。

详细版

首先安装以下依赖项:

• numpy 用于数值运算
• trimesh 用于加载和保存网格数据
• xatlas 用于生成 UV 映射
• Pillow 用于图像处理
• opencv-python 用于图像处理
• httpx 用于下载输入网格

pip install numpy trimesh xatlas opencv-python pillow httpx

导入依赖项。

import cv2
import numpy as np
import trimesh
import xatlas
from PIL import Image, ImageFilter

加载带有顶点颜色的输入网格。该文件应为 .obj 格式，位于 input_mesh_path 。

如果是本地文件，使用 trimesh.load() 而不是 trimesh.load_remote() 。

mesh = trimesh.load_remote(input_mesh_path)
mesh.show()

查看网格的顶点颜色。

如果失败，请确保网格是有效的 .obj 文件，并且带有顶点颜色。

vertex_colors = mesh.visual.vertex_colors

使用 xatlas 生成 UV 映射。

这是整个处理过程中的最耗时部分。

vmapping, indices, uvs = xatlas.parametrize(mesh.vertices, mesh.faces)

将顶点和顶点颜色重新映射到 UV 映射。

vertices = mesh.vertices[vmapping]
vertex_colors = vertex_colors[vmapping]

mesh.vertices = vertices
mesh.faces = indices

定义所需的纹理大小。

构造一个纹理缓冲区，通过 upscale_factor 以创建更高质量的纹理。

texture_size = 1024

upscale_factor = 2
buffer_size = texture_size * upscale_factor

texture_buffer = np.zeros((buffer_size, buffer_size, 4), dtype=np.uint8)

使用质心插值填充 UV 映射网格的纹理。

1. 质心插值 : 计算在由顶点 v0 、 v1 和 v2 定义的三角形内的点 p 的插值颜色，分别对应颜色 c0 、 c1 和 c2 。
2. 点在三角形内测试 : 确定点 p 是否位于由顶点 v0 、 v1 和 v2 定义的三角形内。
3. 纹理填充循环 :

• 遍历网格的每个面。
• 检索当前面的 UV 坐标 ( uv0 , uv1 , uv2 ) 和颜色 ( c0 , c1 , c2 )。
• 将 UV 坐标转换为缓冲区坐标。
• 确定纹理缓冲区中三角形的边界框。
• 对于边界框中的每个像素，检查该像素是否在三角形内，使用点在三角形内测试。
• 如果在内部，使用重心插值计算插值颜色。
• 将颜色分配给纹理缓冲区中的相应像素。

# Barycentric interpolation
def barycentric_interpolate(v0, v1, v2, c0, c1, c2, p):
    v0v1 = v1 - v0
    v0v2 = v2 - v0
    v0p = p - v0
    d00 = np.dot(v0v1, v0v1)
    d01 = np.dot(v0v1, v0v2)
    d11 = np.dot(v0v2, v0v2)
    d20 = np.dot(v0p, v0v1)
    d21 = np.dot(v0p, v0v2)
    denom = d00 * d11 - d01 * d01
    if abs(denom) 1e-8:
        return (c0 + c1 + c2) / 3
    v = (d11 * d20 - d01 * d21) / denom
    w = (d00 * d21 - d01 * d20) / denom
    u = 1.0 - v - w
    u = np.clip(u, 0, 1)
    v = np.clip(v, 0, 1)
    w = np.clip(w, 0, 1)
    interpolate_color = u * c0 + v * c1 + w * c2
    return np.clip(interpolate_color, 0, 255)

# Point-in-Triangle test
def is_point_in_triangle(p, v0, v1, v2):
    def sign(p1, p2, p3):
        return (p1[0] - p3[0])*(p2[1] - p3[1]) - (p2[0] - p3[0])*(p1[1] - p3[1])

    d1 = sign(p, v0, v1)
    d2 = sign(p, v1, v2)
    d3 = sign(p, v2, v0)

    has_neg = (d1 0) or (d2 0) or (d3 0)
    has_pos = (d1 > 0) or (d2 > 0) or (d3 > 0)

    return not (has_neg and has_pos)

# Texture-filling loop
for face in mesh.faces:
    uv0, uv1, uv2 = uvs[face]
    c0, c1, c2 = vertex_colors[face]

    uv0 = (uv0 *(buffer_size - 1)).astype(int)
    uv1 = (uv1 *(buffer_size - 1)).astype(int)
    uv2 = (uv2 *(buffer_size - 1)).astype(int)

    min_x = max(int(np.floor(min(uv0[0], uv1[0], uv2[0]))), 0)
    max_x = min(int(np.ceil(max(uv0[0], uv1[0], uv2[0]))), buffer_size - 1)
    min_y = max(int(np.floor(min(uv0[1], uv1[1], uv2[1]))), 0)
    max_y = min(int(np.ceil(max(uv0[1], uv1[1], uv2[1]))), buffer_size - 1)

    for y in range(min_y, max_y + 1):
        for x in range(min_x, max_x + 1):
            p = np.array([x + 0.5, y + 0.5])
            if is_point_in_triangle(p, uv0, uv1, uv2):
                color = barycentric_interpolate(uv0, uv1, uv2, c0, c1, c2, p)
                texture_buffer[y, x] = np.clip(color, 0, 255).astype(
                    np.uint8
                )

让我们可视化一下目前的纹理效果。

from IPython.display import display

image_texture = Image.fromarray(texture_buffer)
display(image_texture)

正如我们所看到的，纹理有很多空洞。

为了解决这个问题，我们将结合四种技术:

1. 图像修复 : 使用周围像素的平均颜色填充空洞。
2. 中值滤波 : 通过用周围像素的中值颜色替换每个像素来去除噪声。