암묵적 모델링에서 생성된 객체의 노이즈를 제거하는 데 사용됩니다. 암묵적 바디에서 원치 않는 작고 선명한 피처의 크기를 줄이거나 제거합니다.
다듬기는 디지털 이미지 처리의 "블러링"과 유사합니다. 필드 위로 해당 창(또는 커널)을 이동하고 창에 포함된 필드 값에 대해 필터링 작업을 수행하는 방식으로 작동합니다. 다듬기 필터의 예로는 Mean(평균), Median(중앙값), Gaussian(가우스) 및 Laplacian(라플라시안)이 있습니다. 이것은 각각 상대적인 장단점을 가지고 있으며 서로 다른 다듬기 효과를 제공합니다.
Implicit Modeling 리본에서, 다듬기 도구를 선택합니다.
팁:도구를 찾아서 열려면 Ctrl+F를 누르십시오. 자세한 내용은 도구 찾기 및 검색을 참조하십시오.
옵션: 시각화 품질의 경우 요소의 밀도가 낮음에서 매우 높음에 해당하는 낮음에서 매우 높음 품질을 선택합니다. 품질이 높을수록 더 선명한 지오메트리 피처가 생성되지만 많은 계산을 필요로 합니다. 복잡한 기능을 만들 때는 낮은 품질로 작업한 후 기능이 완성되면 높은 품질로 전환하는 것이 좋습니다.
부드럽게 만들 암묵적 바디를 선택합니다.
선택한 형상을 매끄럽게 하기 위해 사용되는 알고리즘의 유형 을 선택합니다.
평균: 각 위치의 스칼라 값은 필드의 해당 위치를 중심으로 하는 커널의 모든 값에 대한 평균값으로 대체됩니다. 이러한 접근 방식은 평면 영역에서 효과가 좋습니다. 그러나 선명한 엣지에 필렛과 유사한 효과가 있으며, 이전에 모델에 없었던 곡면상 이음새나 기타 노이즈가 발생할 수 있습니다. 심한 평균 다듬기는 모델의 볼륨을 감소시키고 때로는 얇거나 작은 피처를 파괴할 수 있다는 점에 유의하십시오.
중앙값: 각 위치의 스칼라 값은 필드의 해당 위치를 중심으로 하는 커널에서 모든 스칼라 값의 중앙값으로 대체됩니다. 이러한 다듬기 유형은 특히 필드에서 선명하고 갑작스러운 교란을 일으키는 "점노이즈" 또는 "임펄스" 노이즈를 제거하는 데 적합합니다. 이러한 접근 방식은 평면 영역에서 효과가 좋은 경향이 있습니다. 그러나 선명한 모서리에 필렛과 같은 효과가 있으며 이전에는 모델에 없었던 곡면상 작은 이음새가 생길 수 있습니다. 중앙값 필터는 비선형 순위 필터이므로 계산 속도가 상대적으로 느립니다. 따라서 창 내 중앙값을 계산하기 위해 커널 내에 속하는 스칼라 값을 정렬해야 합니다.
가우시안: 평균값 접근 방식과 유사하지만 창(커널)의 인접 값에 가우스 분포를 사용하여 할당된 커널 중앙의 스칼라 값과 다른(낮은) 가중치가 지정됩니다. 계산 속도가 느린 실제 가우스 분포를 사용하는 대신 실제 가우시안 다듬기 결과에 매우 가까운 근사치를 제공하는 평균 필터를 5회 연속 반복 적용하여(가우시안 다듬기의 반복당) 가우스 분포를 정확하게 근사치로 추정합니다. 이러한 접근 방식은 위치 파악과 노이즈 제거 사이에 적절한 절충점을 제공합니다. 그러나 "점노이즈" 또는 "임펄스" 노이즈와 중앙값 접근 방식은 처리하지 않습니다. 심한 가우시안 다듬기는 모델의 볼륨을 감소시키고 때로는 얇거나 작은 피처를 파괴할 수 있다는 점에 유의하십시오.
라플라시안: 이 방법은 7점 이산 라플라시안 커널을 사용하여 스칼라 필드에 다듬기를 적용합니다. 이것은 가장 부드러운 다듬기 작업으로, 각 반복마다 모델의 볼륨을 약간만 줄입니다. 모델에서 큰 아티팩트를 제거하는 경우에 다른 필터와는 달리 라플라시안 다듬기는 더 많이 반복해야 합니다.
다듬기 커널의 크기인 너비를 정의합니다.
다듬기 커널이 실행되는 횟수인 반복을 정의합니다.
다듬기 결과를 0%(다듬기 없음)와 100%(폭 및 반복 설정에 따른 전체 강도 다듬기) 사이에서 모핑하는 강도를 정의합니다. 강도는 이 기능이 있는 첨단 응용 프로그램에서 다듬기의 강도를 줄이기 위해 사용되어야 합니다. 암묵적 지오메트리 모핑을 참조하면 추가 정보를 확인할 수 있습니다.
확인을 클릭합니다.
다양한 다듬기 기술이 암묵적 모델링 형상에 어떤 영향을 미치는지 시각적으로 보여주기 위해 다양한 다듬기 커널과 다양한 설정을 사용하여 다음 이미지를 만들었습니다. 각 이미지에는 각 사례의 주요 관찰 내용을 설명하는 설명이 포함되어 있습니다.
다양한 다듬기 필터의 장단점을 강조하기 위해 다음과 같은 테스트 모델을 구축했습니다. 이는 구형 표면, 평면 표면, 세부 묘사가 포함된 내장 스트럿 래티스, 상단 표면에 의도적으로 잘못 설계된 텍스처 등으로 구성되어 모델에 노이즈가 많은 아티팩트가 남습니다. 일부 부울 연산의 결과로 인해 곡률이 높은 영역(다소 선명한 엣지 및 모서리)도 모델에 나타납니다. 녹색 색상은 단면 평면을 사용하여 객체 내부의 래티스를 드러낸 결과입니다.
평균 다듬기
너비 1(3 x 3 x 3 복셀 커널)과 단일 반복 사용:
상단면에서 노이즈가 많은 아티팩트가 제거되었습니다.
텍스처 깊이와 디테일이 모두 감소되었습니다.
더 선명한 구형 엣지를 따라 발생하는 노이즈가 바람직한 방식으로 감소되었습니다.
선명한 상태를 유지하기 원했던 일부 구형 엣지가 눈에 띄게 둥글게 처리되었습니다.
래티스 스트럿은 약간 더 얇지만 노드와 외부 바디의 접합부에 눈에 띄는 필렛 모양의 조인트가 있어서 스트레스 상승 요인을 완화하는 데 매우 유용할 수 있습니다.
너비 1(3 x 3 x 3 복셀 커널)과 2회 반복을 사용하면 이전 목록에 설명된 모든 효과의 심각도가 증가합니다. 텍스처의 디테일이 더 많이 손실되고 선명한 모서리가 더욱 둥글게 되며 래티스의 스트럿이 더욱 얇아집니다.
흥미롭게도 커널의 너비를 2(5 x 5 x 5 복셀 커널)로 늘리고 단일 반복을 사용하는 것은 동일한 커널을 2회 반복 사용하는 이전 사례보다 더 심각합니다. 아래 이미지에서는 래티스의 스트럿이 여전히 더 얇으며 텍스처가 거의 손실되었습니다.
마지막으로 너비 2와 2회 반복을 사용하는 경우에 평균 다듬기가 래티스의 스트럿을 파괴하기 시작하고 텍스처가 실제적으로 사라졌습니다.
중앙값 다듬기
중앙값 다듬기는 수학적 및 계산적 구성 측면에서 다른 필터와 상당히 다릅니다. 중간 값을 선택하기 전에 커널 내에서 값의 순위를 지정하는 유일한 필터입니다. 따라서 본질적으로 비선형입니다. 커널 너비 1과 단일 반복을 사용하면 다음과 같은 결과를 얻을 수 있습니다.
상단면에서 노이즈가 많은 아티팩트가 제거되었습니다.
텍스처 깊이와 디테일이 모두 보존되었습니다(평균 다듬기 이상).
더 선명한 구형 엣지를 따라 발생하는 노이즈가 바람직한 방식으로 감소되었습니다.
선명한 상태를 유지하기를 원했던 일부 구형 엣지는 평균 다듬기를 사용한 것보다 더 선명했습니다.
래티스 스트럿은 약간 더 얇지만 노드와 외부 바디의 접합부에 눈에 띄는 필렛 모양의 조인트가 있어서 스트레스 상승 요인을 완화하는 데 매우 유용할 수 있습니다.
더 많은 반복 횟수에 더 낮은 너비를 사용하는 것이 더 적은 반복 횟수에 더 큰 너비를 사용하는 것보다 일반적으로 덜 심각하다고 말할 수 있습니다. 더 심각한 효과를 보여주기 위해 다음 이미지는 너비 2와 2회 반복을 사용하여 생성되었습니다. 주요 관찰 내용은 다음과 같습니다.
질감이 여전히 선명하게 보입니다.
래티스의 노드가 둥글게 처리되었지만 래티스의 스트럿 너비는 크게 감소했습니다. 그러나 평균 다듬기에서 동일한 설정을 사용하는 경우와 달리 많은 스트럿이 여전히 표시됩니다.
더 선명한 모서리 중 일부는 둥글게 처리된 반면 다른 모서리는 필렛 같은 효과를 나타내기 시작했습니다.
구형 표면이 직선 패턴화/텍스처링을 나타내기 시작합니다. 이는 다듬기 필터의 비선형 특성으로 인한 결과입니다. 이것은 아래 두 번째 이미지의 다른 관점에서 강조된 것입니다.
가우시안 다듬기
이 구현에서는 평균 다듬기를 5회 연속 반복하여 가우시안 다듬기의 단일 반복을 근사화하는데, 이는 매우 가까운 근사치를 제공합니다. 따라서 가우시안 다듬기의 속성은 여러 반복을 사용한 평균 다듬기의 속성과 대체로 일치합니다. 그러나 예상과 같이 가우시안 다듬기는 다소 거친 다듬기 효과를 제공하여 미세한 피처의 두께를 줄입니다. 아래 이미지는 가우시안 다듬기를 한 번 반복한 것으로 노이즈가 많은 피처를 성공적으로 제거하고 래티스와 외부 바디 사이에 적절한 블렌드를 생성했습니다. 또한, 텍스처의 일부 디테일이 손실되고, 선명한 모서리가 둥글게 처리되었으며, 일부 래티스 스트럿의 너비가 감소했습니다.
라플라시안 다듬기
라플라시안 다듬기는 다른 다듬기 기술보다 더 부드러운 처리를 제공합니다. 따라서 큰 아티팩트를 제거하려면 많은 반복이 필요합니다. 라플라시안 다듬기는 여전히 모델의 두께를 줄이지만 더 많은 반복이 필요하기 때문에 아티팩트 제거와 두께 보존 사이의 균형을 더 세밀하게 제어할 수 있습니다. 아래 2개의 이미지는 각각 너비 1, 1회(상단) 및 9회(하단) 반복을 사용하여 생성되었습니다. 이를 통해 다듬기 및 두께 변화율 효과가 얼마나 점진적인지 알 수 있습니다.
