معرفی شرکت ها
CVTLowpoly-1.0.2.dev0
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A fast library for image lowpoly generation based on centroid voronoi diagram
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | CVTLowpoly-1.0.2.dev0 |
| نام | CVTLowpoly |
| نسخه کتابخانه | 1.0.2.dev0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Cong.Xie |
| ایمیل نویسنده | xiconxi@gmail.com |
| آدرس صفحه اصلی | https://github.com/anapupa/PyCVTLowpoly |
| آدرس اینترنتی | https://pypi.org/project/CVTLowpoly/ |
| مجوز | - |
# CVTLowpoly: Image Lowpoly via Centroid Voronoi Diagram
Image Sharp Feature Extraction using **Guide Filter**'s Local Linear Theory via opencv-python.
The Following two parts are bollowed from https://github.com/songshibo/JumpFlooding-taichi
2D/3D Voronoi tessellation using Jump Flooding algorithm(JFA). Adopt 1+JFA strategy to reduce errors.
2D Centroidal Voronoi Tessellation using Lloyd algorithm.
# Installation
The Python package can be installed with Pypi:
```shell
pip install CVTLowpoly
```
# Usage
```python
import cv2, CVTLowpoly
img = cv2.imread(filename, cv2.IMREAD_ANYCOLOR)
# case1: get triangle mesh
V, F, _sharp_image = CVTLowpoly.lowpoly_mesh(img)
# case2: get lowpoly image and triangle mesh
lowpoly_img, V, F, FColor = CVTLowpoly.lowpoly_image(img)
```
## Results
- Case 1: Source Image: 550x825(pixels: 453750), 1% sites
| Source Image | CVTLowpoly(iterations: 5, time: 1.7108s on MacPro2017 i5) |
| :---------------------------: | :---------------------------: |
|  |  |
- Case 2: Source Image: 550x828(pixels: 455400), 1% sites
| Source Image | CVTLowpoly(iterations: 5, time: 2.0708s on MacPro2017 i5) |
| :---------------------------: | :---------------------------: |
|  |  |
- Case 3: Source Image: 550x825(pixels: 453750), 1% sites
| Source Image | CVTLowpoly(iterations: 5, time: 0.7505s on MacPro2017 i5) |
| :---------------------------: | :---------------------------: |
|  |  |
- Case 4: Source Image: 1193x834(pixels: 994962), 1% sites
| Source Image | CVTLowpoly(iterations: 5, time: 2.889s on MacPro2017 i5) |
| :---------------------------: | :---------------------------: |
|  |  |
- Case 5: Source Image: 1193x834(pixels: 691200), 1% sites
| Source Image | CVTLowpoly(iterations: 5, time: 2.763s on MacPro2017 i5) |
| :---------------------------: | :---------------------------: |
|  |  |
# Reference
[Jump flooding in GPU with applications to Voronoi diagram and distance transform](http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.101.8568&rep=rep1&type=pdf)
[GPU-Assisted Computation of Centroidal Voronoi Tessellation](https://personal.utdallas.edu/~xxg061000/GPU-CVT.pdf)
[Variants of Jump Flooding Algorithm for Computing Discrete Voronoi Diagrams](https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4276119)
[JumpFlooding-taichi](https://github.com/songshibo/JumpFlooding-taichi)
[Semi-Isotropic Triangular Image Lowpoly](https://github.com/xiconxi/isotropic-lowpoly)
نیازمندی
| مقدار | نام |
|---|---|
| - | taichi |
| - | taichi-glsl |
| - | scipy |
| - | opencv-python |
| - | numpy |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl CVTLowpoly-1.0.2.dev0:
pip install CVTLowpoly-1.0.2.dev0.whl
نصب پکیج tar.gz CVTLowpoly-1.0.2.dev0:
pip install CVTLowpoly-1.0.2.dev0.tar.gz