【3D实践】3D模型骨架提取及分析
源代码可在此仓库中找到：如果对您有帮助，还请给一个star，如果大家发现错误以及不合理之处，还希望多多指出。1 运行结果
经历了一个痛苦的过程，做骨架提取的很少众，做三维骨架提取的更加少，中文资料也很少，本人在这里进行总结，帮助需要的人。源代码位置在顶部链接
下面是我对我的数据进行骨架提取的效果。
基础知识介绍：
体素（Voxel）：可以产生体数据集，不仅包含模型的表面信息，而且可以描述模型的内部属性。与表示图像的二维像素比较类似，只不过是从二维的像素扩展到了三维的立方体单元。应用领域：三维成像、地理分析、化学分析、科学资料与医学影像等等等。
面片（Mesh）：三角网格就是由一系列三角形组成的多边形网格，主要用于模拟复杂物体的表面。无法描述模型的内部信息。有多种表达格式，例如OBJ、PLY等，所包含的信息也不同。但都包含顶点信息。应用领域：图形处理，实时渲染、3D人物模型等。
3 数据准备
体素格式：需要保证内部也要有体素，不能只是表面。体素格式本质是三维矩阵，0是背景，1是前景。
PS：你的数据如果是ply，obj，需要进行体素化操作，常用工具是MeshLab。如果数据是mat，甚至还可能是nparray，可能是图像栈，都没关系，都是可以进行转换
面片Mesh格式：只需要顶点坐标。
4 两种骨架提取方法：
4.1 基于体素的骨架提取的框架以及算法：
目前常用的共三种方法：
（1）Python的scikit图像处理库的skeleton_3D方法点击链接
（2）matlab的第三开发者骨架提取框架skeleton3d 点击链接
（3）图像处理程序ImageJ、ImagePy。熟悉图像处理领域的读者应该很清楚ImageJ。而ImagePy是国内开发人员开的框架，它模拟了ImageJ。点击链接
这三者使用都是1994年的算法：Building Skeleton Models via 3-D Medial Surface/Axis Thinning Algorithms 此算法是基于体素进行迭代，有兴趣的可以看看此Paper。
以下为对应的官方案例展示结果图。
（1）scikit中没有给出三维案例，只给出了二维案例。
（2）matlab的展示结果
(3) ImagePy的展示结果
4.2 基于三维面片的骨架提取算法：
基于三维面片的骨架提取算法可以参考此篇Paper：Skeleton Extraction by Mesh Contraction
5 骨架分析：
我使用的是ImagePy进行的骨架分析。
在这篇教程中很详细的描述了骨架分析的方法，包括骨架节点的提取，骨架长度的提取等等。参考链接
可以查看一下我的分析效果：
NodeID：端点。
Degree：端点线数目。
X，Y，Z：端点坐标。
骨架：
startID，EndID，Length：开始编号，结束编号，长度。 大佬啊，摩拜，什么时候我也能像大佬一样。[惊喜][惊喜][惊喜] 我是小白我学几年可以做到 如果是基于point cloud，该如何提取骨架？是要先体素化？ 首先保证体素格式，其次需要保证内部需要有数据。
页:
[1]