如何使用PyMeshLab将顶点数减少到一定数量

Question

我有一批三角形网格，每个网格都有不同的顶点和面。我想将所有网格的顶点数量减少到相同的数量，10000。

我知道我可以用简化_二次曲面_边缘_崩溃_抽取减少面数，这意味着顶点数将相应减少。但问题是，我必须多次使用该方法，以便将顶点数精确地降至10000。

因此，我想知道是否有其他方法可以直接将顶点数减少到10000？

Answer 1

Meshlab，以及据我所知的任何其他能够简化的库，使用面数作为参数来指导简化过程。

好消息是，这两个值通过欧拉[Euler characteristic](https://en.wikipedia.org/wiki/Euler_characteristic#Polyhedra) ]

这大致表示顶点的数量是没有孔的曲面的面数的一半。将你的网格抽取到20000个面将产生大约10000个顶点的网格，但你也可以很容易地落到9999以下。由于您拥有使用python编程的优势，因此可以设计一个收敛到多个顶点的进程。

因此，我们的想法是将网格简化为面数略高于20000的面数，然后慢慢优化您的解决方案，直到获得10000个顶点。我建议您使用当前步骤中的多余顶点(顶点- 10000)来减少每个步骤中的面数。

import pymeshlab as ml
ms = ml.MeshSet()
ms.load_new_mesh('input.ply')
m = ms.current_mesh()
print('input mesh has', m.vertex_number(), 'vertex and', m.face_number(), 'faces')

#Target number of vertex
TARGET=10000

#Estimate number of faces to have 100+10000 vertex using Euler
numFaces = 100 + 2*TARGET

#Simplify the mesh. Only first simplification will be agressive
while (ms.current_mesh().vertex_number() > TARGET):
    ms.apply_filter('simplification_quadric_edge_collapse_decimation', targetfacenum=numFaces, preservenormal=True)
    print("Decimated to", numFaces, "faces mesh has", ms.current_mesh().vertex_number(), "vertex")
    #Refine our estimation to slowly converge to TARGET vertex number
    numFaces = numFaces - (ms.current_mesh().vertex_number() - TARGET)

m = ms.current_mesh()
print('output mesh has', m.vertex_number(), 'vertex and', m.face_number(), 'faces')
ms.save_current_mesh('output.ply')

​

​

请注意：

有时你不能精确地减少到10000个顶点，而会以9999个顶点结束。

使用这个公式，每一步(在第一步之后)将移除超过10000的大约一半的顶点，给出一个“软着陆”到您想要的顶点数量。典型的执行应该减少到大约10050个顶点，然后是10025、10012、10006、10003、10001，最后是10000个顶点。最终的面数取决于输入模型的所述欧拉特性。

只有第一个简化步骤将花费大量的执行时间(取决于输入网格中的三角形数量)，并且下一个简化步骤将非常快。

如果你仍然想要加速这个方法，你可以这样做

numFaces = numFaces - int(1.5*(ms.current_mesh().vertex_number() - 10000))

，但这增加了在9999顶点下结束的机会，执行时间不会受到太大影响。

这种方法适用于任何基于人脸的抽取算法，它不是二次边折叠所独有的。