基于变化光源方向多图像的植物叶片表观三维模拟
2016-12-19郭新宇赵春江肖伯祥王传宇温维亮
苗 腾，郭新宇，赵春江※，肖伯祥，王传宇，温维亮
（1. 北京农业信息技术研究中心，北京 100097；2. 国家农业信息化工程技术研究中心，北京 100097；3. 农业部农业信息技术重点实验室，北京100097；4. 数字植物北京市重点实验室，北京 100097；5. 沈阳农业大学信息与电气工程学院，沈阳 110866）
基于变化光源方向多图像的植物叶片表观三维模拟
苗 腾1,2,3,4,5，郭新宇1,2,3,4，赵春江1,2,3,4※，肖伯祥1,2,3,4，王传宇1,2,3,4，温维亮1,2,3,4
（1. 北京农业信息技术研究中心，北京 100097；2. 国家农业信息化工程技术研究中心，北京 100097；3. 农业部农业信息技术重点实验室，北京100097；4. 数字植物北京市重点实验室，北京 100097；5. 沈阳农业大学信息与电气工程学院，沈阳 110866）
为了真实准确地模拟植物叶片表观颜色，提出一种基于多图像的叶片表观模拟方法。首先搭建基于线性光源的表观图像采集系统，用以获得400张视线角度固定、光源方向变化的叶片图像集合；采用拟合方法自动地从400张图像中获得整个叶片表面的表观特征参数，包括漫反射强度、高光反射强度和粗糙度；利用该拟合方法对线性光源移动条件下理想物体的各种反射特征的变化情况进行仿真计算，然后针对叶片图像中的每个像素寻找与仿真计算结果最接近的表观模型参数作为拟合结果。通过该拟合方法，可将叶片表面上各个位置的表观参数合成3张表观参数图像，采用基于点光源的实时光照方法测试最终的可视化模拟效果。从模拟结果中可以看出利用该文方法得到的结果能够真实地表现叶片自身的表观质感特性，相对于传统方法更加真实准确。
三维；可视化；光源；叶片；表观模拟；数字植物
0 引言
中国农业科学研究和生产方式已经向数字化、可视化、精准化和智能化转变，农林植物作为农业科学研究的重要对象和载体，利用三维建模与可视化技术表达农林植物生命和生产系统，对探索植物生长过程中的生命规律，深化传统的农学研究、拓展农业知识的传播途径等具有重要的理论价值[1]。叶片是植物体的重要器官，其外观反映了植物自身的基因特征和生长状态，对叶片形态表观的精确描述是植物建模与可视化工作的关键环节。
叶片三维形态的建模方法目前已比较成熟，从早期的交互式编辑建模[2-3]、基于规则的建模[4-6]，到近期应用更加广泛的基于三维数据的建模[7-8]，这些方法都可以较准确地描述叶片形态结构特征。相对于形态，叶片表观（颜色纹理）模拟仍是具有挑战性的工作[9-11]。叶片表观是光环境与自身相互作用的结果，是复杂的生理物理过程。如果从数学上进行抽象，叶片形态只需三维空间即可精确描述，而表观则需要14维，因此对叶片表观的模拟具有更大难度。传统方法多采用基于图像的纹理贴图方法模拟叶片表观[12]，该类方法利用拍摄的单张照片作为叶片颜色特征进行表观可视化模拟。单张照片是特定光环境、相机空间位置和叶片自身几何形态共同作用的结果，用其作为叶片表观进行可视化计算，会使结果包含图像中光照、视角等带来的噪声信息，降低模拟的准确性以及可视化质量。直接编辑叶片表观参数可以消除外部环境带来的噪声，一些方法通过构建经验性的数学模型[13-17]表示叶片的表观特征，但是由于缺少标准的叶片表观数据作为参考，这类方法的模拟结果质量同样较差。
本文提出一种基于多图像的叶片表观模拟方法，基于大量不同光源方向的图像数据对叶片表观参数进行自动拟合并最终用于表观模拟，该方法可以获得更加本质的叶片表观属性，排除外部环境的噪声信息，使模拟结果更准确真实。
1 叶片表观模型
作物叶片表观反映其与光的作用方式。如图1所示，叶片作为半透明物体，入射光线L射到其表面P点之后，一部分会直接在P点处反射形成高光反射L1（高光反射指未进入叶片内部，在叶片表面即被反射出的光线）；剩余部分则折射进入叶片内部，并在组织之间形成多次散射和吸收，最终以漫反射形式从P点周围区域离开叶片，通常将这种光的传输方式称为次表面散射，其可以用双向散射表面反射率分布函数（bidirectional scattering surface reflectance distributed function，BSSRDF）[18-23]进行表示。在实际模拟中，常见的作物叶片厚度远远小于叶片长、宽，同时绝大多数场景中单个叶片大小也只占据画面较小的分辨率，所以光的入射点P与P周围区域的出射点可简化为同一点，为此可将BSSRDF简化为双向反射分布函数（bidirectional reflectance distribution function，BRDF）。
图1 光与作物叶片的作用方式示意图Fig.1 Interaction between light and plant leaves
本文将叶片看做内部均一物体，利用Ward BRDF经验模型描述叶片表面任意点P将（iθ，iφ）方向的入射光线反射至（rθ，rφ）方向的分布特征，该模型的公式如下
式中δ为P点处法向量n与向量h（（0.5×iθ+0.5×rθ，0.5×iφ+0.5×rφ））之间的夹角，δ、iθ、rθ、iφ、rφ，(°)；dρ为漫反射强度（RGB三通道），无量纲；sρ为高光反射强度（RGB三通道），无量纲；α为粗糙度参数，无量纲；这3个向量是物体自身的表观材质属性，也是本研究需要拟合的表观参数。
2 表观图像采集系统
形态结构的三维特征可利用三维扫描仪进行精确获取，目前三维扫描技术已比较成熟。而对物体表观数据的采集仍是难点，目前并没有成熟的产品销售，一些研究机构搭建出特定的采集环境进行表观数据采集[24-26]。为了获得植物叶片的表观特征数据，本文采用Gardner的方法[25]，搭建了一套简化的线性光源光度仪系统。与原始方法相比，本文方法根据植物叶片的形态特点，通过试验将原系统中各种可变的结构尺寸参数确定为固定参数；同时，由于叶片的高光反射并不强烈，因此忽略了叶片褶皱带来的凹凸变化，将系统改造为只适合平展物体的结构，提高了数据采集的效率。
系统结构如图2所示，其主要由驱动系统、光源、相机和载物台构成，各模块的位置均精确摆置，因此它们之间的相对三维位置可准确计算。驱动系统主要由步进电机和若干支撑部件组成，并利用运动控制程序进行自动控制，其用来驱动光源移动；光源包含一根白光灯管（长30 cm，直径为1 cm）和一个一字线形的激光器，两者按3 cm的间隔固定于驱动系统上，白光灯高度距离载物台30 cm。相机选用佳能A640数字相机，该相机以5 s为间隔进行自动图像获取，相机镜头方向与垂直方向呈55°，固定于X方向100 cm，Y方向30 cm，Z方向60 cm处。载物台在X轴方向长80 cm，Y轴方向长60 cm，其用来承载被测植物叶片，同时载物台上还放置标准反射物体。在获取数据时，光源随步进电机从原点O出发，沿X轴方向自动匀速运动80 cm，相机每5 s自动拍摄图片，在对样本进行数据获取时，样本位置和相机位置保持恒定，仅光源位置发生变化，激光定位器固定在光源后部，使红色激光线与光源形成的白光带保持固定间隔3 cm。对于每一个样本，最终获得400张只有光环境发生变化的样本图像，图3为实际设备和利用该设备拍摄的部分叶片图像序列。
图2 表观图像采集系统结构图Fig.2 Structure diagram of apparent image acquisition system
图3 表观图像采集系统实物及采集的图像数据Fig.3 Apparent image acquisition system and appearance
3 表观数据拟合
基于采集的400张图像对叶片表面上任意P点的表观参数进行估算，400个P点的像素值表示400个不同光源方向下的P点反射值，本文将该400个反射值形成的集合称为反射轨迹。图4a为反射轨迹形成的曲线。
依据下述物理现象对表观参数进行提取（图5）：假设叶片平展，因此叶片任意点处的法向量均为(0,0,1)；对于表面任意点P，当光源方向处于P点正上方时，P点主要呈现漫反射；当光源方向与P点法向量之间的夹角等于相机视点方向与法向量之间的夹角（即rθ）时，P点出现高光反射峰值。利用表观采集系统获取图像数据时，将整个数据采集时间离散成400个时间点（也可以看成是400个离散的光源方向），与400张图像一一对应，将第1张图像对应的序号设为T1，第i张图像对应的序号为Ti，假设Ta序号图像中P点为漫反射，Tb图像中P点为高光反射峰值，Tc为出现激光反射峰值的图像序号，3个图像出现的先后顺序为Tb 图4 叶片表面一点的反射轨迹曲线Fig.4 Reflectance trace curves of point on leaf surface 图5 表观参数拟合原理说明图Fig.5 Principle illustration of our appearance parameters fitting method 实际中，由于叶片并非理想平展，其表面的凹凸会影响Ta和Tb的计算，为了尽可能减少误差，并未直接选取Ta和Tb时刻的图像作为漫反射和高光反射峰值点。对于漫反射，首先根据式（2）计算Ta，之后在Ta前后30张图像中寻找激光峰值图像Tc（R/(R+G+B)值最大的图像），由于激光器与白光灯间距为3 cm，所以取第Tc-15张图像中P点值作为漫反射亮度峰值Dp，并令Ta=Tc-15。对于高光反射峰值，根据公式（2）计算Tb，然后在Tb前后30张图像中寻找P点最大亮度值的图像TB，并将该图像中P点值作为高光亮度峰值Sp，并令Tb=TB。得到Dp和Sp值之后，可对式（1）中dρ、sρ和α进行估算。 Dp值是光强与dρ共同作用的结果，为了将光强的干扰去除，本文通过Ta图像中标准漫反射体的亮度值Ds进行矫正，假设标准漫反射体的漫反射强度为dρ′，则dρ可通过下式计算 漫反射是叶片表观的低频特征，在任何半球光源方向下，漫反射的影响均不能忽略，为了估算高光反射参数，需将P点反射率轨迹中的漫反射贡献去除。根据实际系统的构建方式，在计算机中对线性光源的漫反射特征进行仿真计算，构建30 cm×1 cm的长方形表示线性光源，计算其在X轴d cm、Z轴30 cm的三维位置处，对XY平面上80 cm×60 cm区域内任意点的漫反射作用（假设所有点的漫反射强度为1），计算方法采用蒙特卡洛积分进行离散，最终获得一个不同光源方向（即400张图像数据中的不同图像）下漫反射强度的参考集合。本文用400×1大小的一维图像进行存储，为了更好地说明该图像样式，将其表示为一个2维图像，其中纵坐标上亮度恒定（图6a）。Dp与漫反射参考表中数值相乘计算得到P点反射轨迹中的漫反射贡献，其形成曲线如图4b，本文称为漫反射轨迹。用P点反射轨迹减去漫反射贡献之后的值为高光反射的贡献，本文称其为高光反射轨迹（如图4c）。 图6 反射强度参考集合的图像表示Fig.6 Image representation of reference set of reflection intensity 根据式（1）的数学形式可以看出，高光贡献实际上是一种类似正态分布的数学分布，自变量为sρ和α，其中sρ和α值共同影响高光分布强度，而α影响整个分布的幅度。具体到本文获取的反射轨迹中，Sp由光强、sρ和α决定，而Ta与Tb之间反射轨迹的曲线形态由α确定。与漫反射拟合过程类似，同样采用蒙特卡洛积分对线性光源的高光反射特性进行数值仿真，为了区分仿真和实际样本中的符号，用α′、sρ′、dρ′表示仿真计算中的参数，而α和sρ表示样本的待拟合表观参数，反射率的计算采用公式（1）。将光源强度设为1.0，利用30 cm×1 cm的长方形表示线性光源，计算其在X轴1.5d− 50（即Tb时刻）、Z轴30 cm处对P点的高光反射贡献（设P点处dρ′=0，sρ′=1）。以0.005为步长，计算α′从0.01到0.5递增中100个不同α′值下的高光反射参考值集合，将计算的结果以400×100大小的二维图像表示（如图6b），像素值为高光反射强度，从图中可以看到，α′值越小，高光反射幅度越窄，相反，α′值越大，高光反射幅度越广。得到仿真的高光轨迹集合之后，计算不同α′值高光轨迹的2个统计学指标——标准差δ′以及高光强度总和S′，之后利用2个指标对实际叶片样本的高光反射参数值进行拟合。对于实际样本的高光反射轨迹，同样计算标准差δ以及高光强度总和S，但在计算时，只需统计Ta至Tb区间的轨迹即可计算δ和2S（因为S只是Ta至Tb区间轨迹的总和，且整个分布是基本对称的，所以估算整个高光轨迹强度总和时需乘以2）。在仿真的高光轨迹集合中遍历不同α′下的δ′，从中查找与实测δ最接近的值，选择该δ′值对应的α′为实测样本的α，并利用α′值对应的S′计算sρ，公式如下 利用上述方法对图像中所有像素点均可估算dρ、sρ 和α，进而可形成3张表观参数图像，用于记录叶片表面不同位置的表观参数，这些图像可用于对叶片表观的可视化模拟。以绿萝叶片为例，3张表观图像如图7。 图7 表观参数图像Fig.7 Appearance parameters images 采用纹理映射方法将表观参数图像与三维叶片模型进行关联，这样叶片模型上任意三维点P均可根据纹理坐标从表观图像中获得3个表观参数dρ，sρ以及α。之后基于辐射度传输积分计算叶片的表观颜色，本文为了加快计算速度，利用多个点光源对辐射度传输积分进行简化，计算公式如下 本文搭建的表观获取设备采用了线光源，但提取的表观参数则是植物叶片的自身属性，与光源类型无关，因此在进行颜色模拟时，可以采用这些表观参数重建植物的表观材质，进而参与到任意形式光环境下的辐射度传输计算中。 5.1 算法效果 算法在配置为3.0 GHz CPU、DDR8G内存的PC机上进行了测试，以绿萝叶片为例，获取400张表观图像，并拟合生成3张1 200×600分辨率的表观参数图像，整个拟合时间20 min；表观模拟方法在渲染3 000个顶点的模型时，速度达到800帧/s，可进行流畅的三维实时交互浏览。图8为本文方法和传统照片贴图方法的模拟效果对比图，从结果中可以明显看到，本文方法得到的结果与真实的叶片更加接近。传统方法由于使用的照片包含特定光环境以及视点信息，所以在进行颜色模拟时会存在光照的冗余信息（如高光、亮度等颜色噪声），降低了模拟质量。图8b、8c在形态上的差异，是由观察角度不同导致的透视效果，两者模拟的均是图8a中的叶片。 图8 本文方法与单张纹理映射方法的效果对比图Fig.8 Simulation result generated by our method compared with texture mapping method using single image 利用本文方法对作物不同生育期的表观颜色变化过程进行可视化模拟，以玉米为例开展相关工作验证方法可行性。在北京农科院试验场开展玉米田间试验，试验品种选为先玉335，测量并提取玉米6叶展、9叶展、13叶展、吐丝、灌浆和成熟期的第6、12、和18叶位的玉米叶片漫反射强度数据。测量整个叶片表面的漫反射强度（图9a），并将所有样本的强度分为5类并排序（图9b），排序结果代表了叶片生长过程中按时间顺序依次出现的主要漫反射特征。颜色模拟时，在每个特征中随机选取一个值作为玉米叶片的漫反射参数，再利用式(4)进行可视化模拟，即可得到叶片整个老化过程的漫反射颜色变化过程（图9c）。 图9 本文方法在玉米漫反射颜色模拟中的应用Fig.9 Simulation of diffuse color transition of corn leaf using our method 5.2 算法评价 相对于使用照片作为纹理贴图的方法，本文方法在表观颜色模拟上更加真实、准确，主要在于本文方法去除了外部光照及拍摄角度带来的影响，而传统纹理贴图中仍保留这些信息，因此在光照计算环节会出现噪声现象。 通过定量化方式对该问题进行解释。假设用作纹理的照片是在点光源照明条件下拍摄获得, 以照片上任一点像素x'为例进行分析，设x'像素在拍摄场景下的三维空间坐标为x，x点的表观材质按式（1）形式给出，其实际漫反射强度为,高光反射强度为,粗糙度为αx，点光源对x照射的光源方向为，到达x点的辐照度为，相机相对于x的拍摄方向为则x'处的像素值 Lr( x )为 如果利用上述照片作为纹理贴图进行模拟，实际上是将Lr( x )作为漫反射强度参与光照计算进行可视化模拟。仍然以单个点光源为照明环境进行分析，对x点进行三维模拟，设点光源对x照射的光源方向为到达x点的辐照度为，到达x点的辐照度为，相机相对于x的观察方向为,如果x点对应的纹素为x'，则实际将x点的漫反射强度设定为Lr( x )，为了方便分析，假设用户对x点的高光反射强度设定为，粗糙度为，即对于两者的设定与真实材质一致，则模拟结果 Lr( x )′为 而在上述光照环境和观察角度下，物体实际的正确结果应为 从式（5）与（6）的对比中可以看出，即使当用户对高光参数以及粗糙度αx的设定与真实材质相同时，利用照片直接作为纹理使用造成的结果仍会出现冗余项O（式（4）减式（5））。 从式（7）中可以看出，冗余项分别为照片中的光照环境(项B)和拍摄角度带来的误差(项D)。而本文方法则尽可能正确地估测物体的表观材质，使估算结果，为了方便分析，同样假设本文方法得到的高光强度与粗糙度正确，即，则得到模拟结果为 模拟结果与真实情况相比，多出冗余项O′（式（8）与式（6）相减）为 从结果中可以看出，本文方法已经不存在照片中关于光照以及拍摄角度带来的冗余项，因此从理论上更加合理。 然而，本文方法包含了较复杂的数据采集过程以及参数拟合算法，整个参数提取过程花费的时间相比于传统方法要多。为尽可能地加快拟合速度，总结如下2个策略： 1）降低图像分辨率。如果叶片在整个屏幕中占的比例较大，采用50万分辨率的表观图像即可获得较好的模拟结果，此时拟合时间在15 min左右；如果叶片在整个屏幕中占得比例较小，采用5万～10万之间的图像分辨率即可。当图像分辨率降低至5万时，整个拟合过程需要的时间仅需要2 min。 2）通过少量样本点拟合整个叶片的高光参数。整个拟合算法95%的时间耗费在高光反射参数的计算中，因此通过减少高光参数的拟合时间来提高运行效率是有效途径。本文对叶片的表观特征作如下假设：具有相同漫反射特征的叶片位置同样具有相同的高光反射特征。基于上述假设，可以首先拟合出叶片表面所有点的漫反射参数，然后交互地选择N个样本点进行高光反射参数拟合（N的数值取决于叶片表面的纹理样式，需尽可能全面地将叶片表面所有具有显著漫反射特征的表面部位作为样本），再依次计算叶片表面剩余位置与该N个样本点漫反射强度的欧式距离，选择最小距离的样本点高光参数作为待测点的高光参数，这样可以将几十万次高光反射计算减少至N次计算，大大降低拟合时间。虽然通过这种策略得到的高光参数与完整计算的结果在整个叶片表面上高光参数的分布有差别，但若不以真实样本数据进行对比，两者差别带来的视觉感受并不明显，仅从可视化的角度看这个策略是有效的。 本文提出一种基于多图像的植物叶片表观模拟方法，克服传统单张纹理映射方法包含外部环境噪声导致的表观可视化质量较差的问题，提高了表观模拟的准确性和真实感。该方法可提取漫反射强度、高光反射强度、粗糙度3个表观参数；对于表观参数的拟合时间在2～20 min之间；3 000个顶点的模型时，可视化速度达到800 帧/s，达到实时水平。 本文方法拟合出的表观参数是叶片自身的本征属性，只与叶片的生理属性和结构特征相关，与传统的颜色信息相比，表观参数更加适用于作为表型特征分析作物生命状态，因此本文方法有很大潜力应用于农业科研、生产的相关领域。 [1] 赵春江，陆生链，郭新宇，等. 数字植物研究进展：植物形态结构三维数字化[J]. 中国农业科学，2015，48(17)：3415－3428. Zhao Chunjiang, Lu Shenglian, Guo Xinyu, et al. Advances in research of digital plant: 3D digitization of plant morphological structure[J]. Scientia Agricultura Sinica, 2015, 48(17): 3415－3428. (in Chinese with English abstract) [2] Mündermann L, MacMurchy P, Pivovarov J, et al. Modeling lobed leaves[C]//Proceedings of Computer Graphics International, Tokyo, Japan, 2003: 60－65. [3] Lu S L, Guo X Y, Zhao C J, et al. Modeling of organs and structures generating for crops[C]//International Symposium on Crop Modeling and Decision Support, Nanjing, China, 2008. [4] Rozenberg G, Lindenmayer A. Developmental systems with locally catenative formulas[J]. Acta Informatica, 1973, 2: 214－248. [5] Rodkaew Y, Lursinsap C , Fujimoto , et al. Modeling leaf shapes using L-systems and genetic algorithms[C]// Proceedings of NICOGRAPH2002, Tokyo, Japan, 2002: 73－78. [6] Runions A, Fuhrer M, Lane B, et al. Modeling and visualization of leaf venation patterns[J]. ACM Transactions on Graphics, 2005, 24(3): 702－711 [7] Quan L, Tan P, Zeng G, et al. Image-based plant modeling[J]. ACM Transactions on Graphics, 2006, 25(3): 599－604 [8] Loch B, Belward J, Hanan J. Application of surface fitting techniques for the representation of leaf surfaces[C]//Zerger A, Argent R M. International Congress on Modelling and Simulation. Melbourne: MODSIM Press, 2005: 1272－1278. [9] Hanrahan P, Krueger W. Reflection from layered surfaces due to subsurface scattering[J]. Proceedings of Siggraph, 1993: 165－174. [10] Wang L, Wang W, Dorsey J, et al. Real-time rendering of plant leaves[J]. Acm Transactions on Graphics, 2005, 24(3): 712－719. [11] 苗腾，郭新宇，温维亮，肖伯祥，陆声链. 基于图像的作物病害状态表观三维模拟方法[J]. 农业工程学报，2016，32(7)：181－186. Miao Teng, Guo Xinyu, Wen Weiliang, Xiao Boxiang, Lu Shenglian. Three dimensional visual simulation method of crop disease state based on image[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(7):181－186. (in Chinese with English abstract) [12] 陆声链，郭新宇，李长锋. 3维植物叶片精确建模和绘制技术研究[J]. 中国图象图形学报，2009，14(4)：731－737. Lu Shenglian, Guo Xinyu, Li Changfeng ,et al. Research on techniques for accurate modeling and rendering 3D plant leaf[J]. Journal of Image and Graphics, 2009, 14(4): 731－737. (in Chinese with English abstract) [13] Braitmaier M, Diepstraten J, Ertl T. Real-time rendering of seasonal influenced trees[C]//Proceedings of Theory and Practice of Computer Graphics, 2004: 152－159. [14] Zhou N, Dong W, Mei X. Realistic simulation of seasonal variant maples[C]//Proceedings of PMA '06, Beijing China, IEEE Computer Society Press, 2006: 295－301. [15] Miao T, Zhao C J , Guo X Y, et al. A framework for plant leaf modeling and shading[J]. Mathematical and Computer Modelling, 2013, 58(3): 710－718. [16] Baranoski G V G, Rokne J G C. An algorithmic reflectance and transmittance model for plant tissue[J]. Computer Graphics Forum, 1997, 16(3): 141－150. [17] Baranoski G V G, Rokne J G. Efficiently simulating scattering of light by leaves[J]. The Visual Computer, 2001, 17(8): 491－505. [18] Jensen H W, Marschner S R, Levoy M, et al. A practical model for subsurface light transport[C]//Proceedings of the 28th annual Conference on Computer Graphics and Interactive Techniques, ACM, 2001: 511－518. [19] Jensen H W, Buhler J. A rapid hierarchical rendering technique for translucent materials[J]. ACM Transactions on Graphics, 2002, 21(3): 576－581. [20] Franzke O, Deussen O. Rendering plant leaves faithfully[C]// Proceedings of SIGGRAPH 2003, New York, USA, 2003. [21] Donner C, Jensen H W. Light diffusion in multi-layered translucent materials[J]. ACM Transactions on Graphics, 2005, 24(3):1032－1039. [22] Donner C, Weyrich T, D’Eon E, et al. A layered, heterogeneous reflectance model for acquiring and rendering human skin[J]. ACM Transactions on Graphics, 2008, 27(5): 32－39. [23] Habel R, Kusternig A, Wimmer M. Physically based real-time translucency for leaves[J]. Proceedings Eurographics Symposium on Rendering, Eurographics Association, 2007: 253－263. [24] Dong Y, Wang J, Tong X, et al. Manifold bootstrapping for SVBRDF capture[J]. ACM Transactions on Graphics, 2010, 29(4): 157－166. [25] Gardner A, Tchou C, Hawkins T, et al. Linear light source reflectometry[J]. ACM Transactions on Graphics, 2003, 22(3): 749－758. [26] Aittala M, Weyrich T, Lehtinen J. Two-shot SVBRDF capture for stationary materials[J]. ACM Transactions on Graphics, 2015, 34(4): 1－13. Three dismensional appearance simulation of plant leaves based on multiple images with light source change Miao Teng1,2,3,4,5, Guo Xinyu1,2,3,4, Zhao Chunjiang1,2,3,4※, Xiao Boxiang1,2,3,4, Wang Chuanyu1,2,3,4, Wen Weiliang1,2,3,4 Three-dimensional (3D) Plant modeling and visualization is a key research issue in both digital plant and agricultural application. Leaf is one of the vital organs in a plant, so the 3D modeling and shading of plant leaves is an important and fundamental work for achieving the goals of digital plant. Appearance simulation of plant leaves is still a challenging issue because of its intricate underlying structure and complex and subtle interaction with light. Texture mapping using leaf photo is a common method for appearance simulation, however, it could bring noise caused by light environment and camera position in lighting simulation step. This paper presents a technique for simulating the appearance of plant leaves with multiple images. Our method can estimate the spatially-varying reflectance properties of plant leaf surface based on a few images, which capture leaves' appearance transition information with different light directions. An apparent image acquisition system using linear light source is built for capturing 400 images with a fixed camera viewpoint and a single direction of motion for the linear light source. This system is composed of a driving module, a linear source module, a background module and a camera. Using a linear light rather than a point light source as the illuminant, we can obtain a piece of area with more intensive illumination. With these image data, we develop a fitting method, which is able to estimate the diffuse color, specular color and specular roughness of each point on the leaf surface. In our method, the isotropic ward model is utilized as the appearance model for specifying that how the leaf surface reflects light. Our fitting technique first simulates the change of reflectance attributes of diffuse and specular reflectance lobes under moving linear light source. In this process, a rectangle is employed to simulate the linear light source and Monte Carlo integration method is used to calculate the radiation transmission process. When we have the simulating results, the appearance parameters of each pixel are determined by comparing its actual parameter values to the simulating results. By above fitting method, 3 kinds of spatially-varying appearance parameters are saved into 3 parameter images for rendering leaf appearance. For quickly shading, multipoint point light sources are used for simulating various illumination conditions instead of complex radiative transfer integral. Using appearance parameter images and shading method, static appearance or dynamic appearance transition of plant leaves can be generated realistically. From the results obtained by this method, we find that it can render more accurate and real appearance texture of leaves compared to traditional texture mapping methods. The advantages of our method are that the appearance parameter images for rendering have removed the light and viewport noise, and only contained the appearance material information. In order to prove this conclusion, we quantitatively analyze the reason for this advantage by some formula derivations in this paper. But for obtaining these advantages, our method needs more complex data acquisition process and parameter fitting algorithm, which will reduce the efficiency of simulation. For improving the efficiency of our method, 2 approaches are discussed in this paper, including reducing image resolution and fitting the specular parameters of the whole leaf by a few sample points. Our method can estimate some appearance parameters which are plant leaf own intrinsic properties. We believe this characteristic will make these appearance parameters used not only for visualization, but also as some important phenotypes instead of so-called color data. In the future work, we will extend the application of our method in agriculture, such as monitoring plant growth status with the appearance parameters, or analyzing the differences among plant varieties. three dimensional; visualization; light resources; leaf; appearance modeling; digital plant 10.11975/j.issn.1002-6819.2016.09.021 TP391.4; S126 A 1002-6819(2016)-09-0150-07 苗 腾，郭新宇，赵春江，肖伯祥，王传宇，温维亮. 基于变化光源方向多图像的植物叶片表观三维模拟[J]. 农业工程学报，2016，32(9)：150－156. 10.11975/j.issn.1002-6819.2016.09.021 http://www.tcsae.org Miao Teng, Guo Xinyu, Zhao Chunjiang, Xiao Boxiang, Wang Chuanyu, Wen Weiliang. Three dismensional appearance simulation of plant leaves based on multiple images with light source change[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(9): 150－156. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2016.09.021 http://www.tcsae.org 2015-08-21 2016-02-26 北京市科技计划项目（D151100004215004）；北京市自然科学基金（4162028）；国家自然科学基金（31501217）；北京市农林科学院博士后基金项目。 苗 腾，博士后，讲师，主要从事数字植物技术研究。北京 北京农业信息技术研究中心，农业部农业信息技术重点开放实验室，数字植物北京市重点实验室，100097； 沈阳 沈阳农业大学信息与电气工程学院，110866。Email：caumiao@126.com ※通信作者：赵春江，研究员，主要从事农业信息化技术研究。北京 北京农业信息技术研究中心，农业部农业信息技术重点开放实验室，数字植物北京市重点实验室，100097。Email：zhaocj@nercita.org.cn
4 基于表观参数的叶片颜色模拟
5 结果与分析
6 结论
(1. Beijing Research Center for Information Technology in Agriculture, Beijing 100097, China; 2. National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China; 3. Key Laboratory for Information Technology in Agriculture, Ministry of Agriculture, Beijing 100097, China; 4. Beijing Key Lab of Digital Plant, Beijing 100097, China; 5. College of Information and Electrical Engineering, Shenyang Agricultural University, Shenyang 110866, China)
