跳到主要内容

1.1 表面定义与性质

来源：Mario Botsch 等人的 Polygon Mesh Processing，第 1 章 Surface Representations，1.1 小节 Surface Definition and Properties。

这一节回答一个基础问题：在几何处理里，我们到底把“表面”当成什么数学对象？

书中的核心定义是：

在计算机图形学语境中，表面通常被看作嵌入在 R3\mathbb{R}^3 中的、可定向的、连续二维流形。

这句话看起来抽象，但它背后其实是在给后续算法规定“输入网格应该长什么样”。

本节核心​

几何处理关注的是三维实体的二维边界。

也就是说，算法通常不是直接处理整个实体体积，而是处理它的外表面：

S⊂R3S \subset \mathbb{R}^3

一个“好”的表面通常需要满足：

  • 它是二维的：局部看起来像一张平面小片。
  • 它是连续的：没有无意义的断裂。
  • 它是 manifold：每个局部邻域的拓扑结构正常。
  • 它是 orientable：可以一致地区分内侧和外侧。
  • 它最好是 smooth 或 fair：没有不必要的噪声和弯曲振荡。

表面是三维实体的边界​

直观上，可以把表面理解为一个非退化三维实体的边界。

“非退化”这里很重要。它意味着实体不能有无限薄的部分，也不能有奇怪的粘连结构，否则表面就不能稳定地区分：

inside  /  outside
内部    /  外部

一个正常的球体、盒子、杯子外壁，都可以看成三维实体的边界。

但如果模型里出现：

  • 两块表面只在一个点相连。
  • 多个面片沿一条边异常粘连。
  • 某些局部区域无法判断内外。

那它就可能是 non-manifold，不适合很多标准网格算法。

注意

很多网格算法默认输入是 2-manifold。如果模型包含 non-manifold vertex 或 non-manifold edge，法向、曲率、参数化、平滑、修补等算法都可能出问题。

什么是二维流形​

二维流形的直观定义是：

表面上每个足够小的局部区域，都应该和二维圆盘拓扑等价。

也就是说，对于表面上的任意正常点 pp，在它附近取一个足够小的区域，这个区域应该像一张小圆盘：

local patch around p  ~  disk

这保证了局部邻域结构是清楚的。

对于三角网格来说，可以粗略理解为：

  • 普通内部点附近是一圈面片。
  • 边界点附近像半圆盘。
  • 非流形点附近则可能像多个面片团粘在一起，无法摊平成一个圆盘。

有边界的表面​

书中也提到 surface with boundaries。

有边界的表面不是完全封闭的实体边界，但只要它能通过“补洞”扩展成正常流形表面，也可以接受。

例如：

  • 一块布片。
  • 一个开口曲面。
  • 扫描数据中缺失了一部分的模型。

这类表面在几何处理中很常见。它们不是封闭 solid 的完整边界，但仍然可以作为 surface mesh 处理。

从离散采样到连续表面​

真实输入通常不是一开始就有完美的连续表面，而是来自离散采样。

例如：

  • 3D 扫描点云。
  • 深度相机采样。
  • 医学影像重建。
  • 已有数字模型的离散顶点。

因此，生成数学表面的第一步是建立一致的邻域关系。

换句话说，不只是知道点在哪里，还要知道：

哪些点在表面上彼此相邻？

这一步决定了后续能否形成一个合理的连续曲面。

spatial neighborhood vs geodesic neighborhood​

这一节特别区分了两种“近”。

spatial neighborhood​

空间邻近指的是欧氏空间中的距离近：

∥p−q∥\|\mathbf{p}-\mathbf{q}\|

如果两个点在三维空间里离得很近，它们就是 spatially close。

但这不一定说明它们在表面上相邻。

例如一张折起来的纸，折叠后的两层可能在空间中非常接近，但沿着纸面走过去其实很远。

geodesic neighborhood​

测地邻近指的是沿着表面本身的邻近关系。

两个点如果在表面参数域或表面路径上相邻，才是 geodesically close。

这对网格处理更重要，因为算法通常沿着表面传播信息：

  • 平滑沿表面传播。
  • 曲率由表面邻域估计。
  • 参数化依赖拓扑邻接。
  • 测地距离沿表面计算。
提示

空间上很近不等于表面上相邻。几何处理更关心的是 geodesic neighborhood，而不是单纯的欧氏距离。

参数化视角下的局部流形性​

如果表面由参数化函数定义：

f:Ω→S\mathbf{f}: \Omega \rightarrow S

其中：

Ω⊂R2,S⊂R3\Omega \subset \mathbb{R}^2, \qquad S \subset \mathbb{R}^3

那么判断邻域关系会比较直观。

表面上的两个点：

p=f(u),q=f(v)\mathbf{p}=\mathbf{f}(\mathbf{u}), \qquad \mathbf{q}=\mathbf{f}(\mathbf{v})

如果它们在参数域中的 pre-image u,v\mathbf{u},\mathbf{v} 很近，那么它们在表面上就是测地邻近。

用这一点可以理解局部流形条件：

如果表面点 p\mathbf{p} 附近一个足够小的三维球邻域，其在参数域中的 pre-image 仍然落在一个小圆盘邻域内，那么这个局部表面就是正常的。

更直观地说：

表面局部能摊平成一小块二维区域

这就是局部 manifold 的含义。

插值与逼近​

从离散样本生成连续表面时，有两种目标。

interpolation​

插值要求生成的表面精确穿过所有样本点：

xi∈S\mathbf{x}_i \in S

优点是忠实于输入点。

缺点是如果采样有噪声，表面也会把噪声当成真实形状保留下来。

approximation​

逼近只要求表面在给定误差范围内接近样本：

dist⁡(xi,S)≤ε\operatorname{dist}(\mathbf{x}_i,S) \leq \varepsilon

这在实际中更常用，因为扫描数据通常有噪声，而样本之间的真实表面本来也只能估计。

信息

实际几何处理中，approximation 往往比 interpolation 更合理。因为输入样本通常不是绝对准确的真值，而是带噪观测。

smoothness：光滑性​

表面除了可以有明确的 sharp feature-curves 和 corners 外，通常希望整体是光滑的。

数学上，光滑性可以用函数的连续可导阶数来描述。

如果参数化函数 f\mathbf{f} 或隐式函数 FF 有连续的 kk 阶导数，就可以说它具有某种 CkC^k 光滑性。

例如：

  • C0C^0：位置连续，没有裂缝。
  • C1C^1：切向连续，法向变化连续。
  • C2C^2：曲率相关量更稳定。

但书中提醒：分析上的 CkC^k 光滑性要和几何直觉一致，还需要 regularity。

对于参数曲面，通常要求偏导不退化；对于隐式曲面，通常要求梯度不消失：

∇F≠0\nabla F \neq \mathbf{0}

否则函数虽然形式上可导，但几何上可能出现奇点或退化。

fairness：公平性 / 顺滑性​

fairness 比 smoothness 更严格。

smoothness 关注导数是否连续，而 fairness 还关注曲率的大小和变化是否自然。

一个表面可能是光滑的，但仍然有不自然的波动；这种表面不一定 fair。

书中没有给出一个唯一的形式化定义，但常见理解是：

  • 曲率整体较小。
  • 曲率变化较平缓。
  • 没有不必要的振荡。
  • 形状看起来自然、干净。

几何处理中常用能量最小化来表达 fairness，例如最小化面积、总曲率或平均曲率变化。

和多边形网格的关系​

本节虽然讲的是连续表面定义，但它是在为 polygon mesh processing 打基础。

多边形网格是连续表面的离散表示。

后续算法会尝试把连续表面的概念离散化到网格上：

  • 邻域关系 -> 顶点、边、面的连接关系。
  • 光滑性 -> 法向、曲率、离散微分算子。
  • fairness -> 网格平滑和 fairing。
  • manifoldness -> 网格拓扑合法性。
  • surface approximation -> 网格重建、简化、重采样。

所以 1.1 的重点不是“背定义”，而是理解：为什么后续算法总是在乎 manifold、邻域、光滑和逼近误差。

本节记忆点​

  • 图形学中的表面通常指嵌入在 R3\mathbb{R}^3 中的可定向连续二维流形。
  • 表面应能区分 inside / outside，因此 non-manifold 结构会破坏很多算法假设。
  • 二维流形的局部区域应该和二维圆盘拓扑等价。
  • 离散样本生成表面时，关键是建立一致的 geodesic neighborhood。
  • spatially close 不一定 geodesically close。
  • 实际扫描数据通常更适合 approximation，而不是严格 interpolation。
  • smoothness 关注导数连续性，fairness 进一步关注曲率及其变化是否自然。
  • 后续的网格数据结构、微分几何、平滑、修补，都依赖本节这些表面性质。

后续问题​

进入 1.2 时可以重点关注：

  1. 为什么真实物体通常只能被数字表面近似？
  2. 多项式 patch 的逼近误差和分片大小有什么关系？
  3. 为什么几何处理中更常选择 hh-refinement，而不是 pp-refinement？
  4. 为什么 C0C^0 piecewise linear surface，也就是 polygon mesh，会成为几何处理中的主流表示？