Photometric Stereo中的DGP方法详解：如何保持3D重建的尖锐特征？

突破平滑困境：DGP方法如何为Photometric Stereo重建注入“棱角”的灵魂

在三维重建的世界里，我们常常面临一个令人沮丧的悖论：为了抑制无处不在的噪声，我们不得不引入平滑处理，而这一过程却像一把无形的砂纸，无情地磨平了物体表面那些至关重要的尖锐边缘和精细特征。想象一下，你试图数字化一件精美的青铜器，其表面的铭文和纹饰在重建后变得模糊不清；或者在工业检测中，一个零件的微小划痕或棱角在点云数据里消失无踪。这种“细节丢失”的痛点，长久以来困扰着对重建质量有严苛要求的专业领域。

传统的光度立体视觉（Photometric Stereo）流程，在计算出稠密的表面法向量场后，需要通过积分来恢复深度。然而，噪声导致这个梯度场在数学上变得“不可积”。以往的主流解法，无论是施加强制可积性约束，还是采用全局平滑策略，都像在走钢丝——要么扭曲了宝贵的法向量信息，要么牺牲了决定物体“身份”的尖锐几何特征。对于文物高保真存档、精密工业品逆向工程或影视级数字资产制作而言，这种妥协往往是不可接受的。

那么，是否存在一种方法，能够像一位技艺高超的雕塑家，既能抹去材料上的瑕疵，又能精准地保留甚至强化每一处转折与棱角？这正是基于离散几何处理（Discrete Geometry Processing, DGP）的表面重建方法所要回答的核心问题。它不再纠结于如何“修复”一个不可积的连续场，而是大胆地转换范式，将重建问题置于离散的网格（Mesh）舞台上，通过巧妙的“局部成形”与“全局融合”双人舞，在抑制噪声与保持特征之间找到了一个精妙的平衡点。本文将深入剖析这一方法的独特思路、实现细节及其在实战中的卓越表现，为追求极致重建精度的你，提供一套全新的工具箱。

1. 范式转移：从连续积分到离散几何的“降维打击”

要理解DGP方法的革命性，首先得看清传统方法的“阿喀琉斯之踵”。传统Photometric Stereo的深度恢复，本质是在求解一个偏微分方程（泊松方程）。这个过程高度依赖梯度场的全局一致性（即可积性）。噪声就像在这个场中扔进了几颗石子，扰乱了整体的“平静水面”，使得直接积分路径依赖，结果产生扭曲。

提示：你可以将理想的、无噪声的法向量场想象成一个完美的缓坡，从任何一点出发，沿着不同路径爬到山顶，高度变化总和是一致的。而噪声破坏了这种一致性，导致“条条大路通罗马，但每条路算出的罗马高度都不一样”。

DGP方法的核心洞察在于：与其费力地去修复一个病态的连续问题，不如直接在一个更自然、更鲁棒的离散表示（三角网格或四边形网格）上解决问题。它将图像中的每一个像素（或法向量样本）直接映射为初始网格中的一个面片（facet）。重建的目标，不再是求解一个连续的深度函数 z(x, y)，而是直接优化这个网格所有顶点的三维坐标，使得每个面片的朝向（法向量）尽可能接近我们观测到的、带噪声的法向量图。

这种范式转移带来了几个立竿见影的优势：

• 天然规避可积性问题：在离散网格上，我们只关心每个面片自身的法向量是否正确，而不需要关心一个虚构的、全局连续的梯度场是否可积。
• 特征保留的潜力：尖锐特征（如边缘、棱线）在网格中天然地由面片之间的折痕（Crease） 或不连续的顶点连接关系来表达。DGP方法可以通过控制面片变形的规则，让这些特征沿着面片的边界自然形成，而不是被平滑滤波器抹去。
• 处理不规则边界与数据缺失：由于处理对象是网格，它可以轻松适应任意形状的边界（非矩形图像区域）。同时，面对部分区域法向量缺失的情况（例如阴影、高光），算法可以只基于有效数据对网格进行变形，缺失区域的面片会通过全局优化被合理地“填充”起来。

下表对比了传统积分方法与DGP方法的核心思路差异：