1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
\subsection{Scalar Fields > Gradient}
\label{subsection:scalarFieldGradient}
\begin{figure}[!htb]
\begin{center}
\includegraphics[width=0.6\textwidth]{Partie3_Fonctions/sfGradientExample.jpg}
\caption{\label{fig:sfGradientExample}Interface de paramtre pour le calcul des normales}
\end{center}
\end{figure}
\index{champ scalaire}
\index{gradient}
Cette fonction permet de calculer les normes du gradient du champ scalaire actif.\\
\par \emph{CloudCompare} demande l'utilisateur de prciser si le champ scalaire correspond une distance\index{distances} euclidienne (telles que les distances calcules entre deux nuages ou entre un nuage et un maillage - voir~\ref{subsection:cloud2cloudDist} ou \ref{subsection:cloud2meshDist}). Si oui, l'algorithme filtrera les valeurs aberrantes (qui sont alors facilement dtectables car dans ce cas la valeur absolue du gradient ne peut tre suprieure 1).
\\
\par
Remarques :
\begin{itemize}
\item L'algorithme cre un nouveau type de champ scalaire (\emph{Gradient norms}).
\item Comme pour du traitement d'image 2D classique, le gradient permet notamment de mettre en valeur les zones de fortes variations du champ scalaire (on met ainsi en vidence les bords des zones de changement par exemple - voir
figure~\ref{fig:sfGradientExample}).
\item Comme pour du traitement d'image 2D classique, il est souvent ncessaire d'appliquer un filtre\index{filtrage!gaussien} gaussien aux donnes avant et/ou aprs un calcul du gradient (Cf. section~\ref{subsection:scalarFieldGaussianFilter}).
\item Le fait que la valeur de la norme du gradient ne soit jamais suprieure 1 est vrai en ralit pour tout champ scalaire dont les valeurs varient proportionnellement la distance entre les points (c'est donc le cas d'un champ de distances).
\end{itemize}
|
