MRF|滑移网格|重叠网格

上一篇文章(SRF、壁面运动及动网格)中探讨了SRF与动网格的区别。本文在前一篇文章的基础上进一步对比并探讨MRF、SMM以及重叠网格的差异。

还是上篇文章中的几何,如下图所示。密闭容器中包含一个以角速度200 RPM的十字桨叶。本次比较采用MRF、滑移网格以及重叠网格时计算结果的差异。

图片

注意,重叠网格采用的方案与MRF及滑移网格不同,其需要准备两套计算网格。

1 计算网格

MRF及滑移网格计算采用的网格如下图所示。

需要注意的是,滑移网格必须使用交界面,否则会提示出现负体积。MRF模型可以使用内部面也可以使用交界面(推荐使用内部面)。为了便于比较,全部使用interface。交界面的位置取距离桨叶最远端附近(其实很容易理解,交界面取得更远等同于使用SRF)。

图片

注:不过交界面会造成较大误差,也不宜放置在桨叶前端附近,这里只是测试分界面距离运动边界过近会有什么后果。通常情况下将分界面放置在桨叶前端与壁面的中间位置,尽量避免分界面对桨叶前端及壁面造成扰动,但是也要尽可能减少将静止区域人为指定为动区域。

为确保产生interface,在SCDM中不要对几何进行共享拓扑。将内部区域命名为inner,外部区域命名为outer。为了与前文动网格结果进行比较,这里也采用三角形网格划分,并采用相同的网格尺寸。生成的计算网格如下图所示。

图片

2 MRF计算

  • 稳态数据

  • 采用RNG K-Epsilon湍流模型

  • 采用MRF模型,指定内部区域角速度为300 RPM

点击完整阅读全文 
MRF|滑移网格|重叠网格

  • 7
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
滑移网格MRF(马尔可夫随机场)是两种在计算机视觉领域中常用的图像处理方法。 滑移网格是一种用于图像分割和对象检测的技术。它基于图像的纹理、颜色和空间信息,将图像划分为不同的区域。滑移网格通过在图像中移动固定大小和形状的窗口来实现。每个窗口计算一些指标,如窗口内像素的颜色分布或纹理特征。然后,通过比较这些指标,将窗口内的像素分为不同的区域。滑移网格方法简单有效,对于小规模的图像分割任务表现良好。 MRF是一种用于图像分割和图像恢复的统计模型。它假设图像中的像素之间存在一定的关联关系,并通过建模这种关系来进行图像分割。MRF使用马尔科夫公式描述像素之间的关联关系,该公式表示了当前像素的标签只与其邻近像素的标签有关。MRF利用最大似然估计或最大后验概率来估计像素的标签。MRF方法适用于大规模图像分割和图像复原任务。 滑移网格MRF的主要区别在于它们的基本原理和适用范围。滑移网格主要依靠窗口移动和指标比较来实现图像分割,适用于小规模任务。而MRF则是基于统计模型的图像分割方法,适用于大规模任务。此外,MRF方法还可以与其他图像处理技术相结合,如能量最小化和图割算法,提高分割和恢复的准确性。综上所述,滑移网格MRF是两种不同的图像处理方法,各有其适用的场景和优势。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值