水平集和符号距离函数

水平集和符号距离函数

零水平集

定义： 对于一个函数 $\varphi (\vec{x})：{\mathbf{R}}^n\to \mathbf{R}$（其中$\vec{x}\in {\mathbf{R}}^n$ ，下同），取其值域为零部分对应的定义域：

Γ = { x ⃗ ∣ ϕ ( x ⃗ ) = 0 } (1) \Gamma = \{ \vec x|\phi (\vec x) = 0\} \tag{1} Γ={x ∣ϕ(x )=0}(1)

这里， $\Gamma \in {\mathbf{R}}^{n-1}$ 称为函数 $\varphi$ 的零水平集，反之， $\varphi$ 称为 $\Gamma$ 的一个水平集函数。
通俗地说，函数的水平集是这个函数在某个高度上所有点的一个集合。

函数的零水平集有一些良好的性质，在如下图所示的曲面演化问题中，

$\vec{n}$ 为外法线向量， $\Gamma$ 为演化曲线。我们不妨假设有函数 $\varphi (\vec{x})$，它的零水平集为 $\Gamma$ ，并且满足，

$$\{\begin{array}{rlrl}& \varphi >0& & \vec{x}\in {\Gamma }_{in}\\ & \varphi <0& & \vec{x}\in {\Gamma }_{out}\end{array}\text{\hspace{1em}(inandout)}$$

这里， ${\Gamma }_{in}$ 表示 $\Gamma$ 内部， ${\Gamma }_{out}$ 表示 $\Gamma$ 外部。那么，对于任意的 $\vec{x}\in \Gamma$ ， $\varphi$ 有如下两个性质：

• 性质一：$$\frac{\nabla \varphi }{|\nabla \varphi |}=-\vec{n}\text{\hspace{1em}(zlsp1)}$$
  Proof. 如图所示，设 $\vec{s}$ 为零水平集 $\Gamma$ 的切线方向， $\varphi$ 在 $\Gamma$ 沿切线方向上恒为零，故有：
  $$\frac{\partial \varphi }{\partial s}=0$$ 由链式法则，可得：
  $${\varphi }_s(\vec{x})=\nabla \varphi \cdot {\vec{x}}_s=0$$
  由此可知 $\nabla \varphi$ 与切向垂直，对 $\nabla \varphi$ 进行单位化并根据 $\varphi$ 内正外负的情况取符号，即得：
  $$\frac{\nabla \varphi }{|\nabla \varphi |}=-\vec{n}$$

• 性质二：$$\mathrm{d}\mathrm{i}\mathrm{v}(\frac{\nabla \varphi }{|\nabla \varphi |})=-\text{trace}(\nabla \cdot \vec{n})=-\kappa \text{\hspace{1em}(zlsp2)}$$
  Proof.
  ${\varphi }_s$ 在 $\Gamma$ 沿切线方向上恒为零，故有： ${\varphi }_{ss}=0$ ，由链式法则，可知：
  $${\varphi }_{ss}(\vec{x})=\frac{\partial }{\partial s}(\nabla \varphi \cdot {\vec{x}}_s)=\frac{\partial }{\partial s}\nabla \varphi \cdot {\vec{x}}_s+\nabla \varphi \cdot {\vec{x}}_{ss}$$
  由曲率的定义，有 ${\vec{x}}_{ss}=-\kappa \vec{n}$ ，由上一个性质，有 $\nabla \varphi \cdot \vec{n}=-|\nabla \varphi |$ ，代入上式，移项，可得：
  $$-\kappa |\nabla \varphi |=\frac{\partial }{\partial s}\nabla \varphi \cdot {\vec{x}}_s$$
  将其左端展开，即证。

性质二本质上就是曲率的定义。因为曲率是 Weingarten Map $\nabla \vec{n}={\nabla }^{2}d$ 对角线上的元素。这里的 $d$ 提前说了，它表示距离函数。另外，Weingarten Map 和 $\vec{n}$ 也是垂直的，即 ${\nabla }^{2}d\nabla d=0$。

符号距离函数

符号距离函数 （Signed Distance Function） 是一个水平集函数，它给定了点到某条曲线上距离这个点最近点的距离，也可以说是这个点离曲线的最短距离，它在数学上可以这样表述：

在某区域上给定一条曲线 $\Gamma$ ，定义与之相关的函数：
$$d(\Gamma ,\vec{x})=\{\begin{array}{rlrl}\underset{\vec{y}\in \Gamma }{\min }|\vec{x}-\vec{y}|& & & \vec{x}\in {\Gamma }_{in}\\ -\underset{\vec{y}\in \Gamma }{\min }|\vec{x}-\vec{y}|& & & \vec{x}\notin {\Gamma }_{in}\end{array}$$
${\Gamma }_{in}$ 指 $\Gamma$ 内部，二维情况下， $\vec{x}\in {\mathbf{R}}^2\text{，}\vec{y}\in {\mathbf{R}}^2$ ，那么称 $d$ 为一个符号距离函数，下面把符号距离函数也简称为 SDF 。

符号距离函数有很多良好的性质，包括在边界上的几乎处处可微，关于凸区域的凸性，以及不同符号距离函数之间和差运算的一些性质，作为重点，列以下两条关于单位法向量和平均曲率的性质：

• 对于任意的 $\vec{x}\in \Gamma$ $$|\nabla d|=1\text{\hspace{1em}(sdfp1)}$$ 这也是符号距离函数的一个判断条件，它是充要的。

• 对于任意的 $\vec{x}\in \Gamma$ ，由水平集函数的性质可得：
  $$\begin{array}{rlr}& \nabla d=-\vec{n}\cdot |\nabla d|=-\vec{n}& \\ & \Delta d=-\kappa |\nabla d|=-\kappa & \end{array}\text{\hspace{1em}(sdfp2)}$$

第二条的拉普拉斯算子 $\Delta d$，本质上就是 $d$ 的 Hessian ${\nabla }^{2}d$ 对角线上的元素，即曲率。