【离散拉普拉斯算子】cot算子和均匀算子的对比

关于cot算子和均匀算子的对比

【1】定义：

均匀算子：$L_i=\frac{1}{n}{\sum }_1^n{v}_i-v_i$。

其中，n是一邻域内点的个数，$v_i$。

cot算子：$K_i=\frac{1}{2A_i}{\sum }_{j\in N_i}(cot{\alpha }_{i,j}+cot{\beta }_{i,j})(v_j-v_i)$

其中，$\alpha ,\beta$是$(v_i,vj)$边对应的相邻的两个三角形所对着的角。

【2】关于两个算子的一些分析

1、均匀算子相当于构造了一个当前顶点位置-重心的向量场，而优化的目标是，从几何的角度看，可以说平滑的目标是为了使得该向量场尽可能的小，如果将其看成热方程，可以视作，使得其散度尽可能的小。

2、cot算子在构造每个顶点的权重时时候是考虑了每条边的长度的，这点可以从cot函数的特点看出来随着角度的增大cot的值会变小，我们知道在一个三角形中”大边对大角“，因此，小角度对应的点权重会很高，而大角所对的（在一个三角形里）相对较长的边的权重会比较低。一个需要特别考虑的场景是
当$\alpha +\beta >180$时，此时的参数将会出现负数，此时非但不会起到平滑作用，甚至有可能会逆平滑。

因此，我们可以说，cot算子并不完全追求把顶点移动到一邻域的重心位置，它会在给那些相对更近的点更高的权重，而给相对较远的点较低的权重。

但，另一方面，它也在追求在考虑进角度和边长之后，使得局部尽可能的光滑，它的目标是使得平均曲率尽可能的小，而平均曲率达到尽可能小的曲面，被称为极小曲面。换言之，经过拉普拉斯平滑的曲面是一个极小曲面。

下面通过一个例子，来说明两个算子的区别

我们用两种方式来求顶点v的位置，假定$v_0=(-1,0),v_1=(0,-1),v_2=(\sqrt{3},0),v_3=(0,1),v_4=(-1,-1),v_5=(\sqrt{3},1)$。

针对均匀算子：$v=\frac{1}{5}{\sum }_{i=0}^5{v}_i=(2\ast \frac{\sqrt{3}-1}{5},0)$

而cot算子：$v=(1.5+\sqrt{3})\ast (v_0+0.5\ast (1+\sqrt{3})\ast (v_1+v_3)+1/\sqrt{3}\ast v_2)=(0,0)$

可以看到，通过均匀算子将顶点v从原点向x轴正向移动了0.293，而在cot算子的平滑中，$v_4,v_5$的权重为0，不参与计算，顶点v的位置经过平滑后未被移动。（因为对于一个平面来说，它的平均曲率就是为0的，不需要移动。）

这里有一个需要关注的点，均匀算子顶点的移动受距离较远的点影响很大，顶点的位置的移动也很大。

【3】两个算子各自的特性：

1、网格质量：cot算子受拓扑影响大，对质量比较差的网格比较敏感，而均匀算子对这方面的要求则没有那么苛刻。

角度的计算和点的连接度有关，一个点度太高，则角度一定会小，同样点太少角度一定会大，算子的计算结果可能差异会比较大。

均匀算子则不受度的影响。

2、边长变化（顶点分布）：

均匀算子：追求把顶点移动到一邻域的中心，在补洞时，边界位置它的边长是固定的，所以，边界位置的均匀算子在计算顶点位置时，会受到边长的影响，而越远离边界的位置，则越不受边长因素的影响，也就是说，当补洞顶点过少或者过多时，会造成从边界到中心边长的一个明显的变化趋势，中心位置的边长的更长（顶点分布更稀疏）或者更短（顶点分布更密集），而不会在整个补洞区域内均匀分布。

cot算子：顶点位置只要满足使得其平均曲率最小即可，对于位置的要求相较均匀算子更加宽松。所以，这种影响在cot算子下会更小。

3、曲率变化

在补洞的顶点过多时，它的曲率变化将会尽可能的往中间传递，曲率在边界和中心位置的分布会出现非常大的不均匀。边界会比较平滑，而中心会凹或者凸起。所以，补洞点的数量的选择最好不要比现有密度多很多。cot算子在类似情况下，敏感性会有所降低。