文章目录
Meshlab在Filters->Smoothing, Fairing and deformation中，提供了许多滤波工具，其中与平滑滤波相关的列表如下，本节中所有用到的工具均来自这个菜单。
| Depth Smooth | 深度平滑 |
| Laplacian Smooth | 拉普拉斯平滑 |
| HC Laplacian Smooth | HC拉普拉斯平滑 |
| Laplacian Smooth (surface preserving) |
表面保护的拉普拉斯平滑 |
| ScaleDependent Laplacian Smooth |
尺度独立拉普拉斯平滑 |
| Taubin Smooth | Taubin 平滑 |
深度平滑
为了演示滤波效果，新建一个分形地形：Filters->Create New Mesh Layer->Fractal Terrian，为了让起伏大一点，将最大高度设为0.8。然后在右上角的图层窗口，选中图层，右键->Duplicate Current Mesh，进行复制。
选中复制后的图层，点击平滑工具中的Depth Smoothing，弹出设置窗口。
- Smooth Steps 平滑步长
- Viewpoint 视角，点击Get，可获取当前视角
- Strength 滤波强度，最大为2
- Affect only selection 仅考虑已选中的区域
其中，视角是深度滤波的关键参数，表示深度的方向。比如 0 , 0 , 1 0,0,1 0,0,1表示从上向下看，那么对于测绘地形来说，就是对高程进行平滑。
拉普拉斯平滑
拉普拉斯平滑是最基础的平滑滤波算法，原理是将当前点和与之相近的点取平均，这种滤波的缺点是，容易导致图形向内缩。
为了演示滤波效果，新建一个环面Torus，然后执行拉普拉斯平滑，效果如下
Taubin 平滑
Taubin平滑是1995年提出的一种点云滤波算法，可以克服拉普拉斯平滑出现的内缩现象。其基本原理是，用一个负收缩因子 μ \mu μ将拉普拉斯平滑照成的收缩再放大回去。其算法的主体由两个过程组成，一个过程采用正因子 λ ∈ ( 0 , 1 ) \lambda\in(0,1) λ∈(0,1)，另一个过程采用负因子 μ ∈ ( − 1 , 0 ) \mu\in(-1,0) μ∈(−1,0)。
其他改进的拉普拉斯平滑
HCLaplacian算法试图将拉普拉斯算法对顶点的移动以某种程度再移动回去，移动的具体原则需要参考顶点原先的位置。MeshLab中的HCLaplacian算法没有参数，点击菜单命令之后直接滤波，初次使用需要稍加注意。
此外，Laplacian Smooth(surface preserving)和ScaleDependent Laplacian Smooth也是对拉普拉斯平滑的一种改进。
