obj索引分块的jpg图片时有边界条纹

Question

生产三维模型，输入为DSM和DOM，首先生成.obj文件，然后转为OSGB文件。如果模型过大，则首先会将模型进行分块，生成多块.obj文件再进行后续处理。
生产.obj文件时，可以通过vt的数值来索引纹理图片（例如JPG图片）的像素值，但如果纹理图片过大，obj转为osgb格式后数据量会较大，因此需要对JPG图片也按照同样比例大小进行分块。
但分块后发现，用之前的vt（即UV坐标）计算方法，各模型块之间有明显的分界条纹！！，如下图所示：

原vt计算方法为：（注：原始数据是按原始影像行列号，从左上到右下，先行后列，规则排列的，共有lPixelCount各元素，每行wsPart个，每列hsPart个，lPixelCount = wsPart * hsPart，该算法其实就是计算第n个点所在行和列，与该行、列总元素数做比，Y向要作差）

            for (long n = 0; n < lPixelCount; n++)
            {
                long lVert1Ind = n;
                long lVert1Ind_x = 0;
                long lVert1Ind_y = 0;

                //
                pdVtCloudX[n] = (double)(lVert1Ind % wsPart) / (double)(wsPart - 1);
                lVert1Ind_y = lVert1Ind / wsPart + 1;
                pdVtCloudY[n] = (double)(hsPart - lVert1Ind_y) / (double)(hsPart);

            }

后来对vt的计算方式做了修改，代码如下：

            for (long n = 0; n < lPixelCount; n++)
            {
                long lVert1Ind = n;
                long lVert1Ind_x = 0;
                long lVert1Ind_y = 0;

                ////UV不为1
                pdVtCloudX[n] = (double)(lVert1Ind % wsPart + 1) / (double)(wsPart + 1);
                lVert1Ind_y = lVert1Ind / wsPart + 1;
                pdVtCloudY[n] = (double)(hsPart - lVert1Ind_y + 1) / (double)(hsPart + 1);

            }

上述代码保证了vt坐标不会为0和1，模型拼接后不再有边界条纹，但是出现了像素拼接不上的情况，如下图：

做了很多测试，比如对JPG分块分别是用CV库，或者直接将DOM在代码中截取然后转成JPG图片，或者使用其他格式图片（例如BMP、png等），这些方法仍然会有上述现象，初步猜想可能是JPG图片边缘有一圈边框条纹，请教如何解决上述问题？

Answer 1

该回答通过自己思路及引用到GPTᴼᴾᴱᴺᴬᴵ搜索,得到内容具体如下：
您遇到的边界条纹问题可能是由于纹理映射（texture mapping）时的插值问题导致的。当将纹理图片分块后，每个模型块的纹理坐标在边界处不连续，导致纹理插值出现问题，进而产生了可见的分界条纹。

有几种方法可以尝试解决这个问题：
1、 纹理边界处理：在生成分块的纹理图片时，可以在每个块的边界处添加一圈无纹理的边缘像素。这样可以确保纹理坐标在边界处的插值不会受到相邻块的影响，减少分界条纹的出现。

2、 纹理坐标偏移：在计算纹理坐标时，对于每个模型块的纹理坐标进行微小的偏移，使得相邻块的纹理坐标在边界处略微重叠。这样可以减少插值时的不连续性，减少分界条纹的出现。

3、 纹理过滤设置：在加载纹理时，可以尝试设置纹理过滤选项，如使用双线性插值（bilinear interpolation）或三线性插值（trilinear interpolation）。这些过滤选项可以平滑纹理的插值过程，减少分界条纹的可见性。

4、 使用无损格式：考虑使用无损的纹理格式，如PNG，而不是有损的JPEG。JPEG图像通常会在边缘处产生一些压缩伪影，这可能导致分界条纹的出现。使用无损格式可以避免这个问题。

请注意，以上方法可能需要根据您的具体情况进行适当的调整和实验。您可以尝试组合使用这些方法，以找到适合您场景的最佳解决方案。

---

如果以上回答对您有所帮助，点击一下采纳该答案～谢谢