smoothness:subdivDisplaySmoothness -smoothness 3; 咋弄好的我也出问题了！帮忙吧！！

1.subdivDisplaySmoothness -smoothness 3; 咋弄好的我也出问题了！帮忙吧！！

打开模型的属性面板，然后如图，有个数字是0改成2就好了。

2.smoothness是什么意思

smoothness 英[smu:s] 美[ˈsmuðnɪs] n. 平滑;流畅;平静;s efficient organization for the smoothness of the demonstration.我们应感谢保罗为示威集会的顺利进行所做的有效组织工作。

3.substance painter怎么导出smoothness贴图

格式需要带通道，非jpg这类的格式

4.数学中 smoothness 是什么意思

打开模型的属性面板。

5.多尺度分割

与传统的基于像元的分类方法不同，面向对象的遥感影像分类方法处理的基本单元是影像对象，其采用一种基于遥感影像的多尺度分割方法，可以生成任意尺度的、属性信息相似的影像多边形 ( 对象)，运用模糊数学方法获得每个对象的属性信息，以影像对象为信息提取的基本单元，实现分类和信息提取。面向对象的遥感影像分类有两个独立的模块:对象生成即采用多尺度分割技术生成同质对象，其是进行分类识别和信息提取的必要前提。信息提取是基于模糊逻辑分类的思想，建立特征属性的判别规则体系，计算出每个对象属于某一类别的概率，达到分类识别和信息提取的目的。地表信息在不同的尺度 ( 时间或空间跨度) 上有着不同的表现，例如从图 5 －1 中分辨出的就是两个圆形的物体，这时我们根据其与相邻物体之间的关系能立刻分辨出左边的圆形物体是盘子，右边的圆形物体是车轮。这是空间尺度上的一个简单例子。时间尺度就更加简单，当我们要正确识别目标地物的时候，必须要选择一个合适的尺度，达到最佳的分辨效果。传统的基于像元的信息提取方法均是在同一个尺度上进行，该尺度即影像的空间分辨率，由于它无法兼顾地物的宏观和微观特征，导致在影像信息十分丰富的时候 ( 高分辨率影像)，往往达不到很好的提取效果，出现许多破碎的区域，这也就是常说的高分辨率影像分类的“面向对象的分类方法引进了多尺度分割的概念，图 5 －1 两个圆形物体图 5 －2 盘子和车轮( 一) 多尺度分割的概念多尺度分割是指在影像信息损失最小的前提下。以任意尺度生成异质性最小、同质性最大的有意义影像多边形对象的过程，即把高分辨率像元的信息保留到低分辨率的对象上，不同的地物类型可以在相应尺度的对象上得到反映( 黄慧萍，影像的多尺度分割从任意一个像元开始。采用自下而上的区域合并方法形成对象，小的对象可以经过若干步骤合并成大的对象。每一对象大小的调整都必须确保合并后对象的异质性小于给定的阈值 ( 王岩等，多尺度分割可以理解为一个局部优化过程，而对象的同质性标准则是由对象的颜色 ( color) 因子和形状 ( shape)因子确定，分别代表了影像分割时，形状因子“这四个参数共同决定分割效果 ( 图 5 －3)，图 5 －3 多尺度分割的参数构成( 二) 多尺度分割参数的选择同质性标准包括光谱 ( 颜色) 和形状两个因子。其中形状因子又包括光滑度和紧致度，颜色因子对生成对象最重要，形状因子有效控制着影像对象的破碎程度，以此提高分类精度( 田新光”传统的基于像元的方法不考虑形状因子，而将光谱因子设置为 1。即完全依靠像元的光谱值进行信息提取，光滑度是通过边界平滑来优化影像对象的，其描述的是对象边界与一个正方形的相似度。紧致度是通过聚集度来优化影像对象的，其作用是利用较小的差别把紧凑和不紧凑的目标对象区分开;光滑度和紧致度两个形状因子相互作用、相互影响，即通过光滑度优化的对象也可能会有好的紧致度，通过紧致度优化过的对象也可能会有光滑的边界。其直接决定了分类和信息提取的精度。最优尺度的确定一直是面向对象分类方法的一个研究重点，某一特定变量的最优分割尺度值不一定适用于其他变量，所以最优尺度只能是一个数值范围。但是分割尺度的选择应当遵守以下规则:最适合的尺度是指分割后的对象边界清晰，能用一个或者多个对象来表达这种地物类别，既不能太破碎也不能出现混合类别对象，单个对象能够很好地表达这种地物类别特有的属性特征，使其能很好地与其他地物类别区分开来 ( 黄慧萍，分割尺度越小，产生的对象就越“不同地物类别被划分到单个对象的概率就越小，这样信息提取的精度就越高，但是分割尺度越小会导致同一地物类别对象之间差异性增加;不同地物类别对象之间的异质性反而降低，并不利于分类和识别，而且分割对象数目过多，必须在分割尺度和分类精度之间寻找到平衡点，( 四) 多尺度分割的网络层次关系不同的分割尺度生成相应的对象层。从而构建影像对象之间的层次等级网络，它以不同的空间尺度表达了影像所包含的信息，对象网络层次结构按照从大到小、从上到下的方式安排。分割尺度较小的层中包含的对象数量较多。每个对象包含的像元数较少，而分割尺度较大的层中;单个对象包含的像元数目比较多，而包含的对象数量比较少，在这个对象网络层次结构中。每一个对象都包含了邻域对象、下层子对象和上层父对象之间复杂的属性关系，上、下层次对象间的关系显得尤为重要，因为通常可以根据父对象的属性确定子对象类别、根据子对象的平均属性对父对象的纹理属性进行分类以及根据已确定类别的子对象组成对父对象进行分类等，相邻对象也十分重要，因为如果有些对象的光谱、纹理和形状信息都十分相似，若以它们的对象作为分类判定的一个标准，图 5 －4 多尺度分割的网络层次结构图( 五) 基于异质性最小原则的区域合并算法多尺度分割采用的是基于异质性最小原则的区域合并算法。其基本思想是把具有相同或相似性质的相邻像元集合起来组成区域多边形 ( 对象)，首先在每个需要分割的区域中找一个种子像元作为生长起点。然后将种子像元邻域中与种子像元有相同或相似性质的像元合并到种子像元所在的区域中，将这些新的像元当作新的种子像元继续进行上面的过程，区域合并算法的目的是实现分割后影像对象的权重异质性最小。如果仅考虑光谱异质性最小会导致分割后的对象边界比较破碎，需要把光谱异质性的标准和空间异质性的标准配合使用，需要首先确定影响异质性大小的光谱因子和形状因子，因为只有同时满足光谱异质性、光滑度异质性和紧致度异质性最小，才能使整幅影像中所有对象的平均异质性最小 ( 戴昌达等，( 六) 模糊分类方法面向对象的遥感影像分类方法采用的是基于模糊逻辑分类系统的模糊数学分析方法。主要用来处理模糊不清、不严密和不明确的问题，模糊性是客观世界存在的普遍现象 ( 陈文凯。遥感影像中的模糊性主要表现在一个对象 ( 像元) 内可能出现多个地物类别在这种情况下如何确定其归属，模糊分类系统一般由模糊化、模糊推理和去模糊三个部分组成。模糊化就是把特征值向模糊值转化的过程。实质上是一个特征标准化的过程，成员函数是一个模糊表达式。

6.英语翻译

这一句是摘自英国作家查尔斯·狄更斯（Charles J.H. Dickens）所著的《双城记》（A Tale of Two Cities），意思如下：不比于英格兰对属灵方面的事那么感兴趣，法国则直接走向灾难，大量印制纸货币亦全部把钱花光。~~~~~~纯人手翻译，欢迎采纳~~~~~~原文的现代英语如下:France,

7.deductingstrikingsmoothness是怎么意思

去除炫目的外表