1.一种基于laplace优化的图像拓扑变形方法，其特征在于，包括如下步骤：

步骤1：建立化工人物模型，生成人体四面体网格，将人物模型使用网格完全包络，按照预定义将人物模型切分为不同的多面体，并生成相关切面的二维视图；

步骤2：依次记录每个多面体的拓扑结构，记录拓扑结构包括顶点、相邻顶点之间线、构成多面体的各个面；从记录的顶点中选取所需锚点，锚点分为固定锚点与移动锚点，变形的过程中保持不变的网格顶点是固定锚点，变形前后发生变化的顶点是移动锚点；

步骤3：根据步骤2记录的顶点与顶点之间的拓扑结构，利用加权公式得到选定的锚点创建的laplace矩阵，并由此将顶点坐标转化为对应的laplace微分坐标δ；

步骤4：根据步骤2记录的顶点、面信息，将相邻顶点组成的面放入二维平面中，记录的面基本拓扑结构有三角形和四边形，寻找三角形和四边形结构之间的联系，得到一种能够适用于这两种结构形体，并且都具有三角形和四边形结构二维直观解的一一映射方法，结合插值实现不同变形的需要，求出移动锚点的变化后的点坐标矩阵PoAf；

对选定的锚点的点集，记做S＝{S(i)|i＝1，2，…，n}，锚点进行平移操作后的特征点集，记做D＝{D(i)|i＝1，2，…，n}，根据特征点生成对应所需的三角形或四边形网格集合NS、ND，S和D中的点也具有一一对应性；

寻找具有三角形结构二维直观解的一一映射方法为：

若S中三点S(i)、S(j)和S(k)组成的三角形在网格集合NS中，则D中三点D(i)、D(j)和D(k)所组成的三角形在对应网格集合ND中；当非线性变形时，还需设置在ND中对应结构内平移三角形边的中点所获得偏移量ΔP；对于目标图像中的每一个像素点，根据NS网格计算出它在对应拓扑结构坐标系中的坐标值；根据所求出的坐标值，利用ND网格中对应拓扑结构，反算出其在目标图像中的笛卡尔坐标值，求出锚点变化后的坐标PoAf，而固定锚点前后坐标不发生变化；

步骤5：利用顶点的laplace微分坐标δ和移动锚点变化后的点坐标矩阵PoAf自动求解稀疏的对称正定矩阵A，并进行奇异值分解，快速回代得到变化后的网格顶点坐标，带入模型，完成变形；

步骤5.1：将顶点的laplace微分坐标δ与锚点变化后的坐标PoAf组成矩阵B，δ为上半部分，PoAf为下半部分，根据公式(4)求出选定锚点的laplace矩阵L添加锚点信息后的Ls矩阵：其中，di表示第i个顶点的邻接顶点数目，(Ls)ij表示根据顶点求出的对应矩阵，N(i)表示与vi相邻顶点的点集，网格中每个顶点i∈V的笛卡尔坐标为vi＝(xi,yi,zi)，V代表顶点集；

T

步骤5.2：设新矩阵A的值为A＝Ls·Ls，A是稀疏的对称正定矩阵，且只与输入锚点的索引有关，选取固定锚点和移动锚点，采用奇异值分解加速计算，通过公式(5)快速回代得到变化后的网格顶点的笛卡尔坐标：Ax＝B (5)

其中，x为所要求的顶点变化后的坐标值。

2.根据权利要求1所述的基于laplace优化的图像拓扑变形方法，其特征在于，所述步骤3中创建laplace矩阵的具体步骤为：步骤3.1：模型切分不同部分后，按照切分的每一部分建立三角面、边与顶点的完整拓扑信息，记录锚点索引值，记录为M＝(V,E,F)，M代表模型，V代表顶点集，包括顶点的坐标、索引，E代表边集，F代表面集，网格中每个顶点i∈V的笛卡尔坐标为vi＝(xi,yi,zi)，数学表示形式如公式(1)；使用vector容器，将所有的顶点坐标放PoBe矩阵中；

其中，i＝jN(i)＝{j∣(i,j)∈E}，N(i)是vi的邻接顶点集，di＝|N(i)|是第i个顶点的邻接顶点个数， 作为权值来构造坐标，对顶点vi周围邻接顶点做一个平均值，对权值的计算如公式(2)：其中，Wij为所有选择的顶点的权值，N(i)是vi的邻接顶点集；

步骤3.2：选择预定义锚点，根据索引找到锚点的原坐标，遍历面集找到选定的锚点相邻顶点，根据公式(1)与公式(2)加权得到选定锚点的laplace矩阵L，并通过公式(3)计算vi点的微分坐标得到结果：*

LPoBe＝δ (3)

其中，L为笛卡尔坐标与laplace坐标之间的转换矩阵，称为算子系数矩阵，表示网格模型的拓扑关系，与顶点的几何位置无关。