python三维转换教程_Python科学计算三维可视化【完结】

中国MOOC《Pyhton计算计算三维可视化》总结

课程url：here ，教师：黄天宇，嵩天

下文的图片和问题，答案都是从eclipse和上完课后总结的，转载请声明。

Python数据三维可视化

1Introduction

1.1可视化计算工具

1.1.1TVTK 科学计算三维可视化基础

Mayavi 三维网格面绘制，三维标量场和矢量场绘制

TraitsUI 交互式三维可视化

SciPy 拟合，线性差值，统计，插值

数据过滤器

需要安装的软件：VTK, Mayavi, numpy, PyQt4, Traits, TraitsUI

1.2内容组织

流体数据的标量可视化、矢量可视化实例

三维扫描数据(模型/地形)

三维地球场景可视化实例

曲线UI交互控制可视化

2基础运用

2.1TVTK入门

科学计算可视化主要方法

二维标量数据场：颜色映射法，等值线法，立体图/层次分割法

三维标量数据场：面绘制法，体绘制法

矢量数据场：直接法，流线法

VTK库安装方法是将文件放在下面，这样系统可以自动检测到并安装，安装在使用如下操作，在开始菜单栏，输入cmd，用管理员身份启动cmd，输入pip install xxx(VTK版本号)，有时候安装不行是因为pip需要更新，或者VTK文件放的位置不对，只要根据系统提示正确操作就行。

2.2创建一个基本三维对象

tvtk.CubeSource()的使用代码为s = tvtk.CubeSource(traits)

tvtk中CubeSource()的调用方式：

s = tvtk.CubeSource(x_length=1.0,y_length=2.0,z_length=3.0)

x_length:立方体在X轴的长度

y_length:立方体在Y轴的长度

z_length:立方体在Z轴的长度

以下是s的输出结果：

Debug: Off

Modified Time: 1903583

Reference Count: 2

Registered Events:

Registered Observers:

vtkObserver (000001813DFDB520)

Event: 33

EventName: ModifiedEvent

Command: 000001813DBFDF80

Priority: 0

Tag: 1

Executive: 000001813D838460

ErrorCode: No error

Information: 000001813D864210

AbortExecute: Off

Progress: 0

Progress Text: (None)

X Length: 1

Y Length: 2

Z Length: 3

Center: (0, 0, 0)

Output Points Precision: 0

可以用s.x_length/s.y_length/s.z_length获取长方体在三个方向上的长度。

CubeSource对象的方法

方法

说明

Set/get_x_length()

设置/获取长方体对象在X轴方向的长度

Set/get_y_length()

设置/获取长方体对象在Y轴方向的长度

Set/get_z_length()

设置/获取长方体对象在Z轴方向的长度

Set/get_center()

设置/获取长方体对象所在坐标系的原点

Set/get_bounds()

设置/获取长方体对象的包围盒

TVTK库的基本三维对象

三维对象

说明

CubeSource

立方体三维对象数据源

ConeSource

圆锥三维对象数据源

CylinderSource

圆柱三维对象数据源

ArcSource

圆弧三维对象数据源

ArrowSource

箭头三维对象数据源

比如建立圆锥model，输入

from tvtk.api import tvtk

s = tvtk.ConeSource(height=3.0,radius=1.0,resolution=36)

可以用s.height/s.radius/s.resolution(分辨率)查到高度，半径和分辨率的数据，如果要详细指导所有数据，可以用print(s)命令。

vtkConeSource (000001813DE1E0E0)

Debug: Off

Modified Time: 1903620

Reference Count: 2

Registered Events:

Registered Observers:

vtkObserver (000001813DFDC000)

Event: 33

EventName: ModifiedEvent

Command: 000001813DBFDD40

Priority: 0

Tag: 1

Executive: 000001813D839090

ErrorCode: No error

Information: 000001813D864120

AbortExecute: Off

Progress: 0

Progress Text: (None)

Resolution: 36

Height: 3

Radius: 1

Capping: On

Center: (0, 0, 0)

Direction: (1, 0, 0)

Output Points Precision: 0

2.3显示一个基本三维对象

2.3.1如何利用tvtk绘制三维图形

tvtk使用管线(pipeline)绘制三维图形，其中一下函数

CubeSource(xxx)

PolyDataMapper(xxx)

Actor(xxx)

Renderer(xxx)

RenderWindow(xxx)

RenderWindowInteracotor(xxx)

协作完成管线任务

2.3.2实现一个三维长方体代码

代码例1

from tvtk.api import tvtk

s = tvtk.CubeSource(x_length=1.0,y_length=2.0,z_length=3.0)

m = tvtk.PolyDataMapper(input_connection = s.output_port)

a = tvtk.Actor(mapper=m)

r = tvtk.Renderer(background=(0,0,0))

r.add_actor(a)

w = tvtk.RenderWindow(size=(300,300))

w.add_renderer(r)

i = tvtk.RenderWindowInteractor(render_window = w)

i.initialize()

i.start()

2.4TVTK管线与数据加载

TVTK管线分两部分：数据预处理和图形可视化

数据预处理以s.output_port和m.input_connection形式输出

管线的两种类型：可视化管线(将原始数据加工成图形数据)，图形管线(图形数据加工成图像)

可视化管线分两个对象：PolyData(计算输出一组长方形数据)和PolyDataMapper(通过映射器映射为图形数据)

TVTK对象

说明

Actor

场景中一个实体，描述实体位置，方向，大小的属性

Renderer

渲染作用，包括多个Actor

RenderWindow

渲染用的图形窗口，包括一个或多个Render

RenderWindowInteractor

交互功能，评议，旋转，放大缩小，不改变Actor或数据属性，只调整场景中照相机位置

管线的数据可以表示如下：

总结下TVTK管线就分为以下几个部分：数据预处理，数据映射，图形绘制，图形显示与交互

建立长方形模型：

2.4.1IVTK观察管线

代码例2

from tvtk.api importtvtkfrom tvtk.tools importivtkfrom pyface.api importGUI

s= tvtk.CubeSource(x_length=1.0,y_length=2.0,z_length=3.0)

m= tvtk.Actor(mapper=m)

gui=GUI()

win=ivtk.IVTKWithCrustAndBrowser()

win.open()

True

win.scene.add_actor(a)

gui.start_event_loop()

显示结果：

有会出现bug，在主窗口缩放时左侧串口处于游离状态。

Debug程序：

from tvtk.api importtvtkfrom tvtk.tools importivtkfrom pyface.api importGUI

s= tvtk.CubeSource(x_length=1.0,y_length=2.0,z_length=3.0)

m= tvtk.PolyDataMapper(input_connection=s.output_port)

a= tvtk.Actor(mapper=m)

gui=GUI()

win=ivtk.IVTKWithCrustAndBrowser()

win.open()

win.scene.add_actor(a)

dialog=win.control.centralWidget().widget(0).widget(0)from pyface.qt importQtCore

dialog.setWindowFlags(QtCore.Qt.WindowFlags(0x00000000))

dialog.show()

gui.start_event_loop()

Debug后第窗口界面，注意左侧的菜单栏，有分级

Model 建立后，可以在命令框输入代码，获取数据，比如：

输入print(scene.renderer.actors[0].mapper.input.points.to_array)，可以得到长方体各个顶点的坐标。

如果要集成开发，可以将函数单独封装，放到python.exe目录下，比如上一个生成长方体的代码可以封装成以下两部分：

主函数

from tvtk.api importtvtkfrom tvtkfunc importivtk_scene,event_loop

s= tvtk.CubeSource(x_length=1.0,y_length=2.0,z_length=3.0)

m= tvtk.PolyDataMapper(input_connection=s.output_port)

a= tvtk.Actor(mapper=m)

win=ivtk_scene(a)

win.scene.isometric_view()

event_loop()

调用函数

defivtk_scene(actors):from tvtk.tools importivtk#创建一个带Crust(Python Shell)的窗口

win =ivtk.IVTKWithCrustAndBrowser()

win.open()

win.scene.add_actor(actors)#修正窗口错误

dialog =win.control.centralWidget().widget(0).widget(0)from pyface.qt importQtCore

dialog.setWindowFlags(QtCore.Qt.WindowFlags(0x00000000))

dialog.show()returnwindefevent_loop():from pyface.api importGUI

gui=GUI()

gui.start_event_loop()

2.4.1Tvtk数据集(TVTK数据加载例1)

Tvtk中有5中数据集：

ImageData表示二维/三维图像的数据结构，有三个参数，spacing,origin,dimensions

from tvtk.api importtvtk

img= tvtk.ImageData(spacing=(1,1,1),origin=(1,2,3),dimensions=(3,4,5))

img.get_point(0)#attain the data of first point

(1.0, 2.0, 3.0)for n in range(6):

...print("%1.f,%1.f,%1.f"%img.get_point(n))

最后得到结果

1,2,3

2,2,3

3,2,3

1,3,3

2,3,3

3,3,3

RectilinearGrid 表示创建间距不均匀的网格，所有点都在正交的网格上通过如下代码构建数据集：

r.y_coordinates =y

r.z_coordinates=z

r.dimensions=len(x),len(y),len(z)

r.x_coordinates=x

r.y_coordinates=y

r.z_coordinates=z

r.dimensions=len(x),len(y),len(z)for n in range(6):

...print(r.get_point(n))

得到数据结果，在轴上数据递增：

(0.0, 0.0, 0.0)

(3.0, 0.0, 0.0)

(9.0, 0.0, 0.0)

(15.0, 0.0, 0.0)

(0.0, 1.0, 0.0)

(3.0, 1.0, 0.0)

StructuredGrid 表示创建任意形状网格，需要指定点的坐标

PolyData 表示由一系列的点、点之间的联系以及由点构成的多边形组成

UnstructuredGrid 无组织网格

TVTK数据集

特点

Imagedata

正交等间距

RectilinearGrid

正交不等间距

StructuredGrid

任意形状网格

PolyData

点和点之间的联系

UnstructuredGrid

无组织点

2.4.3Tvtk读取stl文件

STL文件调用形式：

S = tvtk.STLReader(file_name = “stl文件名”)

文件调用形式

vtkOBJReader()

ply文件调用形式

vtkPLYReader()

调用外部数据

VtkMultiBlockPLOT3DReander()

from tvtk.api importtvtkfrom tvtkfunc importivtk_scene,event_loop

s= tvtk.STLReader(file_name = 'python.stl')

m= tvtk.PolyDataMapper(input_connection =s.output_port)

a= tvtk.Actor(mapper=m)

win=ivtk_scene(a)

win.scene.isometric_view()

event_loop()

Stl格式数据，可以在python三维可视化中打开，也就是说solidworks中创建的stl文件也可以在python三维可视化中打开。

2.4.4Tvtk读取MultiBlock3D数据文件

3D文件读取用MultiBlock数据读取。

网格(XYZ文件)，空气动力学结果(Q文件)，通用结果文件

源码：但是执行失败，错误类型是tvtk没有定义，或者plot3d没有定义

1. from tvtk.api importtvtk2.3. def read_data():#读入数据

4. plot3d =tvtk.MultiBlockPLOT3DReader(5. xyz_file_name="combxyz.bin",#网格文件

6. q_file_name="combq.bin",#空气动力学结果文件

7. scalar_function_number=100,#设置标量数据数量

8. vector_function_number=200#设置矢量数据数量

9. )10. plot3d.update()11. returnplot3d12.13. plot3d =read_data()14. grid = plot3d.output.get_block(0)

3VTK可视化基础实战

介绍三类可视化方法：标量可视化，矢量可视化，轮廓化可视化

3.1可视化实例

3.1.1标量可视化

等值面：标量值相等的面

Generate_value() 设定N条等值线的值，一般用于重新绘制等值线

Set_value() 设定一条等值线的值，一般用于覆盖某条等值线或者新增加一条等值线

代码例2：绘制流体数据模型的标量场

from tvtk.api importtvtkfrom tvtkfunc importivtk_scene,event_loop

plot3d=tvtk.MultiBlockPLOT3DReader(

... xyz_file_name="combxyz.bin",

... q_file_name="combq.bin",

... scalar_function_number=100,vector_function_number=200)

plot3d.update()

grid=plot3d.output.get_block(0)

con=tvtk.ContourFilter()

con.set_input_data(grid)

con.generate_values(20,grid.point_data.scalars.range)

m= tvtk.PolyDataMapper(scalar_range=grid.point_data.scalars.range,input_connection=con.output_port)

a= tvtk.Actor(mapper=m)

a.property.opacity=0.5win= ivtk_scene(a) #以下3行为交互代码

win.scene.isometric_view()

event_loop()

Generate_values(x,y)两个参数意义：x代表指定轮廓数，y代表数据范围

同样set_values(x,y)中也有同样的两个参数，含义相同，改变这两个参数会改变轮廓数和数据范围

3.1.2矢量可视化

Tvtk.Glyph3D() 符号化技术，可以解决矢量数据可视化问题。

Tvtk.MaskPoints() 降采样

箭头表示标量大小，箭头方向表示矢量方向。

代码例3 矢量化向量

from tvtk.api importtvtkfrom tvtkfunc importivtk_scene,event_loop

plot3d=tvtk.MultiBlockPLOT3DReader(

... xyz_file_name= "combxyz.bin",

... q_file_name= "combq.bin",

... scalar_function_number= 100,vector_function_number = 200)

plot3d.update()

grid=plot3d.output.get_block(0)

mask= tvtk.MaskPoints(random_mode=True,on_ratio=50)

mask.set_input_data(grid)

glyph_source=tvtk.ConeSource()

glyph= tvtk.Glyph3D(input_connection=mask.output_port,scale_factor=4)

glyph.set_source_connection(glyph_source.output_port)

m= vtk.PolyDataMapper(scalar_range=grid.point_data.scalars.range,input_connection=glyph.output_port)

a= tvtk.Actor(mapper =m)

win=ivtk_scene(a)

win.scene.isometric_view()

event_loop()

得到结果：

vtk.Glyph3D() 符号化技术

为了表示矢量数据，TVTK库中运用tvtk.Glyph3D()方法，同时运用MaskPoints()方法进行降维采样。

3.1.3空间轮廓线可视化

需要用到tvtk.StructuredGridOutlineFilter()

Python清空命令行代码函数：

Import osdefclear():

os.system(‘cls’)

clear()

代码例4

from tvtk.api importtvtkfrom tvtk.common importconfigure_inputfrom tvtkfunc importivtk_scene, event_loop

plot3d=tvtk.MultiBlockPLOT3DReader(

xyz_file_name="combxyz.bin",

q_file_name="combq.bin",

scalar_function_number=100, vector_function_number=200)#读入Plot3D数据

plot3d.update()#让plot3D计算其输出数据

grid = plot3d.output.get_block(0)#获取读入的数据集对象

outline = tvtk.StructuredGridOutlineFilter()#计算表示外边框的PolyData对象

configure_input(outline, grid)#调用tvtk.common.configure_input()

m = tvtk.PolyDataMapper(input_connection=outline.output_port)

a= tvtk.Actor(mapper=m)

a.property.color= 0.3, 0.3, 0.3

#窗口绘制

win =ivtk_scene(a)

win.scene.isometric_view()

event_loop()

显示结果

PolyData对象的外边框处理使用了什么方法？

PolyData对象外边框使用了StructuredGridOutlineFilter()的方法。

3.1.4结合矢量可视化和空间轮廓线可视化

对标量/轮廓属性进行赋值，不会处理。

from tvtk.api importtvtkfrom tvtk.common importconfigure_inputfrom tvtkfunc importivtk_scene, event_loop

plot3d=tvtk.MultiBlockPLOT3DReader(

... xyz_file_name= "combxyz.bin",

... q_file_name= "combq.bin",

... scalar_function_number= 100,vector_function_number = 200)

plot3d.update()

grid=plot3d.output.get_block(0)

con=tvtk.ContourFilter()

con.set_input_data(grid)

con.generate_values(20,grid.point_data.scalars.range) #20代表等值面

outline = tvtk.StructuredGridOutlineFilter()#计算表示外边框的PolyData对象

configure_input(outline, grid)#调用tvtk.common.configure_input()

m = tvtk.PolyDataMapper(scalar_range=grid.point_data.scalars.range,input_connection=con.output_port)

m= tvtk.PolyDataMapper(input_connection=outline.output_port)

a= tvtk.Actor(mapper=m)

a.property.color= 0.3, 0.3, 0.3a.property.opacity=0.5win= ivtk_scene(a) #以下3行为交互代码

win.scene.isometric_view()

event_loop()

3.2TVTK库实战练习

练习1：用tvtk绘制一个圆锥，圆锥的数据源对象为ConeSource(),圆锥高度为6.0,圆锥半径为2.0,背景色为红色。

代码例5

from tvtk.api importtvtkfrom tvtk.tools importivtkfrom pyface.api importGUI

s= tvtk.ConeSource(height=6.0,radius=1.0,resolution=36)

m= tvtk.PolyDataMapper(input_connection=s.output_port)

a= tvtk.Actor(mapper=m)

gui=GUI()

win=ivtk.IVTKWithCrustAndBrowser()

win.open()

win.scene.add_actor(a)

dialog=win.control.centralWidget().widget(0).widget(0)from pyface.qt importQtCore

dialog.setWindowFlags(QtCore.Qt.WindowFlags(0x00000000))

dialog.show()

gui.start_event_loop()

代码例6

from tvtk.api importtvtk

s= tvtk.ConeSource(height=6.0,radius=2.0,resolution=36)

m= tvtk.PolyDataMapper(input_connection=s.output_port)

a= tvtk.Actor(mapper=m)

r= tvtk.Renderer(background=(1,0,0))

r.add_actor(a)

w= tvtk.RenderWindow(size=(300,300))

w.add_renderer(r)

i= tvtk.RenderWindowInteractor(render_window=w)

i.initialize()

i.start()

练习2：使用tvtk库读取obj，并显示出来。

from tvtk.api importtvtkfrom tvtkfunc importivtk_scene,event_loop

s= tvtk.OBJReader(file_name = 'python.obj')

m= tvtk.PolyDataMapper(input_connection =s.output_port)

a= tvtk.Actor(mapper=m)

win=ivtk_scene(a)

win.scene.isometric_view()

event_loop()

x.obj文件应该放在anaconda(python)安装目录下。

Stl和obj模型包括哪些信息？

Stl全称是stereolithograph，模型包括三角面片数，每个三角面片的几何信息(法矢，三个顶点的坐标)，三角面片属性。

Obj是3D模型文件模式，模型包括顶点数据，自由形态曲线/表面属性，元素，自由形态曲线/表面主题陈述，自由形态表面之间的连接，成组，显示/渲染属性。

练习3：通过get_value()和set_value()设定第一个等值面的值为原来的2倍

3.3Mayavi库入门

类别

说明

绘图函数

Barchar, contour3d, contour_surf, flow, imshow, mesh, plot3d, points3d, quiver3d, surf, triangular, mesh

图形控制函数

Clf, close, draw, figure, fcf, savefig, screenshot, sync_camera

图形修饰函数

Colorbar, scalarbar, xlabel, ylabel, zlabel

相机控制函数

Move, pitch, roll, view, set_engine

其他函数

Animate, axes, get_engine, show, set_engine

Mlat管线控制

Open, set_tvk_src,adddataset, scalar_cut_plane

Mayavi API

类别

说明

管线基础对象

Scene, source, filter, modulemanager, module, pipelinebase, engine

主视窗和UI对象

DecoratedScene, mayaviscene, sceneeditor, mlabscenemodel, engineview, enginerichview

3.3.1快速绘图实例

代码例7

#定义10个点的三维坐标,建立简单立方体

x = [[-1,1,1,-1,-1],[-1,1,1,-1,-1]]

y= [[-1,-1,-1,-1,-1],[1,1,1,1,1]]

z= [[1,1,-1,-1,1],[1,1,-1,-1,1]]from mayavi importmlab

s= mlab.mesh(x,y,z)

代码例8

#建立复杂几何体

From numpy importpi,sin,cos,mgridfrom mayavi importmlab

dphi,dtheta= pi/250.0, pi/250.0[phi,theta]= mgrid[0:pi+dphi*1.5:dphi,0:2*pi+dtheta*1.5:dtheta]

m0= 4; m1 =3; m2 =2; m3 = 3; m4 = 6; m5= 2; m6 = 6; m7 = 4r= sin(m0*phi)**m1 + cos(m2*phi)**m3 + sin(m4*theta)**m5 + cos(m6*theta)**m7

x= r*sin(phi)*cos(theta)

y= r*cos(phi)

z= r*sin(phi)*sin(theta)

s=mlab.mesh(x,y,z)

mlab.show()

Mesh函数是三个二维的参数，点之间的连接关系，尤其由x,y,z之间的位置关系所决定。

上面这个例子如果改变代码行为mlab.mesh(x,y,z,representation="wireframe",line_width=1.0)

则结果为

3.3.2Mayavi管线(分析mayavi如何控制画面)

Mayavi管线的层级

Engine：建立和销毁Scenes

Scenes：多个数据集合Sources

Filters：对数据进行变换

Modules Manager：控制颜色，Colors and Legends

Modules：最终数据的表示，如线条、平面等

程序配置属性的步骤：

获得场景对象，mlab.gcf()

通过children属性，在管线中找到需要修改的对象

配置窗口有多个选项卡，属性需要一级一级获得

s = mlab.gcf #获得s对象当前场景

print(s) #输出当前对象状态

print(s.scene.background) #输出当前设置的场景的背景色

source = s.children[0] #获取对象

print(repr(source)) #输出mlab儿子数组对象的第一个值地址

print(source.name) #返回该节点名称

print(repr(source.data.points)) #输出该节点坐标

print(repr(source.data.point_data.scalars))

manager= source.children[0] #数据源法向量

print(manager)#通过程序更改物体颜色和对应颜色值

colors =manager.children[0]

colors.scalar_lut_manager.show_legend=True

surface= colors.children[0] #获取颜色的第一个子节点。Surface可以设置图形的显示方式

surface.actor.property.representation =“wireframe”

surface.actor.property.opacity= 0.6 #透明度设置为0.6

mayavi与tvtk处理三维可视化的异同点：tvtk处理三维可视化要通过映射，预处理步骤，而mayavi在获取数据，可以通过mlab.mesh(x,y,z)生成三维可视化图形。

3.4Mayavi库入门

3.4.1基于numpy数组的绘图函数

Mlab对numpy建立可视化过程：

建立数据源

使用filter(可选)

添加可视化模块

3D绘图函数-Points3d()

函数形式：

Points3d(x,y,z,…) points3d(x,y,z,s,...) points3d(x,y,z,f,…)

X,y,z便是numpy数组、列表或者其他形式的点三维坐标

s表示在该坐标点处的标量值

F表示通过函数f(x,y,z)返回的标量值

代码例9

t = np.linspace(0, 4 * np.pi, 20)

x= np.sin(2 *t)

y=np.cos(t)

z= np.cos(2 *t)

s= 2 +np.sin(t)

points= mlab.points3d(x,y,z,s,colormap='Reds',scale_factor=.25)

参数

说明

Color

VTK对象的颜色，定义为(0,1)的三元组

Colormap

Colormap的类型，例如Reds、Blues、Copper等

Extent

x,y,z数组范围[xmin,xmax,ymin,ymax,zmin,zmax]

Figure

画图

Line_width

线的宽度，该值为float，默认为0.2

Mask_points

减小/降低大规模点数据集的数量

Mode

符号的模式，例如2darrow、2dcircle、arrow、cone等

Name

VTK对象名字

Opcity

VTK对象的整体透明度，改值为float型，默认为1.0

Reset_zoom

对新加入场景数据的缩放进行重置。默认为True

Resolution

符号的分辨率，如球体的细分数，该值为整型，默认为8

Scale_factor

符号放缩的比例

Scale_mode

符号的放缩模式，如vector、scalar、none

Transparent

根据标量值确定actor的透明度

Vmax

对colormap放缩的最大值

Vmin

对colormap放缩的最小值

3D绘图函数-Plot3d()

函数形式：

Plot3d(x,y,z…) plot3d(x,y,z,s,…)

X,y,z表示numpy数组，或列表。给出了线上连续的点的位置。S表示在该坐标点处的标量值

参数

说明

Tube_radius

线管的半径，用于描述线的粗细

Tube_sides

表示线的分段数，该值为整数，默认为6

X,y,z表示numpy数组，给出了线上连续的点的位置。

Np.sin(mu)表示在该坐标点处的标量值

Tube_radius绘制线的半径为0.025

Colormap采用Spectral颜色模式

代码例10

importnumpy as npfrom mayavi importmlab

n_mer, n_long= 6,11dphi= np.pi / 1000.0phi= np.arange(0.0, 2 * np.pi + 0.5 *dphi, dphi)

mu= phi *n_mer

x= np.cos(mu) * (1 + np.cos(n_long * mu / n_mer) * 0.5)

y= np.sin(mu) * (1 + np.cos(n_long * mu / n_mer) * 0.5)

z= np.sin(n_long * mu /n_mer) * 0.5l= mlab.plot3d(x,y,z,np.sin(mu),tube_radius=0.025,colormap="Spectral")

X,y,z便是numpy数组，给出了线上连续的点的位置。

Np.sin(mu)表示在该坐标点处的标量值

Tube_radius绘制线的半径为0.025

Colormap采用Spectral颜色模式

3D绘图函数-2D数据

Imshow()-3D绘图函数

Interpolate 图像中的像素是否被插值，该值为布尔型，默认为True

代码例11

importnumpyfrom mayavi importmlab

s= numpy.random.random((10,10))

img= mlab.imshow(s,colormap='gist_earth')

mlb.show()

3D绘图函数 - surf()

函数形式：

Surf(s,...)

Surf(x,y,s…)

Surf(x,y,f,..)

S是一个高程矩阵，用二维数组表示

代码例12

importnumpy as npfrommayavi improt mlabfrom mayavi importmlabdeff(x,y):return np.sin(x - y) + np.cos(x +y)

x, y= np.mgrid[-7.:7.05:0.1,-5.:5.05:0.05]

s=mlab.surf(x,y,f)

mlab.show()

3D绘制函数 - contour_surf()，与surf()类似求解曲面，contour_surf求解等值线

代码例13

importnumpy as npfrom mayavi importmlabdeff(x,y):return np.sin(x - y) + np.cos(x +y)

x,y= np.mgrid[-7.:7.05:0.1,-5.:5.05:0.05]

con_s= mlab.contour_surf(x,y,f)

3D绘图函数 - contour3d()

函数形式：

Contour3D(scalars…)

Contour3d(x,y,z,scalar,..)

Scalars 网络上的数据，用三维numpy数组shuming，x,y,z代表三维空间坐标

参数

说明

Contours

定义等值面的数量

代码例14

importnumpyfrom mayavi importmlab

x,y,z= numpy.ogrid[-5:5:64j,-5:5:64j,-5:5:64j]

scalars= x * x + y * y + z *z

obj= mlab.contour3d(scalars, contours=8,transparent=True)

3D绘图函数 – quiver3d()

函数形式：

quiver3d(u,v,w…)

quiver3d(x,y,z,u,v,w…)

quiver3d(x,y,z,f,…)

u,v,w用numpy数组表示的向量

x,y,z表示箭头的位置，u,v,w矢量元素

f需要返回咋给定位置(x,y,z)的(u,v,w)矢量

代码例15

r = np.sqrt(x ** 2 + y ** 2 + z ** 4)

u= y * np.sin(r) / (r + 0.001)

v= -x * np.sin(r)/ (r + 0.001)

w=np.zeros_like(z)

obj= mlab.quiver3d(x,y,z,u,v,w,line_width=3,scale_factor=1)

Questions:

points3D和Plot3D两个函数之间的区别于联系是什么？

Imshow()方法是如何确定二维数组可视化图像颜色的？

Surf()方法实例中通过什么方法获取x,y二维数组的？

Mlab中可以进行矢量数据可视化的方法有哪些？

Corresponding answers:

Points3D是基于Numpy数组x,y,z提供的数据点坐标，绘制图形；Plot3D是基于1维numpy数组x,y,z供的三维坐标数据绘制图形；

Imshow()通过colormap关键字确定颜色，比如colormap='gist_earth'，确定颜色为“类似地球表面颜色”；

Surf()方法是通过np.mgrid(xxx,xxx)获取x,y二维数组；

mlab.Flow()和mlab.quiver3d()

3.4.2改变物体的外观

改变颜色

代码例16

Colormap定义的颜色，也叫LUT即look up table.

importnumpy as npfrom mayavi importmlab

x,y= np.mgrid[-10:10:200j,-10:10:200j]

z= 100 * np.sin(x * y) / (x *y)

mlab.figure(bgcolor=(1,1,1))surf= mlab.surf(z,colormap='cool')

mlab.show()

代码例17

当代码例16增加以下代码到代码例17时，图像的颜色变淡，透明度增加。

importnumpy as npfrom mayavi importmlab#建立数据

x,y = np.mgrid[-10:10:200j,-10:10:200j]

z= 100 * np.sin(x * y) / (x *y)#对数据进行可视化

mlab.figure(bgcolor=(1,1,1))surf= mlab.surf(z,colormap='cool')

mlab.show()#访问surf对象的LUT#LUT是一个255x4的数组，列向量表示RGBA，每个值的范围从0-255

lut =surf.module_manager.scalar_lut_manager.lut.table.to_array()#增加透明度，修改alpha通道

lut[:,-1] = np.linspace(0,255,256)

surf.module_manager.scalar_lut_manager.lut.table=lut#更新视图，并显示图像

mlab.show()

3.4.3Mlab控制函数

图像控制函数：

函数图像

说明

Clf

清空当前图像mlab.clf(figure=None)

关闭图形窗口 mlab.close(scene=None, all=False)

Draw

重新绘制当前图像mlab.close(figure=None)

Figure

建立一个新的scene或者访问一个存在的scene

mlab.figure(figure=None,bgcolor=None,fgcolor=None,engine=None,size=(400,350))

Gcf

返回当前图像的handle mlab.gcf(figure=None)

Savefig

存储当前的前景，输出为一个文件，如png,jpg,bmp,tiff,pdf,obj,vrml等

图像装饰函数

函数图像

说明

Cololorbar

为对象的颜色映射增加颜色条

Scalarbar

为对象的标量颜色映射增加颜色条

Vectorbar

为对象的矢量颜色映射增加颜色条

xlabel

建立坐标轴，并添加x轴的标签mlab.xlabel(text,object=None)

Ylabel

建立坐标轴，并添加y轴的标签

zlabel

建立坐标轴，并添加z轴的标签

相机控制函数

函数图像

说明

Move

移动相机和焦点

Mlab.move(forward=None,right=None,up=None)

Pitch

沿着“向右”轴旋转角度mlab.pitch(degrees)

View

设置/获取当前视图中相机的视点

Mlab.view(azimuth=None,elevation=None,distance=None,focalpoint=None,roll=None

Reset_roll=True,figure=None

Yaw

沿着“向上”轴旋转一定角度，mlab.yaw(degrees)

其他控制函数

函数图像

说明

animate

动画控制函数mlab.animate(func=None,delay=500,ui=True)

Axes

为当前物体设置坐标轴mlab.axes(*args,**kwargs)

Outline

为当前物体建立外轮廓mlab.outline(*args,**kwargs)

Show

与当前图像开始交互mlab.show(func=None,stop=False)

Show_pipeline

显示mayavi的管线对话框，可以进行场景属性的设置和编辑

Text

为图像添加文本mlab.text(*args,**kwargs)

Title

为绘制图像建立标题mlab.title(*args,**kwargs)

3.4.4鼠标选取交互操作

On_mouse_pick(callback,type=”point”,Button=”left”,Remove=False)提供鼠标响应操作

Type:”point”,”cell” or “world”

Button:”Left”,”Middle” or “Right”

Remove:如果值为True,则callback函数不起作用

返回：一个vtk picker对象

代码例18

程序框架：

#场景初始化

figure =mlab.gcf()#用mlab.points3d建立红色和白色小球的集合#… …#处理选取事件

defpicker_callback(picker)#建立响应机制

Picker =figure.on_mouse_pick(picker_callback)

mlab.show()importnumpy as npfrom mayavi importmlab

figure=mlab.gcf()

x1, y1, z1= np.random.random((3, 10))

red_glyphs= mlab.points3d(x1, y1, z1, color=(1, 0, 0),

resolution=10)

x2, y2, z2= np.random.random((3, 10))

white_glyphs= mlab.points3d(x2, y2, z2, color=(0.9, 0.9, 0.9),

resolution=10)

outline= mlab.outline(line_width=3)

outline.outline_mode= 'cornered'outline.bounds= (x1[0] - 0.1, x1[0] + 0.1,

y1[0]- 0.1, y1[0] + 0.1,

z1[0]- 0.1, z1[0] + 0.1)

glyph_points=red_glyphs.glyph.glyph_source.glyph_source.output.points.to_array()defpicker_callback(picker):if picker.actor inred_glyphs.actor.actors:

point_id= int(picker.point_id /glyph_points.shape[0])if point_id != -1:

x, y, z=x1[point_id], y1[point_id], z1[point_id]

outline.bounds= (x - 0.1, x + 0.1,

y- 0.1, y + 0.1,

z- 0.1, z + 0.1)

picker=figure.on_mouse_pick(picker_callback)

mlab.title('Click on red balls')

mlab.show()

简述选取红色小球问题分析实例程序的基本框架和搭建流程。

1.绘制初始状态选取框时，为什么数组下标为0？

2.实例中是如何计算被获取的红色小球的位置坐标的？

3.实例程序优化中是如何解决小球初始化速度太慢的问题的

Answers:

基本框架：初始化场景-建立小球模型-处理响应事件(建立立方体套框模型)-建立响应机制(把框套到球上)

1. 绘制初始状态选取框时，希望放在第一个球上

2. 同过一下代码：

glyph_points = red_glyphs.glyph.glyph_source.glyph_source.output.points.to_array()

3. Before drawing the object add the code of figure.scene.disable_render = True,and after drawing the object add the code of figure.scene.disable_render = False

In the phase of creating response mechanism, add the code of Picker.tolerance = 0.01 after picker = xxx

3.4.5Mlab控制函数(23 module函数)

Mlab管线控制函数的调用

Sources: 数据源

Filters: 用来数据变换

Modules: 用来实现可视化

mlab.pipeline.function()

Sources

Grid_source

建立而为网络数据

Line_source

建立线数据

Open

打开一个数据文件

scalar_field

建立标量场数据

Vector_field

建立矢量场数据

Volume_field

建立提数据

Filters

说明

Contour

对输入数据集计算等值面

Cut_plane

对数据进行切面计算，可以交互的更改和移动切面

delaunay2D

执行二维delaunay三角化

Delaunay3D

执行三维delaunay三角化

Extract_grid

允许用户选择structured grid的一部分数据

Extract_vector_norm

计算数据矢量的法向量，特别用于计算矢量数据的梯度时

Mask_points

对输入数据进行采样

Threshold

去一定阈值范围内的数据

Transform_data

对输入数据执行线性变换

Tube

将线转成管线

Modules

Axes

绘制坐轴

Glyph

对输入点绘制不同类型的符号，符号的颜色和方向有该点的标量和向量数据决定

Glyph

对输入点绘制不同类型的符号，符号的类型和方向由该点的标量和矢量数据决定

iso_surface

对输入数据绘制等值面

Outline

对输入数据绘制外轮廓

Scalar_cut_plane

对输入的标量数据绘制特定位置的切平面

Streamline

对输入矢量数据绘制流线

Surface

对数据(KTV dataset, mayavi sources)建立外表面

Text

绘制一段文本

Vector_cut_plane

对输入的矢量数据绘制特定位置的切平面

Volume

表示对标量场数据进行体绘制

Question: 如果需要对静电场中的等势面进行可视化，需要使用什么控制函数对输入数据进行计算？

Answer: Modules.streamline()

3.4.6标量数据可视化

生成标量数据

importnumpy as np

x,y,z= np.ogrid[-10:10:20j, -10:10:20j, -10:10:20j]

s= np.sin(x*y*z)/(x*y*z)from mayavi importmlab

mlab.contour3d(s)

切平面

mlab.pipeline.scalar_field(s) #设定标量数据场

plane_orientation = “x_axes” #设定切平面的方向

index.slice(10) #每10个点用1个点显示

from mayavi importmlabfrom mayavi.tools importpipeline

mlab.pipeline.image_plane_widget(mlab.pipeline.scalar_field(s),

plane_orientation= "x_axes",

slice_index= 10)

mlab.pipeline.image_plane_widget(mlab.pipeline.scalar_field(s),

plane_orientation="y_axes",

slice_index= 10,

)

mlab.outline()

对物体设置透明度，再做切割

from mayavi importmlabfrom mayavi.tools importpipeline

src=mlab.pipeline.scalar_field(s)

mlab.pipeline.iso_surface(src,contours=[s.min()+0.1*s.ptp(),],opacity=0.1)

mlab.pipeline.iso_surface(src,contours=[s.max()-0.1*s.ptp(),])

mlab.pipeline.image_plane_widget(src,

plane_orientation="z_axes",

slice_index=10,

)

mlab.show()

Disagreemet:

Question:

1.1.Mlab中什么控制函数进行切平面绘制？有什么特点?

2.2.实例中，可视化使用了什么方法绘制特定平面的特平面？

Answers:

1.1.使用mlab.pipeline.image_plane_widget对切平面绘制，特点是切平面可以任意移动和旋转

2.2.使用mlab.pipeline.scalar_cut_plane绘制特定平面的切平面

3.4.7矢量数据可视化

importnumpy as np#构建3维坐标

x,y,z = np.mgrid[0:1:20j,0:1:20j,0:1:20j]#定义三维点分布函数

u = np.sin(np.pi*x) * np.cos(np.pi*z)

v= -2*np.sin(np.pi*y) * np.cos(2*np.pi*z)

w= np.cos(np.pi*x)*np.sin(np.pi*z) + np.cos(np.pi*y)*np.sin(2*np.pi*z)#显示函数

from mayavi importmlab

mlab.quiver3d(u,v,w)#框架

mlab.outline()

mlab.show()

降采样

由于函数立方体分布过于密集，用Masking Vector采样中的mlab.pipeline.vectors(x,x,x)进行降采样

importnumpy as npfrom mayavi.filters importmask_points

x,y,z= np.mgrid[0:1:20j,0:1:20j,0:1:20j]

u= np.sin(np.pi*x) * np.cos(np.pi*z)

v= -2*np.sin(np.pi*y) * np.cos(2*np.pi*z)

w= np.cos(np.pi*x)*np.sin(np.pi*z) + np.cos(np.pi*y)*np.sin(2*np.pi*z)from mayavi importmlab#mlab.quiver3d(u,v,w)#mlab.outline()#mlab.show()

src=mlab.pipeline.vector_field(u,v,w)

mlab.pipeline.vectors(src, mask_points=10, scale_factor=2.0) #放缩比例为2.0

mlab.show()

采用切面的方式：mlab.pipeline.vector_cut_plane(u,v,w)

级数的等值面

importnumpy as npfrom mayavi.filters importmask_points

x,y,z= np.mgrid[0:1:20j,0:1:20j,0:1:20j]

u= np.sin(np.pi*x) * np.cos(np.pi*z)

v= -2*np.sin(np.pi*y) * np.cos(2*np.pi*z)

w= np.cos(np.pi*x)*np.sin(np.pi*z) + np.cos(np.pi*y)*np.sin(2*np.pi*z)from mayavi importmlab

src=mlab.pipeline.vector_field(u,v,w)#mlab.pipeline.vector_cut_plane(src, mask_points=10, scale_factor=2.0)

magnitude =mlab.pipeline.extract_vector_norm(src)

mlab.pipeline.iso_surface(magnitude, contours=[2.0,0.5])

mlab.outline()

mlab.show()

流线可视化

importnumpy as npfrom mayavi.filters importmask_points

x,y,z= np.mgrid[0:1:20j,0:1:20j,0:1:20j]

u= np.sin(np.pi*x) * np.cos(np.pi*z)

v= -2*np.sin(np.pi*y) * np.cos(2*np.pi*z)

w= np.cos(np.pi*x)*np.sin(np.pi*z) + np.cos(np.pi*y)*np.sin(2*np.pi*z)from mayavi importmlab#mlab.quiver3d(u,v,w)#mlab.outline()#mlab.show()

src=mlab.pipeline.vector_field(u,v,w)#mlab.pipeline.vector_cut_plane(src, mask_points=10, scale_factor=2.0)

flow = mlab.flow(u,v,w,seed_scale=1,

seed_resolution=5,

integration_direction="both")

mlab.outline()

mlab.show()

矢量场复合观测

importnumpy as npfrom mayavi.filters importmask_pointsfrom matplotlib.scale importscale_factory

x,y,z= np.mgrid[0:1:20j,0:1:20j,0:1:20j]

u= np.sin(np.pi*x) * np.cos(np.pi*z)

v= -2*np.sin(np.pi*y) * np.cos(2*np.pi*z)

w= np.cos(np.pi*x)*np.sin(np.pi*z) + np.cos(np.pi*y)*np.sin(2*np.pi*z)from mayavi importmlab#mlab.quiver3d(u,v,w)#mlab.outline()#mlab.show()

src =mlab.pipeline.vector_field(u,v,w)

magnitude=mlab.pipeline.extract_vector_norm(src)

iso= mlab.pipeline.iso_surface(magnitude,contours=[2.0,],opacity=0.3)

vec= mlab.pipeline.vectors(magnitude,mask_points=40,

line_width=1,

color=(0.8,0.8,0.8),

scale_factor=4.)#mlab.pipeline.vector_cut_plane(src, mask_points=10, scale_factor=2.0)

flow =mlab.pipeline.streamline(

magnitude,

seedtype="plane",

seed_visible=False,

seed_scale=0.5,

seed_resolution=1,

linetype="ribbon")

vcp=mlab.pipeline.vector_cut_plane(magnitude,

mask_points=2,

scale_factor=4,

colormap="jet",

plane_orientation="x_axes")

mlab.outline()

mlab.show()

Ques:

1.标量数据和矢量数据分别使用什么方法进行绘制？

2.2.矢量数据可视化实例中是如何对数据进行降采样的？

Answer:

1.1.mlab.contour3d(x,y,z) and mlab.quiver3d(x,y,z)进行绘制

2.2.Masking vector采样中的mlab.pipeline.vectors(src,mask_points=10,scale_factor=2.0)

4Mayavi三维可视化

4.1绘制数据dragon

程序框架：

打开文件

使用modules绘制数据的surface

显示可交互的结果

渲染dragon ply文件：

from mayavi importmlabimport shutill #shutil可以中间删除显现的文件

mlab.pipeline.surface(mlab.pipeline.open(dragon_ply_file))

mlab.show()

代码例19

#coding=gbk

from os.path importjoinfrom mayavi importmlabimporttarfile#读取压缩文件内容

dragon_tar_file = tarfile.open("dragon.tar.gz")try:

os.mkdir("dragon_data")except:pass

#将所有读取到的数据放入同一个文件夹中

dragon_tar_file.extractall("dragon_data")

dragon_tar_file.close()#加入数据到dragon_ply_file中

dragon_ply_file = join("dragon_data","dragon_recon","dragon_vri.ply")#渲染dragon.ply文件

mlab.pipeline.surface(mlab.pipeline.open(dragon_ply_file))

mlab.show()#删除中间过程文件夹

importshutil

shutil.rmtree("dragon_data")

View Code

4.2绘制数据canyon

代码例20

#1_import packages

importzipfileimportnumpy as npfrom mayavi importmlab#from pygame.examples.textinput import BGCOLOR#from mayavi.tools.filters import warp_scalar

#2_hgt(Height File Format)

hgt = zipfile.ZipFile("N36W113.hgt.zip").read("N36W113.hgt")#to certify a data type of integer,2X8=16 bit data

data = np.fromstring(hgt,">i2")#to certify the type of data

data.shape = (3601,3601)#to transform the type of data to 32bit

data =data.astype(np.float32)#to increase the efficiency of showing, only choose sort of data

data = data[500:1000,500:1000]#if there is any clearance in the source of data, set those to the minimum

data[data == -32768] = data[data >0].min()#3_use mlab.figure() to refresh the shape of the data and surf() to figure out the surface of the data#the size of window with (400,320), background, color of shining upon, enlargement and contraction scale,

mlab.figure(size = (400,320),bgcolor=(0.16,0.28,0.46))

mlab.surf(data, colormap="gist_earth",warp_scale=0.2,vmin=1200,vmax=1610)#4_clear the RAM for decomposition

deldata#5_create a window of Visualization, angle of position, height, distance

mlab.view(-5.9,83,570,[5.3,20,238])

mlab.show()

View Code

4.3绘制数据canyon

二维坐标如何转换成三维坐标？

x = R*cos(lat)*cos(lng);

y= R*cos(lat)*sin(lng);

z= R*sin(lat);

如果R= 1, 则

x= cos(lat)*cos(lng);

y= cos(lat)*sin(lng);

z=sin(lat);

lng表示经度，lat表示维度

代码例21

#get data of several cities and get their longitude as well as latitude)

from clyent importcolor

cities_data= """Bei Jing, 116.23,39.54

Shang Hai, 121.52, 30.91

Hong Kong,114.19,22.38

Delhi,77.21,28.67

Johannesburg,28.04,-26.19

Doha,51.53,25.29

Sao Paulo,-46.63,-23.53

Toronto,-79.38,43.65

New York,-73.94,40.67

San Francisco,-122.45,37.77

Dubai,55.33,25.27

Sydney,151.21,-33.87"""

#part2_create a list consisting of cities' indexes about their longtitudes and latitudes

importcsv#create a dict and a list

cities =dict()

coords=list()#print(cities,coords)

#read data

for line in list(csv.reader(cities_data.split("\n")))[1:-1]:

name, long_, lat=line

cities[name]=len(coords)

coords.append((float(long_),float(lat)))#data transformation

importnumpy as np#from [1 line n row] to [n line, 1 list]

coords =np.array(coords)#transform the angle to the arc

lat, long = coords.T * np.pi / 180

#transform 2D data to 3D data#lat = ori_long#long = ori_lat

x = np.cos(long) *np.cos(lat)

y= np.cos(long) *np.sin(lat)

z=np.sin(long)#create a window

from mayavi importmlab

mlab.figure(bgcolor=(0.48,0.48,0.48), size=(400,400))#to define a sphere#set the opacity of the surface of earth to 0.7

sphere = mlab.points3d(0, 0, 0, scale_factor=2,

color= (0.67, 0.77, 0.93),

resolution= 50,

opacity= 0.7,

name= "Earth")#to adjust the parameter of mirror reflection

sphere.actor.property.specular = 0.45sphere.actor.property.specular_power= 5

#delete the opposite side to better show the effect of opacity

sphere.actor.property.backface_culling =True#use points to describe sites of cities

points =mlab.points3d(x, y, z,

scale_mode= "none",

scale_factor= 0.03,

color= (0, 0, 1))#create names of cities#for cities.items output the names of cities and the series of cities

for city, index incities.items():#x,y,z mean x,y,z coordinates; color means text's color; width means text's width; name means text's object

label =mlab.text(x[index], y[index], city,

z=z[index], color=(0,0,1),

width=0.016 * len(city), name=city)#create continents

from mayavi.sources.builtin_surface importBuiltinSurface

continents_src= BuiltinSurface(source="earth", name="Continents")#set the LDD to 2

continents_src.data_source.on_ratio = 2continents= mlab.pipeline.surface(continents_src, color=(0,0,0))#create the equitor#distribute every 360 to 100

theta = np.linspace(0, 2 * np.pi, 50)

x=np.cos(theta)

y=np.sin(theta)

z=np.zeros_like(theta)

mlab.plot3d(x,y,z,color=(1,1,1),opacity=0.2,tube_radius=None)#show the window for interation

mlab.view(100,60,4,[-0.05,0,0])

mlab.show()

View Code

5Mayavi三维可视化

5.1三维可视之基础应用homework1

pass见下文url

5.2三维可视之基础应用homework2

pass见下文url

5.3三维可视之基础应用homework3

pass见下文url

5.4三维可视之基础应用homework4

pass见下文url

5.5三维可视之进阶实战homework5

构造一个旋转抛物面，并使用mlab.mesh绘制出来。首先在(r, theta)中创建一个20*20的二维网格：

r, theta = mgrid[0:1:10j, 0:2*pi:10j]

并将圆柱坐标系，转换为直角坐标系，其中：

z = r*r

x= r*cos(theta)

y= r*sin(theta)

(数学函数等值可从numpy中导出。)

代码例22

from mayavi importmlabimportnumpy as np

pi=np.pi

cos=np.cos

sin=np.sin

mgrid=np.mgrid

r,theta= pi/250,pi/250[r,theta]= np.mgrid[0:1:10j,0:2*pi:10j]

x= r *cos(theta)

y= r *sin(theta)

z= r *r

s=mlab.mesh(x,y,z)

mlab.show()

5.6三维可视之进阶实战homework6

对“编程练习8.1”中旋转抛物面方程进一步绘制，计算一个二维数组 s，并且把它传递给mesh()的scalars 参数。观察一下绘制结果的变化。其中 s = x*y*z. 同时，请绘制该旋转抛物面的轮廓线。

空间轮廓线可视化代码：

#coding=gbk

from mayavi importmlabimportnumpy as npfrom tvtk.api importtvtkfrom tvtk.common importconfigure_inputfrom tvtkfunc importivtk_scene, event_loop

pi=np.pi

cos=np.cos

sin=np.sin

mgrid=np.mgrid

r,theta= pi/250,pi/250[r,theta]= np.mgrid[0:1:10j,0:2*pi:10j]

x= r *cos(theta)

y= r *sin(theta)

z= r *r

s= x * y *z

s=scalars

s=mlab.mesh(scalars,x,y,z)

plot3d=tvtk.MultiBlockPLOT3DReader(

xyz_file_name="s",

q_file_name="s",

scalar_function_number=100, vector_function_number=200)#读入Plot3D数据

plot3d.update()#让plot3D计算其输出数据

grid = plot3d.output.get_block(0)#获取读入的数据集对象

outline = tvtk.StructuredGridOutlineFilter()#计算表示外边框的PolyData对象

configure_input(outline, grid)#调用tvtk.common.configure_input()

m = tvtk.PolyDataMapper(input_connection=outline.output_port)

a= tvtk.Actor(mapper=m)

a.property.color= 0.3, 0.3, 0.3

#窗口绘制

win =ivtk_scene(a)

win.scene.isometric_view()

event_loop()

mlab.show()

View Code

5.7三维可视之进阶实战homework7

可视化模型数据文件(附件)，能发现了什么？

能发现一只白色雕塑的兔子

对于tar.gz类型压缩包的处理，可以参考dragon模型，可以参考以下代码：

#coding=gbk

from mayavi importmlabfrom os.path importjoinimporttarfile

dragon_tar_file= tarfile.open("dragon.tar.gz")try:

os.mkdir("dragon_data")except:passdragon_tar_file.extractall("dragon_data")

dragon_tar_file.close()

dragon_ply_file= join("dragon_data","dragon_recon","dragon_vrip.ply")#渲染dragon ply文件

mlab.pipeline.surface(mlab.pipeline.open(dragon_ply_file))

mlab.show()importshutil

shutil.rmtree("dragon_data")

View Code

大致逻辑如下：

选中并打开bunny.tar.gz---新建文件夹bunny_data---解压bunny.tar.gz到bunny_data文件夹---关闭bunny.tar.gz---串联路径从bun.zipper.ply(一般ply文件是最终目录下的扫描文件)到上一级再到上一级到最终建立的文件夹bunny_data---打开上面构建好的路径下的ply文件，用mlab.pipeline.surface()构建表面---用shutil.rmtree删除用于放置压缩文件的文件夹。

代码：

#3D scanning files

from mayavi importmlabfrom os.path importjoinimporttarfile

bunny_tar_file= tarfile.open("bunny.tar.gz")try:

os.mkdir("bunny_data")except:passbunny_tar_file.extractall("bunny_data")

bunny_tar_file.close()#combine the path of bun_vrip and its packages' name, such as dragon_data/dragon_recon/dragon_vrip.ply

bunny_ply_file = join("bunny_data","bunny","reconstruction","bun_zipper.ply")

mlab.pipeline.surface(mlab.pipeline.open(bunny_ply_file))

mlab.show()importshutil

shutil.rmtree("bunny_data")

View Code

补充：mlab绘图函数的x、y、z、s、w、u、v到底是什么含义？假设这些参数描述了一个磁场，它们可能分别代表什么含义?加入这些参数描述了一个流体，它们可能分别代表什么含义？

X,y,z表示点三维坐标；

S表示该坐标点处的标量值；

U,v,w表示矢量元素

如果应用到磁场中，x,y,z表示磁场位置，s表示该位置处磁场大小，u,v,w表示该处磁场方向。

如果应用到流体，x,y,z表示流体位置，s表示该处流量大小，u,v,w表示该处流量方向。

LOD：level of details

5.8三维可视之进阶实战homework8

1.为mayavi可视化提供数据的mayavi管线层级是Filters，这句话对吗？为什么？

不对，因为为mayavi可视化提供数据的是scence场景，scence每个场景下有多个数据集合sources，为mayavi可视化提供数据，Filter是应用于source上对数据进行变换。

2.基于1维Numpy数组x、y、z提供的三维坐标数据，绘制线图形的函数是Point3D()。这句话正确吗？为什么？

不对，因为基于1维Numpy数组x,y,z提供的三维坐标数据，绘制线图形的函数是plot3D(), point3d()是基于数组x,y,z提供的三维点坐标，绘制点图形。

3.mayavi管线中处于最顶层表示场景的对象是什么？获取当前场景的方法是什么？

Mayavi中处于最顶层的对象是mayavi Engine，表示建立和销毁场景Scene。

获取当前场景的方法是s.scene.background()

4.3D绘图函数Point3D()中，根据标量值确定actor透明度的参数是opcity。这句话正确吗？为什么？

不对，根据标量值确定actor透明度的参数是transparent，opcity用于VTK对象的整体透明度，该值为float型，默认为1.0

5.3D绘图函数中，绘制由三个二维数组x、y、z描述坐标点的网格平面的方法是imshow()。这句话正确吗？为什么？

不对，imshow()是用于绘制二维数组的，但是没有z轴，只有x和y两个轴，x作为第一轴的下标，y轴作为第二轴的下标

比如：s = numpy.random.random((10,10))，img = mlab.imshow(s,colormap='gist_earth')

6.3D绘图函数中，三维矢量数据的可视化的方法是contour3d()。这句话正确吗？为什么？

Contour3d是用来绘制标量数据3d视图的，三维矢量数据可视化的方法是mlab.quiver3d()。

7.在鼠标选取操作中，on_mouse_pick()方法返回值是什么？

On_mouse_pick()返回一个vtk对象。

8.mlab管线中，用来进行数据变换的层级是什么？用来实现数据可视化的层级是什么？

用filter对数据进行交换，用modules来对最终的数据进行可视化。

9.在mlab管线的modules层级中，用来对VTK dataset和mayavi sources建立外表面的方法是surface()。这句话正确吗？为什么？

正确，但是要却别与iso_surface(),iso_surface()是用于对输入的体数据绘制其等值面。

10.在mayavi可视化实例三中，绘制大洲边界时大洲边界粗糙的解决办法是什么？

调整LOD，比如调整continents_src.data_source.on_ratio = 2

6三维可视化之交互界面

6.1三维可视之进阶实战homework8

• Traits背景：

Python动编程态语言，变量没有类型，比如：颜色属性

“Red”字符创

0xff0000整数

(255，0,0)元组

• Traits库可以为python添加类型定义

• Traits属于解决color类型的问题

o接受能表示颜色的各种类型值

o赋值为非法的颜色值时，能够捕捉到错误，并给提供错误报告。

o提供一个内部的标注你颜色

• c.color可以支持颜色命令，如c.color = “red”，但不支持c.color = “abc”的字符串

• c.configure_traits()可以设置颜色，c.color.getRgb()可以获取设置颜色后的三原色的值

比如设置c.configure_traits()为红色，即在桌面弹出的窗口中设置Red，那么回击c.color.getRgb可以得到(255,0,0,255)这样的feedback。

6.2attributes of traits

traits的五个功能：initialization, verification, procuration, monitoring, visualization

代码23 traits

from traits.api importDelegate, HasTraits, Instance, Int, StrclassParent(HasTraits):#初始化

last_name = Str('Zhang')classChild(HasTraits):

age=Int#验证

father =Instance(Parent)#代理

last_name = Delegate('father')#监听

def_age_changed(self, old, new):print('Age change from %s to %s' % (old, new))

练习过程如下：

>>> P =Parent()>>> c =Child()>>> c.father =P>>>c.last_name'Zhang'

>>>P.last_name'Zhang'

>>> c.age = 4Age changedfrom 0 to 4

>>>

>>>c.configure_traits()

Age changedfrom 4 to 3Age changedfrom 3 to 4True>>>c.print_traits()

age:4father:<__main__.parent object at>last_name:'Zhang'

>>>c.get()

{'age': 4, 'father': <__main__.parent object at>, 'last_name': 'Zhang'}>>> c.set(age = 8)

Age changedfrom 4 to 8

View Code

在traits属性功能的实例中，能否直接修改Child的last_name属性？

不能，因为Child对象的last_name是直接继承自Parent类的，要通过父类改变

如果定义P = Parent(), c = Child();

直接输出c.last_name 没有结果

所以输出c.father = P, 再输入c.last_name就有子类名字

或者也可以直接输入P.last_name也可以得到子类名字

6.3traits属性监听

Trait属性监听：静态监听，动态监听

Trait监听属性顺序：name, age, doing---静态监听函数---动态监听1---动态监听2

静态监听函数的几种形式：属性名+changed+发生变化前的名+发生变化后的名字

_age_changed(self)

_age_changed(self,new)

_age_changed(self, old, new)

_age_changed(self, name, old, new)

动态监听：

@on_trait_change(names)

Def any_method_name(self, ..)

问：为什么对Infoupdated任意赋值都会触发监听事件？

因为Infoupdated直接由Event赋值，无论如何都会调用_Infoupdated_fired()函数，所以会触发self.reprint()函数输出self.name和self.age内容。

6.5Traits_property

用traits_property.py遍好程序后，得到area被监听的结果；如果命令行输入w/h发生变化，print输出的就是变化后的值。

调用r.edit_traits()直接触发_get_area()函数，同时在界面中显示area结果。

6.6TraitsUI

Tkinter, wxPython, pyQt4, TraitsUI(based on MVC：Model-View-Controller)

MVC是traitsUI所使用的架构模型

6.6.1Traits_UI交互

from traits.api importHasTraits, Str, IntclassModelManager(HasTraits):

model_name=Str

category=Str

model_file=Str

model_number=Int

model=ModelManager()

model.configure_traits()

6.6.2View定义界面

TraitsUI自定义界面支持的后台库界面有：qt4(-toolkit qt4)和wx(-toolkit wx)

MVC类别

MVC说明

Model

HasTraits的派生类用Trait保存数据，相当于模型

View

没有指定界面显示方式时，Traits自动建立默认界面

Controller

起到视图和模型之间的组织作用，控制程序的流程

•Item对象属性

Item(id,name,label)

属性

说明

Item的唯一ID

name

Trait属性的名称

Label

静态文本，用于显示编辑器的标签

Tooltip

编辑器的提示文本

•View对象属性

属性

说明

Title

窗口标题栏

Width

窗口高度

Height

串口高度

Resizable

串口大小可变，默认为True

代码和界面如下：

问：如果想要编辑器窗口大小不能改变，应如何修改view中的哪个属性？

答：修改title中的resizable = False可以是标签大小不可变

6.6.3Group组织对象

Group对象

from traitsui.api import Group

Group(…)属性有：

属性

说明

Orientation

编辑器的排列方向

Layout

布局方式normal,flow,split,tabbed

Show_labels

是否显示编辑器的标签

Columns

布局的列数，范围为(1,50)

·Group类继承的HSplit类

Hsplit定义：

Class HSplit(Group):#...

#...

Layout =“split”

Orientation= “horizontal”

代码等价于：

Group(…, layout = “split”, orientation = “horizontal”)

•Group的各种派生类

属性

说明

HGroup

内容水平排列

Group(orientation = “horizontal”)

HFlow

内容水平排列，超过水平宽度，自动换行，隐藏标签文字。Group(orientation = “horizontal”, layout=”flow”, show_labels = False)

HSplit

内容水平分隔，中间插入分隔条

Tabbed

内容分标签页显示

Group(orientation=”horizontal”,layout=”tabber”)

Vgroup

内容垂直排列

Group(orientation=”vertical”)

Vflow

内容垂直排列，超过垂直高度时，自动换列，隐藏标签文字Group(orientation=”vertical”,layout=”flow”,show_labels=False)

Vfold

内容垂直排列，可折叠

Group(orientation=”vertical”,layout=”fold”,show_labels=False)

Vgrid

按照多列网格进行垂直排列，columns属性决定网格的列数

Group(orientation=”vertical”,columns=2)

Vsplit

内容垂直排列，中间插入分隔条

Gorup(orientation=”vertical”,layout=”split”)

代码24 多视图界面代码

from traits.api importHasTraits, Str, Intfrom traitsui.api importView, Item,Groupfrom traitsui.menu importModalButtonsclassModelManager(HasTraits):

model_name=Str

category=Str

model_file=Str

model_number=Str

vertices=Int

view1=View(

Group(

Item("model_name",label=u"模型名称"),

Item("model_name",label=u"文件名"),

Item("category",label=u"模型类型"),

label= u"模型信息",

show_border=True),

Group(

Item("model_number",label=u"模型数量"),

Item("vertices",label=u"顶点数量"),

label= u"统计数据",

show_border=True),

kind= "modal",

buttons=ModalButtons

)

model=ModelManager()

model.configure_traits(view=view1)

View Code

•垂直排列多视图

from traits.api importHasTraits, Str, Intfrom traitsui.api importView, Item, Groupfrom traitsui.menu importModalButtonsclassModelManager(HasTraits):

model_name=Str

category=Str

model_file=Str

model_number=Int

vertices=Int

view1=View(

Group(

Item('model_name', label=u"模型名称"),

Item('model_file', label=u"文件名"),

Item('category', label=u"模型类型"),

label= u'模型信息',

show_border=True),

Group(

Item('model_number',label=u"模型数量"),

Item('vertices',label=u"顶点数量"),

label= u'统计数据',

show_border=True)

)

model=ModelManager()

model.configure_traits(view=view1)

View Code

•水平排列多视图

from traits.api importHasTraits, Str, Intfrom traitsui.api importView, Item, Groupfrom traitsui.menu importModalButtonsclassModelManager(HasTraits):

model_name=Str

category=Str

model_file=Str

model_number=Int

vertices=Int

view1=View(

Group(

Item('model_name', label=u"模型名称"),

Item('model_file', label=u"文件名"),

Item('category', label=u"模型类型"),

label= u'模型信息',

show_border=True),

Group(

Item('model_number',label=u"模型数量"),

Item('vertices',label=u"顶点数量"),

label= u'统计数据',

show_border=True),

orientation= "horizontal")

)

model=ModelManager()

model.configure_traits(view=view1)

View Code

•Hsplit和VGroup定义水平/垂直并排视图

同样也可以用HSplit和VGroup去生成水平/垂直排列

from traits.api importHasTraits, Str, Intfrom traitsui.api importView, Item, VGroup, HSplitfrom traitsui.menu importModalButtonsclassModelManager(HasTraits):

model_name=Str

category=Str

model_file=Str

model_number=Int

vertices=Int

view1=View(#HSplit表示外层垂直排列

HSplit(

VGroup(

Item('model_name', label=u"模型名称"),

Item('model_file', label=u"文件名"),

Item('category', label=u"模型类型"),

label= u'模型信息'),

VGroup(

Item('model_number',label=u"模型数量"),

Item('vertices',label=u"顶点数量"),

label= u'统计数据')

)

model=ModelManager()

model.configure_traits(view=view1)

View Code

外层垂直排列

from traits.api importHasTraits, Str, Intfrom traitsui.api importView, Item, HGroup, VSplitfrom traitsui.menu importModalButtonsclassModelManager(HasTraits):

model_name=Str

category=Str

model_file=Str

model_number=Int

vertices=Int

view1=View(#HSplit表示外层垂直排列

VSplit(

HGroup(

Item('model_name', label=u"模型名称"),

Item('model_file', label=u"文件名"),

Item('category', label=u"模型类型"),

label= u'模型信息'),

HGroup(

Item('model_number',label=u"模型数量"),

Item('vertices',label=u"顶点数量"),

label= u'统计数据')

)

model=ModelManager()

model.configure_traits(view=view1)

View Code

内外部视图显示

代码25

from traits.api importHasTraits, Str, Intfrom traitsui.api importView, Item,Groupfrom traitsui.menu importModalButtons

g1= [Item("model_name", label=u"模型名称"),

Item("category", label=u"模型类型")]

g2= [Item("model_number", label=u"模型数量"),

Item("vertices", label=u"顶点数量")]classModelManager(HasTraits):

model_name=Str

category=Str

model_file=Str

model_number=Str

vertices=Int

traits_view=View(

Group(*g1, label = u"模型信息", show_border =True),

Group(*g2, label = u"统计数据", show_border =True),

title= u"内部视图")

global_view=View(

Group(*g1, label = u"模型信息", show_border =True),

Group(*g2, label = u"统计数据", show_border =True),

title= u"外部视图")

model= ModelManager()

View Code

在命令行输入不同代码出现不同界面：

>>> model.configure_traits(view = global_view)

>>> model.configure_traits()

>>> model.configure_traits(view = "traits_view")

如果想要在编辑器中水平并列显示三组group对象

Q1.如果想要在编辑器中水平并列显示三组group对象，应该如何修改group对象的属性？

A1.把原来的Group()改成HGroup()或者在列完3个内层Group同级上写orientation = “horizontal”

Q2.如果想要在编辑器中垂直分标签页显示若干组group对象，可以使用哪些方法？

同理把原来的Group()改成VGroup()或者在列完若干个内层Group()同级上写orientation = “vertical”

6.6.4视图配置

通过kind属性设置view显示类型

显示类型

说明

Modal

模态窗口，非即时更新

Live

非模态窗口，即时更新

Livemodal

模态窗口，即时更新

Nonmodal

非模态窗口，非即时更新

Wizard

向导类型

Panel

嵌入到其他窗口中的面板，即时更新，非模式

Subpanel

显示类型(采用窗口显示内容)

Modal

Live

Livemodal

nonmodal

模态窗口：在窗口关闭之前，其他窗口不能激活；

无模态窗口：在窗口关闭之前，其他窗口能激活；

即时更新：修改空间内容，立即反映到模型数据上；

非即时更新：只有当用户点ok，apply等命令时，效果才会反应在模型上；

Wizard：向导窗口，模态窗口，即时更新；

Panel：向导窗口，模态窗口，即时更新

subpanel ：嵌入窗口中的面板

视图配置的实例：view = view(… kind = ‘modal=’)

模态与非模态的小例子

Configure_traits

Edit_traits()

界面显示后，进入消息循环

界面显示后，不进入消息循环

主界面窗口或模态对话框

无模态窗口或对话框

Traits UI按钮配置

标准命令按钮

UndoButton

Applybutton

ReverButton

OKbutton

CancelButton

HelpButton

Traitsui.menu预定义了命令按钮：

OKcancelButtons=[OKButton,CancelButton]

ModelButtons=[ApplyButton,RevertButton,OKButton,CancelButton,HelpButton]

LiveButtons= [UndoButton,ReverButton,OKButton,Cancel]

6.6.5TraitsUI控件

文本编译器：Str, Int

文本编译器与密码窗口：

from traits.api importHasTraits, Str, Passwordfrom traitsui.api importItem, Group, ViewclassTextEditor(HasTraits):#定义文本编辑器变量

string_trait = Str('sample string')

password=Password#定义布局

text_str_group =Group(

Item('string_trait',style = 'simple',label = 'Simple'),

Item("_"),

Item('string_trait',style = 'custom',label = 'Custom'),

Item("_"),

Item('password',style = 'simple',label = 'password'),

)#定义视图

traits_view =View(

text_str_group,

title= 'TextEditor',

buttons= ['OK']

)

代码25 按键触发计数器from traits.api importHasTraits,Button,Intfrom traitsui.api importViewclassButtonEditor(HasTraits):#定义一个Button Trait:

my_button = Button('click Me')

counter=Int#当按钮点击后，处理当按钮被点击后，触发的事件

def_my_button_fired(self):

self.counter+=1

#创建视图

traits_view =View('my_button','counter',

title= 'ButtonEidtor',

buttons= ['OK'],

resizable=True)

button=ButtonEditor()

button.configure_traits()

View Code

代码26 滑动条

from traits.api importHasTraits,Int,Range,Property,property_depends_onfrom traitsui.api importView, Item, RangeEditorclassRangeDemo(HasTraits):

a= Range(1,10)

b= Range(1,10)

c=Property(Int)

view=View(

Item('a'),

Item('b'),'_',

Item('c',editor=RangeEditor(low = 1, high = 20, mode = 'slider')),

Item('c'),

width= 0.3)

@property_depends_on('a,b',settable =True)def_get_c(self):print('computing')return(self.a +self.b)

ran=RangeDemo()

ran.edit_traits()

View Code

text =TextEditor()

text.configure_traits()

按钮Button Editor

监听方法: _TraitName_fired()

TraitName是Button Trait 的名字，即my_button

Def _my_button_fired(self):

Self.counter+= 1

程序框架：

from traits.api import Button #导入控件模块

classButtonEditor(HasTraits):

TraitName= Button() #定义按钮变量名

def _TraitName_fired(self) #定义监听函数

… …

view=View()

button=Button()

button.configure_traits()

菜单、工具栏

From traitsui.menu import Action…

对象

说明

Action

在Menu对象中，通过Action对象定义菜单中的每个选项

ActionGroup

在菜单中的选项中进行分组

定义菜单栏中的一个菜单

MenuBar

菜单栏对象，由多个Menu对象组成

ToolBar

工具栏对象，它由多个Action对象组成，每个Aciton对应工具挑中的一个按钮

fdf控件列表

对象

说明

Array

数组空间

Bool

单选框、复选框

Button

按钮

Code

代码编辑器

Color

颜色对话框

python三维转换教程_Python科学计算三维可视化【完结】相关推荐

python np dot函数_python科学计算之Numpy
Numpy的组成与功能 Numpy(Numeric Python)可以被理解为一个用python实现的科学计算包,包括: 1.强大的N维数组对象Array: 2.成熟的函数库: 3.实用的线性代数.傅 ...
python矩阵sin计算器_Python科学计算工具
Python科学计算工具-Numpy入门 2017.07.02 20:29:14字数 1,404阅读 2,509 一:前言学了中国大学mooc的Python数据分析与展示课程感觉挺不错的,记录下来以 ...
python中ndarray除_python科学计算_numpy_ndarray
ndarray:n-dimensional array object,即多维数组对象,是python自带的array对象的扩展,array对象和list对象的区别是array对象的每一个元素都是数值, ...
Python大数据教程：科学计算库NumPy案例之酒鬼漫步
通过前面对NumPy的学习,相信大家一定对NumPy这个科学计算包有了一定的了解,接下来,本节将通过酒鬼漫步的案例来介绍如何运用NumPy随机数模块与数据处理. 下面先为大家描述一下场景,在一片空旷的 ...
python中符号计算三维可视化_Python科学计算三维可视化章节答案
科学可视细胞衰老和死亡不止发生在生物个体衰老时. 参考答案如下计算节答糖尿病患者需要紧急救治的情况化章糖尿病患者每日食物的组成中,碳水化合物应占多少? 科学可视糖尿病患者饮食中应注意补充下列微量元素 ...
python打印等腰梯形_Python科学计算三维可视化中国大学慕课测试答案2020年_电工学(电工技术)(山东联盟)_知到_章节测试答案...
参考答案如下 ( )公德要求,科学可视课测体现了对社会共同劳动成果的珍惜与爱护,同时也是个人道德修水平与社会文明的重要标志. 建筑火灾烟气蔓延的途径主要有(),计算节测楼梯间,各种竖井管道,楼板的孔洞 ...
python科学计算可视化好慢_Python科学计算三维可视化 1
1.二维标量数据场颜色映射法等值立体图法层次分割法 2.三维标量数据场面绘制体绘制 3.矢量数据场直接(箭头线段色轮) 流线法 TVTK相关安装 http://code.enthou ...
python中符号计算三维可视化_Python科学计算三维可视化_答案mooc
马格德堡半球实验是关于真空是否存在的实验.() 马来西亚历史上的第一个封建王国称为: 马林巴传入拉丁美洲大约是在什么时候? 马林科夫准备把苏联发展重点放在农业上. 马步是模仿蒙古人()的动作马林诺夫 ...
python下表运算_python科学计算_numpy_广播与下标
多维数组下标多维数组的下标是用元组来实现每一个维度的,如果元组的长度比维度大则会出错,如果小,则默认元组后面补 : 表示全部访问: 如果一个下标不是元组,则先转换为元组,在转换过程中,列表和数组的转 ...
python数组去重函数_Python科学计算库Numpy之数组操作
操作ndarray 的方法 numpy.reshape:这个函数在不改变数据的条件下修改形状 numpy.ndarray.flat:该函数返回数组上的一维迭代器,行为类似 Python 内建的迭代器 ...

python三维转换教程_Python科学计算三维可视化【完结】

python三维转换教程_Python科学计算三维可视化【完结】相关推荐

最新文章

热门文章