一:鼠标选取介绍

二:选取红色小球分析

相关方法:科学计算三维可视化---Mlab基础(基于Numpy数组的绘图函数)

1.小球场景初始化建立

import numpy as np
from mayavi import mlab

# 用mlab.points3d建立红色和白色小球的集合
x1, y1, z1 = np.random.random((3,10))   #3行10列分给三个元素,每个都是以为数组含10元素
red_glyphs = mlab.points3d(x1,y1,z1,color=(1,0,0),resolution=10)    #创建10个红球,位置为x1,y1,z1,分辨率为10的小球x2, y2, z2 = np.random.random((3,10))   #3行10列分给三个元素,每个都是以为数组含10元素
white_glyphs = mlab.points3d(x2,y2,z2,color=(0.9,0.9,0.9),resolution=10)    #创建10个白球

2.选取框初始化建立outline方法是mlab绘制选取框

outline = mlab.outline(line_width=3)  #outline即在某个物体的外围设置一个外框
outline.outline_mode = "cornered"
outline.bounds = (x1[0]-0.1,x1[0]+0.1,  #对x1,y1,z1为0处选取红色小球第一个y1[0]-0.1,y1[0]+0.1,z1[0]-0.1,z1[0]+0.1,)

3.选取回调函数的结构

>>> red_glyphs.actor
<mayavi.components.actor.Actor object at 0x000000001370EEB8>
>>> red_glyphs.actor.actors
[<tvtk.tvtk_classes.actor.Actor object at 0x000000001459D0F8>]  #我们需要的是vtk actor集合

计算哪个小球被选取,

一个小球有好多个顶点构成,设置了小球的分辨率为10,在Mayavi中resolution为10的小球中相当于有82个顶点组成的一个小球,一共10个红色小球,所以场景中共有820个对应顶点,我们需要找到鼠标求解的顶点是在这820个中的哪一个,例如第100则是第二个小球

#获取一个红色小球的所有顶点,我们只是想要知道每个小球的顶点数目而已,所以不用考虑其他
glyph_points = red_glyphs.glyph.glyph_source.glyph_source.output.points.to_array()#3.选取回调函数的结构
def piker_callback(picker): #当鼠标点击会返回一个vtk picker对象,我们将对该对象进行处理判断if picker.actor in red_glyphs.actor.actors:# 确定该小球的ID,point_id = int(picker.point_id/glyph_points.shape[0])   #picker.point_id是picker对象选取的顶点ID,glyph_points.shape[0]记录了82这个值,通过这个计算出小球的IDif point_id != -1:  #表示有红色小球被选取了#计算与此红色小球相关的坐标x,y,z = x1[point_id],y1[point_id],z1[point_id]#将外框移动到小球上outline.bounds = (x - 0.1, x + 0.1,y - 0.1, y + 0.1,z - 0.1, z + 0.1,)

4.建立响应机制

figure = mlab.gcf() #获取当前窗口指针
picker = figure.on_mouse_pick(piker_callback)
mlab.title("Click on red balls")    #设置窗口的标题文字mlab.show()

5.全部代码

import numpy as np
from mayavi import mlab#1.小球场景初始化建立
# 用mlab.points3d建立红色和白色小球的集合
x1, y1, z1 = np.random.random((3,10))   #3行10列分给三个元素,每个都是以为数组含10元素
red_glyphs = mlab.points3d(x1,y1,z1,color=(1,0,0),resolution=10)    #创建10个红球,位置为x1,y1,z1,分辨率为10的小球x2, y2, z2 = np.random.random((3,10))   #3行10列分给三个元素,每个都是以为数组含10元素
white_glyphs = mlab.points3d(x2,y2,z2,color=(0.9,0.9,0.9),resolution=10)    #创建10个白球# 2.选取框初始化建立
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,)#获取一个红色小球的所有顶点,我们只是想要知道每个小球的顶点数目而已,所以不用考虑其他
glyph_points = red_glyphs.glyph.glyph_source.glyph_source.output.points.to_array()#3.选取回调函数的结构
def piker_callback(picker): #当鼠标点击会返回一个vtk picker对象,我们将对该对象进行处理判断if picker.actor in red_glyphs.actor.actors:# 确定该小球的ID,point_id = int(picker.point_id/glyph_points.shape[0])   #picker.point_id是picker对象选取的顶点ID,glyph_points.shape[0]记录了82这个值,通过这个计算出小球的IDif point_id != -1:  #表示有红色小球被选取了#计算与此红色小球相关的坐标x,y,z = x1[point_id],y1[point_id],z1[point_id]#将外框移动到小球上outline.bounds = (x - 0.1, x + 0.1,y - 0.1, y + 0.1,z - 0.1, z + 0.1,)figure = mlab.gcf() #获取当前窗口指针
picker = figure.on_mouse_pick(piker_callback)
mlab.title("Click on red balls")    #设置窗口的标题文字mlab.show()

6.优化

两个问题

1.小球初始速度太慢
2.鼠标选取不精确

import numpy as np
from mayavi import mlabfigure = mlab.gcf() #获取当前窗口指针figure.scene.disable_render = True
#1.小球场景初始化建立
# 用mlab.points3d建立红色和白色小球的集合
x1, y1, z1 = np.random.random((3,10))   #3行10列分给三个元素,每个都是以为数组含10元素
red_glyphs = mlab.points3d(x1,y1,z1,color=(1,0,0),resolution=10)    #创建10个红球,位置为x1,y1,z1,分辨率为10的小球x2, y2, z2 = np.random.random((3,10))   #3行10列分给三个元素,每个都是以为数组含10元素
white_glyphs = mlab.points3d(x2,y2,z2,color=(0.9,0.9,0.9),resolution=10)    #创建10个白球# 2.选取框初始化建立
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,)figure.scene.disable_render = False#获取一个红色小球的所有顶点,我们只是想要知道每个小球的顶点数目而已,所以不用考虑其他
glyph_points = red_glyphs.glyph.glyph_source.glyph_source.output.points.to_array()#3.选取回调函数的结构
def piker_callback(picker): #当鼠标点击会返回一个vtk picker对象,我们将对该对象进行处理判断if picker.actor in red_glyphs.actor.actors:# 确定该小球的ID,point_id = int(picker.point_id/glyph_points.shape[0])   #picker.point_id是picker对象选取的顶点ID,glyph_points.shape[0]记录了82这个值,通过这个计算出小球的IDif point_id != -1:  #表示有红色小球被选取了#计算与此红色小球相关的坐标x,y,z = x1[point_id],y1[point_id],z1[point_id]#将外框移动到小球上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(piker_callback)
picker.tolerance = 0.01     #设置tolerance参数提高精确度mlab.title("Click on red balls")    #设置窗口的标题文字mlab.show()

转载于:https://www.cnblogs.com/ssyfj/p/9305370.html

科学计算三维可视化---Mlab基础(鼠标选取交互操作)相关推荐

  1. python三维矩阵可视化_科学计算三维可视化---Mlab基础(基于Numpy数组的绘图函数)...

    Mlab了解 Mlab是Mayavi提供的面向脚本的api,他可以实现快速的三维可视化,Mayavi可以通过Mlab的绘图函数对Numpy数组建立可视化. 过程为: .建立数据源 .使用Filter( ...

  2. 科学计算三维可视化---Mlab基础(基于Numpy数组的绘图函数)

    Mlab了解 Mlab是Mayavi提供的面向脚本的api,他可以实现快速的三维可视化,Mayavi可以通过Mlab的绘图函数对Numpy数组建立可视化. 过程为: 1.建立数据源2.使用Filter ...

  3. python 科学计算三维可视化笔记(第三周 高级进阶)

    python 科学计算三维可视化笔记 第三周 高级进阶 python 科学计算三维可视化笔记 第三周 高级进阶 一.Mayavi 入门 1. Mayavi 库的基本元素 2. 快速绘制实例 3. Ma ...

  4. python绘制三维地形_【学习笔记】Python科学计算三维可视化(黄天羽、嵩天)(学习中。。)|python基础教程|python入门|python教程...

    0 导学 目的:掌握利用三维效果表达科学和工程数据的能力 传播一种思想:可视化技术是数据之眼 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)可视化实例 三维地球场景可视化 ...

  5. python三维数组可视化_【学习笔记】Python科学计算三维可视化(黄天羽、嵩天)(学习中。。)...

    0 导学 目的:掌握利用三维效果表达科学和工程数据的能力 传播一种思想:可视化技术是数据之眼 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)可视化实例 三维地球场景可视化 ...

  6. python获取鼠标选取的内容_Python三维可视化:鼠标选取交互操作

    版权声明:以上文章中所选用的图片及文字来源于网络以及用户投稿,由于未联系到知识产权人或未发现有关知识产权的登记,如有知识产权人并不愿意我们使用,如果有侵权请立即联系:55525090@qq.com,我 ...

  7. 科学计算三维可视化---Mayavi可视化实例

    一:Dragon绘制实例(三维扫描的绘制) 三维扫描主要用于对物体空间外形结构以及色彩进行扫描,用以获得物体表面的空间坐标,他的主要意义在于能够将实物的立体信息转换为计算机能够直接处理的数据信号,为实 ...

  8. 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 ...

  9. 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 ...

最新文章

  1. RedHat使用163源
  2. R语言ggplot2可视化分面图(faceting):自定义分面图可视化、ggplot2可视化分面图并移除分面图之间的边框线条(Remove Panel Border Lines in a facet
  3. 如何自动搞定全站图片的alt属性?
  4. 关于js的回调函数的一点看法
  5. 8086汇编-实验6(微调)-小写转换大写
  6. linux date fmt,date_format(date,frm) 详解
  7. python读取csv最后一行_python – 尝试使用seek()获取csv文件的最后一行时的AttributeError...
  8. x12arima季节调整方法_深秋是腌洋姜的季节,用老一辈的方法做一坛,比腌萝卜香还爽口...
  9. go get golang.org/x 包下载失败问题
  10. java构建工具 gradle_Java构建工具
  11. 小学四则运算结对项目报告(GUI)
  12. “开发人”注意了!百度AI快车道成都站:来了就不想走的活动
  13. AKKA 集群中的发布与订阅Distributed Publish Subscribe in Cluster
  14. 计算机表情识别技术研究学什么,表情识别的图像预处理和特征提取方法研究
  15. Catboost:超越Lightgbm和XGBoost的又一个boost算法神器
  16. 【刷题】BZOJ 5154 [Tjoi2014]匹配
  17. effective java 枚举_Effective.Java第34-44条(枚举)
  18. HTML常见标签学习
  19. hashmap是单向链表吗_LRU(Least Recent Used) java 实现为这么采用HashMap+双向链表
  20. MATLAB实现红眼消除(数字图像处理)

热门文章

  1. Arduino uno控制蜂鸣器播放音乐(以《大鱼》为例)
  2. Arduino 无源蜂鸣器实验
  3. (转)私募基金机构设立、牌照申请、后续运营的最新政策规定和操作流程
  4. 静雅思听,在听的世界里沉醉
  5. 完美国际真数苹果_预告| 绿萌再创苹果、桃、梨品质分选风向标!
  6. 使用kprobe监控linux内核提权(cred方法)
  7. C++坦克大战(新手)
  8. 雨润莲心:同幽梦、共红尘
  9. 2023最新SSM计算机毕业设计选题大全(附源码+LW)之java洁强汽车美容nq941
  10. SePiCo: Semantic-Guided Pixel Contrast for Domain Adaptive Semantic Segmentation