Matplotlib类似于matlab的trisu

Question

长话短说，我想用python绘制一个通用的3D三角形网格。Matplotlib似乎是理想的候选对象，但是我会使用任何可以完成我将要描述的任务的三维渲染。

假设我有一个由X，Y，Z定义的三角形网格，一个点云的三维坐标，每一个长度为n的向量，和一个2dm-X-3矩阵，其中每一行是点云的三个索引。这个三元组代表一个单独的三角形。换句话说，n点上有m个三角形。在Matlab中，要生成3D图，我只需要：

trisurf(UVW, X, Y, Z)

有人有这方面的经验吗？特别是，mplots-trisurf能被强制工作吗？

Answer 1

根据您的性能需求，mayavi可能最适合这样做-根据Davis的评论。

然而，matplotlib附带了plot_trisurf，您可以完美地将泛型UVW、X、Y、Z传递给它。

例如，使用圆环网格：

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import matplotlib.tri as mtri

R = 1.
r = 0.8
n = 50
m = 50

def torus_triangles(n, m):
    """ Returns triangles to mesh a (n, m) torus """
    tri = []
    for i in range(n):
        for j in range(m):
            a = i + j*(n)
            b = ((i+1) % n) + j*n
            d = i + ((j+1) % m) * n
            c = ((i+1) % n) + ((j+1) % m) * n
            tri += [[a, b, d], [b, c, d]]
    return np.array(tri, dtype=np.int32)

theta0 = np.linspace(0, (2*np.pi), n, endpoint=False)
phi0 = np.linspace(0, (2*np.pi), m, endpoint=False)
theta, phi = np.meshgrid(theta0, phi0)

x = (R + r * np.sin(phi)) * np.cos(theta)
y = (R + r * np.sin(phi)) * np.sin(theta)
z = r * np.cos(phi)

triangles = torus_triangles(n , m)
triang = mtri.Triangulation(x.ravel(), y.ravel(), triangles)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_trisurf(triang, z.ravel(), lw=0.2, edgecolor="black", color="grey",
                alpha=0.5)

plt.show()

Answer 2

我也在寻找解决这个问题的办法，这次讨论帮助我取得了成功。它的工作原理如下：

1. 一个非常类似的问题的解决方案已经在GBy的注释中作为链接给出了（见上面的：Colouring the surface of a sphere with a set of scalar values in matplotlib）

2. 将知识转移到这里的问题上，会导致创建一个包含振幅的附加数组，并将其分配给“通过set_array方法实现的底层ScalarMappable”。相应的python代码如下所示：

   from mpl_toolkits.mplot3d import Axes3D
   from matplotlib import cm
   from matplotlib import pyplot as plt
   import numpy as np
   
   fig = plt.figure()
   ax = fig.gca(projection='3d')
   colors = np.mean(CorticalImage[Face], axis=1)
   collec = ax.plot_trisurf(Xcoordinates, Ycoordinates, Zcoordinates, triangles=Face, cmap=cm.jet, linewidth=0.2)
   collec.set_array(colors)
   collec.autoscale()
   ax.view_init(30, 0)
   cbar = fig.colorbar(collec)
   

数组Xcoordinates、Ycoordinates、Zcoordinates包含网格节点的X、Y和Z坐标。当用Xcoordinates.shape检查它们的形状时，应该像这样(750,)，其中750是网格节点的数量。矩阵Face与Larry提出的原始问题中的矩阵UVW相同。它是“一个2dm-x-3矩阵，其中每一行是点云的三个索引集”。如果您检查矩阵的形状Face，它应该类似于(1496, 3)，其中1496是网格中的三角形数，3是一个三角形中的节点数。最后，数组CorticalImage包含网格中每个节点的振幅，这些是我们要用于网格颜色（而不是Z值）的值。数组的形状应该与坐标数组的形状类似，即(750,)。

重要！！！可以看到节点数和三角形数不相等。几乎总是这样。此外，振幅通常是为节点而不是为三角形给定的。因此，应计算三角形的振幅，以便在绘图中获得正确的颜色。这是在colors = np.mean(CorticalImage[Face], axis=1)行中完成的。

Answer 3

Plotly有一个开源的trisurf Python实现，它更接近于MATLAB的trisurf（）。

这里是Python代码和示例：

https://plot.ly/python/tri-surf/