scientific computation and 3D visualization
Published:
[TOC]
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
下载python开源库网站：https://www.lfd.uci.edu/~gohlke/pythonlibs/ 这里基本上集成了python需要用到的各个库的资源。
VTK库安装方法是将文件放在<C:\WINDOWS\system32>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 import tvtk
from tvtk.tools import ivtk
from pyface.api import GUI
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 import tvtk
from tvtk.tools import ivtk
from pyface.api import GUI
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 import QtCore
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 import tvtk
from tvtkfunc import ivtk_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
def ivtk_scene(actors):
from tvtk.tools import ivtk
# 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 import QtCore
dialog.setWindowFlags(QtCore.Qt.WindowFlags(0x00000000))
dialog.show()
return win
def event_loop():
from pyface.api import GUI
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 import tvtk
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 import tvtk
from tvtkfunc import ivtk_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 import tvtk
2.
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. return plot3d
12.
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 import tvtk
from tvtkfunc import ivtk_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=0.5
win = 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 import tvtk
from tvtkfunc import ivtk_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 os
def clear():
os.system(‘cls’)
clear()
代码例4
from tvtk.api import tvtk
from tvtk.common import configure_input
from tvtkfunc import ivtk_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 import tvtk
from tvtk.common import configure_input
from tvtkfunc import ivtk_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, 0.3
a.property.opacity=0.5
win = 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 import tvtk
from tvtk.tools import ivtk
from pyface.api import GUI
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 import QtCore
dialog.setWindowFlags(QtCore.Qt.WindowFlags(0x00000000))
dialog.show()
gui.start_event_loop()
代码例6
from tvtk.api import tvtk
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 import tvtk
from tvtkfunc import ivtk_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 import mlab
s = mlab.mesh(x,y,z)
代码例8
#建立复杂几何体
From numpy import pi,sin,cos,mgrid
from mayavi import mlab
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 = 4
r = 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
import numpy as np
from mayavi import mlab
n_mer, n_long = 6,11
dphi = np.pi / 1000.0
phi = 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) * 0.5
l = 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
import numpy
from mayavi import mlab
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
import numpy as np
from mayavi improt mlab
from mayavi import mlab
def f(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
import numpy as np
from mayavi import mlab
def f(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
import numpy
from mayavi import mlab
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.
import numpy as np
from mayavi import mlab
x,y = np.mgrid[-10:10:200j,-10:10:200j]
z = 100 * np.sin(x * y) / (x * y)
mlab.figure(bgcolor=(1,1,1))
<mayavi.core.scene.Scene object at 0x00000214003D6678>
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。
import numpy as np
from mayavi import mlab
#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))
<mayavi.core.scene.Scene object at 0x00000214003D6678>
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) |
| close | 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scenemlab.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=NoneReset_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
def picker_callback(picker)
#建立响应机制
Picker = figure.on_mouse_pick(picker_callback)
mlab.show()
import numpy as np
from mayavi import mlab
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()
def picker_callback(picker):
if picker.actor in red_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
| 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
import numpy 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 import mlab
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 import mlab
from mayavi.tools import pipeline
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 import mlab
from mayavi.tools import pipeline
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
import numpy 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 import mlab
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
import numpy as np
from mayavi.filters import mask_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 import mlab
# 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
import numpy as np
from mayavi.filters import mask_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 import mlab
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
import numpy as np
from mayavi.filters import mask_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 import mlab
# 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
import numpy as np
from mayavi.filters import mask_points
from matplotlib.scale import scale_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 import mlab
# 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 import mlab
import 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
View Code
4.2绘制数据canyon
代码例20
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
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 import mlab
import numpy 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 = xyz. 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：
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：
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：
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 import Delegate, HasTraits, Instance, Int, Str
class Parent(HasTraits):
# 初始化
last_name = Str('Zhang')
class Child(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：
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 import HasTraits, Str, Int
class ModelManager(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 |
|---|---|
| id | 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
View Code
•垂直排列多视图
View Code
•水平排列多视图
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
View Code
- 外层垂直排列
View Code
内外部视图显示
代码25
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：
View Code
代码26 滑动条
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
class ButtonEditor(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 |
| Menu | 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 |
| Directory | 目录控件 |
| Enum | 枚举控件 |
| File | 文件控件 |
| Font | 字体选择控件 |
| Html | Html网页控件 |
| List | 列表框 |
| Str | 文本框 |
| Password | 密码控件 |
| Tuple | 元组控件 |
7三维可视化之界面实战
7.1TraitsUI与mayavi实战
7.1.1Mayavi可视化实例
建立mayavi窗口步骤： 1. 建立从HasTraits继承的类 a. 建立MlabSceneMode场景实例scene b. 建立view视图 c. 定义_init_函数，生成数据 2. 建立类的实例，调用configure_traits()方法
Numpy 用于建立数据
Traits.api，traitsui.api 用于建立场景模型
Tvtk.pyface.scene_editor 用于建立视图
Tools.mlab_scene_model 用于绘制数据
Core.ui.mayavi_scene 用于绘制数据
7.1.2TraitsUI可视化实例
程序框架
#1.定义HasTraits继承类
Class MyModel(HasTraits):
#1.1定义窗口的变量
n_meridional
n_longitudinal
scene
#1.2更新视图绘制
@on_trait_change()
Def update_plot(self):
… …
#1.3建立视图布局
View = View()
#2.显示窗口
model = MyModel()
Model.configure_traits()
7.1.3三维可视之交互界面homework6
pass见下文url
8三维可视化之总结
8.1客观题练习homework7
pass见下文url
8.2主观题练习
8.2.1练习1
请参考SV11V02“TraitsUI可视化实例”，将本课程所学的TVTK或者Mayavi可视化例子，补充TraitsUI的交互控制，即通过TraitsUI的交互控制能够实现可视化视图中参数的相应改变，交互控件的种类不少于2种（如滑动条、文本框）、交互控件数量不少于3个（如2个滑动条、1个文本框）。要求代码规范，有注释。
SV11V02 TraitsUI可视化实例参考代码
一个简单的例子，在原有基础上，融合了文本框和[‘OK’]按钮
View Code
代码27 view_range_text
View Code
参考SV09V02“TraitsUI可视化实例”，将本课程所学的TVTK或者Mayavi可视化例子，补充TraitsUI的交互控制，即通过TraitsUI的交互控制能够实现可视化视图中参数的相应改变，交互控件的种类不少于3种（如滑动条、文本框、颜色对话框）、交互控件数量不少于3个（如1个滑动条、1个文本框、1个颜色对话框）。要求代码规范，有注释。
8.2.2练习2
SV09V02“TraitsUI可视化实例”参考代码：
from traits.api import Delegate, HasTraits, Instance, Int, Str
class Parent(HasTraits):
# 初始化
last_name = Str('Zhang')
class Child(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))
代码28 在TraitsUI中嵌入mayavi
颜色对话框没有找到，不会实现这个功能，不过添加了一个点击绘图的命令，代码稍微修改了下，添加了_plotbutton_fired(self)和plot(self)函数，同时在绘图之前要给图形一个初始化，在出现图形界面后，再动态监听图形参数的变化
View Code
本博客中能提供到的
1.pdfhomework文本和答案；
2.部分数据集代码，如果选哟全部数据集，最好还是取中国MOOC顶部的url课程链接中下载，资料全；
3.关于这个课程，我做过编程训练的代码
4.pdf课程笔记。
github地址：here，上面对应的资料都在里面，不专业，不过代码都走了一遍，有些问题也想了下，供参考。
关于如何git上传，转一下这个大佬帖子，here
简单老说就是以下几个步骤：
1）.在github中创建好新的repository，如下图，其次就是命名，其他默认即可。
2）.把要上传的文件装在一个文件夹下；
3）.右击这个文件夹，会出现git Bash和git GUI这个命令，点击git Bash（前提是已经装好了git)；
4）.进入git Bash后，是这个界面
5）.刚才创建好的repository里，复制链接
6）.截下来在git Bash中输入下面命令
a）git clone xxxx(刚才复制的地址)，此时在本地要上传的文件夹里会多出一个文件夹（同文件名github中，创建的repository)，比如我是Visualization；
e.g. git clone https://github.com/nityuyukun/Visualization.git
b）.切换到本地仓库的文件夹，比如Visualiazation
c）git add . //注意add后有一个空格，再加点，加点表示上传所有文件到本地仓库；
d）git commit -m “xxx” //”xxx”中的xxx可以任意替换，表示想要备注的名字，比如我下面是second commit，这一步表示确认上传所有文件到本地仓库，并备份；
这两步完后，出现下图
e）git push -u origin master 这一步表示把本地仓库里的东西推到github上。
finished.