python 轮廓矩阵_python – 在3D numpy矩阵中绘制给定值的曲面轮廓

我有三个对应于xyz坐标空间的3D网格矩阵(X,Y,Z).

我还有一个3D Numpy矩阵A,其中A [i,j,k]包含一个与点(x,y,z)相关联的浮点数,其中x = X [i,j,k],y = Y [i ,j,k]和z = Z [i,j,k].浮点值在A内是连续的(即A的相邻元素之间的值的变化通常很小).

有没有办法使用Matplotlib或任何其他基于Python的图形包绘制对应于A中给定浮点值的曲面？例如,如果给定值2.34,我有兴趣获得矩阵A的绘制轮廓曲面,只要2.34(加或减一些公差)出现？

到目前为止,我已经能够恢复A中所有值的xyz坐标,这些坐标在目标值的某个容差范围内,然后使用this(下面的代码)制作3D散点图.也许还有一种方法可以从这些点绘制表面？

def clean (A, t, dt):

# function for making A binary for t+-dt

# t is the target value I want in the matrix A with tolerance dt

new_A = np.copy(A)

new_A[np.logical_and(new_A > t-dt, new_A < t+dt)] = -1

new_A[new_A != -1] = 0

new_A[new_A == -1] = 1

return (new_A)

def get_surface (X, Y, Z, new_A):

x_vals = []

y_vals = []

z_vals = []

# Retrieve (x,y,z) coordinates of surface

for i in range(new_A.shape[0]):

for j in range(new_A.shape[1]):

for k in range(new_A.shape[2]):

if new_A[i,j,k] == 1.0:

x_vals.append(X[i,j,k])

y_vals.append(Y[i,j,k])

z_vals.append(Z[i,j,k])

return (np.array(x_vals), np.array(y_vals), np.array(z_vals))

cleaned_A = clean (A, t=2.5, dt=0.001)

x_f, y_f, z_f = get_surface (X, Y, Z, cleaned_A )

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d', aspect='equal')

ax.scatter(x_f, y_f, z_f, color='g', s=1)

我也尝试过ax.plot_trisurf(x_f,y_f,z_f),但这给了我一个连接不佳的情节.我猜测我的数组中的值的排序可能会影响这个,在这种情况下,有一个包可以做点某些3D插值表面绘图与点的随机排序(例如通过最小化表面积或类似的东西？)

我感兴趣的对象是大致球形(即每个(x,y)两个z).我似乎无法找到有人在一个封闭的3D表面上进行三角测量的任何工作示例,但也许我没有找到正确的位置.

最佳答案 经过大量的挖掘,我认为我已经找到了一个有效的解决方案(至少在一个领域 – 当我尝试球体的变形时会更新我的答案).非常感谢有助于我思考正确道路的评论.我基本上使用ConvexHull从scipy.spatial进行三角测量：

from matplotlib.tri import Triangulation

from scipy.spatial import ConvexHull

def clean (A, t, dt):

# function for making A binary for t+-dt

# t is the target value I want in the matrix A with tolerance dt

new_A = np.copy(A)

new_A[np.logical_and(new_A > t-dt, new_A < t+dt)] = -1

new_A[new_A != -1] = 0

new_A[new_A == -1] = 1

return (new_A)

def get_surface (X, Y, Z, new_A):

x_vals = []

y_vals = []

z_vals = []

# Retrieve (x,y,z) coordinates of surface

for i in range(new_A.shape[0]):

for j in range(new_A.shape[1]):

for k in range(new_A.shape[2]):

if new_A[i,j,k] == 1.0:

x_vals.append(X[i,j,k])

y_vals.append(Y[i,j,k])

z_vals.append(Z[i,j,k])

return (np.array(x_vals), np.array(y_vals), np.array(z_vals))

cleaned_A = clean (A, t=2.5, dt=0.001)

x_f, y_f, z_f = get_surface (X, Y, Z, cleaned_A )

Xs = np.vstack((x_f, y_f, z_f)).T

hull = ConvexHull(Xs)

x, y, z = Xs.T

tri = Triangulation(x, y, triangles=hull.simplices)

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d', aspect='equal')

ax.plot_trisurf(tri, z, color='g', alpha=0.1)

总结

以上是生活随笔为你收集整理的python 轮廓矩阵_python – 在3D numpy矩阵中绘制给定值的曲面轮廓的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。