从mayavi中的delaunay过滤器中提取三角形

时间:2013-05-09 19:55:43

标签: matplotlib delaunay mayavi

如何从mayavi中的delaunay滤镜中提取三角形?

我想像matplotlib那样提取三角形

import numpy as np
import matplotlib.delaunay as triang
from enthought.mayavi import mlab

x = np.array([0, 1, 2, 0, 1, 2, 0, 1, 2])
y = np.array([0, 0, 0, 1, 1, 1, 2, 2, 2])
z = np.zeros(9)
#matplotlib 
centers, edges, triangles_index, neig = triang.delaunay(x,y)

#mayavi
vtk_source = mlab.pipeline.scalar_scatter(x, y, z, figure=False)
delaunay =  mlab.pipeline.delaunay2d(vtk_source)

我想从mayavi delaunay过滤器中提取三角形以获取变量@triangle_index和@centers(就像matplotlib一样)

我唯一发现的就是这个 http://docs.enthought.com/mayavi/mayavi/auto/example_delaunay_graph.html

但只获得边缘,并且编码与matplotlib不同

1 个答案:

答案 0 :(得分:1)

获取三角形索引:

poly = delaunay.outputs[0]
tindex = poly.polys.data.to_array().reshape(-1, 4)[:, 1:]

poly是PolyData对象,poly.polys是存储索引信息的CellArray对象。 有关CellArray的详细信息:http://www.vtk.org/doc/nightly/html/classvtkCellArray.html

要获得每个外接圆的中心,您需要循环每个三角形并计算中心:

centers = []
for i in xrange(poly.number_of_cells):
    cell = poly.get_cell(i)
    points = cell.points.to_array()[:, :-1].tolist()
    center = [0, 0]
    points.append(center)
    cell.circumcircle(*points)
    centers.append(center)

centers = np.array(centers)

cell.circumcircle()是一个静态函数,所以你需要将三角形的所有点作为参数传递,中心数据将通过修改第四个参数返回。

以下是完整代码:

import numpy as np
from enthought.mayavi import mlab

x = np.array([0, 1, 2, 0, 1, 2, 0, 1, 2])
y = np.array([0, 0, 0, 1, 1, 1, 2, 2, 2])
z = np.zeros(9)

vtk_source = mlab.pipeline.scalar_scatter(x, y, z, figure=False)
delaunay =  mlab.pipeline.delaunay2d(vtk_source)

poly = delaunay.outputs[0]
tindex = poly.polys.data.to_array().reshape(-1, 4)[:, 1:]

centers = []
for i in xrange(poly.number_of_cells):
    cell = poly.get_cell(i)
    points = cell.points.to_array()[:, :-1].tolist()
    center = [0, 0]
    points.append(center)
    cell.circumcircle(*points)
    centers.append(center)

centers = np.array(centers)

print centers
print tindex

输出结果为:

[[ 1.5  0.5]
 [ 1.5  0.5]
 [ 0.5  1.5]
 [ 0.5  0.5]
 [ 0.5  0.5]
 [ 0.5  1.5]
 [ 1.5  1.5]
 [ 1.5  1.5]]
[[5 4 2]
 [4 1 2]
 [7 6 4]
 [4 3 1]
 [3 0 1]
 [6 3 4]
 [8 7 4]
 [8 4 5]]

结果可能与matplotlib.delaunay不同,因为有许多可能的解决方案。