Matplotlib喜欢matlab的trisurf

Question

总而言之，我想在python中绘制一个通用的3D三角网格。 Matplotlib似乎是理想的候选者，但我会选择任何可以做我要描述的3D渲染。

假设我有一个由X，Y和Z定义的三角形网格，一个点云的三维坐标，每个都是长度为n的向量，而UVW是一个2D mx-3矩阵，其中每一行都是一个三元组点云指数。这个三元组代表一个单独的三角形。换句话说，我在n个点上有三个三角形。在Matlab中，为了生成3D图，我只是这样做：

trisurf(UVW, X, Y, Z)

有没有人有这方面的经验？特别是，mplots trisurf可以用来工作吗？

Answer 1

根据您的表现需求，mayavi可能最适合这一点 - 根据戴维斯的评论。

但是，matplotlib附带plot_trisurf，您可以完美地传递通用UVW，X，Y，Z。

使用圆环网格实例：

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

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

Python代码和示例：

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

Answer 3

我也在寻找这个问题的解决方案，这次讨论帮助我成功了。以下是它的工作原理：

1. GBy的评论中已经提供了一个非常类似问题的解决方案作为链接（见上文：Colouring the surface of a sphere with a set of scalar values in matplotlib）

2. 将知识转移到此处的问题会导致创建一个包含振幅的附加数组，并将其分配给“基础ScalarMappable通过set_array方法”。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。用例如，检查它们的形状时Xcoordinates.shape它应该看起来像(750,)，其中750是网格节点的数量。矩阵Face与拉里提出的原始问题中的矩阵UVW相同。它是“一个2D m-x-3矩阵，其中每一行是指向点云的指数的三元组”。如果检查矩阵Face的形状，它应该类似(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幅度，这些是我们想要用于网格颜色的值（而不是Z值）。该数组的形状应该类似于坐标数组的形状，即(750,)。

重要!!!您可以看到节点数和三角形数不相等。几乎总是如此。另外，通常为节点而不是三角形给出幅度。因此，应计算三角形的幅度，以便在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 4

为了完整起见，我想在这里添加一个mayavi示例，使用GBy答案中的网格。

import numpy as np
from mayavi import mlab 
from tvtk.api import tvtk

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)

mesh = mlab.triangular_mesh(x,y,z, triangles, representation='wireframe',color=(0,0,1) )

mlab.show()

产量：