Question

在以下.vtk文件中应用转换：

im1.vtk：

# vtk DataFile Version 3.0
vtk output
ASCII
DATASET POLYDATA
POINTS 10 float
-61.2 40.8 0.0 
-55.3 39.3 0.0 
-49.2 39.3 0.0 
-43.2 40.4 0.0 
-37.3 42.1 0.0 
67.6 44.3 0.0 
63.4 49.8 0.0 
57.7 53.6 0.0 
51.0 55.3 0.0 
44.1 55.2 0.0

另一个.vtk文件中的结果：

im2.vtk：

# vtk DataFile Version 4.0
vtk output
ASCII
DATASET POLYDATA
POINTS 10 float
-63.4695 36.4645 0
-57.3647 35.9114 0
-51.1496 36.6507 0
-45.102 38.259 0
-39.2082 40.2851 0
69.7562 40.4176 0
64.6497 45.5255 0
58.1449 49.2956 0
50.8203 51.2899 0
43.4762 51.6839 0

在每个文件的每个点之间找到距离（例如：欧几里德）的最快方法是什么，并将其存储在列表[d1,d2,...,d10]或numpy数组中？（这只是一个示例，真正的.vtk文件包含300个点。所以列表应该是[d1,d2,...,d300]）。 VTK中是否有一种方法可以做到这一点？

示例：

第一点之间的距离d1应为：

d1=sqrt((-61.2+63.4695)**2+(40.8-36.4645)**2+(0-0)**2)

编辑：

到目前为止，我能提出的代码如下：

import numpy as np

with open('im1.vtk', 'rt') as vtk1:
   vtk_list1 = vtk1.readlines()
with open('im2.vtk', 'rt') as vtk2:
   vtk_list2 = vtk2.readlines()
dist_array = np.array([])
for i in range(5,14):
   landmark1 = np.asarray(vtk_list1[i].split(),dtype=np.float16)
   landmark2 = np.asarray(vtk_list2[i].split(),dtype=np.float16)
   dist = np.sqrt(np.sum((landmark1-landmark2)**2))
   dist_array = np.append(dist_array,dist)

是否有更快更干净的最佳产品？

计算（Python）中两个.vtk文件之间的距离

0 个答案: