Python项目实战：基于matplotlib与mayavi的3D可视化（点云+等值面）

置顶 已于 2023-10-08 15:08:48 修改
阅读量6.1k 收藏 40
点赞数 7
分类专栏： 深度学习 Python项目实战 文章标签： python 3d 图像处理
于 2023-07-15 18:16:03 首次发布
版权声明：本文为博主原创文章，未经作者允许不得转载，且不得用于商业目的，否则将追究法律责任。
本文链接：https://blog.csdn.net/shinuone/article/details/131724915
版权

文章目录

一、3D可视化常用方法

3D可视化是一种用于呈现三维数据的方法，它可以帮助我们更好地理解和分析复杂的空间结构和关系。在科学、工程、医学和其他领域，3D可视化常用于展示和研究体数据、空间模型、分子结构等。

以下是一些常见的用于3D可视化的工具和库：

  1. Matplotlib：Matplotlib 是一个常用的Python数据可视化库，其中的 mplot3d 模块提供了3D可视化功能，可以绘制三维图形和表面图。
  2. Mayavi：Mayavi 是一个基于VTK（Visualization Toolkit）的强大的3D科学数据可视化工具，它提供了丰富的功能和交互性，支持绘制体数据、曲面、等值面、轮廓线等。
  3. Plotly：Plotly 是一个交互式的数据可视化库，支持绘制各种类型的3D图形，包括散点图、线图、曲面图等，并提供了丰富的交互功能和布局选项。
  4. VTK（Visualization Toolkit）：VTK 是一个强大的开源可视化库，提供了广泛的3D可视化算法和工具，可以用于构建复杂的可视化应用。
  5. ParaView：ParaView 是基于VTK的可视化软件，主要用于科学数据的可视化和分析，支持高效处理大规模数据，并提供了各种可视化技术和交互性。

二、三维图像在numpy、cv2、以及tifffile.imread中通道的区别

  • （1）NumPy：NumPy是一个强大的数值计算库，用于处理多维数组。在NumPy中，三维图像通常表示为形状为 (height, width, channels) 的数组。每个像素的通道值可以通过索引访问，例如 image[y, x, channel]。
  • （2）OpenCV (cv2)：OpenCV是一个广泛使用的计算机视觉库，支持图像和视频处理。在OpenCV中，三维图像通常表示为形状为 (height, width, channels) 的NumPy数组。每个像素的通道值可以通过索引访问，例如 image[y, x, channel]。OpenCV还提供了许多图像处理和计算机视觉功能。
  • （3）tifffile.imread：tifffile是一个用于读取TIFF图像文件的库。在使用tifffile.imread加载三维图像时，它会返回一个形状为 (slices, height, width) 的NumPy数组，其中每个像素的值表示灰度强度。tifffile库通常用于处理多在这里插入代码片层的灰度图像。
    • height：表示图像的垂直维度，即行数或高度。
    • width：表示图像的水平维度，即列数或宽度。
    • channels：表示图像的通道数，对于彩色图像通常为3（红、绿、蓝），对于灰度图像通常为1。

三、项目实战

 1、基于matplotlib的3D可视化

1.1、ax.plot_surface：绘制3D圆

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建一个空白的3D图像
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 你的3D坐标点数据
points = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [8, 5, 3]])

# 为每个点绘制3D圆
for point in points:
    x, y, z = point
    radius = 0.5  # 圆的半径
    u = np.linspace(0, 2 * np.pi, 100)
    v = np.linspace(0, np.pi, 100)
    x_circle = radius * np.outer(np.cos(u), np.sin(v)) + x
    y_circle = radius * np.outer(np.sin(u), np.sin(v)) + y
    z_circle = radius * np.outer(np.ones(np.size(u)), np.cos(v)) + z

    # 绘制3D圆
    ax.plot_surface(x_circle, y_circle, z_circle, color='b', alpha=0.5)

# 设置坐标轴标签
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')

# 显示图像
plt.show()

1.2、np.meshgrid：绘制点云图（体素体）

200x200x200图像可视化：耗时问题比较严重，且任意视角的拖动都等需要等待较长时间。
在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
import tifffile				# pip install tifffile

# 加载 TIFF 图像
image_data = tifffile.imread('marked_image.tif')

# 创建立体图像的坐标网格
x, y, z = np.meshgrid(np.arange(image_data.shape[1]+1), np.arange(image_data.shape[0]+1), np.arange(image_data.shape[2]+1))

# 创建 3D 图形对象
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制立体图像
ax.voxels(x, y, z, image_data, cmap='gray')

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图像
plt.show()

 2、基于mayavi的3D可视化

2.0、mayavi使用指南（鼠标）

（1）鼠标左键：xyz轴旋转；
（2）鼠标右键 / 滑动鼠标滚轮：缩放功能；
（3）按住鼠标滚轮不松并进行拖动：上下左右平移；

2.1、mlab.points3d()参数详解：用于绘制3D点云

mlab.points3d(x, y, z, scalars, color, colormap, scale_factor, scale_mode, mode, resolution, opacity, line_width, reset_zoom, reset_camera, name, **kwargs)
参数详解：

  • （1）x, y, z: 分别表示点云在x、y、z轴坐标。这些参数可以是一维数组，也可以是多维数组。
  • （2）value / scalars: 用于指定点云的标量值（例如像素值、温度等），这些值用于着色点云，value是scalars参数的别名。scalars参数可以是一维数组，长度与点云中的点数相同，也可以是与点云坐标数组相同的形状。
  • （3）scale_factor: 用于指定每个点云的大小。
  • （4）mode: 用于指定绘制的点的类型，可选值（字符串类型）包括：
    • 默认是小球体
    • ‘none’: 不绘制任何点。
    • ‘2dvertex’: 绘制2D点，点的大小由scale_factor确定。
    • ‘2dcross’: 绘制2D十字形点，点的大小由scale_factor确定。
    • ‘2dcircle:’ 绘制2D圆形点，点的大小由scale_factor确定。
    • ‘3dvertex’: 绘制3D点，点的大小由scale_factor确定。
    • ‘3dcross’: 绘制3D十字形点，点的大小由scale_factor确定。
    • ‘3dcircle’: 绘制3D圆形点，点的大小由scale_factor确定。
    • 'cube': 绘制3D立方体点，点的大小由scale_factor确定。
  • （5）colormap: 用于指定着色的颜色映射表，可选值包括Mayavi中预定义的颜色映射表，例如’viridis’、‘plasma’、'coolwarm’等。也可以使用自定义的颜色映射表。
  • （6）vmin, vmax: 用于指定着色时的最小值和最大值，用于映射scalars参数的值到颜色映射表。
  • （7）figure: 指定绘制点云的Mayavi figure对象，如果未指定，则使用当前活动的figure。
  • （8）name: 用于指定点云的名称。
  • （9）reset_zoom: 是否在绘制点云时自动调整视图范围以适应整个点云。
  • （10）line_width: 用于指定绘制线条的宽度。
  • （11）opacity: 用于指定点云的不透明度，取值范围为0（完全透明）到1（完全不透明）。
  • （12）mask_points: 是否掩蔽点云，掩蔽后点云将不可见。
  • （13）mask_color: 用于指定掩蔽点云时的颜色。
  • （14）scale_mode: 用于指定缩放模式，可选值（字符串类型）包括：
    • ‘none’: 不缩放。
    • ‘scalar’: 根据scalars参数的值进行缩放。
    • ‘vector’: 根据向量值进行缩放。
  • （15）scale_factor: 用于指定缩放因子，用于调整点的大小。
  • （16）resolution: 用于指定点云的分辨率，即点的密度。
  • （17）其他参数：还可以使用其他参数来调整点云的样式，例如color参数指定点云的颜色，representation参数指定绘制点云的外观，mask_points参数用于掩蔽点云等。

2.1.1、mlab.points3d：绘制小球

在这里插入图片描述

import numpy as np
from mayavi import mlab

x, y, z, value = np.random.random((4, 40))	# 随机生成x,y,z坐标，以及小球的值
mlab.figure(bgcolor=(1, 1, 1))
mlab.points3d(x, y, z, value)		# mode默认是小球体
mlab.show()

2.1.2、mlab.points3d：绘制小立方体

在这里插入图片描述

import numpy as np
from mayavi import mlab

x, y, z, value = np.random.random((4, 40))
mlab.figure(bgcolor=(1, 1, 1))
mlab.points3d(x, y, z, value, mode='cube', scale_factor=1, colormap='binary')
mlab.show()

2.1.3、mlab.points3d：3D灰度/彩色图像的点云图（体素体）

threshold = 1在这里插入图片描述
threshold = 100
在这里插入图片描述

import numpy as np
from mayavi import mlab
import tifffile

# （1）加载3D图像（彩色图像: 10x10x10x3        灰度图像: 10x10x10）
color_image = tifffile.imread('marked_image.tif')
print(len(color_image.shape))

# （2）创建网格点
if len(color_image.shape) == 3:          # 灰度3D图像：10x10x10
    x, y, z = np.mgrid[0:color_image.shape[0], 0:color_image.shape[1], 0:color_image.shape[2]]
elif len(color_image.shape) == 4:        # 彩色3D图像：3x10x10x10
    color_image = np.moveaxis(color_image, -1, 0)    # 调整彩色3D图像的轴顺序与网格点的轴顺序一致
    x, y, z = np.mgrid[0:color_image.shape[1], 0:color_image.shape[2], 0:color_image.shape[3]]
    color_image = color_image[0]
    # Mayavi库的绘制函数通常期望三维数组作为输入，表示空间坐标和相应的数值。对于四维图像数据，您可以选择提取其中的一维作为绘制的数据，或者将四维数据转换为三维数据。
##########################################################################
# （3）显示彩色3D点云图像
fig = mlab.figure(bgcolor=(0, 0, 0), size=(800, 600))  # 新建画布，指定背景为黑色（默认灰色），并设置画布的初始大小
threshold = 1     # 去掉冗余信息（如：100），且可以加速计算
selected_x, selected_y, selected_z = np.where(color_image >= threshold)  # 将color_image中大于阈值的像素点的坐标提取出来，作为点云的坐标
colors = color_image[selected_x, selected_y, selected_z] / 255.0  # 根据像素值设置点云的颜色: 将像素值归一化到[0, 1]范围，作为颜色值
mlab.points3d(selected_x, selected_y, selected_z, colors, mode='cube', scale_factor=2)  # 绘制点云
##########################################################################
# （4）设置立方体8条边线：边线颜色、边线宽度
mlab.outline(color=(0, 0, 0), line_width=3.0)
mlab.axes(xlabel='X', ylabel='Y', zlabel='Z', figure=fig)  # 添加坐标轴标签
# （5）设置Mayavi场景的渲染参数（可以改变 Mayavi 场景的视角和观察者与场景的距离，从而获得所需的视觉效果。）
mlab.view(azimuth=0, elevation=90, distance='auto')
# （6）显示Mayavi场景
mlab.show()
##########################################################################
# mlab.view() 函数用于设置 Mayavi 场景的视角。
#       azimuth: 水平旋转角度，以度数表示。0 表示正对前方，正值表示向右旋转，负值表示向左旋转。
#       elevation: 垂直旋转角度，以度数表示。90 表示从正上方俯视，0 表示水平视角，-90 表示从正下方仰视。
#       distance: 观察者与场景的距离。'auto' 表示自动调整距离以适应场景。
##########################################################################

2.2、mlab.contour3d()参数详解：用于绘制3D等值面

mlab.contour3d(scalar_field, contours=10, transparent=False, colormap=None, vmin=None, vmax=None, opacity=1.0, figure=None, line_width=1.0, extent=None)

  • 输入参数：
  • （1）scalar_field: 三维数据数组，表示要绘制等值面的标量场。该数组的形状应为(N, M, L)，其中N，M，L分别是X，Y，Z方向的数据点数。
    该参数是mlab.contour3d()函数的唯一必需参数。
  • （2）contours: 可选参数，用于指定要绘制的等值面的数量或位置。可以是一个整数，表示要绘制的等值面数量，或者是一个一维数组，表示要绘制的具体等值面位置。默认值为10，表示绘制10个等值面。
  • （3）transparent: 可选参数，表示等值面是否透明。如果设置为True，则等值面将显示为透明。默认值为False，即不透明。
  • （4）colormap: 可选参数，用于指定等值面的颜色映射。可以是颜色名称字符串，如’red’，‘green’，'blue’等，也可以是一个RGB元组表示的颜色，如(1, 0, 0)表示红色。如果不指定该参数，则默认使用Mayavi的默认颜色映射。
  • （5）vmin和vmax: 可选参数，用于指定绘制等值面的数据范围。vmin表示数据的最小值，vmax表示数据的最大值。超出这个范围的数据将被截断或忽略。如果不指定这两个参数，则默认使用数据数组中的最小值和最大值。
  • （6）opacity: 可选参数，表示等值面的不透明度。取值范围为0到1，其中0表示完全透明，1表示完全不透明。默认值为1.0，即完全不透明。
  • （7）line_width: 可选参数，表示等值面的线宽。默认值为1.0。
  • （8）extent: 可选参数，用于指定等值面在X，Y，Z方向的显示范围。它是一个六元组(xmin, xmax, ymin, ymax, zmin, zmax)，分别表示X，Y，Z方向上的最小和最大值。如果不指定该参数，则默认使用数据数组的形状作为显示范围。
  • 返回对象：返回mlab.pipeline.iso_surface对象，通过该对象可以对等值面进行进一步的操作和设置。

2.2.1、mlab.contour3d：3D灰度/彩色图像的等值面图（体素体）

在这里插入图片描述

import numpy as np
from mayavi import mlab
import tifffile

# （1）加载3D图像（彩色图像: 10x10x10x3        灰度图像: 10x10x10）
color_image = tifffile.imread('marked_image.tif')
print(len(color_image.shape))

# （2）创建网格点
if len(color_image.shape) == 3:          # 灰度3D图像：10x10x10
    x, y, z = np.mgrid[0:color_image.shape[0], 0:color_image.shape[1], 0:color_image.shape[2]]
elif len(color_image.shape) == 4:        # 彩色3D图像：3x10x10x10
    color_image = np.moveaxis(color_image, -1, 0)    # 调整彩色3D图像的轴顺序与网格点的轴顺序一致
    x, y, z = np.mgrid[0:color_image.shape[1], 0:color_image.shape[2], 0:color_image.shape[3]]
    color_image = color_image[0]
    # Mayavi库的绘制函数通常期望三维数组作为输入，表示空间坐标和相应的数值。对于四维图像数据，您可以选择提取其中的一维作为绘制的数据，或者将四维数据转换为三维数据。

# （4）显示彩色3D图像
fig = mlab.figure(bgcolor=(0, 0, 0), size=(800, 600))  # 新建画布，指定背景为黑色（默认灰色），并设置画布的初始大小。白色=(1,1,1)
mlab.contour3d(x, y, z, color_image)
##########################################################################

# （5）创建三维体素数据
volume = mlab.pipeline.volume(mlab.pipeline.scalar_field(color_image))
# （6）创建颜色映射，全黑体素置黑色，全白体素置白色
color_map = np.zeros((256, 4))
color_map[0] = (0, 0, 0, 0)  # 全黑体素的颜色为黑色
# color_map[255] = (1, 1, 1, 1)  # 全白体素的颜色为白色
# （7）设置体素数据的颜色映射
volume.module_manager.scalar_lut_manager.lut.table = color_map
##########################################################################

# （8）设置立方体8条边线：边线颜色、边线宽度
mlab.outline(color=(0, 0, 0), line_width=3.0)
mlab.axes(xlabel='X', ylabel='Y', zlabel='Z', figure=fig)  # 添加坐标轴标签
# （9）设置Mayavi场景的渲染参数（可以改变 Mayavi 场景的视角和观察者与场景的距离，从而获得所需的视觉效果。）
mlab.view(azimuth=0, elevation=90, distance='auto')
# （10）显示Mayavi场景
mlab.show()

##########################################################################
# mlab.view() 函数用于设置 Mayavi 场景的视角。
#       azimuth: 水平旋转角度，以度数表示。0 表示正对前方，正值表示向右旋转，负值表示向左旋转。
#       elevation: 垂直旋转角度，以度数表示。90 表示从正上方俯视，0 表示水平视角，-90 表示从正下方仰视。
#       distance: 观察者与场景的距离。'auto' 表示自动调整距离以适应场景。
##########################################################################

2.2.2、mlab.contour3d：3D灰度/彩色图像的等值面图（体素体）—— 在同一个视图中，选择指定像素值绘制指定颜色

在这里插入图片描述

import numpy as np
from mayavi import mlab
import tifffile

# （1）加载3D图像（彩色图像: 10x10x10x3        灰度图像: 10x10x10）
color_image = tifffile.imread('marked_image.tif')
print(len(color_image.shape))

# （2）创建网格点
if len(color_image.shape) == 3:          # 灰度3D图像：10x10x10
    x, y, z = np.mgrid[0:color_image.shape[0], 0:color_image.shape[1], 0:color_image.shape[2]]
elif len(color_image.shape) == 4:        # 彩色3D图像：3x10x10x10
    color_image = np.moveaxis(color_image, -1, 0)    # 调整彩色3D图像的轴顺序与网格点的轴顺序一致
    x, y, z = np.mgrid[0:color_image.shape[1], 0:color_image.shape[2], 0:color_image.shape[3]]
    color_image = color_image[0]
    # Mayavi库的绘制函数通常期望三维数组作为输入，表示空间坐标和相应的数值。对于四维图像数据，您可以选择提取其中的一维作为绘制的数据，或者将四维数据转换为三维数据。

# （3.0）新建画布，指定背景为黑色（默认灰色），并设置画布的初始大小。白色=(1,1,1)
fig = mlab.figure(bgcolor=(0, 0, 0), size=(800, 600))

##########################################################################
# （4.1）一次绘制：对原图进行彩色显示
# mlab.contour3d(x, y, z, color_image)
#####################################
# （4.2）二次绘制：对指定像素值，绘制指定颜色
threshold_value = 255  # 指定像素值
color_value = (1, 0, 0)  # 指定颜色（红色）
mlab.contour3d(color_image, contours=[threshold_value], color=color_value)
#####################################
# （4.3）二次绘制：对指定范围像素值，绘制指定颜色
min_value = 100  # 指定最小像素值
max_value = 250  # 指定最大像素值
color_value = (0.5, 0.5, 0.5)  # 指定颜色（红色）
# 绘制指定范围内的等值面，并设置颜色
volume = mlab.pipeline.volume(mlab.pipeline.scalar_field(color_image))
iso_surface = mlab.pipeline.iso_surface(volume, contours=[min_value, max_value], color=color_value)
iso_surface.actor.property.opacity = 1  # 设置等值面的透明度
##########################################################################
# （5）设置立方体8条边线：边线颜色、边线宽度
mlab.outline(color=(0, 0, 0), line_width=3.0)
mlab.axes(xlabel='X', ylabel='Y', zlabel='Z', figure=fig)  # 添加坐标轴标签
# （6）设置Mayavi场景的渲染参数（可以改变 Mayavi 场景的视角和观察者与场景的距离，从而获得所需的视觉效果。）
mlab.view(azimuth=0, elevation=90, distance='auto')
# （7）显示Mayavi场景
mlab.show()

##########################################################################
# mlab.view() 函数用于设置 Mayavi 场景的视角。
#       azimuth: 水平旋转角度，以度数表示。0 表示正对前方，正值表示向右旋转，负值表示向左旋转。
#       elevation: 垂直旋转角度，以度数表示。90 表示从正上方俯视，0 表示水平视角，-90 表示从正下方仰视。
#       distance: 观察者与场景的距离。'auto' 表示自动调整距离以适应场景。
##########################################################################
胖墩会武术
关注
专栏目录
使用open3d和matplotlib可视化三维点云
沉迷单车的追风少年
09-22 1596
目录 1、使用open3d 2、使用matplotlib 1、使用open3d import numpy as np import open3d as o3d # filePath = './GEN_Ours_chair_1631677128/out.npy' filePath = './GEN_Ours_airplane_1631630214/out.npy' class VisualPointCloud: def __init__(self, filePath):
Python使用Matplotlib可视化3D翼面图
uote_e的博客
09-03 175
Matplotlib是一个强大的Python绘图库，它提供了丰富的工具和功能，用于创建各种类型的图形和可视化。我们将展示如何使用Matplotlib的mplot3d模块来绘制一个具有逼真效果的翼面图，并提供相应的源代码示例。在这段代码中，我们首先定义了一些翼面的参数，然后调用之前定义的函数生成翼面的坐标。在这个函数中，我们使用NumPy的linspace函数来生成均匀分布的x坐标，然后根据NACA 4位数翼型的公式计算出对应的y坐标。通过调整翼面参数，我们可以生成不同形状的翼面，从而实现更多的可视化效果。
Mlab中基于Numpy的3D绘图函数
Sunlight的博客
01-07 5966
Python科学计算三维可视化 黄天羽、嵩天 Mlab 基础 mayavi.mlab.show(func = None, stop = False) 基于numpy绘图 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() 基于Numpy数组x、 y、 z提供的三维点坐标，绘
python绘制等值线图_利用Python插值绘制等值线图
weixin_39656206的博客
11-20 1977
最近需要根据有限的站位点绘制插值等值线图，在网上中文搜索一通，只发现了这货Matplot Basemap 画湖北地图、插值、等值线，要么就是对这货的转载，这货不提供数据的形式，但是基本的代码思路还是不错的，于是继续转向google英文，搜到了如下的回答，我对代码做了注释，已备别人查询，关于文中提到的数据是txt格式的，我也直接将数据贴在下面了。总结一下：在地图上绘制等值线：确定基本的绘图框架；获取...
python matplotlib 三维极坐标点云图
最新发布
weixin_37043363的博客
08-29 154
我整理的一些关于【数据】的项目学习资料（附讲解～～）和大家一起分享、学习一下：https://d.51cto.com/eDOcp1使用Python的Matplotlib绘制三维极坐标点云图 在数据可视化的领域，Matplotlib库是一个强大的工具。特别是在处理复杂数据的情况下，三维极坐标图可以帮助我们更清晰地理解数据之...
Python-Matplotlib可视化（10）——一文详解3D统计图的绘制
m0_58523831的博客
03-16 1万+
Matplotlib 是 Python 的绘图库，它提供了一整套和matlab相似的命令 API，可以生成你所需的出版质量级别的图形，而制作3D图形的API与2D API非常相似。我们已经学习了一系列2D统计图的绘制，而在统计图中再添加一个维度可以展示更多信息。而且，在进行常规汇报或演讲时，3D图形也可以吸引更多的注意力。在本系列的最后一篇中，我们将探讨利用 Matplotlib 绘制三维统计图。
python mayavi三维绘图
热门推荐
ouening的博客
08-02 2万+
网上下载mayavi的官方帮助文档，里面有很多例子，下面的记录都是查看手册后得到的。 http://code.enthought.com/projects/mayavi/docs/development/latex/mayavi/mayavi_user_guide.pdf python的mayavi.mlab库中的绘图函数有很多候选参数，但下文记录并没有过多讨论，本人也是需要用到才查看手册的。
热辐射可视化_热辐射_python等值面_python热辐射_class7fn
09-10
"热辐射可视化_热辐射_python等值面_python热辐射_class7fn"这个主题涉及到的是使用Python进行热辐射模拟及其可视化的一种方法。这里我们将深入探讨相关知识点。 1. **热辐射**：热辐射是物体通过电磁波（主要是...
pythonmayavi三维建模可视化_Mayavi-更方便的可视化
weixin_31423295的博客
02-20 1816
# Mayavi-更方便的可视化虽然VTK 3D可视化软件包功能强大，Python的TVTK包装方便简洁，但是要用这些工具快速编写实用的三维可视化程序仍然需要花费不少的精力。因此基于VTK开发了许多可视化软件，例如：ParaView、 VTKDesigner2、Mayavi2等等。Mayavi2完全用Python编写，因此它不但是一个方便实用的可视化软件，而且可以方便地用Python编写扩展，嵌入...
Mayavi Mlab基础教程：交互式数据可视化与3D图形
Mayavi是一个基于Python的强大3D数据可视化库，它结合了Matplotlib的简单性和VTK的高级功能。本教程旨在为初学者提供一个快速入门，通过实例展示如何在Mayavi环境中进行交互式编程，并利用其丰富的plotting ...
热辐射可视化,热辐射成像,Python
09-10
总的来说，Python为热辐射的可视化提供了强大的工具和库，结合等值面渲染技术，我们可以清晰地呈现和理解复杂的空间温度分布。通过编写自定义类，可以进一步提高代码的可重用性和模块化。在实际应用中，你可能还需要...
VTK三维可视化--显示点云.py
11-13
在网上鲜有python-vtk实现三维可视化的资源，因此分享以下自己写的东西，水平不够仅供参考！代码利用python-vtk三维可视化模块，读取txt格式的点云数据，并显示，可利用鼠标进行交互。
Python科学计算三维可视化+课程PPT及演示程序.rar
10-08
首先，我们要提及的核心库是`matplotlib`，它是Python中最基础的绘图库，不仅支持二维图形，还提供了`mpl_toolkits.mplot3d`模块用于三维可视化。通过这个模块，你可以创建各种复杂的三维图表，如三维散点图、线图和...
数据科学之数据可视化---Matplotlib可视化绘制箱图和三维图
ppcxl的博客
01-30 510
plot绘制盒图和三维图
python + matplotlib 实现线性回归3d图像展示
Winter is coming
06-01 961
python + matplotlib 实现线性回归3d图像展示，代码见详情
点云可视化mayavi 效果很棒
jacke121的专栏
08-23 3025
windows: pip install mayavi 例子： import numpy as np from mayavi import mlab t=np.linspace(0,4*np.pi,125) x=np.sin(2*t) y=np.cos(t) z=2*t u=4+np.sin(3*t) v=3+2*np.cos(t) w=2+2*t s=2+np.sin(t/5) points=mlab.points3d(x,y,z,s,colormap='jet',scale_factor
Win10下使用源码安装mayavi+3D点云可视化
Memory
08-11 1154
每次安装 mayavi 都要折腾老半天，之前写了一篇 Windows10+Python2.7下安装mayavi，其核心思想就是通过 Unofficial Windows Binaries for Python Extension Packages 找到别人编译好的 .whl 文件进行安装，但是这次发现找不到需要的文件了。 然后我先不死心的尝试了 pip 和 conda 安装，全都失败了，最后选择了从源码进行安装，没想到还真行。 环境配置 我是在 Anaconda 里面安装的，python 3.6.10，电脑
python三维图形等值图_python绘制三维等值线电位
weixin_42401137的博客
01-29 1066
我在绘制三维电势等值线时遇到了麻烦。我测量了2d箔上电子之间的电压降，保存为一个文本文件。总共620个点的数据是在20*30cm的区域(它是620而不是600，因为我包括了第0列)，这仅仅是箔的右上四分之一(所以总的箔尺寸是60*40cm，但是我只取了右上四分之一，假设箔会有对称的电压差，所以我可以在其他地方生成其余的数据点季度后)。测量从右上角(第20行，第31列)开始，沿着同一行，直到到达第0...
c++ 显示三维散点图_Matplotlib中的三维绘图
weixin_39634438的博客
11-21 1044
Matplotlib最初设计时只考虑了二维绘图。在1.0版本发布时，一些三维绘图实用程序构建在Matplotlib的二维显示之上，结果是一组方便（如果有限）的三维数据可视化工具。通过导入mplot3d主Matplotlib安装中包含的工具包来启用三维图：from mpl_toolkits import mplot3d导入此子模块后，可以通过将关键字传递projection='3d'给任何法线轴创建...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

胖墩会武术

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值