科学计算三维可视化---Mlab基础(基于Numpy数组的绘图函数)

Mlab了解

Mlab是Mayavi提供的面向脚本的api,他可以实现快速的三维可视化,Mayavi可以通过Mlab的绘图函数对Numpy数组建立可视化。

过程为:

1.建立数据源

2.使用Filter(可选)对数据进行加工

3.添加可视化模块,我们可以通过修改可视化模块的属性,来修改可视化场景

mgrid和ogrid区别

一:基于Numpy数组的绘图函数

(一)3D绘图函数--Point3d(点图像0维

这里我们可以看到Point3D参数的描述,是对vtk对象的整体描述,因为Mayavi是对VTK的整体封装,因此Mayavi建立的对象也就是VTK的对象
import numpy as np
from mayavi import mlab

#建立数据
t = np.linspace(0,4*np.pi,20)   #linspace根据起止数据等间距填充数据,分为20组,所以下面将产生20个点
x = np.sin(2*t)
y = np.cos(t)
z = np.cos(2*t)
s = 2 + np.sin(t)

#对数据进行可视化
points = mlab.points3d(x,y,z,s,colormap="Reds",scale_factor=.25)
mlab.show()
mlab.points3d(x,y,z,s,colormap="Reds",scale_factor=.25) #x,y,z表示Numpy数组,列表或者其他形式的点三维坐标,s表示在该点处的标量值,scale_factor放缩比例

这里:标量值越大,点的尺寸越大,颜色越红
points = mlab.points3d(x,y,z,s,colormap="Greens",scale_factor=.25)

Mayavi.mlab.show建立了简单的GUI,并开始了事件循环,stop用来定义GUI的事件循环是否结束

 

(二)3D绘图函数--plot3d(线图形一维

import numpy as np
from mayavi import mlab  #引入mlab库

#建立数据
n_mer,n_long = 6,11
dphi = np.pi / 1000.0
phi = np.arange(0.0,2*np.pi+0.5*dphi,dphi)
mu = phi * n_mer
x = np.cos(mu)*(1+np.cos(n_long*mu/n_mer)*0.5)
y = np.sin(mu)*(1+np.cos(n_long*mu/n_mer)*0.5)
z = np.sin(n_long*mu/n_mer)*0.5

#对数据进行可视化
l = mlab.plot3d(x,y,z,np.sin(mu),tube_radius=0.025,colormap="Spectral")
mlab.show()

(三)3D绘图函数--2D数据(二维

(1)imshow方法

import numpy as np
from mayavi import mlab

#建立数据
s = np.random.random((10,10))   #二维数据

#对数据进行可视化
img = mlab.imshow(s,colormap="gist_earth")  #gist_earth以地球表面的色彩为颜色的颜色映射关系
mlab.show()

(2)surf方法

s:二维数组第一列表示x轴位置,第二列表示y轴位置,x,y可以是一维或者二维数组,一般情况下,他们都由numpy的mgrid或ogrid得到
import numpy as np
from mayavi import mlab

def f(x,y):
    return np.sin(x-y)+np.cos(x+y)

x,y = np.mgrid[-7.:7.05:0.1,-5.:5.05:0.05]
s = mlab.surf(x,y,f)
mlab.show()
mgrid返回两个二维数组(个数是不固定的,我们放置几个元素,就会生成几个二维数组)
-7.:7.05:0.1---->最小-7,最大7.05,步长为0.1依次生成一个n*n矩阵

 

>>> x,y = np.mgrid[-7.:7.05:0.1,-5.:5.05:0.05]
>>> x
array([[-7. , -7. , -7. , ..., -7. , -7. , -7. ],
       [-6.9, -6.9, -6.9, ..., -6.9, -6.9, -6.9],
       [-6.8, -6.8, -6.8, ..., -6.8, -6.8, -6.8],
       ...,
       [ 6.8,  6.8,  6.8, ...,  6.8,  6.8,  6.8],
       [ 6.9,  6.9,  6.9, ...,  6.9,  6.9,  6.9],
       [ 7. ,  7. ,  7. , ...,  7. ,  7. ,  7. ]])
>>> y
array([[-5.  , -4.95, -4.9 , ...,  4.9 ,  4.95,  5.  ],
       [-5.  , -4.95, -4.9 , ...,  4.9 ,  4.95,  5.  ],
       [-5.  , -4.95, -4.9 , ...,  4.9 ,  4.95,  5.  ],
       ...,
       [-5.  , -4.95, -4.9 , ...,  4.9 ,  4.95,  5.  ],
       [-5.  , -4.95, -4.9 , ...,  4.9 ,  4.95,  5.  ],
       [-5.  , -4.95, -4.9 , ...,  4.9 ,  4.95,  5.  ]])

 

(3)contour_surf() 与surf()类似,单求解的是等值线,surf求解的是曲面

import numpy as np
from mayavi import mlab

def f(x,y):
    return np.sin(x-y)+np.cos(x+y)

x,y = np.mgrid[-7.:7.05:0.1,-5.:5.05:0.05]
s = mlab.contour_surf(x,y,f)
mlab.show()

 

(四)3D绘图函数--3D数据(三维)

(1)contour3d方法

import numpy as np
from mayavi import mlab

x,y,z = np.ogrid[-5:5:64j,-5:5:64j,-5:5:64j]  #64j表示数组长度为64
scalars = x*x + y*y +z*z
obj = mlab.contour3d(scalars,contours=8,transparent=True)  #contours八个等值面  transparent该对象可以透明表示,可以查看内部
mlab.show()

 

ogrid返回3个三维数组(几个是不固定的,我们设置了几个元素,就生成相对应个三维数组)
>>> x,y,z = np.ogrid[-5:5:64j,-5:5:64j,-5:5:64j]
>>> x
array([[[-5.        ]],  #共64个元素

       [[-4.84126984]],

       [[-4.68253968]],

      .......
[[ 4.68253968]], [[ 4.84126984]], [[ 5. ]]])

(2)quiver3d()方法

(x,y,z表示箭头位置,二维即可,不需要三维表示)

import numpy as np
from mayavi import mlab

x,y,z = np.mgrid[-2:3,-2:3,-2:3]
r = np.sqrt(x**2 + y**2 + z**4)
u = y*np.sin(r)/(r+0.001)
v = -x*np.sin(r)/(r+0.001)
w = np.zeros_like(z)

obj = mlab.quiver3d(x,y,z,u,v,w,line_width=3,scale_factor=1)
mlab.show()

 

转载于:https://www.cnblogs.com/ssyfj/p/9303698.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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