我有三個對應于xyz坐標空間的3D網格矩陣(X,Y,Z).

我還有一個3D Numpy矩陣A,其中A [i,j,k]包含一個與點(x,y,z)相關聯的浮點數,其中x = X [i,j,k],y = Y [i ,j,k]和z = Z [i,j,k].浮點值在A內是連續的(即A的相鄰元素之間的值的變化通常很小).

有沒有辦法使用Matplotlib或任何其他基于Python的圖形包繪制對應于A中給定浮點值的曲面？例如,如果給定值2.34,我有興趣獲得矩陣A的繪制輪廓曲面,只要2.34(加或減一些公差)出現？

到目前為止,我已經能夠恢復A中所有值的xyz坐標,這些坐標在目標值的某個容差范圍內,然后使用this(下面的代碼)制作3D散點圖.也許還有一種方法可以從這些點繪制表面？

def clean (A, t, dt):

# function for making A binary for t+-dt

# t is the target value I want in the matrix A with tolerance dt

new_A = np.copy(A)

new_A[np.logical_and(new_A > t-dt, new_A < t+dt)] = -1

new_A[new_A != -1] = 0

new_A[new_A == -1] = 1

return (new_A)

def get_surface (X, Y, Z, new_A):

x_vals = []

y_vals = []

z_vals = []

# Retrieve (x,y,z) coordinates of surface

for i in range(new_A.shape[0]):

for j in range(new_A.shape[1]):

for k in range(new_A.shape[2]):

if new_A[i,j,k] == 1.0:

x_vals.append(X[i,j,k])

y_vals.append(Y[i,j,k])

z_vals.append(Z[i,j,k])

return (np.array(x_vals), np.array(y_vals), np.array(z_vals))

cleaned_A = clean (A, t=2.5, dt=0.001)

x_f, y_f, z_f = get_surface (X, Y, Z, cleaned_A )

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d', aspect='equal')

ax.scatter(x_f, y_f, z_f, color='g', s=1)

我也嘗試過ax.plot_trisurf(x_f,y_f,z_f),但這給了我一個連接不佳的情節.我猜測我的數組中的值的排序可能會影響這個,在這種情況下,有一個包可以做點某些3D插值表面繪圖與點的隨機排序(例如通過最小化表面積或類似的東西？)

我感興趣的對象是大致球形(即每個(x,y)兩個z).我似乎無法找到有人在一個封閉的3D表面上進行三角測量的任何工作示例,但也許我沒有找到正確的位置.

最佳答案 經過大量的挖掘,我認為我已經找到了一個有效的解決方案(至少在一個領域 – 當我嘗試球體的變形時會更新我的答案).非常感謝有助于我思考正確道路的評論.我基本上使用ConvexHull從scipy.spatial進行三角測量：

from matplotlib.tri import Triangulation

from scipy.spatial import ConvexHull

def clean (A, t, dt):

# function for making A binary for t+-dt

# t is the target value I want in the matrix A with tolerance dt

new_A = np.copy(A)

new_A[np.logical_and(new_A > t-dt, new_A < t+dt)] = -1

new_A[new_A != -1] = 0

new_A[new_A == -1] = 1

return (new_A)

def get_surface (X, Y, Z, new_A):

x_vals = []

y_vals = []

z_vals = []

# Retrieve (x,y,z) coordinates of surface

for i in range(new_A.shape[0]):

for j in range(new_A.shape[1]):

for k in range(new_A.shape[2]):

if new_A[i,j,k] == 1.0:

x_vals.append(X[i,j,k])

y_vals.append(Y[i,j,k])

z_vals.append(Z[i,j,k])

return (np.array(x_vals), np.array(y_vals), np.array(z_vals))

cleaned_A = clean (A, t=2.5, dt=0.001)

x_f, y_f, z_f = get_surface (X, Y, Z, cleaned_A )

Xs = np.vstack((x_f, y_f, z_f)).T

hull = ConvexHull(Xs)

x, y, z = Xs.T

tri = Triangulation(x, y, triangles=hull.simplices)

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d', aspect='equal')

ax.plot_trisurf(tri, z, color='g', alpha=0.1)

總結

以上是生活随笔為你收集整理的python 轮廓矩阵_python – 在3D numpy矩阵中绘制给定值的曲面轮廓的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。