一:鼠标选取介绍

二:选取红色小球分析

相关方法:科学计算三维可视化---Mlab基础(基于Numpy数组的绘图函数)

1.小球场景初始化建立

import numpy as np
from mayavi import mlab # 用mlab.points3d建立红色和白色小球的集合
x1, y1, z1 = np.random.random((,)) #3行10列分给三个元素,每个都是以为数组含10元素
red_glyphs = mlab.points3d(x1,y1,z1,color=(,,),resolution=) #创建10个红球,位置为x1,y1,z1,分辨率为10的小球 x2, y2, z2 = np.random.random((,)) #3行10列分给三个元素,每个都是以为数组含10元素
white_glyphs = mlab.points3d(x2,y2,z2,color=(0.9,0.9,0.9),resolution=) #创建10个白球

2.选取框初始化建立outline方法是mlab绘制选取框

outline = mlab.outline(line_width=)  #outline即在某个物体的外围设置一个外框
outline.outline_mode = "cornered"
outline.bounds = (x1[]-0.1,x1[]+0.1,  #对x1,y1,z1为0处选取红色小球第一个
y1[]-0.1,y1[]+0.1,
z1[]-0.1,z1[]+0.1,
)

3.选取回调函数的结构

>>> red_glyphs.actor
<mayavi.components.actor.Actor object at 0x000000001370EEB8>
>>> red_glyphs.actor.actors
[<tvtk.tvtk_classes.actor.Actor object at 0x000000001459D0F8>]  #我们需要的是vtk actor集合

计算哪个小球被选取,

一个小球有好多个顶点构成,设置了小球的分辨率为10,在Mayavi中resolution为10的小球中相当于有82个顶点组成的一个小球,一共10个红色小球,所以场景中共有820个对应顶点,我们需要找到鼠标求解的顶点是在这820个中的哪一个,例如第100则是第二个小球
#获取一个红色小球的所有顶点,我们只是想要知道每个小球的顶点数目而已,所以不用考虑其他
glyph_points = red_glyphs.glyph.glyph_source.glyph_source.output.points.to_array() #.选取回调函数的结构
def piker_callback(picker): #当鼠标点击会返回一个vtk picker对象,我们将对该对象进行处理判断
if picker.actor in red_glyphs.actor.actors:
# 确定该小球的ID,
point_id = int(picker.point_id/glyph_points.shape[]) #picker.point_id是picker对象选取的顶点ID,glyph_points.shape[0]记录了82这个值,通过这个计算出小球的ID
if point_id != -: #表示有红色小球被选取了
#计算与此红色小球相关的坐标
x,y,z = x1[point_id],y1[point_id],z1[point_id]
#将外框移动到小球上
outline.bounds = (
x - 0.1, x + 0.1,
y - 0.1, y + 0.1,
z - 0.1, z + 0.1,
)

4.建立响应机制

figure = mlab.gcf() #获取当前窗口指针
picker = figure.on_mouse_pick(piker_callback)
mlab.title("Click on red balls") #设置窗口的标题文字 mlab.show()

5.全部代码

import numpy as np
from mayavi import mlab #.小球场景初始化建立
# 用mlab.points3d建立红色和白色小球的集合
x1, y1, z1 = np.random.random((,)) #3行10列分给三个元素,每个都是以为数组含10元素
red_glyphs = mlab.points3d(x1,y1,z1,color=(,,),resolution=) #创建10个红球,位置为x1,y1,z1,分辨率为10的小球 x2, y2, z2 = np.random.random((,)) #3行10列分给三个元素,每个都是以为数组含10元素
white_glyphs = mlab.points3d(x2,y2,z2,color=(0.9,0.9,0.9),resolution=) #创建10个白球 # .选取框初始化建立
outline = mlab.outline(line_width=)
outline.outline_mode = "cornered"
outline.bounds = (x1[]-0.1,x1[]+0.1,
y1[]-0.1,y1[]+0.1,
z1[]-0.1,z1[]+0.1,
) #获取一个红色小球的所有顶点,我们只是想要知道每个小球的顶点数目而已,所以不用考虑其他
glyph_points = red_glyphs.glyph.glyph_source.glyph_source.output.points.to_array() #.选取回调函数的结构
def piker_callback(picker): #当鼠标点击会返回一个vtk picker对象,我们将对该对象进行处理判断
if picker.actor in red_glyphs.actor.actors:
# 确定该小球的ID,
point_id = int(picker.point_id/glyph_points.shape[]) #picker.point_id是picker对象选取的顶点ID,glyph_points.shape[]记录了82这个值,通过这个计算出小球的ID
if point_id != -: #表示有红色小球被选取了
#计算与此红色小球相关的坐标
x,y,z = x1[point_id],y1[point_id],z1[point_id]
#将外框移动到小球上
outline.bounds = (
x - 0.1, x + 0.1,
y - 0.1, y + 0.1,
z - 0.1, z + 0.1,
) figure = mlab.gcf() #获取当前窗口指针
picker = figure.on_mouse_pick(piker_callback)
mlab.title("Click on red balls") #设置窗口的标题文字 mlab.show()

6.优化

两个问题

.小球初始速度太慢
.鼠标选取不精确

import numpy as np
from mayavi import mlab figure = mlab.gcf() #获取当前窗口指针 figure.scene.disable_render = True
#.小球场景初始化建立
# 用mlab.points3d建立红色和白色小球的集合
x1, y1, z1 = np.random.random((,)) #3行10列分给三个元素,每个都是以为数组含10元素
red_glyphs = mlab.points3d(x1,y1,z1,color=(,,),resolution=) #创建10个红球,位置为x1,y1,z1,分辨率为10的小球 x2, y2, z2 = np.random.random((,)) #3行10列分给三个元素,每个都是以为数组含10元素
white_glyphs = mlab.points3d(x2,y2,z2,color=(0.9,0.9,0.9),resolution=) #创建10个白球 # .选取框初始化建立
outline = mlab.outline(line_width=)
outline.outline_mode = "cornered"
outline.bounds = (x1[]-0.1,x1[]+0.1,
y1[]-0.1,y1[]+0.1,
z1[]-0.1,z1[]+0.1,
) figure.scene.disable_render = False #获取一个红色小球的所有顶点,我们只是想要知道每个小球的顶点数目而已,所以不用考虑其他
glyph_points = red_glyphs.glyph.glyph_source.glyph_source.output.points.to_array() #.选取回调函数的结构
def piker_callback(picker): #当鼠标点击会返回一个vtk picker对象,我们将对该对象进行处理判断
if picker.actor in red_glyphs.actor.actors:
# 确定该小球的ID,
point_id = int(picker.point_id/glyph_points.shape[]) #picker.point_id是picker对象选取的顶点ID,glyph_points.shape[]记录了82这个值,通过这个计算出小球的ID
if point_id != -: #表示有红色小球被选取了
#计算与此红色小球相关的坐标
x,y,z = x1[point_id],y1[point_id],z1[point_id]
#将外框移动到小球上
outline.bounds = (
x - 0.1, x + 0.1,
y - 0.1, y + 0.1,
z - 0.1, z + 0.1,
) picker = figure.on_mouse_pick(piker_callback)
picker.tolerance = 0.01 #设置tolerance参数提高精确度 mlab.title("Click on red balls") #设置窗口的标题文字 mlab.show()

科学计算三维可视化---Mlab基础(鼠标选取交互操作)的更多相关文章

  1. 科学计算三维可视化---Mlab基础(数据可视化)

    推文:科学计算三维可视化---TVTK库可视化实例 使用相关函数:科学计算三维可视化---Mlab基础(管线控制函数) 一:mlab.pipeline中标量数据可视化 通过持续实例,来感受mlab对数 ...

  2. 科学计算三维可视化---Mlab基础(管线控制函数)

    科学计算三维可视化---TVTK管线与数据加载(可视化管线和图像管线了解) 科学计算三维可视化---Mayavi入门(Mayavi管线) Mlab管线控制函数的调用 Sources:数据源 Filte ...

  3. 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: .建立数据源 .使用Filter( ...

  4. 科学计算三维可视化---Mlab基础(改变物体的外观颜色)

    import numpy as np from mayavi import mlab #建立数据 x,y = np.mgrid[-::200j,-::200j] z = *np.sin(x*y)/(x ...

  5. 科学计算三维可视化---Mlab基础(常用控制函数)

  6. Python科学计算三维可视化(整理完结)

    中国MOOC<Pyhton计算计算三维可视化>总结 课程url:here ,教师:黄天宇,嵩天 下文的图片和问题,答案都是从eclipse和上完课后总结的,转载请声明. Python数据三 ...

  7. 科学计算三维可视化---Traits介绍

    简介 Traits是开源扩展库,Traits本身与科学计算可视化没有直接关联,但他其实TVTK,Mayavi,TraitsUI基础 安装: pip3 install traits--cp36-cp36 ...

  8. 科学计算三维可视化---Mayavi可视化实例

    一:Dragon绘制实例(三维扫描的绘制) 三维扫描主要用于对物体空间外形结构以及色彩进行扫描,用以获得物体表面的空间坐标, 他的主要意义在于能够将实物的立体信息转换为计算机能够直接处理的数据信号,为 ...

  9. 科学计算三维可视化---TraitsUI的介绍

    TraitsUI的介绍 Python中存在Tkinter,wxPython,pyQt4等GUI图像界面编写库,这三类库要求程序员掌握众多的GUI API函数 对于科学计算的应用来说,我们希望可以快速的 ...

随机推荐

  1. web03-OutputInfo

    电影网站:www.aikan66.com 项目网站:www.aikan66.com 游戏网站:www.aikan66.com 图片网站:www.aikan66.com 书籍网站:www.aikan66 ...

  2. 利用JAVA制作简单登录窗口

    import java.awt.Container; import java.awt.event.ActionEvent; import java.awt.event.ActionListener; ...

  3. 手机连接wifi 访问本地服务器网站

    手机连本地wifi后访问 http://192.168.155.1:8001/loc 版权声明:本文为博主原创文章,未经博主允许不得转载.

  4. Codeforces Round #284 (Div. 1) C. Array and Operations 二分图最大匹配

    题目链接: http://codeforces.com/problemset/problem/498/C C. Array and Operations time limit per test1 se ...

  5. java小学生四则运算带面板版 但我不知道为什么同类变量却进不了动作监听中去

    ---恢复内容开始--- package yun; import java.util.*; import java.awt.*; import java.awt.event.ActionEvent; ...

  6. Teamwork(The second day of the team)

    梦之翼 5.20工作汇报: Master:杨灵超 产品负责人:杨家安 第一次Sprint的目标和时间: 目标:这一次的sprint我们想先做成一个可以运行的可以展示,但是功能或许还不是很完善的一个模型 ...

  7. selenium 关键字驱动部分设计思路

    1 说明: 1.以下的代码亲测直接可用, 2.设计思路来自博客园的 张飞_ :http://www.cnblogs.com/zhangfei/p/5330994.html   /   http://w ...

  8. call()方法和apply()方法

    最近又遇到了JacvaScript中的call()方法和apply()方法,而在某些时候这两个方法还确实是十分重要的,那么就让我总结这两个方法的使用和区别吧. 1. 每个函数都包含两个非继承而来的方法 ...

  9. [转帖]amzon最新的产品outposts

    2018年12月3日,全球领先的企业软件创新者VMware(NYSE: VMW)发布两款运行于AWS Outposts的全新解决方案预览:VMware Cloud on AWS Outposts与VM ...

  10. [转帖]HR职能划分三支柱模型

    HR职能划分三支柱模型 http://blog.sina.com.cn/s/blog_afbd12640101o5hf.html COE(Centre of Excellence or Center ...