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. 第三次作业— C++计算器项目的初始部分

    作业题目: C++计算器项目的初始部分 仓库 代码: Scan.h #ifndef SCAN_H #define SCAN_H #include<string> #include<i ...

  2. Java大数——快速矩阵幂

    Java大数——快速矩阵幂 今天做了一道水题,尽管是水题,但是也没做出来.最后问了一下ChenJ大佬,才慢慢的改对,生无可恋了.... 题目描述: 给a,b,c三个数字,求a的b次幂对c取余. 数据范 ...

  3. lintcode-514-栅栏染色

    514-栅栏染色 我们有一个栅栏,它有n个柱子,现在要给柱子染色,有k种颜色可以染. 必须保证不存在超过2个相邻的柱子颜色相同,求有多少种染色方案. 注意事项 n和k都是非负整数 样例 n = 3, ...

  4. SQL语句中的output用法

    private void button2_Click(object sender, RoutedEventArgs e) { using (SqlConnection conn = new SqlCo ...

  5. WPF里面制作圆角文本框

    转自:http://www.cnblogs.com/mengxin523/archive/2010/04/04/1704448.html 本以为WPF里面的XAML会很强大,可以设置很多属性,比如文本 ...

  6. PAT 甲级 1138 Postorder Traversal

    https://pintia.cn/problem-sets/994805342720868352/problems/994805345078067200 Suppose that all the k ...

  7. PAT 1034 有理数四则运算

    https://pintia.cn/problem-sets/994805260223102976/problems/994805287624491008 本题要求编写程序,计算2个有理数的和.差.积 ...

  8. java异常处理常见处理

    反例之一:丢弃异常结论一:既然捕获了异常,就要对它进行适当的处理.不要捕获异常之后又把它丢弃,不予理睬. 反例之二:不指定具体的异常 结论二:在catch语句中尽可能指定具体的异常类型,必要时使用多个 ...

  9. Angular js Radio Button

    症状: 绑定一个list   radio button 老是只能绑定一行,纠结了很久 ,回家发现  原来是 name 用了同一个  ,坑啊,记录下 免得下次再犯. 之前的代码 <ul> & ...

  10. NOI前训练日记

    向别人学习一波,记点流水帐.17.5.29开坑. 5.29 早晨看了道据说是树状数组优化DP的题(hdu5542),然后脑补了一个复杂度500^3的meet in the middle.然后死T... ...