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. My Sql数据库设置环境变量和字符集

    一.踩坑背景 之前开发中一直用的是sql  server 数据库,最近接到公司一个老的项目,用的my sql数据库做的,功能做了一大部分,现在客户要求对原程序和数据库进行服务器的迁移工作.产品经理给出 ...

  2. visual stdio2013软件安装及单元测试

    visual stdio2013软件安装及单元测试 一.visual stdio2013软件安装详解 今天,笔者为大家带来如何在Windows10下完美安装Visual Studio 2013专业版. ...

  3. 04_Java基础语法_第4天(数组)_讲义

    今日内容介绍 1.流程控制语句switch 2.数组 3.随机点名器案例 01switch语句解构 * A:switch语句解构 * a:switch只能针对某个表达式的值作出判断,从而决定程序执行哪 ...

  4. C++判断char*的指向

    char *a = "Peter"; char b[] = "Peter"; ]; strcpy_s(c, , "Peter"); 这里a指 ...

  5. mongodb授权认证 介绍

    mongodb存储所有的用户信息在admin 数据库的集合system.users中,保存用户名.密码和数据库信息.mongodb默认不启用授权认证,只要能连接到该服务器,就可连接到mongod.若要 ...

  6. CentOS 7.2修改网卡名称

    #!/bin/bash #Centos7.2修改网卡名称ens33为eth0 #2017/05/19 if [ -f /etc/sysconfig/grub ];then cd cp /etc/sys ...

  7. 通用的将Excel导入数据集的方法

    http://blog.csdn.net/baronyang/article/details/7048563

  8. Envoy如何打败Linkerd成为L7负载平衡器的最佳选择?

    本文转自:http://www.servicemesh.cn/?/article/41 作者:MIKE WHITE 翻译:姚炳雄 原文:Using Envoy to Load Balance gRPC ...

  9. js对象进行浅复制,深拷贝的方法

    js对象浅拷贝和深拷贝详解   本文为大家分享了JavaScript对象的浅拷贝和深拷贝代码,供大家参考,具体内容如下 1.浅拷贝 拷贝就是把父对像的属性,全部拷贝给子对象. 下面这个函数,就是在做拷 ...

  10. [转帖] go的import 语法

    package 的导入语法写 Go 代码的时经常用到 import 这个命令用来导入包,参考如下: import( "fmt" ) 然后在代码里面可以通过如下的方式调用: fmt. ...