將一系列索引映射到座標數組

Question

我在玩scikit-imagemarching cubesalgorithm。以下是文檔中給出示例的簡化版本。

from matplotlib import pyplot as plt 
import numpy as np 
from mpl_toolkits.mplot3d.art3d import Poly3DCollection 
from skimage import measure 


x = np.linspace(-1, 1, 11) 

X, Y, Z = np.meshgrid(x, x, x, indexing = 'ij') 

def f(x, y, z): 
    return x 

verts, faces = measure.marching_cubes(f(X, Y, Z), 0.6) 

fig = plt.figure() 
ax = fig.add_subplot(111, projection='3d') 

mesh = Poly3DCollection(verts[faces]) 
ax.add_collection3d(mesh) 

ax.set_xlim(0, 10) 
ax.set_ylim(0, 10) 
ax.set_zlim(0, 10) 

plt.show() 

這裏是所得到的表面：

似乎頂點座標在數組索引而非meshgrid的座標的形式給出。如何轉換頂點的座標，以便它們映射到網格，如下圖所示？

我能做到這一點的手：

mesh = Poly3DCollection((verts[faces]/5) - 1) 

但在這裏必須有一些神奇的numpy。

謝謝。

Answer 1

恕我直言，這裏沒有魔法。 mplot3d中沒有「即插即用」轉換。

自動化，你可以讓你的 '手' 的工作與功能：

from matplotlib import pyplot as plt 
import numpy as np 
from mpl_toolkits.mplot3d.art3d import Poly3DCollection 
from skimage import measure 

x=y=z= np.linspace(-1, 1, 11) 

grid=np.meshgrid(x,y,z) 

def f(x, y, z): 
    return x*x+y*y+z*z # more fun ;) 

def scale_marching(x,verts): 
    return x[0]+ (x[-1]-x[0])/len(x)*verts 

verts, faces = measure.marching_cubes(f(*grid), 1.5)  
verts=scale_marching(x,verts) 

ax = plt.figure().add_subplot(111, projection='3d') 
ax.add_collection3d(Poly3DCollection(verts[faces])) 
ax.auto_scale_xyz(*grid)