当前位置: 首页 > news >正文

VTKWithNumpy使用 NumPy 数组来创建3D体渲染所需要的数据

一:主要的知识点

1、说明

本文只是教程内容的一小段,因博客字数限制,故进行拆分。主教程链接:vtk教程——逐行解析官网所有Python示例-CSDN博客

2、知识点纪要

本段代码主要涉及的有①vtk与numpy数组的联动,②vtkImageImport的使用


二:代码及注释

import vtkmodules.vtkRenderingVolumeOpenGL2 import vtkmodules.vtkInteractionStyle import vtkmodules.vtkRenderingOpenGL2 from vtkmodules.vtkIOImage import vtkImageImport from vtkmodules.vtkCommonColor import vtkNamedColors from vtkmodules.vtkRenderingCore import vtkColorTransferFunction, vtkRenderWindow, vtkRenderWindowInteractor, \ vtkRenderer, vtkVolume, vtkVolumeProperty import numpy as np from vtkmodules.vtkCommonDataModel import vtkPiecewiseFunction from vtkmodules.vtkRenderingVolume import vtkFixedPointVolumeRayCastMapper def main(): colors = vtkNamedColors() data_matrix = np.zeros([75, 75, 75], dtype=np.uint8) data_matrix[0:35, 0:35, 0:35] = 50 data_matrix[25:55, 25:55, 25:55] = 100 data_matrix[45:74, 45:74, 45:74] = 150 """ vtkImageImport 将外部的原始图像数据(Raw data)导入到 VTK 的图像管线中,从而变成一个 vtkImageData 对象,供后续处理或渲染使用 这个类允许你把Python/Numpy 数组 C/C++ 原始内存数据(unsigned char*, float*, etc.) 或者是外部图像格式(比如医学影像、数值模拟输出等) """ dataImporter = vtkImageImport() # 会把整个数组的原始内存内容转换成 连续的字节流(bytes) 结果类似于:b'\x01\x02\x03\x04\x05\x06' # 因为 vtkImageImport 期望接收 原始字节数据指针,而不是 NumPy 对象 data_string = data_matrix.tobytes() # CopyImportVoidPointer 复制一份数据到vtk内部 dataImporter.CopyImportVoidPointer(data_string, len(data_string)) dataImporter.SetDataScalarTypeToUnsignedChar() # 将输入的数据转换为无符号8位证书类型 dataImporter.SetNumberOfScalarComponents(1) """ SetDataExtent 告诉vtkImageImport 原始数据体素在x,y,z三个方向上的索引范围 这里的意思是 x方向:从 0 到 74,共 75 个体素 y方向:从 0 到 74,共 75 个体素 z方向:从 0 到 74,共 75 个体素 """ dataImporter.SetDataExtent(0, 74, 0, 74, 0, 74) """ SetWholeExtent 这行代码看似重复,实则是在指定整个图像(数据集)在 VTK 管线中表示的范围 SetDataExtent(...) 是描述当前导入数据的内存范围 SetWholeExtent(...) 是描述VTK 内部整个图像数据的逻辑范围 """ dataImporter.SetWholeExtent(0, 74, 0, 74, 0, 74) """ 如果数据是由多块volume数据拼接的 WholeExtent 可以大于 DataExtent,用于表示你导入的是其中的一部分 importer1 = vtkImageImport() importer1.CopyImportVoidPointer(block1_data, len(block1_data)) importer1.SetDataScalarTypeToUnsignedChar() importer1.SetNumberOfScalarComponents(1) importer1.SetDataExtent(0, 511, 0, 511, 0, 511) importer1.SetWholeExtent(0, 1023, 0, 1023, 0, 1023) importer2 = vtkImageImport() importer2.CopyImportVoidPointer(block2_data, len(block2_data)) importer2.SetDataScalarTypeToUnsignedChar() importer2.SetNumberOfScalarComponents(1) importer2.SetDataExtent(512, 1023, 0, 511, 0, 511) importer2.SetWholeExtent(0, 1023, 0, 1023, 0, 1023) # 然后拼接起来 append = vtkAppendFilter() append.AddInputConnection(importer1.GetOutputPort()) append.AddInputConnection(importer2.GetOutputPort()) append.AddInputConnection(importer3.GetOutputPort()) append.Update() """ # 定义标量与颜色的对应关系 colorFunc = vtkColorTransferFunction() colorFunc.AddRGBPoint(50, 1.0, 0.0, 0.0) colorFunc.AddRGBPoint(100, 0.0, 1.0, 0.0) colorFunc.AddRGBPoint(150, 0.0, 0.0, 1.0) alphaChannelFunc = vtkPiecewiseFunction() # piecewise function 百度翻译 分段函数 alphaChannelFunc.AddPoint(0, 0.0) alphaChannelFunc.AddPoint(50, 0.05) alphaChannelFunc.AddPoint(100, 0.1) alphaChannelFunc.AddPoint(150, 0.2) volumeProperty = vtkVolumeProperty() volumeProperty.SetColor(colorFunc) volumeProperty.SetScalarOpacity(alphaChannelFunc) volumeMapper = vtkFixedPointVolumeRayCastMapper() volumeMapper.SetInputConnection(dataImporter.GetOutputPort()) volume = vtkVolume() volume.SetMapper(volumeMapper) volume.SetProperty(volumeProperty) renderer = vtkRenderer() renderer.AddVolume(volume) renderer.SetBackground(colors.GetColor3d("MistyRose")) renderWin = vtkRenderWindow() renderWin.AddRenderer(renderer) renderInteractor = vtkRenderWindowInteractor() renderInteractor.SetRenderWindow(renderWin) renderWin.SetSize(400, 400) renderWin.SetWindowName('VTKWithNumpy') """ 用于实现渲染过程的中断检查,目的是提高应用程序的响应速度 """ def exitCheck(obj, event): # 检查 VTK 渲染窗口的事件队列中是否还有未处理的操作系统或用户输入事件(比如窗口移动、鼠标点击、键盘输入等) if obj.GetEventPending() != 0: obj.SetAbortRender(1) renderWin.AddObserver("AbortCheckEvent", exitCheck) renderInteractor.Initialize() renderWin.Render() renderInteractor.Start() if __name__ == '__main__': main()
http://www.gsyq.cn/news/177190.html

相关文章:

  • Conda环境变量设置:指定CUDA_VISIBLE_DEVICES控制GPU使用
  • GitHub项目README模板:突出PyTorch-CUDA环境优势
  • AppML 案例简介
  • Java计算机毕设之基于SpringBoot的高尔夫球场管理系统场地预订、会员管理的设计与实现(完整前后端代码+说明文档+LW,调试定制等)
  • 2026年微信立减金回收品牌推荐榜 - 京顺回收
  • 【接口测试】4_PyMySQL模块 _操作数据库
  • MySQL 数据库优化:从配置到SQL,性能提升实战指南
  • Conda环境导出environment.yml便于PyTorch项目共享
  • XSLT 简介
  • 研究揭秘:大语言模型推理链非真实思考过程
  • YOLOv5++改进版在PyTorch-CUDA-v2.8上的适配尝试
  • 2025最新!专科生必备10个AI论文平台:开题报告文献综述全测评
  • Git stash暂存PyTorch实验代码变更
  • Markdown绘制流程图:说明PyTorch模型训练架构
  • spring中使用rabbitmq延迟插件踩坑
  • 树链剖分
  • COMSOL三维采空区通风条件下的氧气与瓦斯浓度分布
  • CSS 列表
  • 企业级AI开发环境:PyTorch-CUDA镜像支持Kubernetes编排
  • PyTorch安装教程GPU版:Raspberry Pi能否运行?
  • Anaconda配置PyTorch环境并安装torchaudio教程
  • Java毕设项目推荐-基于springboot的家政服务撮合与评价平台服务项目管理、预约订单管理、服务记录管理、评价与反馈管理【附源码+文档,调试定制服务】
  • YOLOv5训练提速秘诀:使用PyTorch-CUDA-v2.8镜像释放GPU潜力
  • 别等胃病找上门:现在开始养胃还不晚
  • GitHub Projects管理PyTorch-CUDA开发进度看板
  • node+vue网上药店购物药品商城管理系统
  • 清华镜像站维护期间的临时替代方案建议
  • PyTorch-CUDA-v2.8镜像支持哪些Linux发行版?兼容性分析
  • 清华镜像源配置教程:加速PyTorch及相关库的安装流程
  • 旅程终章,星光满载:我的软件工程实践总结