将一系列索引映射到坐标数组

Question

我在玩scikit-imagemarching cubesalgorithm。以下是文档中给出示例的简化版本。

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() 

这里是所得到的表面：

似乎顶点坐标在数组索引而非meshgrid的坐标的形式给出。如何转换顶点的坐标，以便它们映射到网格，如下图所示？

我能做到这一点的手：

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

但在这里必须有一些神奇的numpy。

谢谢。

Answer 1

恕我直言，这里没有魔法。 mplot3d中没有“即插即用”转换。

自动化，你可以让你的 '手' 的工作与功能：

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)