Python 给定一组三角形顶点和面，分离对象并形成单独的网格

编辑：我已经为这个问题写了一个更简洁的版本，但我保留这篇文章，因为它是一个完整的解释

给定一个3D numpy数组，可以围绕某个阈值形成3D

import numpy as np
from skimage import measure

A = np.zeros((12,12,12))
#A[A<1] = -1
for i in np.arange(1,2):
    for j in np.arange(1,2):
        for k in np.arange(1,2):
            A[i,j,k] = 10

for i in np.arange(8,9):
    for j in np.arange(8,9):
        for k in np.arange(8,9):
            A[i,j,k] = 10

verts, faces, normals, values = measure.marching_cubes_lewiner(A,1)

# which returns 

verts = [[0.1, 1.,  1. ]  [1.,  1.,  0.1]  [1.,  0.1, 1. ]  [1.,  1.,  1.9]  [1.,  1.9, 1. ]
 [1.9, 1.,  1. ]  [7.1, 8.,  8. ]  [8.,  8.,  7.1]  [8.,  7.1, 8. ]  [8.,  8.,  8.9]
 [8.,  8.9, 8. ]  [8.9, 8.,  8. ]]

faces = [[ 2,  1,  0]  [ 0,  3,  2]  [ 1,  4,  0]  [ 0,  4,  3]  [ 5,  1,  2]  [ 3,  5,  2]
 [ 5,  4,  1]  [ 4,  5,  3]  [ 8,  7,  6]  [ 6,  9,  8]  [ 7, 10,  6]  [ 6, 10,  9]
 [11,  7,  8]  [ 9, 11,  8]  [11, 10,  7]  [10, 11,  9]]

返回此可爱的3D图像：

我使用自己的代码（见下文）使用算法分离这些对象，并获得：

现在的问题是，尽管我已经找到了构成每个图形的顶点，但我不再有简单的方法为每个对象创建单独的3D网格。以前，使用

verts[faces]

创建网格，但不清楚如何将每个

图形

与

面

关联以创建三角形网格。我试图解决这个问题，但没有成功。例如：

verts1 = verts[0:6]
faces1 = faces[0:6] 
mesh = Poly3DCollection(verts1[faces1])

这是行不通的。我认为关键是找到每个物体对应的面。如果这样做了，它可能会起作用。例如，我们的第一个图仅包括顶点1到6。因此，我们只需要引用这些顶点的

面

。作为演示，第一个图形，

graph1

可以使用以下方法复制（不使用graph2）：

如果我不仅可以记录顶点，还可以记录它们的索引，那么我就可以对引用该对象的面进行排序。我会解释的。第一个问题，我没有索引。这是我排序对象的方法。我们首先创建一个线列表（或edgelist），然后对它们创建元组，然后使用networkx查找连接的组件

# create linelist
linelist = []
for idx, vert in enumerate(faces):  
    for i,x in enumerate(vert):
        l = [np.ndarray.tolist(verts[faces[idx][i]]), np.ndarray.tolist(verts[faces[idx][(i+1)%len(vert)]])] # connect the verts of the triangle
        linelist.append(l)  # add to the line list

# Creates graph
tmp = [tuple(tuple(j) for j in i) for i in linelist]
graph = nx.Graph(tmp)
graphs = []
i=0
for idx, graph in enumerate(sorted(nx.connected_components(graph),key = len, reverse = True)):
    graphs.append((graph))
    print("Graph ",idx," corresponds to vertices: ",graph,'\n\n',file=open("output.txt","a"))         
    i+=1

我不明白networkx如何也能记录每个顶点的索引

其次，引用每个对象的

面

可能是不相交的，即它可能是

面[0:4]+面[66]+面[100:110]

。然而，这可能是可以克服的

假设我们可以为每个图生成一个索引列表，主要问题是找到一种有效的方法来发现哪些面引用了这些顶点。我的解决方案适用于这组对象，但不适用于更复杂的排列（我可以提供）。它也异常缓慢。不过，这是：

objects  = []
obj = []
i = 0
for idx, face in enumerate(M):
    if i == 0:
        obj.append(face)
        i = i + 1
    else:
        if np.isin(face,obj).any():
            obj.append(face)
        else: 
            objects.append(obj.copy())
            obj = []
            obj.append(face)
            i = 0
        if idx == len(M)-1:
            objects.append(obj.copy())

如果你读到这里，我真的对社区印象深刻。我认为也许有一种有效的方法可以通过networkx实现这一点，但我还没有找到

所需输出：我希望像对顶点排序一样，将面排序为连接的组件<代码>图形1=面[x1]+面[x2]+…+面[xn]

---

编辑：如果有人能帮我编码，我确实有个主意（部分要感谢@Ehsan）。在分离成连接的组件并找到图之后，可以对每个组件的顶点进行散列以找到原始索引。然后，可以搜索至少包含其中一个索引的

面

（因为如果它包含一个顶点，那么它必须是

图

的面）。我不确定这会有多有效。我希望有一个快速的networkx解决方案。

@Paul Broderson回答了这个问题

我把它放在这里只是为了美观：

#!/usr/bin/env python
"""
Given a list of triangles, find the connected components.

https://stackoverflow.com/q/61584283/2912349
"""
import itertools
import networkx as nx

faces = [[ 2,  1,  0],  [ 0,  3,  2],  [ 1,  4,  0],  [ 0,  4,  3],  [ 5,  1,  2],  [ 3,  5,  2],
         [ 5,  4,  1],  [ 4,  5,  3],  [ 8,  7,  6],  [ 6,  9,  8],  [ 7, 10,  6],  [ 6, 10,  9],
         [11,  7,  8],  [ 9, 11,  8],  [11, 10,  7],  [10, 11,  9]]

#create graph
edges = []
for face in faces:
    edges.extend(list(itertools.combinations(face, 2)))
g = nx.from_edgelist(edges)

# compute connected components and print results
components = list(nx.algorithms.components.connected_components(g))

for component in components:
    print(component)

# {0, 1, 2, 3, 4, 5}
# {6, 7, 8, 9, 10, 11}

# separate faces by component
component_to_faces = dict()
for component in components:
    component_to_faces[tuple(component)] = [face for face in faces if set(face) <= component] # <= operator tests for subset relation

for component, component_faces in component_to_faces.items():
    print(component, component_faces)
# (0, 1, 2, 3, 4, 5) [[2, 1, 0], [0, 3, 2], [1, 4, 0], [0, 4, 3], [5, 1, 2], [3, 5, 2], [5, 4, 1], [4, 5, 3]]
# (6, 7, 8, 9, 10, 11) [[8, 7, 6], [6, 9, 8], [7, 10, 6], [6, 10, 9], [11, 7, 8], [9, 11, 8], [11, 10, 7], [10, 11, 9]] 

#/usr/bin/env python
"""
给定三角形列表，查找连接的组件。
https://stackoverflow.com/q/61584283/2912349
"""
进口itertools
将networkx导入为nx
面=[[2,1,0]，[0,3,2]，[1,4,0]，[0,4,3]，[5,1,2]，[3,5,2]，
[ 5,  4,  1],  [ 4,  5,  3],  [ 8,  7,  6],  [ 6,  9,  8],  [ 7, 10,  6],  [ 6, 10,  9],
[11,  7,  8],  [ 9, 11,  8],  [11, 10,  7],  [10, 11,  9]]
#创建图形
边=[]
对于面中的面：
扩展（列表（itertools.组合（面，2）））
g=nx.从边缘列表（边缘）
#计算连接的组件并打印结果
组件=列表（nx.algorithms.components.connected_components（g））
对于组件中的组件：
打印（组件）
# {0, 1, 2, 3, 4, 5}
# {6, 7, 8, 9, 10, 11}
#按组件分离面
组件到面=dict（）
对于组件中的组件：
组件到面[元组（组件）]=[面对面如果设置（面）您能否以正确的格式（即设置了所有逗号）添加
面
和
顶点
）？因此，我们可以在代码中直接使用您的数据。此外，我不确定您的答案是否正确。您想将面和顶点拆分为属于连接对象的相同样式的列表吗？也许添加一种形式的所需输出有助于澄清这一点。当然，更新了
面
和
顶点
s、 基本上，我想将面分类为对象，就像将顶点分类为对象一样，每个
顶点的集合都连接在一起。使用顶点更容易，因为它们可以以边列表的形式放置。我不知道如何使用
面
。我将用忘记放置的更多代码更新帖子。@Sparky05我创建了一个更简洁的问题，并提出了更明确的期望：
# create linelist
linelist = []
for idx, vert in enumerate(faces):  
    for i,x in enumerate(vert):
        l = [np.ndarray.tolist(verts[faces[idx][i]]), np.ndarray.tolist(verts[faces[idx][(i+1)%len(vert)]])] # connect the verts of the triangle
        linelist.append(l)  # add to the line list

# Creates graph
tmp = [tuple(tuple(j) for j in i) for i in linelist]
graph = nx.Graph(tmp)
graphs = []
i=0
for idx, graph in enumerate(sorted(nx.connected_components(graph),key = len, reverse = True)):
    graphs.append((graph))
    print("Graph ",idx," corresponds to vertices: ",graph,'\n\n',file=open("output.txt","a"))         
    i+=1

objects  = []
obj = []
i = 0
for idx, face in enumerate(M):
    if i == 0:
        obj.append(face)
        i = i + 1
    else:
        if np.isin(face,obj).any():
            obj.append(face)
        else: 
            objects.append(obj.copy())
            obj = []
            obj.append(face)
            i = 0
        if idx == len(M)-1:
            objects.append(obj.copy())

#!/usr/bin/env python
"""
Given a list of triangles, find the connected components.

https://stackoverflow.com/q/61584283/2912349
"""
import itertools
import networkx as nx

faces = [[ 2,  1,  0],  [ 0,  3,  2],  [ 1,  4,  0],  [ 0,  4,  3],  [ 5,  1,  2],  [ 3,  5,  2],
         [ 5,  4,  1],  [ 4,  5,  3],  [ 8,  7,  6],  [ 6,  9,  8],  [ 7, 10,  6],  [ 6, 10,  9],
         [11,  7,  8],  [ 9, 11,  8],  [11, 10,  7],  [10, 11,  9]]

#create graph
edges = []
for face in faces:
    edges.extend(list(itertools.combinations(face, 2)))
g = nx.from_edgelist(edges)

# compute connected components and print results
components = list(nx.algorithms.components.connected_components(g))

for component in components:
    print(component)

# {0, 1, 2, 3, 4, 5}
# {6, 7, 8, 9, 10, 11}

# separate faces by component
component_to_faces = dict()
for component in components:
    component_to_faces[tuple(component)] = [face for face in faces if set(face) <= component] # <= operator tests for subset relation

for component, component_faces in component_to_faces.items():
    print(component, component_faces)
# (0, 1, 2, 3, 4, 5) [[2, 1, 0], [0, 3, 2], [1, 4, 0], [0, 4, 3], [5, 1, 2], [3, 5, 2], [5, 4, 1], [4, 5, 3]]
# (6, 7, 8, 9, 10, 11) [[8, 7, 6], [6, 9, 8], [7, 10, 6], [6, 10, 9], [11, 7, 8], [9, 11, 8], [11, 10, 7], [10, 11, 9]]