在python中使用VTK查找具有负平均曲率的.stl文件的单元格

我有一个

.stl

文件，我正在尝试使用VTK和python查找具有负平均曲率的单元的坐标。我已经编写了这些代码，这些代码可以根据平均曲率更改单元格的颜色，但我愿意实现的是具有特定平均曲率的精确单元格和三角形的坐标，例如，具有最负平均曲率的单元格的三维坐标。 代码如下：

import vtk


def gaussian_curve(fileNameSTL):
    colors = vtk.vtkNamedColors()

    reader = vtk.vtkSTLReader()
    reader.SetFileName(fileNameSTL)
    reader.Update()

    curveGauss = vtk.vtkCurvatures()
    curveGauss.SetInputConnection(reader.GetOutputPort())
    curveGauss.SetCurvatureTypeToGaussian() # SetCurvatureTypeToMean() works better in the case of kidney.

    ctf = vtk.vtkColorTransferFunction()
    ctf.SetColorSpaceToDiverging()
    p1 = [0.0] + list(colors.GetColor3d("MidnightBlue"))
    p2 = [1.0] + list(colors.GetColor3d("DarkRed"))
    ctf.AddRGBPoint(*p1)
    ctf.AddRGBPoint(*p2)
    cc = list()
    for i in range(256):
        cc.append(ctf.GetColor(float(i) / 255.0))

    lut = vtk.vtkLookupTable()
    lut.SetNumberOfColors(256)
    for i, item in enumerate(cc):
        lut.SetTableValue(i, item[0], item[1], item[2], 1.0)
    lut.SetRange(0, 0) # In the case of kidney, the (0, 0) worked better.
    lut.Build()

    cmapper = vtk.vtkPolyDataMapper()
    cmapper.SetInputConnection(curveGauss.GetOutputPort())
    cmapper.SetLookupTable(lut)
    cmapper.SetUseLookupTableScalarRange(1)

    cActor = vtk.vtkActor()
    cActor.SetMapper(cmapper)

    return cActor


def render_scene(my_actor_list):
    renderer = vtk.vtkRenderer()
    for arg in my_actor_list:
        renderer.AddActor(arg)
    namedColors = vtk.vtkNamedColors()
    renderer.SetBackground(namedColors.GetColor3d("SlateGray"))

    window = vtk.vtkRenderWindow()
    window.SetWindowName("Render Window")
    window.AddRenderer(renderer)

    interactor = vtk.vtkRenderWindowInteractor()
    interactor.SetRenderWindow(window)

    # Visualize
    window.Render()
    interactor.Start()


if __name__ == '__main__':
    fileName = "400_tri.stl"
    my_list = list()
    my_list.append(gaussian_curve(fileName))
    render_scene(my_list)

此代码生成红细胞表示正平均曲率，蓝色表示负平均曲率

我需要数组或类似的形式的结果（单元格坐标）。 如果您能就此问题提供任何建议和帮助，我将不胜感激。

可能的解决方案包括：

从vtkplotter导入*
圆环1=圆环（）.addCurvatureScalars（）.addScalarBar（）
打印（“标量列表：”，torus1.scalars（））
torus2=torus1.clone（）.addScalarBar（）
圆环2.阈值（“高斯曲率”，vmin=-15，vmax=0）
显示（圆环1，圆环2，N=2）#在两个单独的渲染器上打印
打印（“顶点坐标：”，len（torus2.coordinates（））
打印（“单元格中心：”，len（torus2.cellCenters（））

附加示例

---

希望这能有所帮助。

因此我从中找到了答案，下面是使用

vtk.numpy\u接口

和

vtk.util.numpy\u支持

可以正常工作的代码，但它仍然不能生成

normals\u数组

，我不知道为什么

import vtk
from vtk.numpy_interface import dataset_adapter as dsa
from vtk.util.numpy_support import vtk_to_numpy


def curvature_to_numpy(fileNameSTL, curve_type='Mean'):
    colors = vtk.vtkNamedColors()

    reader = vtk.vtkSTLReader()
    reader.SetFileName(fileNameSTL)
    reader.Update()
    # Defining the curvature type.
    curve = vtk.vtkCurvatures()
    curve.SetInputConnection(reader.GetOutputPort())
    if curve_type == "Mean":
        curve.SetCurvatureTypeToMean()
    else:
        curve.SetCurvatureTypeToGaussian()
    curve.Update()

    # Applying color lookup table.
    ctf = vtk.vtkColorTransferFunction()
    ctf.SetColorSpaceToDiverging()
    p1 = [0.0] + list(colors.GetColor3d("MidnightBlue"))
    p2 = [1.0] + list(colors.GetColor3d("DarkOrange"))
    ctf.AddRGBPoint(*p1)
    ctf.AddRGBPoint(*p2)
    cc = list()
    for i in range(256):
        cc.append(ctf.GetColor(float(i) / 255.0))

    lut = vtk.vtkLookupTable()
    lut.SetNumberOfColors(256)
    for i, item in enumerate(cc):
        lut.SetTableValue(i, item[0], item[1], item[2], 1.0)
    lut.SetRange(0, 0)  # In the case of kidney, the (0, 0) worked better.
    lut.Build()

    # Creating Mappers and Actors.
    mapper = vtk.vtkPolyDataMapper()
    mapper.SetInputConnection(curve.GetOutputPort())
    mapper.SetLookupTable(lut)
    mapper.SetUseLookupTableScalarRange(1)

    actor = vtk.vtkActor()
    actor.SetMapper(mapper)

    # Scalar values to numpy array. (Curvature).
    dataObject = dsa.WrapDataObject(curve.GetOutput())
    normals_array = dataObject.PointData['Normals'] # Output array.
    curvature_array = dataObject.PointData['Mean_Curvature'] # output array.

    # Node values to numpy array.
    nodes = curve.GetOutput().GetPoints().GetData()
    nodes_array = vtk_to_numpy(nodes)

    # Creating a report file (.vtk file).
    writer = vtk.vtkPolyDataWriter()
    writer.SetFileName('vtk_file_generic.vtk')
    writer.SetInputConnection(curve.GetOutputPort())
    writer.Write()

   #  EDIT:

   # Creating the point normal array using vtkPolyDataNormals().
    normals = vtk.vtkPolyDataNormals()
    normals.SetInputConnection(reader.GetOutputPort())  # Here "curve" could be replaced by "reader".
    normals.ComputePointNormalsOn()
    normals.SplittingOff()
    normals.Update()
    dataNormals = dsa.WrapDataObject(normals.GetOutput())
    normals_array = dataNormals.PointData["Normals"]



    return actor, normals_array, curvature_array, nodes_array


def render_scene(my_actor_list):
    renderer = vtk.vtkRenderer()
    for arg in my_actor_list:
        renderer.AddActor(arg)
    namedColors = vtk.vtkNamedColors()
    renderer.SetBackground(namedColors.GetColor3d("SlateGray"))

    window = vtk.vtkRenderWindow()
    window.SetWindowName("Render Window")
    window.AddRenderer(renderer)

    interactor = vtk.vtkRenderWindowInteractor()
    interactor.SetRenderWindow(window)

    # Visualize
    window.Render()
    interactor.Start()


if __name__ == '__main__':
    filename = "400_tri.stl"
    my_list = list()
    my_actor, my_normals, my_curve, my_nodes = curvature_to_numpy(filename, curve_type="Mean")
    my_list.append(my_actor)
    render_scene(my_list) # Visualization.
    print(my_nodes) # Data points.
    print(my_normals) # Normal vectors.
    print(my_curve) # Mean curvatures.

---

谢谢你的建议，但我只想坚持vtk图书馆。另外，我将添加一个答案。你是WOLWGO，认为VTKPLTTER不是一个新的/独立的软件，但它是VTK的辅助模块。例如，上例中的

torus2

是一个

vtkActor

对象（具有扩展功能）。可以检查您是否在polydata中获得一个普通数组。polydata=curves.GetOutput（）normals=polydata.GetPointData（）.GetNormals（）打印（法线）我编辑了代码并添加了法线数组的计算。我使用法线。

ComputePointNormalsOn（）

计算每个顶点的法向量，我不知道它是对还是错？