Python 如何在阵列内创建球体？

我有一个大小为32x32x32的数据阵列。我想在数组中创建一个球体，其中心位于

（x，y）

，半径为4像素。球体的值为1，而数组的值为0。如何在python中实现这一点

以下是生成数组的代码：

import numpy as np
A = np.zeros((32,32,32))
print (A)

---

很好的问题。您可以尝试以下代码。在下面提到的代码中，AA是您想要的矩阵。=）

---

我没有打印您要求的大小和半径的输出（

size=32

和

radius=4

），因为输出将非常长

由于数组索引只有一定程度的特殊性（即，您只能细分到宽度，在本例中为32），因此没有一种完美的方法来表示数组中的球体。相反，我们可以将每个数组索引视为立方面积空间，其中索引的

[x][y][z]

索引表示立方面积的中心坐标。为了创建球体，我们评估球体在该空间区域中的存在是否符合某些标准

我们从球体的方程开始。发件人：

在解析几何中，具有中心（x0，y0，z0）和半径r的球体是所有点（x，y，z）的轨迹，因此

---

（x-x0）^2+（y-y0）^2+（z-z0）^2使用索引、距离计算和掩蔽的组合（均带有

numpy

）：

---

以上内容对我都不起作用，因此我尝试：

def create_bin_球体（arr_大小，中心，r）：
coords=np.ogrid[：arr_size[0]，：arr_size[1]，：arr_size[2]]
距离=np.sqrt（（坐标[0]-中心[0]）**2+（坐标[1]-中心[1]）**2+（坐标[2]-中心[2]）**2）
返回1*（距离尽管有点晚了-我最近遇到了同样的问题，并解决了它，有点像Mstaino假设的解决方案。此外，Mstainos解决方案不适用于不对称大小的阵列，因为计算距离时形状不匹配

下面是我在3D中的方法，它在数组的中心生成一个球体：

# define array size and sphere radius
size = [size_x, size_y, size_z]
radius = sphere_radius

# compute center index of array
center = [int(size[0]/2), int(size[1]/2), int(size[2]/2)]

# create index grid for array
ind_0, ind_1, ind_2 = np.indices((size[0], size[1], size[2]))

# calculate "distance" of indices to center index
distance = ((ind_0 - center[0])**2 + (ind_1 - center[1])**2 + (ind_2 - center[2])**2)**.5

# create output
output = np.ones(shape = (size[0], size[1], size[2])) * (distance <= radius)

#定义数组大小和球体半径
大小=[大小x，大小y，大小z]
半径=球体半径
#计算数组的中心索引
中心=[int（大小[0]/2）、int（大小[1]/2）、int（大小[2]/2]
#为数组创建索引网格
ind_0，ind_1，ind_2=np.索引（（大小[0]，大小[1]，大小[2]））
#计算指数到中心指数的“距离”
距离=（（ind_0-中心[0]）**2+（ind_1-中心[1]）**2+（ind_2-中心[2]）**2）***5
#创建输出
输出=np.ones（形状=（大小[0]，大小[1]，大小[2]）*（距离你说的“立方体（圆）”是什么意思？立方体不是圆。你想要圆（2D）还是球体（3D）？请阅读并遵循帮助文档中的发布指南，如您创建此帐户时所建议的，并在此处应用。例如，请给出一个您想要的示例，并发布您的编码尝试。尝试一下如何？您只需在以（x，y，z）为中心的8x8x8立方体上迭代即可而不是整个阵列…可能是“.该立方面积的球体比例是否大于50%”的副本一个有趣的想法。如果你考虑每个数据点一个立方体，那么你可以测试它的中心是否在球体内。这应该是这样做的——至少对于大于单个立方体的球体来说。@ Ur2525301点立方体在球体内部的中心不能保证立方体内占据的面积大于50%。方法是一个很好的近似值，我认为50%的比较在某些方面更令人满意。但我认为区别在于数组索引所代表的角度：立方面积测量，或这些立方面积的中心点。我在思考时，你的论点似乎是基于数组索引是中心的坐标请注意，这将生成一个正方形，而不是一个球体，因为曼哈顿距离（l1范数）用于
deb=radius-abs（x0-x）-abs（y0-y）-abs（z0-z）
。如果您将这行代码更改为：
deb=radius-（（x0-x）**2+（y0-y）**2+（z0-z）**2），则代码有效**0.5，使用欧几里德距离（l2范数）。
[[[0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 1. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]]

 [[0. 0. 0. 0. 0.]
  [0. 0. 1. 0. 0.]
  [0. 1. 1. 1. 0.]
  [0. 0. 1. 0. 0.]
  [0. 0. 0. 0. 0.]]

 [[0. 0. 1. 0. 0.]
  [0. 1. 1. 1. 0.]
  [1. 1. 1. 1. 1.]
  [0. 1. 1. 1. 0.]
  [0. 0. 1. 0. 0.]]

 [[0. 0. 0. 0. 0.]
  [0. 0. 1. 0. 0.]
  [0. 1. 1. 1. 0.]
  [0. 0. 1. 0. 0.]
  [0. 0. 0. 0. 0.]]

 [[0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 1. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]]]

import numpy as np
center = (31/2, 31/2, 31/2)  # if it is centered
size = (32, 32, 32)
max_dist = 4
distance = np.linalg.norm(np.subtract(np.indices(size).T, np.asarray(center)), axis=2)
#print(distance)
mask = np.ones(size) * (distance < max_dist)
print(mask)

center = (1, 1, 1)
size = (3, 3, 3)
distance = np.linalg.norm(np.subtract(np.indices(size).T,np.asarray(center)), axis=len(center))
mask = np.ones(size) * (distance<=1)
print(mask)

>>[[[0. 0. 0.]
  [0. 1. 0.]
  [0. 0. 0.]]

 [[0. 1. 0.]
  [1. 1. 1.]
  [0. 1. 0.]]

 [[0. 0. 0.]
  [0. 1. 0.]
  [0. 0. 0.]]]

# define array size and sphere radius
size = [size_x, size_y, size_z]
radius = sphere_radius

# compute center index of array
center = [int(size[0]/2), int(size[1]/2), int(size[2]/2)]

# create index grid for array
ind_0, ind_1, ind_2 = np.indices((size[0], size[1], size[2]))

# calculate "distance" of indices to center index
distance = ((ind_0 - center[0])**2 + (ind_1 - center[1])**2 + (ind_2 - center[2])**2)**.5

# create output
output = np.ones(shape = (size[0], size[1], size[2])) * (distance <= radius)