Python 在三维numpy矩阵中绘制给定值的曲面轮廓

我有三个3D网格矩阵（

X

，

Y

，

Z

）对应于xyz坐标空间

我还有一个3D Numpy矩阵

a

，其中

a[I，j，k]

包含一个与点

（x，y，z）

关联的浮点，其中

x=x[I，j，k]

，

y=y[I，j，k]

，和

z=z[I，j，k]

。浮动值在

A

内是连续的（即

A

相邻元素之间的值变化通常很小）

是否有一种方法可以使用Matplotlib或任何其他基于Python的图形包绘制与

a

中给定浮点值对应的曲面？例如，如果给定一个值

2.34

，我感兴趣的是在显示

2.34

（加上或减去一些公差）的地方获得矩阵

a

的绘制轮廓曲面

到目前为止，我已经能够恢复

A

中目标值公差范围内的所有值的xyz坐标，然后使用（下面的代码）绘制三维散点图。也许还有一种从这些点绘制曲面的方法

def clean (A, t, dt):
    # function for making A binary for t+-dt
    # t is the target value I want in the matrix A with tolerance dt
    new_A = np.copy(A)
    new_A[np.logical_and(new_A > t-dt, new_A < t+dt)] = -1
    new_A[new_A != -1] = 0
    new_A[new_A == -1] = 1
    return (new_A)

def get_surface (X, Y, Z, new_A):
    x_vals = []
    y_vals = []
    z_vals = []

    # Retrieve (x,y,z) coordinates of surface
    for i in range(new_A.shape[0]):
        for j in range(new_A.shape[1]):
            for k in range(new_A.shape[2]):
                if new_A[i,j,k] == 1.0:
                    x_vals.append(X[i,j,k])
                    y_vals.append(Y[i,j,k])
                    z_vals.append(Z[i,j,k])

    return (np.array(x_vals), np.array(y_vals), np.array(z_vals))

cleaned_A = clean (A, t=2.5, dt=0.001)
x_f, y_f, z_f = get_surface (X, Y, Z, cleaned_A )

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d', aspect='equal')
ax.scatter(x_f, y_f, z_f, color='g', s=1)

def清洁（A、t、dt）：
#为t+-dt生成二进制的函数
#t是我想要的矩阵A中的目标值，公差为dt
新的A=np.副本（A）
new_A[np.logical_and（new_A>t-dt，new_A

我也试过

ax.plot\u trisurf（x\u f，y\u f，z\u f）

，但这给了我一个连接不良的绘图。我猜数组中的值顺序可能会影响这一点，在这种情况下，是否有一个包可以使用点的随机顺序（例如，通过最小化表面积或类似的方式）进行某种3D插值曲面打印

---

我感兴趣的物体大致是球形的（即每（x，y）两个z）。我似乎找不到任何在封闭的3D曲面上进行三角剖分的有效示例，但可能我找的地方不对。

经过大量的挖掘，我想我已经找到了一个可行的解决方案（至少对于球体来说——在我尝试球体变形时会更新我的答案）。非常感谢那些帮助我思考正确道路的评论。我基本上使用了一个

ConvexHull

从

scipy.spatial

进行三角测量：

from matplotlib.tri import Triangulation
from scipy.spatial import ConvexHull

def clean (A, t, dt):
    # function for making A binary for t+-dt
    # t is the target value I want in the matrix A with tolerance dt
    new_A = np.copy(A)
    new_A[np.logical_and(new_A > t-dt, new_A < t+dt)] = -1
    new_A[new_A != -1] = 0
    new_A[new_A == -1] = 1
    return (new_A)

def get_surface (X, Y, Z, new_A):
    x_vals = []
    y_vals = []
    z_vals = []

    # Retrieve (x,y,z) coordinates of surface
    for i in range(new_A.shape[0]):
        for j in range(new_A.shape[1]):
            for k in range(new_A.shape[2]):
                if new_A[i,j,k] == 1.0:
                    x_vals.append(X[i,j,k])
                    y_vals.append(Y[i,j,k])
                    z_vals.append(Z[i,j,k])

    return (np.array(x_vals), np.array(y_vals), np.array(z_vals))

cleaned_A = clean (A, t=2.5, dt=0.001)
x_f, y_f, z_f = get_surface (X, Y, Z, cleaned_A )

Xs = np.vstack((x_f, y_f, z_f)).T
hull = ConvexHull(Xs)
x, y, z = Xs.T

tri = Triangulation(x, y, triangles=hull.simplices)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d', aspect='equal')
ax.plot_trisurf(tri, z, color='g', alpha=0.1)

从matplotlib.tri导入三角剖分
从scipy.spatial导入convxhull
def清洁（A、t、dt）：
#为t+-dt生成二进制的函数
#t是我想要的矩阵A中的目标值，公差为dt
新的A=np.副本（A）
new_A[np.logical_and（new_A>t-dt，new_A

您对绘图的形状了解多少？例如，有多少个z值对应于相同的x，y对？我认为

plot\u trisurf

是正确的方法。但是，正如您所注意到的，如果选定的点没有形成一个漂亮、平滑的曲面，则该操作将失败。作为第一步，我将使用

scipy.spatial.Delaunay

计算点云周围的外壳，然后绘制该三角剖分的点。@xg.plt.py该图将大致为一个球体，可能存在变形，但每个（x，y）对始终有两个z值。有没有办法将这些信息应用到绘图中？@PaulBrodersen谢谢你的提示。我对如何/为什么在

plot\u trisurf

之前实现Delaunay有点困惑（Delaunay不是

plot\u trisurf

中的默认训练规则，还是我遗漏了什么？）Matplotlib的

plot\u trisurf

确实默认使用Delaunay三角剖分，Delaunay三角剖分只考虑要进行三角剖分的x和y值。因此，如果同一个x，y对有多个可能的值，它最终会绘制垂直或接近垂直的三角形。因此，结果不是图形的表面，而是一堆三角形穿过图形。