用python读取和绘制VTK文件数据结构

我有一个VTK文件（非结构化网格），其中包含

点

和

单元格

我可以导入文件并使用python包将其读入

如果我键入命令

mesh.cells

我会看到一个名为

“六面体”

的字典，里面有一个由列表组成的数组，如下所示：

{'hexahedron': array([[  0, 162, 185, ..., 163, 186,  23],
        [162, 329, 351, ..., 330, 352, 186],
        [329, 491, 514, ..., 492, 515, 352],
        ...,
        [483, 583, 600, ..., 584, 601, 490],
        [583, 650, 656, ..., 651, 657, 601],
        [650, 746, 762, ..., 747, 763, 657]])}

我想在matplotlib中绘制这个图（我知道ParaView是一个替代方案，我一直在使用它，但我现在也想使用matplotlib）。不管怎么说，我的头很难绕住这个结构

每个列表中有8个数据点

如果我运行命令

mesh.points

，我会得到一组

x，y，z

坐标的列表，这很有意义。但是，对于六面体，列表中是否也有

x，y，z

坐标？如果有

x，y，z

坐标的列表就更有意义了，因为这将构成多边形

，但我仍然无法理解这一点

，以及它在ParaView中的外观。谢谢

---

tl；dr:我认为您不应该尝试使用matplotlib来实现这一点，这将很困难，而且效果也不太好。我建议使用专用的vtk库，无论是裸库、高级库还是我最近获得的最爱库。我将详细阐述这一切

数据 首先，这里是输入数据的一个小的、自包含的版本（因为您在问题中链接的数据太大，迟早可能成为断开的链接）。我已经把你的数据缩小到三个不同的大小来近似你的数字

#vtk数据文件版本3.1
MCVE VTK文件
ASCII码
数据集非结构化网格
第16点浮动
000
003.
02.0
02.3.
4.00
4.03.
4.2.0
4.2.3.
5.00
5.03.
5.2.0
5.2.3.
1300
1303.
132.0
132.3.
第3单元27
8    0   1   3   2   4   5   7   6
8    4   5   7   6   8   9  11  10
8    8   9  11  10  12  13  15  14
细胞类型3
12          12          12
单元数据3
标量元素浮点数
查找表默认值
1.
2.
3.

让我们讨论一下这个文件代表什么。标头指定它是非结构化网格。这意味着它可以包含以任意方式排列的点。基本上是一包分数。您可以找到有关文件格式的一些说明

第一个块，

POINTS

，包含

16个float

行，每行对应于3d中一个点的坐标，总共16个点

第二个块，

CELLS

，定义了3行，每行对应一个单元（在本例中为体积较小的单元），该单元根据点的基于0的索引定义。第一个数字（

8

）表示给定单元格中的顶点数，以下数字是对应顶点的点索引。上述示例数据文件中的所有三个单元格都由8个顶点组成，因为我们要绘制的每个长方体都有8个顶点。

单元格

行上的第二个数字是此块中的数字总数，即

3*（8+1）

，即27

第三个块，

CELL\u TYPES

，为每个

3

单元定义单元的类型。在这种情况下，它们都是类型

12

，对应于“六面体”。资料性数字： 这些列表列出了主要的单元格类型及其各自的索引

最后一个块，

SCALARS

，包含每个单元格的标量（数字），稍后将根据该标量进行着色。标量

1

到

3

将被映射到一个颜色映射图上，为您提供图中所示的从红色到蓝色的过渡

为什么不是matplotlib？ 我不熟悉

meshio

，但我怀疑它可以让您访问VTK文件中的上述块。您显示的

mesh.cells

属性表明它可以识别每个单元都是“六面体”，并列出每个单元及其各自的8个顶点索引。

mesh.points

属性可能是一个形状数组

（n，3）

，在这种情况下，

mesh.points[cell_inds，：]

为您提供由8长度数组

cell_inds

定义的给定单元格的

（8,3）

形状坐标

您将如何使用matplotlib将其可视化？首先，您的实际数据是巨大的，它包含84480个单元格，尽管从远处看，它们看起来很像上面的示例数据。所以你必须

想出一种方法将所有这些单元坐标转换为曲面，用matplotlib绘制，这并不容易

然后意识到80k曲面将导致matplotlib中的巨大内存和CPU开销

请注意，matplotlib有一个二维渲染器，因此复杂（读取：不相交、互锁）曲面的三维可视化

考虑到所有这些因素，我绝对不会尝试使用matplotlib进行此操作

然后呢？ 使用ParaView在引擎盖下使用的东西：VTK！您仍然可以通过低级模块或高级（er）模块以编程方式使用机器。还有与

mayavi

相关的

tvtk

模块，它是一个中间地带（出于这些目的，它仍然是低级的VTK，但是有一个更友好的python API），但我将把它作为一个练习留给读者

1. <代码>vtk 使用vtk读取和绘制非结构化网格有点复杂（与使用裸vtk时一样，因为您必须自己组装管道），但可以使用plus进行管理：

请注意，我只对原始wiki版本进行了最小程度的更改。以下是视口旋转后的输出：

实际颜色取决于默认颜色贴图和标量的缩放。

vtk

模块的上述默认设置请参见

from vtk import (vtkUnstructuredGridReader, vtkDataSetMapper, vtkActor,
                 vtkRenderer, vtkRenderWindow, vtkRenderWindowInteractor)

file_name = "mesh_mcve.vtk"  # minimal example vtk file

# Read the source file.
reader = vtkUnstructuredGridReader()
reader.SetFileName(file_name)
reader.Update()  # Needed because of GetScalarRange
output = reader.GetOutput()
output_port = reader.GetOutputPort()
scalar_range = output.GetScalarRange()

# Create the mapper that corresponds the objects of the vtk file
# into graphics elements
mapper = vtkDataSetMapper()
mapper.SetInputConnection(output_port)
mapper.SetScalarRange(scalar_range)

# Create the Actor
actor = vtkActor()
actor.SetMapper(mapper)

# Create the Renderer
renderer = vtkRenderer()
renderer.AddActor(actor)
renderer.SetBackground(1, 1, 1) # Set background to white

# Create the RendererWindow
renderer_window = vtkRenderWindow()
renderer_window.AddRenderer(renderer)

# Create the RendererWindowInteractor and display the vtk_file
interactor = vtkRenderWindowInteractor()
interactor.SetRenderWindow(renderer_window)
interactor.Initialize()
interactor.Start()

from mayavi import mlab
from mayavi.modules.surface import Surface

file_name = "mesh_mcve.vtk"  # minimal example vtk file

# create a new figure, grab the engine that's created with it
fig = mlab.figure()
engine = mlab.get_engine()

# open the vtk file, let mayavi figure it all out
vtk_file_reader = engine.open(file_name)

# plot surface corresponding to the data
surface = Surface()
engine.add_filter(surface, vtk_file_reader)

# block until figure is closed
mlab.show()

import pyvista as pv

# read the data
grid = pv.read('mesh_mcve.vtk')

# plot the data with an automatically created Plotter
grid.plot(show_scalar_bar=False, show_axes=False)