用python读取和绘制VTK文件数据结构

Question

我有一个带有points和cells格的 VTK 文件（非结构化网格）。

我可以导入文件并使用meshio python 包将其读入。

如果我输入命令mesh.cells我会看到一个名为'hexahedron'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 中绘制它（我知道 ParaView 是一种替代方法，我一直在使用它，但目前我也想为此使用 matplotlib）。 无论如何，我无法将头环绕在结构上。

每个列表中有 8 个数据点。

如果我运行命令mesh.points我会得到一个包含x, y, z坐标列表的数组，这是有道理的。 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坐标列表会更有意义，因为这将构成多边形。

我看过这个帖子，但我仍然坚持理解这一点。

附件是 VTK 文件，以及它在 ParaView 中的样子。 谢谢！

Answer 1

tl;dr：我认为您不应该为此尝试使用 matplotlib，这会很困难并且效果不佳。 我建议使用专用的 vtk 库，可以是裸vtk 、更高级别的mayavi.mlab或我最近获得的最喜欢的pyvista 。 我将详细说明这一切。

数据

首先，这是您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既太大又可能迟早会成为断开的链接）。 我已将您的数据减少到三个不同大小的矩形长方体以近似您的数字。

# vtk DataFile Version 3.1
MCVE VTK file
ASCII
DATASET UNSTRUCTURED_GRID
POINTS      16 float
 0.   0.   0.
 0.   0.   3.
 0.   2.   0.
 0.   2.   3.
 4.   0.   0.
 4.   0.   3.
 4.   2.   0.
 4.   2.   3.
 5.   0.   0.
 5.   0.   3.
 5.   2.   0.
 5.   2.   3.
13.   0.   0.
13.   0.   3.
13.   2.   0.
13.   2.   3.
 
CELLS        3     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
 
CELL_TYPES        3
          12          12          12
 
CELL_DATA        3
SCALARS elem_val float
LOOKUP_TABLE default
 1
 2
 3
 

让我们讨论一下这个文件代表什么。 标题指定它是一个非结构化网格。 这意味着它可以包含以任意任意方式排列的点。 基本上是一袋积分。 您可以在此处找到有关文件格式的一些说明。

第一个块POINTS包含16 float行，每行对应 3d 中一个点的坐标，共 16 个点。

第二个块CELLS定义了 3 行，每行对应于根据点的基于 0 的索引定义的单元格（较小的单位，在本例中为体积）。 第一个数字 ( 8 ) 表示给定单元格中的顶点数，以下数字是相应顶点的点索引。 上面示例数据文件中的所有三个单元格都包含 8 个顶点，因为我们要绘制的每个长方体都有 8 个顶点。 CELLS行的第二个数字是这个区块的数字总数，即3 * (8+1) ，即 27。

第三个块CELL_TYPES定义了3单元格中的每个单元格的类型。 在这种情况下，它们都是类型12 ，对应于“六面体”。 从已经链接的示例的图 2 和 3 中借用的信息图： 这些列出了细胞类型的主要种类及其各自的索引。

最后一个块SCALARS包含每个单元格的标量（数字），稍后将根据该标量着色。 标量1到3将被映射到颜色图上，为您提供图中看到的红色到蓝色的过渡。

为什么不使用 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属性表明它识别每个单元格都是“六面体”，并列出每个单元格及其各自的 8 个顶点索引。 mesh.points属性可能是一个形状为(n,3)的数组，在这种情况下， mesh.points[cell_inds, :]为您提供由其 8 长度数组定义的给定单元格的(8,3)形坐标cell_inds 。

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

1. 想出一种方法将所有这些单元格坐标转换为要使用 matplotlib 绘制的曲面，这并不容易，
2. 然后意识到 80k 个表面将导致 matplotlib 中巨大的内存和 CPU 开销，最后
3. 请注意，matplotlib 具有 2d 渲染器，因此复杂（读取：不相交、互锁）表面的 3d 可视化经常出错。

考虑到所有这些事情，我绝对不会尝试为此使用 matplotlib。

然后怎样呢？

使用 ParaView 在幕后使用的东西：VTK！ 您仍然可以通过低级vtk模块或高级 (er) 级mayavi.mlab模块以编程方式使用机器。 还有与mayavi相关的tvtk模块，它是一种中间地带（对于这些目的，它仍然是低级 VTK，但具有更对 Python 友好的 API），但我将把它作为练习留给读者。

1. vtk

使用 vtk 读取和绘制非结构化网格有点复杂（因为使用裸 vtk 总是如此，因为您必须自己组装管道），但可以使用这个古老的 wiki 页面以及自以下以来发生变化的这些更正来进行管理：

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()

请注意，我只对原始 wiki 版本进行了最低限度的更改。 这是视口旋转后的输出：

实际颜色取决于默认颜色图和标量的缩放。 vtk模块的上述默认值似乎默认使用jet颜色图，并且它对标量进行了标准化，以便将值映射到完整的颜色范围。

2. mayavi.mlab

就个人而言，我发现vtk使用起来非常痛苦。 它涉及大量的搜索，而且通常是在库中定义的子模块和类的迷宫中挖掘。 这就是为什么我总是尝试通过mayavi.mlab的更高级别功能来使用vtk 。 当您不使用 VTK 文件时（例如尝试可视化在 numpy 数组中定义的数据时），此模块特别有用，但在这种情况下，它恰好也为我们节省了大量工作，同时提供了附加功能。 这是使用mlab的相同可视化：

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()

工作量少得多！ 我们将整个 VTK 解析怪物推到了mayavi ，以及映射器、演员和渲染器的混乱以及......

这是它的外观：

以上是一个最小的、最省力的可视化，但从这里当然你可以开始改变你喜欢的任何东西，使其适合你的需求。 您可以更改背景，更改颜色图，以奇怪的方式操作数据，您可以命名。 请注意，与vtk情况相比，此处的颜色是相反的，因为默认颜色图或标量到颜色图（查找表）的映射是不同的。 您越远离 mlab 的高级 API，它就会变得越脏（因为您离引擎盖下的裸 VTK 越来越近），但您通常仍然可以使用mayavi大量工作和混淆代码。

最后， mayavi的图形窗口支持所有类型的宝石：管道和场景的交互式修改、坐标轴等注释、切换正交投影，甚至能够在自动生成的 Python 脚本中记录您交互式更改的任何内容。 我肯定会建议尝试使用 mayavi 来实现您想做的事情。 如果你知道你会用 ParaView 做什么，那么通过使用它的交互式会话记录功能将它移植到mayavi是相当容易的。

3. pyvista

我最近被指出pyvista是一个构建在vtk之上的令人愉快的多功能和强大的库。 尽管它的 API 需要一些习惯，但文档中有大量示例和详尽的 API 参考。 开始使用该库需要一些学习曲线，但您可能会发现使用其高级界面和“按我的意思做”机制会更有效率。 我特别欣赏它的开源性质，包括公共问题跟踪器和响应式核心开发人员。

那么我们如何使用pyvista读取和绘制网格呢？ 开始：

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)

这产生

如您所见，颜色非常不同：这是因为pyvista使用了 matplotlib 的感知统一的viridis 颜色图，这对于数据可视化非常pyvista ！ 如果您坚持使用更奇怪的颜色，您可以将cmap='jet'传递给对grid.plot的调用。 这里有很多要说的默认照明和阴影的不同之处，但我建议仔细阅读有关过滤和绘制数据集的所有选项和方法的文档。

Answer 2

让我也提请你注意

4. vtkplotter

它有一种不同的方法，也建立在vtk之上：

from vtkplotter import *

# read the data
ugrid = loadUnStructuredGrid("mesh_mcve.vtk")

# create the outline of the data as polygonal mesh and show it
Mesh(ugrid).c('viridis').alpha(1.0).show()

可以在此处找到大量示例以及 API文档。