如何在保留纵横比的同时重新缩放顶点以适应特定范围？

Question

我正在尝试标准化网格的顶点以适应范围从 -0.5 到 +0.5 的边界框。 使用以下逻辑，我已经完成了：

# Calculate max and min values for each axis to
# get existing bounding box
x_max = np.max(vertices[:, 0])
y_max = np.max(vertices[:, 1])
z_max = np.max(vertices[:, 2])

x_min = np.min(vertices[:, 0])
y_min = np.min(vertices[:, 1])
z_min = np.min(vertices[:, 2])

# Calculate normalized vertices
normalized_x = 1 * (vertices[:, 0] - x_min) / (x_max - x_min) - 0.5
normalized_y = 1 * (vertices[:, 1] - y_min) / (y_max - y_min) - 0.5
normalized_z = 1 * (vertices[:, 2] - z_min) / (z_max - z_min) - 0.5

normalized_vertices = np.column_stack((normalized_x, normalized_y, normalized_z))

然而，我的问题是，虽然我的网格顶点现在在适当的范围内，但纵横比没有保留（所以更长的维度被完全压扁了）。 我将如何正确缩放，以便我的点仍然在 -0.5 到 +0.5 的最大值范围内，但保留原始纵横比？

Answer 1

使用最大值：

(x_max - x_min)
(y_max - y_min)
(z_max - z_min)

并除以这个值，假设它是max_value ：

normalized_x = 1 * (vertices[:, 0] - x_min) / max_value - 0.5
normalized_y = 1 * (vertices[:, 1] - y_min) / max_value - 0.5
normalized_z = 1 * (vertices[:, 2] - z_min) / max_value - 0.5