一：主要的知识点
1、说明
本文只是教程内容的一小段，因博客字数限制，故进行拆分。主教程链接：vtk教程——逐行解析官网所有Python示例-CSDN博客
2、知识点纪要
本段代码主要涉及的有①vtkImageAccumulate三维体素数据直方图统计器，②vtkMaskFields数据字段的过滤器
二：代码及注释
import vtkmodules.vtkInteractionStyle import vtkmodules.vtkRenderingOpenGL2 from vtkmodules.vtkIOImage import vtkMetaImageReader from vtkmodules.vtkImagingStatistics import vtkImageAccumulate from vtkmodules.vtkFiltersGeneral import vtkDiscreteFlyingEdges3D from vtkmodules.vtkFiltersCore import vtkWindowedSincPolyDataFilter, vtkThreshold, vtkMaskFields from vtkmodules.vtkFiltersGeometry import vtkGeometryFilter from vtkmodules.vtkCommonDataModel import ( vtkDataObject, vtkDataSetAttributes ) from vtkmodules.vtkIOXML import vtkXMLPolyDataWriter import os import sys def main(): file_name = "Data/Frog/frogtissue.mhd" start_label = 1 end_label = 29 reader = vtkMetaImageReader() reader.SetFileName(file_name) reader.Update() file_prefix = 'Label' smoothing_iterations = 15 pass_band = 0.001 feature_angle = 120.0 # 表面重建，最后一个表示要重建多少个表面 discrete_cubes = vtkDiscreteFlyingEdges3D() discrete_cubes.SetInputConnection(reader.GetOutputPort()) discrete_cubes.GenerateValues(end_label - start_label + 1, start_label, end_label) """ vtkImageAccumulate 当于一个 3D 直方图（histogram）计算器 用于计算图像（或体数据）中像素 / 体素的统计信息，包括直方图、平均值、最小值、最大值 计算所有离散标签的出现频率(即生成直方图) vtkImageAccumulate 的输出是一个特殊的 vtkImageData """ histogram = vtkImageAccumulate() histogram.SetInputConnection(reader.GetOutputPort()) """ SetComponentExtent 定义了标签值的范围 0到end_label表示直方图覆盖从标签0到最大标签纸所有的数值 后面的0是将Y和Z维度设置为单一切片，因为直方图本质上是一个一维的频率计数 """ histogram.SetComponentExtent(0, end_label, 0, 0, 0, 0) """ SetComponentOrigin设置直方图的起始值从 0 开始计数（即从标签 0 开始） """ histogram.SetComponentOrigin(0, 0, 0) """ SetComponentSpacing 设置直方图的“体素”间隔为 1。 由于处理的是离散整数标签，这个间隔为 1 确保了每个整数标签值都有一个对应的“箱子”（bin） """ histogram.SetComponentSpacing(1, 1, 1) histogram.Update() # mesh的平滑 smoother = vtkWindowedSincPolyDataFilter() smoother.SetInputConnection(discrete_cubes.GetOutputPort()) smoother.BoundarySmoothingOff() smoother.FeatureEdgeSmoothingOff() """ SetFeatureAngle 定义大于该角度（120.0 度）的边为“特征边”。由于 FeatureEdgeSmoothingOff，这些边在平滑时会得到保护 """ smoother.SetFeatureAngle(feature_angle) """ SetPassBand 它控制了哪些频率（即几何上的细节）会被保留或平滑。 pass_band = 0.001 是一个非常低的值，表示它会平滑掉大部分的高频细节（即锯齿和噪声），只保留低频（整体形状） """ smoother.SetPassBand(pass_band) smoother.SetNumberOfIterations(smoothing_iterations) smoother.NonManifoldSmoothingOn() """ NormalizeCoordinatesOn 启用在平滑处理前对坐标进行归一化。这有助于确保平滑效果独立于模型的绝对 """ smoother.NormalizeCoordinatesOn() smoother.Update() selector = vtkThreshold() selector.SetInputConnection(smoother.GetOutputPort()) selector.SetInputArrayToProcess(0, 0, 0, vtkDataObject.FIELD_ASSOCIATION_POINTS, vtkDataSetAttributes.SCALARS) """ vtkMaskFields 是一个 数据字段过滤器 主要作用是:控制数据集中哪些属性（如标量、向量、法向量、纹理坐标等）被保留或删除 VTK 的数据集中，数据可能挂在两个层级上： PointData：每个点上存的属性（如温度、速度向量等） CellData：每个单元（网格单元）上的属性（如材料编号、区域 ID 等） CopyAttributeOff 表示丢弃某种属性数据 CopyAttributeOn 表示保留某种属性数据 """ scalars_off = vtkMaskFields() scalars_off.SetInputConnection(selector.GetOutputPort()) scalars_off.CopyAttributeOff(vtkMaskFields().POINT_DATA, vtkDataSetAttributes().SCALARS) scalars_off.CopyAttributeOff(vtkMaskFields().CELL_DATA, vtkDataSetAttributes().SCALARS) geometry = vtkGeometryFilter() geometry.SetInputConnection(scalars_off.GetOutputPort()) writer = vtkXMLPolyDataWriter() for i in range(start_label, end_label + 1): # see if the label exists, if not skip it frequency = histogram.GetOutput().GetPointData().GetScalars().GetTuple1(i) if frequency == 0.0: continue # select the cells for a given label selector.SetLowerThreshold(i) selector.SetUpperThreshold(i) writer.SetInputConnection(selector.GetOutputPort()) # output the polydata output_fn = '{:s}{:d}.vtp'.format(file_prefix, i) print('{:s} writing {:s}'.format(os.path.basename(sys.argv[0]), output_fn)) writer.SetFileName(output_fn) writer.Write() if __name__ == '__main__': main()
