文章目录
- 一、3D可视化常用方法
- 二、三维图像在numpy、cv2、以及tifffile.imread中通道的区别
- 三、项目实战
- （1）基于matplotlib的3D可视化
- （2）基于mayavi的3D可视化
- （2.1）立方体
- （2.2）3D灰度图像的体素体
- （2.3）4D彩色图像的体素体
一、3D可视化常用方法
3D可视化是一种用于呈现三维数据的方法，它可以帮助我们更好地理解和分析复杂的空间结构和关系。在科学、工程、医学和其他领域，3D可视化常用于展示和研究体数据、空间模型、分子结构等。
以下是一些常见的用于3D可视化的工具和库：
Matplotlib：Matplotlib 是一个常用的Python数据可视化库，其中的 mplot3d 模块提供了3D可视化功能，可以绘制三维图形和表面图。Mayavi：Mayavi 是一个基于VTK（Visualization Toolkit）的强大的3D科学数据可视化工具，它提供了丰富的功能和交互性，支持绘制体数据、曲面、等值面、轮廓线等。Plotly：Plotly 是一个交互式的数据可视化库，支持绘制各种类型的3D图形，包括散点图、线图、曲面图等，并提供了丰富的交互功能和布局选项。VTK（Visualization Toolkit）：VTK 是一个强大的开源可视化库，提供了广泛的3D可视化算法和工具，可以用于构建复杂的可视化应用。ParaView：ParaView 是基于VTK的可视化软件，主要用于科学数据的可视化和分析，支持高效处理大规模数据，并提供了各种可视化技术和交互性。
二、三维图像在numpy、cv2、以及tifffile.imread中通道的区别
（1）NumPy：NumPy是一个强大的数值计算库，用于处理多维数组。在NumPy中，三维图像通常表示为形状为(height, width, channels)的数组。每个像素的通道值可以通过索引访问，例如 image[y, x, channel]。（2）OpenCV (cv2)：OpenCV是一个广泛使用的计算机视觉库，支持图像和视频处理。在OpenCV中，三维图像通常表示为形状为(height, width, channels)的NumPy数组。每个像素的通道值可以通过索引访问，例如 image[y, x, channel]。OpenCV还提供了许多图像处理和计算机视觉功能。（3）tifffile.imread：tifffile是一个用于读取TIFF图像文件的库。在使用tifffile.imread加载三维图像时，它会返回一个形状为(slices, height, width)的NumPy数组，其中每个像素的值表示灰度强度。tifffile库通常用于处理多层的灰度图像。
height：表示图像的垂直维度，即行数或高度。width：表示图像的水平维度，即列数或宽度。channels：表示图像的通道数，对于彩色图像通常为3（红、绿、蓝），对于灰度图像通常为1。
三、项目实战
（1）基于matplotlib的3D可视化
200x200x200图像可视化：耗时问题比较严重，且任意视角的拖动都等需要等待较长时间。
import numpy as np
import matplotlib.pyplot as plt
import tifffile # pip install tifffile# 加载 TIFF 图像
image_data = tifffile.imread('marked_image.tif')# 创建立体图像的坐标网格
x, y, z = np.meshgrid(np.arange(image_data.shape[1]+1), np.arange(image_data.shape[0]+1), np.arange(image_data.shape[2]+1))# 创建 3D 图形对象
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')# 绘制立体图像
ax.voxels(x, y, z, image_data, cmap='gray')# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')# 显示图像
plt.show()（2）基于mayavi的3D可视化
（2.1）立方体
import numpy as np
import tifffile # pip install tifffile
from mayavi import mlab # pip install mayavi# 加载tif图像
image_data = tifffile.imread('marked_image.tif')# 创建三维体素网格
x, y, z = np.indices(image_data.shape)
x = x.ravel()
y = y.ravel()
z = z.ravel()
values = image_data.ravel()# 绘制体素数据
mlab.figure(bgcolor=(1, 1, 1))
mlab.points3d(x, y, z, values, mode='cube', scale_factor=1, colormap='binary')
mlab.show()（2.2）3D灰度图像的体素体
黑红色为255，其余颜色为0 ~ 255的值。
import numpy as np
import tifffile # pip install tifffile
from mayavi import mlab # pip install mayavi# （1）加载tif图像
image_data = tifffile.imread('marked_image.tif') # 10x10x10# （2）创建Mayavi场景
mlab.figure(bgcolor=(1, 1, 1))# （3）创建三维体素数据
volume = mlab.pipeline.volume(mlab.pipeline.scalar_field(image_data))# （4）创建颜色映射，全黑体素置黑色，全白体素置白色
color_map = np.zeros((256, 4))
color_map[0] = (0, 0, 0, 0) # 全黑体素的颜色为黑色
# color_map[255] = (1, 1, 1, 1) # 全白体素的颜色为白色# （5）设置体素数据的颜色映射
volume.module_manager.scalar_lut_manager.lut.table = color_map# （6）添加坐标轴
mlab.outline(color=(0, 0, 0), line_width=3.0) # 设置：边线的颜色、边线宽度# （7）设置Mayavi场景的渲染参数（可以改变 Mayavi 场景的视角和观察者与场景的距离，从而获得所需的视觉效果。）
mlab.view(azimuth=0, elevation=90, distance='auto')
########################################################################################################################
# mlab.view() 函数用于设置 Mayavi 场景的视角。在这里，azimuth 参数表示方位角（水平旋转），elevation 参数表示俯仰角（垂直旋转），distance 参数表示观察者与场景的距离。
# azimuth: 水平旋转角度，以度数表示。0 表示正对前方，正值表示向右旋转，负值表示向左旋转。
# elevation: 垂直旋转角度，以度数表示。90 表示从正上方俯视，0 表示水平视角，-90 表示从正下方仰视。
# distance: 观察者与场景的距离。'auto' 表示自动调整距离以适应场景。
######################################################################################################################### （8）显示Mayavi场景
mlab.show()（2.3）4D彩色图像的体素体
- 在原始图像上，对检测到的所有细胞进行绘制，且细胞的彩色图为红色。
全蓝表示对检测得到的细胞进行方框全覆盖，红色表示部分细胞方框只覆盖一部分（原因是对重叠目标检测时，对连接部分的剥离导致），其余颜色为原始图像的彩色图。
import numpy as np
from mayavi import mlab
import tifffile# 加载彩色3D图像
color_image = tifffile.imread('marked_image.tif') # 10x10x10x3# 调整彩色3D图像的轴顺序与网格点的轴顺序一致
color_image = np.moveaxis(color_image, -1, 0)# 创建网格点
x, y, z = np.mgrid[0:color_image.shape[1], 0:color_image.shape[2], 0:color_image.shape[3]]# 显示彩色3D图像
mlab.figure(bgcolor=(1, 1, 1))
mlab.contour3d(x, y, z, color_image[0])
# Mayavi库的绘制函数通常期望三维数组作为输入，表示空间坐标和相应的数值。对于四维图像数据，您可以选择提取其中的一维作为绘制的数据，或者将四维数据转换为三维数据。mlab.outline(color=(0, 0, 0), line_width=3.0) # 设置：边线的颜色、边线宽度
# （7）设置Mayavi场景的渲染参数（可以改变 Mayavi 场景的视角和观察者与场景的距离，从而获得所需的视觉效果。）
mlab.view(azimuth=0, elevation=90, distance='auto')
########################################################################################################################
# mlab.view() 函数用于设置 Mayavi 场景的视角。在这里，azimuth 参数表示方位角（水平旋转），elevation 参数表示俯仰角（垂直旋转），distance 参数表示观察者与场景的距离。
# azimuth: 水平旋转角度，以度数表示。0 表示正对前方，正值表示向右旋转，负值表示向左旋转。
# elevation: 垂直旋转角度，以度数表示。90 表示从正上方俯视，0 表示水平视角，-90 表示从正下方仰视。
# distance: 观察者与场景的距离。'auto' 表示自动调整距离以适应场景。
########################################################################################################################
# （8）显示Mayavi场景
mlab.show()
