如何为PyVista的ImageData成功执行gaussian_smooth方法？

尝试复现PyVista中3D高斯平滑PolyData的示例，但将gaussian_smooth()方法应用于自定义ImageData时，出现**MissingDataError: No data available.**错误。推测需要给ImageData传入标量字段，但不确定用哪个属性。相关代码如下：

# create a uniform grid to sample the function with
n = 40
x_min, y_min, z_min = [np.min(q) - 0.25*np.absolute(np.min(q)) for q in [tmp[tmp[:,3]==1, 0], tmp[tmp[:,3]==1, 1], tmp[tmp[:,3]==1, 2]]]
x_max, y_max, z_max = [np.max(q) + 0.25*np.absolute(np.max(q)) for q in [tmp[tmp[:,3]==1, 0], tmp[tmp[:,3]==1, 1], tmp[tmp[:,3]==1, 2]]]
grid = pv.ImageData(
    dimensions=(n, n, n),
    spacing=( (x_max - x_min) / n, 
              (y_max - y_min) / n,
              (z_max - z_min) / n),
    origin=(x_min, y_min, z_min),
)

smooth_grid = grid.gaussian_smooth(std_dev=3.0)

• 给ImageData添加标量字段
  PyVista的gaussian_smooth()方法依赖网格上的标量数据才能执行平滑操作，你当前创建的ImageData仅包含空的网格结构，没有任何可用于处理的标量数据，这是报错的核心原因。你需要给网格添加点数据或单元数据，通常点数据更常用：
  示例1：采样外部源点的标量到网格

  # 从tmp中提取源点坐标和对应标量（根据实际需求调整）
  source_points = tmp[tmp[:,3]==1, :3]
  scalars = tmp[tmp[:,3]==1, 3]  # 替换为你要平滑的实际标量字段
  
  # 将标量采样到ImageData的点上，命名为"scalars"
  grid['scalars'] = grid.sample(source_points, scalars)
  

  示例2：生成基于网格坐标的测试标量

  # 获取网格所有点的坐标数组
  points = grid.points
  # 生成距离原点的距离作为测试标量
  scalars = np.linalg.norm(points, axis=1)
  # 将标量添加到网格的点数据中，自定义键名"distance"
  grid['distance'] = scalars
  

• 执行高斯平滑
  添加完标量字段后，直接调用gaussian_smooth()即可。方法默认使用当前活跃的标量字段，也可以通过scalars参数指定具体要平滑的字段：

  # 使用默认活跃标量进行平滑
  smooth_grid = grid.gaussian_smooth(std_dev=3.0)
  
  # 指定具体字段名执行平滑
  smooth_grid = grid.gaussian_smooth(std_dev=3.0, scalars='distance')
  

• 验证平滑效果
  可以通过可视化对比原始和平滑后的网格，确认结果：

  p = pv.Plotter(shape=(1, 2))
  p.subplot(0, 0)
  p.add_mesh(grid, scalars='distance', title='Original')
  p.subplot(0, 1)
  p.add_mesh(smooth_grid, scalars='distance', title='Smoothed')
  p.show()
  

内容的提问来源于stack exchange，提问作者Sterling Butters