批量绘盒场景下，如何在Mayavi中无循环绘不连续线并自定义颜色

当用线段拼接大量立方体时，要自定义颜色，核心是给每条线段（或每组线段）绑定对应的颜色值，再通过Mayavi的颜色映射机制来渲染。以下是具体实现步骤：

1. 准备数据结构 #

首先，需要把所有立方体的线段坐标整理成连续的点数组，同时为每个线段（或每个立方体的所有线段）分配对应的标量值（用来映射颜色）。

比如，一个立方体有12条边，每个边由两个点组成。假设你有N个立方体，那么点数组的形状是(12*N*2, 3)，对应的标量数组形状是(12*N*2,)（每个点对应一个标量，或者每条线段的两个点用同一个标量，这样整条线段颜色一致）。

2. 基于颜色映射的高效实现 #

直接用mlab.plot3d性能不足，改用底层管线可以兼顾效率与颜色自定义：

import numpy as np
from mayavi import mlab

def create_cube_points(center, size):
    # 生成一个立方体的12条边的点对
    half = size / 2
    corners = np.array([
        [center[0]-half, center[1]-half, center[2]-half],
        [center[0]+half, center[1]-half, center[2]-half],
        [center[0]+half, center[1]+half, center[2]-half],
        [center[0]-half, center[1]+half, center[2]-half],
        [center[0]-half, center[1]-half, center[2]+half],
        [center[0]+half, center[1]-half, center[2]+half],
        [center[0]+half, center[1]+half, center[2]+half],
        [center[0]-half, center[1]+half, center[2]+half],
    ])
    # 12条边的索引对
    edges = [
        (0,1), (1,2), (2,3), (3,0),
        (4,5), (5,6), (6,7), (7,4),
        (0,4), (1,5), (2,6), (3,7)
    ]
    points = []
    for i,j in edges:
        points.append(corners[i])
        points.append(corners[j])
    return np.array(points)

# 生成两个立方体的点数据
cube1 = create_cube_points([0,0,0], 1)
cube2 = create_cube_points([2,2,2], 1)
all_points = np.vstack([cube1, cube2])

# 为每个立方体的线段分配标量值（cube1用0，cube2用1）
scalars = np.zeros(len(all_points))
scalars[len(cube1):] = 1

# 创建管线并连接线段
src = mlab.pipeline.scalar_scatter(all_points[:,0], all_points[:,1], all_points[:,2], scalars)
src.mlab_source.dataset.lines = np.array([[i, i+1] for i in range(0, len(all_points), 2)])
lines = mlab.pipeline.stripper(src)

# 渲染线段并设置配色方案
mlab.pipeline.surface(lines, line_width=2, colormap='cool')

mlab.show()

3. 直接指定RGB颜色的方法 #

如果不需要依赖颜色映射表，想直接给每个立方体指定固定RGB颜色，可以通过给点数据绑定颜色数组实现：

import numpy as np
from mayavi import mlab

# 复用上面的create_cube_points函数生成点数据
cube1 = create_cube_points([0,0,0], 1)
cube2 = create_cube_points([2,2,2], 1)
all_points = np.vstack([cube1, cube2])

# 为每个立方体创建RGB颜色数组（每个点对应一组RGB值）
colors = np.zeros((len(all_points), 3))
colors[:len(cube1)] = [1, 0, 0]  # cube1设为红色
colors[len(cube1):] = [0, 0, 1]  # cube2设为蓝色

# 创建管线并配置颜色数据
src = mlab.pipeline.scalar_scatter(all_points[:,0], all_points[:,1], all_points[:,2])
src.mlab_source.dataset.lines = np.array([[i, i+1] for i in range(0, len(all_points), 2)])
src.mlab_source.dataset.point_data.scalars = colors
src.mlab_source.dataset.point_data.scalars.name = 'colors'

# 渲染自定义颜色的线段
lines = mlab.pipeline.stripper(src)
mlab.pipeline.surface(lines, line_width=2, color=None)

mlab.show()

关键注意事项 #

• 性能优化：使用stripper管线可以合并重复的线段数据，大幅提升大量立方体场景下的渲染速度，这也是比mlab.plot3d高效的核心原因。
• 颜色一致性：如果要让单条线段颜色统一，确保线段的两个点使用相同的标量值或RGB值即可。
• 配色方案：内置配色方案可通过colormap参数指定，比如'viridis'、'hot'等，也可以自定义颜色映射表。

内容的提问来源于stack exchange，提问作者ZhiHeng Feng