如何为3D形状/人体点云实现逐点异色且过渡平滑的着色效果

你之前直接用xyz坐标映射RGB的方法没有考虑点云的流形结构，所以会出现欧氏距离近但测地距离远的点颜色相近的问题，我们可以先提取符合测地距离约束的低维特征，再映射到RGB颜色空间实现需求。

实现方法 #

方法1：拉普拉斯特征映射着色（无锚点通用方案） #

拉普拉斯特征映射是流形降维算法，会保证测地距离接近的点在低维空间也接近，我们直接将点云降到3维特征，分别对应R/G/B三个通道即可实现平滑过渡的着色效果，代码示例如下：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn.manifold import SpectralEmbedding
from scipy.spatial import cKDTree

# 加载你的人体点云 Nx3数组
pc = ... 
N = pc.shape[0]

# 计算k近邻构建邻接关系，人体点云k取8~15即可
k = 10
tree = cKDTree(pc)
adj = tree.query(pc, k=k)[1]

# 调用谱嵌入（即拉普拉斯特征映射）降维到3维
se = SpectralEmbedding(n_components=3, affinity='nearest_neighbors', n_neighbors=k, random_state=42)
embed_features = se.fit_transform(pc)

# 特征归一化到0~1区间作为RGB颜色
colors = (embed_features - embed_features.min(axis=0)) / (embed_features.max(axis=0) - embed_features.min(axis=0))

# 可视化，修正你原代码中的坐标索引错误
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(pc[:,0], pc[:,1], pc[:,2], c=colors, s=1) # s控制点大小，点多可以调小
ax.axis('equal')
plt.show()

方法2：基于测地距离的可控着色（有锚点场景） #

如果你有明确的着色锚点（比如人体头顶、左脚尖等固定位置），可以计算三个正交的测地调和场作为颜色通道，可控性更强，适合需要固定部位对应固定颜色的场景：

• 第一步选取3个不共面的锚点，计算所有点到三个锚点的测地距离
• 第二步对三组测地距离做归一化，分别对应R/G/B三个通道即可

优化技巧 #

• 特征映射完成后可以先转到HSV颜色空间调整饱和度和亮度，再转回RGB，视觉过渡效果会更柔和
• 如果需要保证所有点颜色完全唯一，可以给每个通道加np.linspace(0, 1/256, N)的微小偏移，人眼无法识别差异但能保证每个点的RGB值唯一
• 批量处理多组人体点云时，可以先对所有点云做统一的刚体对齐，避免同部位在不同姿态下颜色差异过大

内容的提问来源于stack exchange，提问作者orbit