vedo

vedo

Python 3D科学分析与可视化库

vedo是一个Python库,用于科学分析和3D对象可视化。它支持多种3D文件格式,提供网格和点云处理工具,可进行体积数据渲染和2D/3D绘图。vedo集成多个库,支持命令行操作,适用于科研可视化。项目包含300多个示例,在多篇科研论文中应用。

vedo3D可视化科学分析Python库数据分析Github开源项目

vlogo

lics Anaconda-Server Badge Ubuntu 23.10 package DOI Downloads CircleCI

一个轻量级且功能强大的Python模块,用于三维对象的科学分析和可视化<br>

💾 安装

pip install vedo
<details> <summary>其他安装详情 <i><b>[点击展开]</b></i> </summary>
  • 安装最新的_开发_版本vedo
pip install -U git+https://github.com/marcomusy/vedo.git
  • 从conda-forge频道安装:
conda install -c conda-forge vedo
</details>

📙 文档

该库的网页及文档可在此处获取。

📌 需要帮助?有问题,或想询问缺少的功能? 不要犹豫,在image.sc论坛上提问 或通过github issue提出。

🎨 特性

该库包含大量可运行的示例,涵盖了广泛的功能

<details> <summary>处理多边形网格和点云 <i><b>[点击展开]</b></i> </summary> <i>
  • 从VTK格式、STL、Wavefront OBJ、3DS、Dolfin-XML、Neutral、GMSH、OFF、PCD(点云)导入网格,
  • 将网格以ASCII或二进制格式导出为VTK、STL、OBJ、PLY等格式。
  • 分析工具如移动最小二乘法、网格变形等。
  • 可视化和编辑网格的工具(用另一个网格切割网格、切片、归一化、移动顶点位置等)。
  • 基于表面连通性分割网格。提取最大连通区域。
  • 计算面积、体积、质心、平均尺寸等。
  • 计算顶点和面法线、曲率、特征边。填补网格孔洞。
  • 细分网格面,增加顶点数量。网格简化。
  • 基于关联的标量或矢量数据对网格进行着色和阈值处理。
  • 点-表面操作:查找最近点,确定点是否在网格内部或外部。
  • 创建基本形状:球体、箭头、立方体、圆环、椭球体等。
  • 生成图元(将网格关联到源网格的每个顶点)。
  • 通过设置3D场景中显示对象的位置轻松创建动画。支持为移动对象添加轨迹线和阴影。
  • 在同一窗口中直接支持多个同步或独立的渲染器。
  • 使用不同技术进行网格配准(对齐)。
  • 网格平滑。
  • 2D和3D德劳内三角剖分。
  • 通过连接空间中附近的线生成网格。
  • 找到从一点到另一点沿着网格边缘行进的最近路径。
  • 查找网格与线、平面或其他网格的交点。
  • 使用径向基函数和薄板样条插值标量和矢量场。
  • 添加滑块和按钮以与场景和各个对象交互。
  • 张量可视化。
  • 点云分析
  • 2D、3D和4D云的移动最小二乘平滑
  • 在空间中拟合直线、平面、球体和椭球体
  • 识别点分布中的离群值
  • 将云抽稀为均匀分布。
</i> </details> <details> <summary>处理体积数据和四面体网格</summary> <i>
  • 从VTK格式、体积TIFF堆栈、DICOM、SLC、MHD等导入数据
  • 导入PNG、JPEG、BMP等2D图像
  • 体积等值面提取
  • 合成和最大投影体积渲染
  • 从输入表面网格生成体积有符号距离数据
  • 用线和平面探测体积
  • 从矢量场生成流线和流管
  • 切片和裁剪体积
  • 支持其他体积结构(结构化和网格数据)
</i> </details> <details> <summary>2D和3D绘图和直方图</summary> <i>
  • 具有类似LaTeX语法和Unicode字符的多边形3D文本渲染,有30种不同字体。
  • 完全可自定义的轴样式
  • 环形图和饼图
  • 2D和3D散点图
  • 表面函数绘制
  • 1D可自定义直方图
  • 2D六边形直方图
  • 极坐标图、球面图和直方图
  • 在渲染窗口中绘制LaTeX格式的公式。
  • 箭头、小提琴图、须状图和流线图
  • 类似于matplotlib的图形标记
</i> </details> <details> <summary>与其他库的集成</summary> <i>
  • Qt5框架集成。
  • 支持FEniCS/Dolfin平台,用于PDE/FEM解的可视化。
  • trimeshpyvistapymeshlab库的互操作性。
  • 导出3D场景并嵌入到网页中。
  • 使用K3Djupyter笔记本中嵌入3D场景(可以导出交互式3D快照页面在此)。
</i> </details>

⌨ 命令行界面

从终端窗口简单地可视化多边形网格或体积:

vedo https://vedo.embl.es/examples/data/embryo.tif
<details> <summary>体积文件(slc、tiff、DICOM...)可以以不同模式可视化 <i><b>[点击展开]</b></i> </summary>
体积3D切片<br>vedo --slicer embryo.slc光线投射<br>vedo -g2D切片<br>vedo --slicer2d
slicerisoheadviz_slicer
</details>

输入vedo -h获取完整选项列表。<br>

🐾 画廊

vedo目前包含300多个可运行的示例笔记本<br>

运行任何内置示例。在终端中输入:vedo -r warp2

在此处查看按主题组织的示例画廊:

<a href="https://vedo.embl.es/#gallery" target="_blank">

</a>

✏ 贡献

非常感谢任何贡献! 如果你有使这个项目更好的建议,请fork仓库并创建一个pull request。 你也可以简单地打开一个带有"enhancement"标签的issue。

📜 参考文献

使用 vedo 的科学出版物:

  • X. Diego 等人: 《图灵系统的关键特征完全由网络拓扑决定》, Phys. Rev. X 8, 021071, DOI
  • M. Musy, K. Flaherty 等人: 《基于肢体形态测量的小鼠肢体胚胎分期定量方法》, Development (2018) 145 (7): dev154856, DOI
  • F. Claudi, A. L. Tyson, T. Branco, 《Brainrender. 一种基于 Python 的神经解剖和形态学数据可视化软件。》, eLife 2021;10:e65751, DOI
  • J. S. Bennett, D. Sijacki, 《解析星系形成模拟中的冲击波和丝状结构:对星系周围介质中气体性质和恒星形成的影响》, Monthly Notices of the Royal Astronomical Society, Volume 499, Issue 1, DOI
  • J.D.P. Deshapriya 等人, 《(101955) Bennu 上陨石坑的光谱分析》。 Icarus 2020, DOI
  • A. Pollack 等人, 《重力、磁力、示踪剂、岩性和断层数据的随机反演以获得地质上合理的结构模型:Patua 地热田案例研究》, Geothermics, Volume 95, September 2021, DOI
  • X. Lu 等人, 《使用非结构网格的有限体积时域方法对阿萨巴斯卡盆地石墨断层进行三维电磁建模》, Geophysics, DOI
  • M. Deepa Maheshvare 等人, 《生理运输多尺度建模的基于图的框架》, Front. Netw. Physiol. 1:802881, DOI
  • F. Claudi, T. Branco, 《构建流形目标循环神经网络的微分几何方法》, bioRxiv 2021.10.07.463479, DOI
  • J. Klatzow, G. Dalmasso, N. Martínez-Abadías, J. Sharpe, V. Uhlmann, 《µMatch: 显微镜数据的 3D 形状对应》, Front. Comput. Sci., 15 February 2022. DOI
  • G. Dalmasso 等人, 《使用球谐函数重建小鼠发育轨迹的 4D 模型》, Developmental Cell 57, 1–11 September 2022, DOI
  • D.J.E Waibel 等人, 《使用多尺度拓扑损失项捕获 3D 重建的形状信息》, Lecture Notes in Computer Science, vol 13434. Springer, Cham. DOI
  • N. Lamb 等人, 《DeepJoin: 学习用于形状修复的联合占用、有符号距离和法线场函数》, ACM Transactions on Graphics (TOG), vol 41, 6, 2022. DOI
  • J. Cotterell 等人, 《通过光学编码进行细胞 3D 定位 (C3PO) 及其在空间转录组学中的应用》, bioRxiv 2024.03.12.584578; DOI

您是否发现这个软件对您的研究有用?为项目加星 ✨ 并引用它:

M. Musy <em>等人</em>, "<code>vedo</code>, 一个用于 3D 对象和点云科学分析和可视化的 Python 模块", Zenodo, 2021, <a href="https://doi.org/10.5281/zenodo.7019968">doi: 10.5281/zenodo.7019968</a>

embl_logo

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多