博客
关于我
VTK:网格之FitToHeightMap
阅读量:402 次
发布时间:2019-03-05

本文共 649 字,大约阅读时间需要 2 分钟。

VTK:网格之FitToHeightMap

在VTK库中,FitToHeightMapFilter是一个强大的工具,用于将vtkPolyData数据转换为高度图。此处以vtkPlaneSource生成的平面为基础,平面上的点1和点2是根据DEM边界框计算的。每个点的z坐标都设置为对应的DEM高度值。通过ProbeFilter,我们可以将来自DEM的标量高程数据应用到平面上。接着,WarpScalar filter将将这个高度数据应用到变形后的网格上。一旦平面被悬停在变形后的DEM网格上,我们就可以使用相同的lookup table来显示两者。

操作步骤如下:

  • 生成原始网格
  • 应用高度数据
  • 变形网格
  • 显示结果
  • 在下图中,可以看到原始网格(左)和点拟合网格(中)。通过对比可以看出,点拟合后的网格更贴合DEM的实际高度分布。

    描述

    在这个示例中,FitToHeightMapFilter被用于将由vtkPlaneSource生成的平面数据转换为高度图。平面的点1和点2的位置是根据DEM的边界框确定的。每个点的z坐标都被设置为对应的DEM高度值。随后,ProbeFilter用于将这些高度数据应用到平面上。接着,WarpScalar filter将将这个高度数据应用到变形后的网格上。最后,通过lookup table,我们可以同时显示原始网格和变形后的网格。

    通过对比左右两图,可以清晰地看到点拟合网格与原始网格之间的差异。点拟合后的网格更加贴合DEM的实际高度分布,使得整个视觉效果更加逼真。

    转载地址:http://wonwz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>
    opencv图像分割2-GMM
    查看>>
    OpenCV(1)读写图像
    查看>>
    OpenCV:概念、历史、应用场景示例、核心模块、安装配置
    查看>>
    Openlayers图文版实战,vue项目从0到1做基础配置
    查看>>
    Openlayers高级交互(10/20):绘制矩形,截取对应部分的地图并保存
    查看>>
    Openlayers高级交互(16/20):两个多边形的交集、差集、并集处理
    查看>>
    Openlayers高级交互(17/20):通过坐标显示多边形,计算出最大幅宽
    查看>>
    Openlayers高级交互(19/20): 地图上点击某处,列表中显示对应位置
    查看>>
    openlayers:圆孔相机根据卫星经度、纬度、高度、半径比例推算绘制地面的拍摄的区域
    查看>>
    OpenMCU(一):STM32F407 FreeRTOS移植
    查看>>
    OpenMCU(二):GD32E23xx FreeRTOS移植
    查看>>