代码收藏家技术教程 2024-08-05

python三维建模可视化与交互,python三维建模可视化

本篇文章给大家谈谈python三维建模可视化与交互，以及python三维建模可视化，希望对各位有所帮助，不要忘了收藏本站喔。

~~~~~~~~ python借助于其编写简单，三方库丰富的特点，可以极为方便的进行数据的分析和图像的绘制，在三维绘图方面，python同样具有诸多优秀的三方库供大家使用，下面进行简单的介绍，深入了解请查看官方文档，或查阅其他文章。

pyvista模块：

简单介绍：

Pyvista是可视化工具包(VTK-Visualization Toolkit)的高级API，用户可借助此API完成复杂的3D图形绘制，功能较为强大python简单代码控制小车。在Pyvista给出的官方文档中，提供多种绘图Demo，具体详见：Examples — PyVista 0.33.0 documentation。

模块应用：

基础示例Demo：

def OfficialExample():
    '''调用pyvista模块内置的class，绘制基本图形
    :return: None
    '''
    cyl = pv.Cylinder()
    arrow = pv.Arrow()
    sphere = pv.Sphere()
    plane = pv.Plane()
    line = pv.Line()
    box = pv.Box()
    cone = pv.Cone()
    poly = pv.Polygon()
    disc = pv.Disc()

    p = pv.Plotter(shape=(3, 3)) # 设置3*3的矩阵格，上述图形在统一显示平面显示
    # Top row
    p.subplot(0, 0) # 坐标值
    p.add_mesh(cyl, color="tan", show_edges=True)
    p.subplot(0, 1)
    p.add_mesh(arrow, color="tan", show_edges=True)
    p.subplot(0, 2)
    p.add_mesh(sphere, color="tan", show_edges=False)
    # Middle row
    p.subplot(1, 0)
    p.add_mesh(plane, color="tan", show_edges=True)
    p.subplot(1, 1)
    p.add_mesh(line, color="tan", line_width=3)
    p.subplot(1, 2)
    p.add_mesh(box, color="tan", show_edges=True)
    # Bottom row
    p.subplot(2, 0)
    p.add_mesh(cone, color="tan", show_edges=True)
    p.subplot(2, 1)
    p.add_mesh(poly, color="tan", show_edges=True)
    p.subplot(2, 2)
    p.add_mesh(disc, color="tan", show_edges=True)
    # Render all of them
    p.show()

~~~~~~~~ 由上述基础示例Demo，可以总结出Pyvista绘制3D图形的一般步骤：

前提说明：

mesh是pyvista模块绘制时的重点部分，官方文档中定义为any spatially referenced dataset as a mesh,usually consists of geometrical representations of s surface or volumn in space.个人理解mesh为三维空间中一系列数据的集合，通常可以包含若干三维空间集合图形。

一般步骤：

模块导入：import pyvista as pv

设置画布：p = pv.Plotter(shape=(3, 3))，画布的大小格局可以自行进行设计

调用add_mesh()函数进行图形绘制，内部传入事先实例化的基础图形对象

关于此示例Demo的小Tips：

小Tips：

上述图形可以借助于鼠标进行动态的交互，可以借助于鼠标推拽转换角度和方位

图形在调整过程中存在光影的变换，不同的面亮暗程度会发生改变

Point_cloud点云绘制：

def PointCloud():
    '''pyvista借助PolyData绘制三维空间点云
    :return:None 
    '''
    points = np.random.rand(100000, 3) # 生成1000个xyz坐标
    mesh = pv.PolyData(points) # PolyData对象的实例化
    mesh.plot(point_size=2, style='points')

小Tips：

官方文档中，关于point的定义：points are the vertices of the mesh，点云绘制是独立的将每一个点显示在三维空间中，形成点云point-cloud

此处points是由random模块随机生成，因此生成的点数越多，绘制出的图形越接近正方体

基础图形绘制

def HexbeamPlot():
    '''pyvista的example中六角梁绘制
    :return: None
    '''
    mesh = examples.load_hexbeam() # 导入模型
    cpos = [(6.20, 3.00, 7.50),
            (0.16, 0.13, 2.65),
            (-0.28, 0.94, -0.21)]

    pl = pv.Plotter() # Plotter class 实例化
    pl.add_mesh(mesh, show_edges=True, color='white') # 绘制图像
    pl.add_points(mesh.points, color='red',
                  point_size=5) # 标明红色点
    pl.camera_position = cpos # 指明观察的位置和角度
    pl.show()

小Tips：

此处导入pyvista中现有的模型-六角梁，实际上下载下的mesh为一种UnstructedGrid的类型，猜测属于VTK的特定的数据类型

主要使用两个方法：add_mesh绘制图形，add_point在图形上标注特定的点

~~~~~~~~ 这里分界线，下面在上述六角梁的基础上标记出某一个cell来，便于大家理解pyvista绘图的主要要素：

def CellPlot():
    '''绘制六角梁并突出其中的一个Cell
    :return: None
    '''
    mesh = examples.load_hexbeam()
    # 模型六角梁绘制
    pl = pv.Plotter() # 类的实例化(做画图前的准备)
    pl.add_mesh(mesh, show_edges=True, color='white')
    pl.add_points(mesh.points, color='red', point_size=20)
    # 六角梁上描述特定的某一个cell
    single_cell = mesh.extract_cells(mesh.n_cells - 1) # 指定哪一个具体的cell
    pl.add_mesh(single_cell, color='pink', edge_color='blue',
                line_width=5, show_edges=True)

    pl.camera_position = [(6.20, 3.00, 7.50),
                          (0.16, 0.13, 2.65),
                          (-0.28, 0.94, -0.21)]

    pl.show()

小Tips：

上述蓝色小框突出的位置即为一个小cell，官方文档中对于cell的界定为A cell is the geomerty between points that defines the connectivity or topology of a mesh. 按照自己的理解，cell是由若干点及其连接关系组成的小部分

~~~~~~~~ 上述提及展示的几点也是pyvista官方文档中提及的绘图要素要素：mesh,point,cell，下面可以展示一些较为高阶复杂的图形绘制。

BunnyCoaser绘制

def BunnyCoarsePlot():
    '''pyviata复杂的兔子模型绘制
    :return: None
    '''
    mesh = examples.download_bunny_coarse()
    print(mesh)
    print('-----------------------')
    print(mesh.points)

    pl = pv.Plotter()
    pl.add_mesh(mesh, show_edges=True, color='white')
    pl.add_points(mesh.points, color='red',
                  point_size=2)
    pl.camera_position = [(0.02, 0.30, 0.73),
                          (0.02, 0.03, -0.022),
                          (-0.03, 0.94, -0.34)]
    pl.show()

小Tips：

pyvista初次下载模型时，可能需要科学上网，否则报错

错误显示：TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。

mesh输出：

PolyData (0x223e4567340)
N Cells: 1000
N Points: 872
X Bounds: -1.316e-01, 1.802e-01
Y Bounds: -1.205e-01, 1.877e-01
Z Bounds: -1.430e-01, 9.851e-02
N Arrays: 1

~~~~~~~~ 这个PolyData和上面点云类型一致，但是其中不仅仅包含mesh.points，还应该包含有点与点之间的连接情况等等，最后形成由面构成，否则就由点构成，类似于下面：

此时输出的PolyData为：

PolyData (0x2e685813d00)
N Cells: 872
N Points: 872
X Bounds: -1.316e-01, 1.802e-01
Y Bounds: -1.205e-01, 1.877e-01
Z Bounds: -1.430e-01, 9.851e-02
N Arrays: 0

Dragon绘制

def PlotDragon():
    mesh = examples.download_dragon()
    mesh['scalars'] = mesh.points[:, 1]
    mesh.plot(cpos='xy', cmap='plasma', pbr=True, metallic=1.0, roughness=0.6,
              zoom=1.7)

小Tips：

Dragon的绘制和上面BunnyCoaser的绘制相同，同样是下载模型，首次下载需要科学上网

~~~~~~~~ 上面是对pyvista模块绘图情况的简介，为获得更好的交互体验，可以到附录的代码中自行运行代码(其中还有部分模型不不在此展示)，更推荐大家移步官方文档查看学习。

做一个简单的总结：

pyvista功能非常强大，从上面的BunnyCoarse和Dradon就可以略知一二，非常值得学习
pyvista背倚VTK，可能需要其他的知识来辅助绘图操作，比如VTK的各种数据类型，结构等等，来进行高阶的自定义绘图（上面仅是调用现成的模型）

mayavi模块

简单介绍：

~~~~~~~~ mayavi同样也是python三维绘图方向一个非常优秀的模板库，但是仅就自己的体验而言，自己接触的或许比较浅显，个人感觉在mlab的应用层面，与matlab并没有过多本质上的区别。

~~~~~~~~ 官方文档中也有提及这一点：mayavi.mlab as done in the pylab interface but with an emphasis on 3D visulization，mayavi高阶深入的操作，移步官方文档：https://mayavi.readthedocs.io/zh_CN/latest/index.html

简单应用：

三维曲面：

def BasicPlot():
    '''Mayavi模块基础使用学习
    :return: None
    '''
    # 给出待绘制图形的三维空间坐标(表达式)
    x, y = np.ogrid[-2:2:20j, -2:2:20j]
    z = x * np.exp(- x ** 2 - y ** 2)
    # 调用surf函数绘制三维空间中的曲面
    pl = mlab.surf(x, y, z, warp_scale="auto")
    # 借助于axes添加坐标变量，outline函数添加图形外框
    mlab.axes(xlabel='x', ylabel='y', zlabel='z')
    mlab.outline(pl)
    # 图形显示
    mlab.show()

小Tips：

绘图步骤类似于matlab：先生成xy面上的坐标点，而后借助于z坐标向上提拉形成三维空间的曲面

mlab绘制的图形同样可以借助于鼠标进行动态的交互

复杂图形：

def AdvancedPlot():
    '''csdn博客Mayavi测试用例
    :return: None
    '''

    # 建立数据(计算出三维空间坐标)
    dphi, dtheta = pi / 250.0, pi / 250.0
    [phi, theta] = mgrid[0:pi + dphi * 1.5:dphi, 0:2 * pi + dtheta * 1.5:dtheta]
    m0 = 4
    m1 = 3
    m2 = 2
    m3 = 3
    m4 = 6
    m5 = 2
    m6 = 6
    m7 = 4
    r = sin(m0 * phi) ** m1 + cos(m2 * phi) ** m3 + sin(m4 * theta) ** m5 + cos(m6 * theta) ** m7
    x = r * sin(phi) * cos(theta)
    y = r * cos(phi)
    z = r * sin(phi) * sin(theta)

    # 对该数据进行三维可视化
    # mesh函数representation参数可选(surface默认值绘制曲面，wireframe绘制边线)
    s = mlab.mesh(x, y, z,representation = 'surface',line_width = 1.0)
    mlab.outline(s) # 为图形添加边线
    mlab.show()

小Tips：

上述图像在mayavi中算是比较经典的图形，基本上任何mayavi教程都会提及，调用mesh函数进行绘制

mesh函数中存在representation的选项，surface默认绘制曲面，wireframe绘制边线，形成的图形为：

此处故意放大一点图形，方便大家观察wireframe绘制边线的效果

个人感觉，mlab图形绘制数学表达式依赖程度很高，个人认为这也是较大的一个限制

复杂图形：

def using():
    n_mer, n_long = 6, 11
    dphi = np.pi / 1000.0
    phi = np.arange(0.0, 2 * np.pi + 0.5 * dphi, dphi)
    mu = phi * n_mer
    x = np.cos(mu) * (1 + np.cos(n_long * mu / n_mer) * 0.5)
    y = np.sin(mu) * (1 + np.cos(n_long * mu / n_mer) * 0.5)
    z = np.sin(n_long * mu / n_mer) * 0.5
    mlab.plot3d(x, y, z, tube_radius=0.1, color=(1, 0, 0))
    mlab.show()

这个与上面图形绘制类似，上面借助于mesh函数，此处借助于plot3d函数，同样依赖于数学表达式

~~~~~~~~ 上面我们看到一些关于mayavi图形绘制的一些经典案例，下面提及mlab中基础的三维绘图函数，类似于matlab

plot3d&&point3d函数：

~~~~~~~~ 上述函数理论上讲是mayavi中最基本的两个函数，分别用于绘制三维空间中的点和线，plot3d用于将三维空间中的一个个点连接起来形成曲线，point3d则将三维空间中的一系列点独立的绘制出来

def Plot3dTest():
    '''测试mayavi中的plot3d，points3d函数
    :return: None
    '''
    x = np.arange(0,20,1)
    y = np.sin(x)
    z = y * np.sin(x)

    # plot3d和points3d参数传入一维坐标点，绘制三维空间中的一系列点或者曲线
    mlab.plot3d(x,y,z,color = (1,0,0),tube_radius = 0.1) # 参数指明圆管的粗细
    # mlab.points3d(x,y,z,color = (1,0,1)) # 颜色指定(可以取间隔大，方便观察区别)
    mlab.show()

plot3d函数

point3d函数：

小总结：

在二维空间中为点，转化至此处称为球，这一点在point3d函数的应用中可以得到印证

plot3d的绘制原则也是将一系列的点连接起来，点数过少，过于稀疏，绘制出来并非曲线，而是折线

imshow&&surf&&contour_surf函数：

~~~~~~~~ 上述函数分别用于绘制三维彩色图，曲线图，登高图，日常绘图应该不太会应用，可能在一些特定的场合应用作用可能会比较大。

def ImshowTest():
    '''测试mayavi中的imshow,surf,contour_surf函数
    :return: None
    '''
    x, y = np.ogrid[-2:2:20j, -2:2:20j]
    z = x * np.exp( - x**2 - y**2)
    # mlab.imshow(x,y,z) # 绘制二维平z面色彩图
    # mlab.surf(x,y,z) # 绘制三维空间曲z面
    mlab.contour_surf(x,y,z) # 绘制二维平面等高线
    mlab.show()

imshow函数

surf函数

contour_surf函数

小Tips：

此时等高线是三维的，借助于鼠标拖动即可看出所处的高度层不同

barchart函数

~~~~~~~~ barchart用于在三维空间中绘制柱体图，与matlab中的bar3d函数相对应

def barchartTest():
    '''barchart函数
    :return: None
    '''
    s = np.random.rand(3, 3)
    mlab.barchart(s) # 生成三维空间中的柱状图
    mlab.vectorbar() # 附颜色带
    mlab.show()

contour3d函数

~~~~~~~~ contour3d函数绘制三维空间中的等高面，与前面contour_surf相对应

def contour3dTest():
    '''contour3d函数
    :return: None
    '''
    x, y, z = ogrid[-5:5:64j, -5:5:64j, -5:5:64j]
    scalars = x * x * 0.5 + y * y + z * z * 2.0
    mlab.contour3d(scalars, contours=6, transparent=True)
    mlab.colorbar()
    mlab.show()

~~~~~~~~ 上述是对mayavi绘图的基本简介，主要是针对于mlab部分进行讲解，更高阶的功能，深入的了解移步官方文档，简单的总结一下：

mlab功能类似于matlab，但是针对于三维绘图功能进行强化，在python3D绘图领域优秀的模块
mlab较为依赖数学公式，针对于复杂生活场景的建模能力不足，当然mayavi应该有其他的解决方案

pyopengl模块：

简单介绍：

~~~~~~~~ pyopengl是opengl的pythonAPI，opengl相信很多人都听说过，OpenGl的全称为Open Graphics Library，常用于二维和三维图像的绘制。

~~~~~~~~ 本文的OpenGl介绍使用并未以官方文档为参考(自己太菜，看着实在是心态崩溃)，此处以网络上大佬的博客(https://eyehere.net/2011/learn-opengl-3d-by-pyopengl-3/)为参考学习，同时对内容进行简要的总结，详细的内容请参考官方文档或者检索其他参考文献。

~~~~~~~~ OpenGl更加普遍广泛的为C++调用，大家也可以参考C++的调用方式，和Python的差异不会太大。

模块安装：

~~~~~~~~ 此处提一下pyopengl的安装，是因为此模块并不能简单的按照pip install pyopengl的方式进行安装，需要下载镜像文件进行安装，参考文献：https://blog.csdn.net/xufive/article/details/86565130

~~~~~~~~ 个人在安装过程中曾遇到安装失败，报错显示The file is not supported on the platform，最后发现由于下载的镜像文件与个人电脑的python版本不匹配造成的，详细的解决方案参考：https://www.jianshu.com/p/531c4fdbb493

简单应用:

茶壶小Demo：

# pyopengl绘制茶壶-基本命令解析
from OpenGL.GL import *
from OpenGL.GLU import *
from OpenGL.GLUT import *

def drawFunc():
    '''OpenGl实际绘图函数'''
    glClear(GL_COLOR_BUFFER_BIT) # 将先前的画面清除，参数指明要清除的buffer
    # glRotatef(1, 0, 1, 0)
    glutWireTeapot(0.5) # glut提供的绘制‘犹他茶壶’的函数(glut内部函数)
    glFlush() # 刷新显示(内部复杂)

glutInit() # 借助于glut初始化opengl
'''GLUT_SINGLE所有绘图操作都直接在显示的窗口执行，GLUT_RGBA说明采用RGB的颜色显示方式'''
glutInitDisplayMode(GLUT_SINGLE | GLUT_RGBA)
glutInitWindowSize(400, 400) # 设置窗口大小(glutInitWindowPosition设置窗口出现的位置)
glutCreateWindow("First") # 创建窗口，添加标题
glutDisplayFunc(drawFunc) # 执行函数(函数中包含openGl的诸多基础绘图操作)
# glutIdleFunc(drawFunc)
glutMainLoop() # 主循环，画出即时的图像，处理输入等

小Tips：

此处并为展示任何绘图的技巧，茶壶的绘制调用内部的WireTeapot函数实现，可以借此了解pyopengl绘制图形的一般思路

此处绘制的茶壶为静态的，同时不支持借助于鼠标动态交互

动态茶壶小Demo：

## 绘制旋转的犹他茶壶
from OpenGL.GL import *
from OpenGL.GLU import *
from OpenGL.GLUT import *

def drawFunc():
    glClear(GL_COLOR_BUFFER_BIT)
    glRotatef(1, 0, 1, 0) # 参数说明：角度+向量(绕向量旋转一定的角度)
    glutWireTeapot(0.5)
    glFlush()

glutInit()
glutInitDisplayMode(GLUT_SINGLE | GLUT_RGBA)
glutInitWindowSize(400, 400)
glutCreateWindow("First")
glutDisplayFunc(drawFunc)
glutIdleFunc(drawFunc) # 动画产生
glutMainLoop()

小Tips：

动态旋转的茶壶小Demo添加两行代码：

glRotatef(1,0,1,0)用于说明围绕特定向量旋转的角度

glutIdelFunc(drawFunc)用于生成动画

from OpenGL.GL import *
from OpenGL.GLU import *
from OpenGL.GLUT import *

def init():
    glClearColor(0.0, 0.0, 0.0, 1.0)
    gluOrtho2D(-1.0, 1.0, -1.0, 1.0)

def drawFunc():
    glClear(GL_COLOR_BUFFER_BIT)

    glBegin(GL_LINES) # 分割线绘制(未指定颜色，前景白色，背景黑色)
    glVertex2f(-1.0, 0.0)
    glVertex2f(1.0, 0.0)
    glVertex2f(0.0, 1.0)
    glVertex2f(0.0, -1.0)
    glEnd()

    glPointSize(5.0) # 指明每个像素点的大小为5
    glBegin(GL_POINTS) # 右上部分点的绘制(指定坐标和颜色)
    glColor3f(1.0, 0.0, 0.0)
    glVertex2f(0.3, 0.3)
    glColor3f(0.0, 1.0, 0.0)
    glVertex2f(0.6, 0.6)
    glColor3f(0.0, 0.0, 1.0)
    glVertex2f(0.9, 0.9)
    glEnd()

    '''仔细观察，默认情况下，封闭图形会被填充'''
    glColor3f(1.0, 1.0, 0) # 绘制指定颜色的独立四边形(矩形)
    glBegin(GL_QUADS)
    glVertex2f(-0.2, 0.2)
    glVertex2f(-0.2, 0.5)
    glVertex2f(-0.5, 0.5)
    glVertex2f(-0.5, 0.2)
    glEnd()

    glColor3f(0.0, 1.0, 1.0)
    glPolygonMode(GL_FRONT, GL_LINE) # 指定绘制面的方式(GL_LINE只画线，GL_FILL进行填充)
    glPolygonMode(GL_BACK, GL_FILL)
    glBegin(GL_POLYGON)
    glVertex2f(-0.5, -0.1)
    glVertex2f(-0.8, -0.3)
    glVertex2f(-0.8, -0.6)
    glVertex2f(-0.5, -0.8)
    glVertex2f(-0.2, -0.6)
    glVertex2f(-0.2, -0.3)
    glEnd()

    '''两端代码的区别在于面的渲染，类似于刷油漆，在正面刷和在反面刷的区别'''
    '''此处面理解为是的3D面，正面渲染是可以看到的，但是背面的渲染是无法观察到的'''

    glPolygonMode(GL_FRONT, GL_FILL)
    glPolygonMode(GL_BACK, GL_LINE)
    glBegin(GL_POLYGON)
    glVertex2f(0.5, -0.1)
    glVertex2f(0.2, -0.3)
    glVertex2f(0.2, -0.6)
    glVertex2f(0.5, -0.8)
    glVertex2f(0.8, -0.6)
    glVertex2f(0.8, -0.3)
    glEnd()

    glFlush()

glutInit()
glutInitDisplayMode(GLUT_RGBA|GLUT_SINGLE)
glutInitWindowSize(400, 400)
glutCreateWindow("Sencond")

glutDisplayFunc(drawFunc)
init()
glutMainLoop()

~~~~~~~~ 借助于此部分，我们的对于PyOpenGL的基础绘图操作做简单的归纳总结：

OpenGL的所有绘图命令必须在glBegin()和glEnd()之间，同时，glBengin()中的参数知名绘图的方式

GL_LINES表示绘制线端

GL_POINTS表示绘制单个顶点集

GL_QUADS表示绘制独立四边形

GL_POLYGON表示绘制多边形

其他绘制方式参考官方文档或者博客

上述代码最后若干行属于对OpenGL的绘图窗口，主循环等等进行设置，绘制图形时必备，内部参数可发生改变

上图中下面两幅图，作者用于说明OpenGL中的渲染问题，简单讲，由于绘制图像的3D特性，存在正面和反面之分，渲染可以理解为涂色，正面的涂色我们是可以看到的，但是背面的涂色我们是无法看到的

结尾Demo：

from OpenGL.GL import *
from OpenGL.GLUT import *


def draw():
    # ---------------------------------------------------------------
    glBegin(GL_LINES)  # 开始绘制线段（世界坐标系）

    # 以红色绘制x轴
    glColor4f(1.0, 0.0, 0.0, 1.0)  # 设置当前颜色为红色不透明
    glVertex3f(-0.8, 0.0, 0.0)  # 设置x轴顶点（x轴负方向）
    glVertex3f(0.8, 0.0, 0.0)  # 设置x轴顶点（x轴正方向）

    # 以绿色绘制y轴
    glColor4f(0.0, 1.0, 0.0, 1.0)  # 设置当前颜色为绿色不透明
    glVertex3f(0.0, -0.8, 0.0)  # 设置y轴顶点（y轴负方向）
    glVertex3f(0.0, 0.8, 0.0)  # 设置y轴顶点（y轴正方向）

    # 以蓝色绘制z轴
    glColor4f(0.0, 0.0, 1.0, 1.0)  # 设置当前颜色为蓝色不透明
    glVertex3f(0.0, 0.0, -0.8)  # 设置z轴顶点（z轴负方向）
    glVertex3f(0.0, 0.0, 0.8)  # 设置z轴顶点（z轴正方向）

    glEnd()  # 结束绘制线段

    # ---------------------------------------------------------------
    glBegin(GL_TRIANGLES)  # 开始绘制三角形（z轴负半区）

    glColor4f(1.0, 0.0, 0.0, 1.0)  # 设置当前颜色为红色不透明
    glVertex3f(-0.5, -0.366, -0.5)  # 设置三角形顶点
    glColor4f(0.0, 1.0, 0.0, 1.0)  # 设置当前颜色为绿色不透明
    glVertex3f(0.5, -0.366, -0.5)  # 设置三角形顶点
    glColor4f(0.0, 0.0, 1.0, 1.0)  # 设置当前颜色为蓝色不透明
    glVertex3f(0.0, 0.5, -0.5)  # 设置三角形顶点

    glEnd()  # 结束绘制三角形

    # ---------------------------------------------------------------
    glFlush()  # 清空缓冲区，将指令送往硬件立即执行


if __name__ == "__main__":
    glutInit()  # 1. 初始化glut库
    glutCreateWindow('Quidam Of OpenGL')  # 2. 创建glut窗口
    glutDisplayFunc(draw)  # 3. 注册回调函数draw()
    glutMainLoop()  # 4. 进入glut主循环

~~~~~~~~ pyopengl讲述内容不多，主要原因是因为我自己确实也是没怎么弄懂，相比于我更推荐大家去看大佬的博客，写的比较详细，后续应该也会更新。简单总结一下：

相比于上面两模块，pyopengl的可塑性应该是最强大，可以自定义光照，位置等的影响
可塑性强，自由灵活，那就意味着自己考虑，操作的部分非常多，上手的难度大，可适当参考视频教程，或许要容易些

二、python动画生成

~~~~~~~~ 上述介绍python中三维绘图的模块，下面提及如何将绘制的图像转换为动画，当然也是借助于python的库完成-MoviePy。MoviePy是python的一个专业的音视频编辑库。我们可以借助于MoviePy将我们绘制的图形变为动态的动画。MoviePy的官方文档中提及选择MoviePy的一大理由在于你想将从别的Python库里（如Matplotlib、Mayavi、Gizeh、scikit-images等）生成的图片制作成动画。

~~~~~~~~ 当然，我们此处仅是落脚于MoviePy与绘图模块的交互的部分，但是MoviePy的功能远不止此，其他更多的功能，请移步官方文档：http://doc.moviepy.com.cn/index.html#document-3_%E4%BD%9C%E5%93%81%E5%B1%95%E7%A4%BA/index

MoviePy模块应用：

moviepy和mayavi交互动画生成：

# 借助于Moviepy和mayavi实现3D动态图
import numpy as np
import mayavi.mlab as mlab
import  moviepy.editor as mpy

duration= 2 # duration of the animation in seconds (it will loop)

# 用Mayavi制作一个图形
fig_myv = mlab.figure(size=(220,220), bgcolor=(1,1,1))
X, Y = np.linspace(-2,2,200), np.linspace(-2,2,200)
XX, YY = np.meshgrid(X,Y)
ZZ = lambda d: np.sinc(XX**2+YY**2)+np.sin(XX+d)

# 用MoviePy将图形转换为动画，编写动画GIF

def make_frame(t):
    mlab.clf() # 清掉图形（重设颜色）
    mlab.mesh(YY,XX,ZZ(2*np.pi*t/duration), figure=fig_myv)
    return mlab.screenshot(antialiased=True)

animation = mpy.VideoClip(make_frame, duration=duration)
animation.write_gif("sinc.gif", fps=20)

moviepy和matplotlib交互动画生成：

import matplotlib.pyplot as plt
import numpy as np
from moviepy.editor import VideoClip
from moviepy.video.io.bindings import mplfig_to_npimage

x = np.linspace(-2, 2, 200)

duration = 2 # 定义图像的变化速度(值越小，图像切换越快，对应图像的变化速度越快)

fig, ax = plt.subplots()
def make_frame(t):
    ax.clear()
    ax.plot(x, np.sinc(x**2) + np.sin(x + 2*np.pi/duration * t), lw=2) # lw参数定义绘图线条的粗细
    ax.set_ylim(-1.5, 2.5)
    return mplfig_to_npimage(fig)

animation = VideoClip(make_frame, duration=duration) # 生成gif或者mp4
animation.write_gif('matplotlib.gif', fps=20) # 生成gif文件
# animation.write_videofile('matplotlib.mp4',fps = 24) # 生成mp4文件

图形展示：

小Tips：

moviepy生成的动画不仅可以借助animation.write_gif('matplotlib.gif', fps=20)生成gif文件，同样可以借助animation.write_videofile('matplotlib.mp4',fps = 24)生成视频文件。

duration定义图形速度的变化，数值越小，图像的变化速度越快

make_frame