Плохая автоматическая триангуляция с Mayavi для окраски поверхности, известной только ее углом

Я пытаюсь окрасить поверхность, известную только своим углом в соответствии с ее значением Y с Mayavi. Оригинал, II удается сделать то же самое с matplotlib ( здесь ), но я вернул эту каноническую информацию на мои настоящие данные, рендеринга было недостаточно, и поэтому я сейчас пытаюсь с Mayavi. Я нашел пример из Surface из примера нерегулярных данных, что весьма полезно. Однако при применении к моему делу, воспроизведя здесь в этом простом случае, триангуляция становится неправильной, как видно на рисунке ниже для левой поверхности, с двумя нижними треугольниками вместо верхнего и нижнего треугольников, как для правой поверхности.

• Ошибка TVTK в Mayavi (Python)
• Работает ли свойство текста шрифта Mayavi «Размер шрифта»?
• Ограничьте мышь Маяви на вращающуюся Землю вокруг своей оси
• Добавление 4-й переменной в 3D-график в Python
• Измените источники данных mlab quiver3d & surf без очистки фигуры в скриптах признаков

Я полагаю, что он исходил из положения вторых Y-вершин, однако я хочу найти более общее решение: 1) избежать этой противоправной триангуляции и 2) иметь более гладкую поверхность, интерполируя между каждым углом, как в предыдущей статье и избегайте, насколько это возможно, складки, видимой на правой поверхности, из-за расщепления моей поверхности только в двух треугольниках. Есть идеи о том, как это сделать с Mayavi?

Вот код, который я использовал для создания этого простого примера:

#!/usr/bin/env python #-*- coding: utf-8 -*- import numpy from mayavi import mlab X1 = numpy.array([0, 0, 1, 1]) Y1 = numpy.array([0.5, 0.75, 1, 0.5]) Z1 = numpy.array([0, 1, 0.5,0]) X2 = numpy.array([0, 0, 1, 1]) Y2 = numpy.array([-0.5, -0.45, -1, -0.5]) Z2 = numpy.array([0, 1, 0.5,0]) fig = mlab.figure(1, bgcolor=(1, 1, 1), fgcolor=(0.5, 0.5, 0.5)) # Building the working triangulation # Define the points in 3D space # including color code based on Z coordinate. pts = mlab.points3d(X1, Y1, Z1, Y1, colormap='jet') # Triangulate based on X, Y with Delaunay 2D algorithm. # Save resulting triangulation. mesh = mlab.pipeline.delaunay2d(pts) # Remove the point representation from the plot pts.remove() # Draw a surface based on the triangulation surf = mlab.pipeline.surface(mesh, colormap='jet') # Building the buggus triangulation pts = mlab.points3d(X2, Y2, Z2, Y2, colormap='jet') # Triangulate based on X, Y with Delaunay 2D algorithm. # Save resulting triangulation. mesh = mlab.pipeline.delaunay2d(pts) # Remove the point representation from the plot pts.remove() # Draw a surface based on the triangulation surf = mlab.pipeline.surface(mesh, colormap='jet') # Simple plot. mlab.outline(extent=(0,1,-1,1,0,1)) mlab.axes(extent=(0,1,-1,1,0,1), nb_labels=3) mlab.show() 

  z = numpy.array([0, **0.5, 1,** 0]) 

  Z1 = numpy.array([0, **1, 0.5**,0]) 

 X2 = numpy.array([0, 0, 1, 1]) Y2 = numpy.array([-0.5, -0.75, -1, -0.5]) Z2 = numpy.array([0, 1, 0.5,0])