interpolate3d_fft.py ダウンロード/コピー

interpolate3d_fft.py をダウンロード

interpolate3d_fft.py
interpolate3d_fft.py
  1"""
  2概要:
  3    3次元周期データのFFTを用いた補間処理を提供します。
  4
  5詳細説明:
  6    このモジュールは、フーリエ変換とゼロパディングを利用して、3次元空間に周期的に配置された
  7    離散データを高解像度化するための関数を含みます。主に科学技術計算や画像処理の分野で、
  8    データの補間やアップサンプリングに利用されます。
  9
 10関連リンク:
 11    interpolate3d_fft_usage
 12"""
 13import numpy as np
 14import matplotlib.pyplot as plt
 15from mpl_toolkits.mplot3d import Axes3D
 16from scipy.fft import fftn, ifftn, fftshift, ifftshift
 17
 18def interpolate_3d_periodic_data_fft(data, interp_factor=(2, 2, 2)):
 19    """
 20    概要:
 21        3次元の等間隔周期データをFFTによるゼロパディングを用いて補間します。
 22
 23    詳細説明:
 24        この関数は、与えられた3次元データをフーリエ変換により周波数領域に変換します。
 25        周波数領域において元のデータが占める領域以外の部分をゼロで埋めることで、
 26        高周波数成分がゼロであると仮定し、実空間での高解像度補間を実現します。
 27        逆フーリエ変換を適用することで、指定された補間倍率でサンプリングされたデータが得られます。
 28        fftshiftとifftshiftを使用してFFTのDC成分が配列の中心にくるように処理します。
 29        最終的にnumpy.realを適用しているため、実数部のみが返されます。
 30        補間倍率interp_factorの各要素は1以上の整数である必要があり、1を指定した次元は補間されません。
 31
 32    引数:
 33        :param data: 補間対象の3次元周期データ。形状は(Nx, Ny, Nz)を想定します。
 34        :type data: numpy.ndarray
 35        :param interp_factor: 各次元の補間倍率を示す3つの整数のタプル。
 36        :type interp_factor: tuple
 37
 38    戻り値:
 39        :returns: 補間された3次元データ配列。
 40        :rtype: numpy.ndarray
 41
 42    例外:
 43        :raises ValueError: 入力データが3次元配列でない場合や補間倍率が不正な場合に発生します。
 44    """
 45    if not (isinstance(data, np.ndarray) and data.ndim == 3):
 46        raise ValueError("入力データは3次元のNumPy配列である必要があります。")
 47    if not (isinstance(interp_factor, tuple) and len(interp_factor) == 3 and all(isinstance(f, int) and f >= 1 for f in interp_factor)):
 48        raise ValueError("interp_factorは各次元の整数補間倍率を示す3つの要素を持つタプルである必要があります。")
 49
 50    Nx, Ny, Nz = data.shape
 51    interp_Nx, interp_Ny, interp_Nz = interp_factor
 52
 53    # 1. FFTを適用して周波数領域のデータを得る
 54    F_data = fftshift(fftn(data))
 55
 56    # 2. 周波数領域でのゼロパディング
 57    # 新しいサイズを計算
 58    new_Nx = Nx * interp_Nx
 59    new_Ny = Ny * interp_Ny
 60    new_Nz = Nz * interp_Nz
 61
 62    # 新しいゼロパディングされた配列を初期化
 63    F_data_padded = np.zeros((new_Nx, new_Ny, new_Nz), dtype=F_data.dtype)
 64
 65    # 元の周波数成分を新しい配列の中央にコピー
 66    start_x = (new_Nx - Nx) // 2
 67    end_x = start_x + Nx
 68    start_y = (new_Ny - Ny) // 2
 69    end_y = start_y + Ny
 70    start_z = (new_Nz - Nz) // 2
 71    end_z = start_z + Nz
 72
 73    F_data_padded[start_x:end_x, start_y:end_y, start_z:end_z] = F_data
 74
 75    # 3. 逆FFTを適用して補間されたデータを得る
 76    interpolated_data = np.real(ifftn(ifftshift(F_data_padded))) * (new_Nx * new_Ny * new_Nz) / (Nx * Ny * Nz)
 77
 78    return interpolated_data
 79
 80# --- 使用例 ---
 81if __name__ == "__main__":
 82    # 1. サンプル3次元データの作成
 83    Nx_orig, Ny_orig, Nz_orig = 10, 10, 10
 84    x_orig = np.linspace(0, 2 * np.pi, Nx_orig, endpoint=False)
 85    y_orig = np.linspace(0, 2 * np.pi, Ny_orig, endpoint=False)
 86    z_orig = np.linspace(0, 2 * np.pi, Nz_orig, endpoint=False)
 87    X_orig, Y_orig, Z_orig = np.meshgrid(x_orig, y_orig, z_orig, indexing='ij')
 88
 89    original_data = np.sin(X_orig * 2) + np.cos(Y_orig * 3) + np.sin(Z_orig * 1.5)
 90
 91    print(f"元のデータの形状: {original_data.shape}")
 92
 93    # 2. FFTによる補間
 94    interp_factor = (4, 4, 4) # 各次元を4倍に補間
 95    interpolated_data = interpolate_3d_periodic_data_fft(original_data, interp_factor)
 96
 97    print(f"補間後のデータの形状: {interpolated_data.shape}")
 98
 99    # **ここから修正点**
100    # interpolated_data の形状から新しい次元数を取得する
101    new_Nx, new_Ny, new_Nz = interpolated_data.shape
102    # **修正点ここまで**
103
104    # 3. 結果の可視化 (スライス表示)
105    slice_idx_orig_x = Nx_orig // 2
106    slice_idx_interp_x = new_Nx // 2 # 補間後のデータに対応するインデックス
107
108    fig = plt.figure(figsize=(14, 7))
109
110    ax1 = fig.add_subplot(121)
111    c1 = ax1.imshow(original_data[slice_idx_orig_x, :, :], origin='lower', cmap='viridis',
112                    extent=[0, 2 * np.pi, 0, 2 * np.pi])
113    fig.colorbar(c1, ax=ax1, fraction=0.046, pad=0.04)
114    ax1.set_title(f'Original Data (X-slice at {slice_idx_orig_x})')
115    ax1.set_xlabel('Y-axis')
116    ax1.set_ylabel('Z-axis')
117
118    ax2 = fig.add_subplot(122)
119    c2 = ax2.imshow(interpolated_data[slice_idx_interp_x, :, :], origin='lower', cmap='viridis',
120                    extent=[0, 2 * np.pi, 0, 2 * np.pi])
121    fig.colorbar(c2, ax=ax2, fraction=0.046, pad=0.04)
122    ax2.set_title(f'Interpolated Data (X-slice at {slice_idx_interp_x})')
123    ax2.set_xlabel('Y-axis')
124    ax2.set_ylabel('Z-axis')
125
126    plt.tight_layout()
127    plt.show()
128
129    # オプション:3D可視化(データ点が多すぎると描画が重くなる可能性があります)
130    fig_3d = plt.figure(figsize=(12, 6))
131
132    ax_orig_3d = fig_3d.add_subplot(121, projection='3d')
133    sc_orig = ax_orig_3d.scatter(X_orig.flatten(), Y_orig.flatten(), Z_orig.flatten(),
134                                 c=original_data.flatten(), cmap='viridis', s=20)
135    fig_3d.colorbar(sc_orig, ax=ax_orig_3d, shrink=0.5, aspect=5)
136    ax_orig_3d.set_title('Original Data Points')
137    ax_orig_3d.set_xlabel('X')
138    ax_orig_3d.set_ylabel('Y')
139    ax_orig_3d.set_zlabel('Z')
140
141    ax_interp_3d = fig_3d.add_subplot(122, projection='3d')
142    # **ここから修正点**
143    # new_Nx, new_Ny, new_Nz がここで定義されているため、これらを使用できます
144    x_interp = np.linspace(0, 2 * np.pi, new_Nx, endpoint=False)
145    y_interp = np.linspace(0, 2 * np.pi, new_Ny, endpoint=False)
146    # **修正点ここまで**
147    X_interp_slice, Y_interp_slice = np.meshgrid(x_interp, y_interp, indexing='ij')
148
149    z_slice_idx = new_Nz // 2 # 補間後のデータに対応するインデックス
150    surf_interp = ax_interp_3d.plot_surface(X_interp_slice, Y_interp_slice,
151                                            interpolated_data[:, :, z_slice_idx],
152                                            cmap='viridis', edgecolor='none')
153    fig_3d.colorbar(surf_interp, ax=ax_interp_3d, shrink=0.5, aspect=5)
154    ax_interp_3d.set_title(f'Interpolated Data (Z-slice at {z_slice_idx})')
155    ax_interp_3d.set_xlabel('X')
156    ax_interp_3d.set_ylabel('Y')
157    ax_interp_3d.set_zlabel('Value')
158
159    plt.tight_layout()
160    plt.show()