interpolate3d_fft.py ダウンロード/コピー
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()