面を張れない点群 —— 細胞の位置、LiDAR、SfM の疎な点、粒子 —— を、点のまま RGB の絵にします。点は小数画素の位置に足跡(gaussian / disc / point)を落とし、深さの順にアルファ合成(over)するか、光の総量を保って足します(add、数の密度の地図になる)。カメラは project_points / render_point_depth と同じ OpenCV の規約(+Z が前)で、正射影は K を省くと点群を画像に収めます。
Draws a point cloud that has no surface — cell positions, LiDAR returns, sparse SfM points, particles — as an RGB image. Each point drops a sub-pixel footprint (gaussian / disc / point) that is alpha-composited in depth order (over) or added with the total light conserved (add, a density map). The camera follows the OpenCV convention of project_points / render_point_depth; an orthographic render fits the cloud to the image when K is omitted.
向く: 数万〜十数万点の分布の全体像(poc_flybrain_pointcloud: ハエの脳の細胞体 126,104 個を 1 枚 0.3 秒)。クラスで色を分ける図、回転の GIF、密度の地図。
向かない: ★面の陰影や法線が要る絵 —— 点に法線は無い。メッシュなら render_mesh、3DGS なら gs_render。★深度の値そのものが要るとき —— render_point_depth(1 点 1 画素の z-buffer)。★時間で変わる活動を載せる動画 —— points_activity_video。
points_render
R, t でカメラを置き(正面・側面・背面は軸の入れ替えの行列)、色は (N, 3) で渡す。奥を暗くする depth_cue で奥行きが読みやすくなる。縮尺は annotate_scale_bar、凡例は text_box で絵の上に。
深度だけなら render_point_depth、射影の座標だけなら project_points、活動の動画は points_activity_video、陰影つきのガウシアンは gs_render、メッシュは render_mesh。
画素校正は無い。正射影なら K の fx が「画素 / 座標単位」なので、座標の単位(例: 8 nm のボクセル)を掛けてスケールバーにする。
import fullseye as fs
import numpy as np
rng = np.random.default_rng(0)
pts = rng.normal(size=(20000, 3)) * [1.0, 0.6, 0.4] # 楕円体の雲
cols = np.where(pts[:, :1] > 0, [1.0, 0.6, 0.2], [0.3, 0.7, 1.0]) # 左右で 2 色
img = fs.ledger.points_render(pts, colors=cols, size=(240, 320), opacity=0.4, depth_cue=0.5,
background=(0.05, 0.05, 0.08))
dens = fs.ledger.points_render(pts, colors=np.ones(3), size=(240, 320), composite="add",
background=(0.0, 0.0, 0.0))
print(img.shape, float(img.max()), "light kept:", round(float(dens.sum()), 6), "=", 3 * len(pts))