Pour les données structurées il y a SimpleITK qui fournit des fonctions d'import performantes.
Sur la classe python VTK, ça ne va pas du tout car il faut faire des boucles sur les éléments du fichier VTK ce qui est long en python.
Le mieux est d'utiliser un langage compilé qui fait la conversion et met tout ça dans un array numpy mais ça il faut le faire à la main dès que l'on a un format de fichier un peu non standard. Sur des petites structures ce n'est pas grave, ça devient chiant sur des plus grandes et c'est ingérable (pour l’utilisateur lambda) sur des structures dépassant la taille de la mémoire.
Mais VTK est un standard de facto, utilisé par les gens de l'analyse d'images médicales pour la segmentation et par la communauté des éléments finis pour le post traitement (via paraview), une solution sérieuse se doit de traiter ce format en fournissant le même niveau de service (chargment par morceaux comme HDF/NetCDF).
[^] # Re: Gros volumes de données ?
Posté par freejeff . En réponse à la dépêche Pandas, une bibliothèque pour manipuler facilement des données. Évalué à 1.
Pour les données structurées il y a SimpleITK qui fournit des fonctions d'import performantes.
Sur la classe python VTK, ça ne va pas du tout car il faut faire des boucles sur les éléments du fichier VTK ce qui est long en python.
Le mieux est d'utiliser un langage compilé qui fait la conversion et met tout ça dans un array numpy mais ça il faut le faire à la main dès que l'on a un format de fichier un peu non standard. Sur des petites structures ce n'est pas grave, ça devient chiant sur des plus grandes et c'est ingérable (pour l’utilisateur lambda) sur des structures dépassant la taille de la mémoire.
Mais VTK est un standard de facto, utilisé par les gens de l'analyse d'images médicales pour la segmentation et par la communauté des éléments finis pour le post traitement (via paraview), une solution sérieuse se doit de traiter ce format en fournissant le même niveau de service (chargment par morceaux comme HDF/NetCDF).