lvpyio

刘训臣

February 20, 2025

今天尝试了 LaVision 公司的 python package，太坑了，又发现 DeepSeek 太香了。

lvpyio 的网址： https://www.lavision.de/en/downloads/software/python_add_ons.php

之前都是把 DaVis 计算得到的速度场或者标量场结果存成文本文件，例如 B00001.txt 再用python读。下面是我写的读标量场和矢量场的函数，其中load_piv 中 size 参数非0时，会将数据 binning 降低数据数量，提高对比度。

#%% read DaVis txt file

def load_piv(filename, size):
    """
    extract PIV data
    filename: txt file name
    size: average size
    """
    lavision = open(filename)
    step, xnum, ynum = lavision.readline().split(' ')[3:6]
    lavision.close()
    step = int(step)
    xnum = int(xnum)
    ynum = int(ynum)
    size = int(size)

    oned = pd.read_csv(filename, decimal=',', sep='\t', skiprows=1, header=None)
    X = np.reshape(oned.values[:, 0], (xnum, ynum), 'C').astype('float64')
    Y = np.reshape(oned.values[:, 1], (xnum, ynum), 'C').astype('float64')
    U = np.reshape(oned.values[:, 2], (xnum, ynum), 'C').astype('float64')
    V = np.reshape(oned.values[:, 3], (xnum, ynum), 'C').astype('float64')
    
    if size != 1:
        X = X[:int(xnum // size) * size, :int(ynum // size) * size].reshape(int(xnum // size), size, int(ynum // size),size).mean(axis=(1, 3))
        Y = Y[:int(xnum // size) * size, :int(ynum // size) * size].reshape(int(xnum // size), size, int(ynum // size),size).mean(axis=(1, 3))
        U = U[:int(xnum // size) * size, :int(ynum // size) * size].reshape(int(xnum // size), size, int(ynum // size),size).mean(axis=(1, 3))
        V = V[:int(xnum // size) * size, :int(ynum // size) * size].reshape(int(xnum // size), size, int(ynum // size),size).mean(axis=(1, 3))
    X = X.astype('float32')                                                                           
    Y = Y.astype('float32')
    U = U.astype('float32')
    V = V.astype('float32')
    return step, xnum, ynum, X, Y, U, V   

def load_plif():
    plif = open(filename)
    firstline = plif.readline().split(' ')
    x_num,y_num = firstline[3:5]
    delta_x,x0 = firstline[6:8]
    delta_y,y0 = firstline[10:12]
    plif.close()
    x_num = int(x_num)
    y_num = int(y_num)
    x0 = float(x0)
    y0 = float(y0)
    delta_x = float(delta_x)
    delta_y = float(delta_y)
    X = np.arange(x0, x0+(x_num)*delta_x, delta_x)
    Y = np.arange(y0, y0+(y_num)*delta_y, delta_y)   
    plif_txt = pd.read_csv(filename, decimal=',', sep='\t', skiprows=1, header=None)
    plif = plif_txt.values
    return x_num,y_num,X,Y,plif

貌似用官方的软件包可以读更多的文件格式吧。于是就开始安装了。首先发现不知道为什么 spyder 启动出问题了，numpy 版本不对，需要重装 numpy，就好了。

然后会出现这个错误：

from lvpyio import read_set

/usr/local/lib64/python3.13/site-packages/lvpyio/io/LaVision.Logging.so: undefined symbol: _ZdlPvm, version Qt_5

在DeepSeek 中输入，马上告诉我是 .so 动态链接库找不到特定版本的 Qt 问题。更给力的是解决的方法也有，如下，用string 命令看一下

xliu@localhost:/usr/local/lib64/python3.13/site-packages/lvpyio/io$ strings LaVision.Logging.so | grep Qt
/home/tfsbuild/lvdeps/Qt-5.14.0-gcc_64/5.14.0/gcc_64/include/QtCore/qstring.h
/home/tfsbuild/lvdeps/Qt-5.14.0-gcc_64/5.14.0/gcc_64/include/QtCore/qarraydata.h
_ZN7QString15toLatin1_helperERKS_@@Qt_5
_ZdlPvm@@Qt_5
_ZN10QArrayData11shared_nullE@@Qt_5
_Z9qt_assertPKcS0_i@@Qt_5
_ZN10QArrayData10deallocateEPS_mm@@Qt_5
_ZN7QString16fromAscii_helperEPKci@@Qt_5
qt_version_tag@@Qt_5.14
_ZN9QListData11shared_nullE@@Qt_5
libQt5Core.so.5
Qt_5.14
Qt_5

很明显，这一版本是用的 Qt-5.14.0，现在新版的Qt5 是 5.15了，不匹配了。只需要安装5.14.0版本即可

pip install PyQt5==5.14.0

然后在spyder中就可以运行lvpyio 了。

from lvpyio import read_set
import lvpyio as lv

path = pathlib.Path('2021-time2-twinnozzle-coldflow/6-4-2d_C001H001S0002')
set = lv.read_set(path)
buffer = s[100]
img = buffer.as_masked_array().data
mask = buffer.as_masked_array().mask

大模型带来了又一波信息化革命，人工智能已来，科研工作者如何面对？我个人感觉，普通的计算机问题、搜索网页等普通任务真的都可以解决了。所有能网页上搜到的问题，应该都可以靠大模型了。人工智能也应该帮助学习理论问题，这学期上课，就准备启发学生们自学的时候用用。但深入细微的知识和真知卓见、动手的实验问题，人工智能应该还是不行。简单来说，探索未知，这也就是科研工作者还能起到关键作用的地方吧。