简述

如题，我在自己尝试自动化调用MeshLab时，通过网络搜索，发现了两种手段：

• 使用批量化工具 meshlabserver;
• 使用官方Python库 pymeshlab.

这两种方法按时间顺序先后是官方提供的批量化调用MeshLab程序的方式，其中，meshlabserver 自从在官方发布的MeshLab 2020.12版本中被删除，之后再也没有被提供过。因此要使用的话必须安装较低的版本的MeshLab，我使用的版本是 MeshLab 2020.09。

MeshLab 官方各版本发布仓库: 点此跳转

两种方法各自的优势和缺点

• meshlabserver
  • 优势：支持命令行调用或者cmd脚本，同时理论上支持原MeshLab软件支持的所有功能.
  • 缺点：每种功能都必须导入对应的，且较新版本meshlab不支持。
• PyMeshLab
  • 优势：打包成python库方便使用python脚本进行批量且较复杂的操作，官方文档比较全面。
  • 缺点：我一开始有点没弄清楚文件类型，比如nvm文件应该作为project导入，但我很长时间都没有发现这点。

1. meshlabserver

• 文件位置： 通常与meshlab.exe同级，同样是executable

• 调用方法（二选一）：

  • 将meshlabserver.exe加入环境变量
  • 直接用文件路径

📘 以下假设已将meshlabserver.exe加入环境变量：

示例

1. 完成已导出的脚本功能（批处理脚本如何导出参见此篇CSDN博客）

   $ meshlabserver -p path/to/meshlab/project -i mesh/file/to/be/loaded -o output/filename [optional args such as vc(vertex color)] -s path/to/script

   -o 的参数有很多，下面给出常用的：

   vc -> vertex colors,
   fc -> face colors,
   fn-> face normals,
   sa -> save in ascii format

2. exe的帮助功能中给出了完整的调用方法，可作为参考

   $ meshlabserver --help

📘 如果直接使用文件路径，把上述指令中的 meshlabserver 改成 PATH/TO/YOUR/MESHLABSERVER 即可。

2. pymeshlab

官方github仓库：点此进入
详细的技术文档可见PyMeshLab官方网站：点此进入

1. 安装方法

   $ pip3 pymeshlab

2. 使用示例

   import pymeshlab as ml
   
   ms = ml.MeshSet()
   ms.load_new_raster('path_to_your_raster')        #加载纹理文件
   ms.load_new_mesh('path_to_your_mesh')            #加载网格
   ms.load_filter_script('path_to_your_mlx_script') #加载脚本文件
   ms.apply_filter_script()                         #执行脚本文件
   # 也可以直接执行封装好的方法如generate_convex_hull()
   ms.save_current_mesh('output_filename')          #导出

碎碎念

原本是为了自动化某项目中纹理映射步骤，没想到直到翻阅官方文档、查看meshlabserver的help信息才发现nvm文件应该作为工程导入(╯°口°)╯(┴—┴，不过也算学到一点教训咯。最后有请樱小姐帮我表达当时的心情😇：

激情互动的佐仓和大西