使用skimage.measure.marching_cubes生成的曲面存在网格相关异常偏移

核心原因：网格坐标生成的逻辑错误 #

这是脚本中坐标映射的低级错误，和marching_cubes的实现无关。当你设置网格范围为-1到1、步长0.1时，网格点总数是21个（从-1到1含端点），索引从0到20。如果代码里误把网格索引（比如np.arange(21)的结果）当成实际坐标传入应变模量计算函数，而非将索引转换为-1 + 0.1 * 索引的真实坐标，就会导致所有点的坐标被整体偏移10（索引中点正好是10），最终等值面中心跑到(10,10,10)。

验证与修复步骤 #

1. 检查网格生成代码：
   错误写法（直接用索引当坐标，会引发偏移）：

   import numpy as np
   # 错误：用索引代替实际坐标
   x = np.arange(21)
   y = np.arange(21)
   z = np.arange(21)
   X, Y, Z = np.meshgrid(x, y, z)
   

   正确写法（映射到-1到1的真实范围）：

   import numpy as np
   step = 0.1
   # 生成实际坐标序列
   x = np.arange(-1, 1 + step, step)
   y = np.arange(-1, 1 + step, step)
   z = np.arange(-1, 1 + step, step)
   X, Y, Z = np.meshgrid(x, y, z)
   

2. 确认计算函数的输入：确保应变模量计算函数接收的是X/Y/Z的真实坐标值，而非网格索引。

临时修复的局限性 #

用verts.mean(axis=0)修正偏移只是权宜之计：它本质是把偏移后的顶点整体平移回原点，但一旦网格范围、步长改变（比如改成-2到2、步长0.2），顶点均值会跟着变化，需要重新计算，无法从根源解决问题。

排除marching_cubes的问题 #

marching_cubes系列函数本身不会产生固有偏移，它完全基于输入的3D数据体坐标范围工作。只要你传入的X/Y/Z是正确的真实坐标，或者调用时通过spacing参数指定网格间距、origin参数指定起始坐标，就能得到正确的等值面位置。

内容的提问来源于stack exchange，提问作者J.Doe