如何在二进制NumPy数组中绘制边界分割簇（3D晶粒边界建模）

核心算法思路 #

1. 距离场等值面法 #

• 遍历3D二进制数组中所有值为0的体素，计算每个体素到最近种子点的欧氏距离
• 设定距离阈值（可按簇的预期大小设定），将距离等于阈值的体素标记为1（边界）；对于相邻簇的公共边界，取距离两个种子点相等的体素作为边界（即Voronoi面的体素化实现）
• 这种方法天然适配类球状簇的需求，因为欧氏距离的等值面就是球面/近似球面

2. 体素化Voronoi胞腔边界提取 #

• 先通过3D Voronoi剖分得到每个种子点对应的胞腔
• 遍历3D数组中的每个体素，判断其所属的胞腔；若某体素的邻域体素属于不同胞腔，则将该体素标记为1（边界）
• 解决之前Voronoi转平面失败的关键：跳过直接生成平面的步骤，直接在体素网格上判断边界，避免平面与体素网格的适配问题

3. 各向同性区域生长+边界提取 #

• 从每个种子点出发，向6/26邻域进行各向同性区域生长（优先选择欧氏距离更接近球面的方向），直到达到预设的簇体积
• 生长完成后，提取不同簇之间的相邻体素，标记为1作为边界

实用工具包推荐 #

• NumPy + SciPy：用scipy.spatial.Voronoi计算3D Voronoi图，结合NumPy的数组遍历操作，手动实现体素的胞腔归属判断与边界标记，适合自定义需求强的场景
• Open3D：通过create_from_point_cloud_voronoi生成Voronoi胞腔网格，再用VoxelGrid工具将网格表面离散化为体素，直接输出3D二进制数组，边界体素设为1
• PyVista：支持Voronoi胞腔的快速生成与体素转换，内置的边界提取函数可直接分离簇边界，适配材料科学领域的建模需求

关键注意事项 #

• 用欧氏距离而非曼哈顿距离计算体素与种子的距离，保证簇的类球状形态
• 处理边界重叠时，避免重复标记同一体素为1，可通过先计算所有簇的区域，再取区域间的交集体素作为边界
• 若目标数组分辨率较低，可先在高分辨率网格上生成边界，再通过下采样得到最终结果，提升边界的平滑度

内容的提问来源于stack exchange，提问作者ogclifford