将3D模型切片为图像栈时，如何标记轮廓内外区域？

针对3D打印场景下的STL模型切片、轮廓填充需求，推荐使用trimesh + OpenCV的轻量组合方案，无需复杂的VTK参数调试或重型工具，可实现全自动化的图像栈生成：

核心优势 #

• 无需体素化，直接基于模型几何切片生成矢量轮廓，精度可控且效率更高
• 自动计算所有切片参数（范围、层数、分辨率），无需手动调整位置/间距
• 轻量依赖，代码简洁易维护

实现代码 #

import trimesh
import cv2
import numpy as np

def slice_stl_to_filled_images(stl_path, pixel_per_mm=10, layer_height=0.1):
    # 读取STL模型
    mesh = trimesh.load(stl_path)
    # 获取模型Z轴范围，自动确定切片区间
    z_min, z_max = mesh.bounds[:, 2]
    # 计算切片层数与每层Z坐标
    z_coords = np.arange(z_min, z_max + layer_height, layer_height)
    
    # 计算图像尺寸：基于模型XY方向最大跨度 * 像素密度
    xy_size = mesh.bounds[1, :2] - mesh.bounds[0, :2]
    img_size = (int(xy_size[0] * pixel_per_mm), int(xy_size[1] * pixel_per_mm))
    # 模型XY偏移量，用于将模型轮廓映射到图像坐标系
    xy_offset = mesh.bounds[0, :2]
    
    filled_images = []
    for z in z_coords:
        # 切片获取当前层的轮廓多边形
        slices = mesh.section(plane_origin=[0, 0, z], plane_normal=[0, 0, 1])
        if slices is None:
            # 无轮廓时生成空白图像
            img = np.zeros(img_size[::-1], dtype=np.uint8)
            filled_images.append(img)
            continue
        
        # 将3D轮廓转换为2D图像坐标系下的像素点
        slice_2d = slices.to_planar()[0]
        vertices = slice_2d.vertices[:, :2]
        # 转换为OpenCV可用的整数像素坐标
        pixel_vertices = ((vertices - xy_offset) * pixel_per_mm).astype(np.int32)
        # 生成空白图像并填充轮廓内部
        img = np.zeros(img_size[::-1], dtype=np.uint8)
        cv2.fillPoly(img, [pixel_vertices], color=255)  # 255为白色（可改为0对应涂黑）
        filled_images.append(img)
    
    return filled_images

# 调用示例
if __name__ == "__main__":
    image_stack = slice_stl_to_filled_images("your_model.stl", pixel_per_mm=20, layer_height=0.05)
    # 可循环保存图像到本地
    for idx, img in enumerate(image_stack):
        cv2.imwrite(f"layer_{idx:04d}.png", img)

关键细节说明 #

• 参数自动化：通过mesh.bounds自动获取模型的XYZ范围，无需手动设置原点或尺寸，彻底解决VTK中SetExtent/SetOrigin的参数困扰
• 精度控制：pixel_per_mm控制图像分辨率（对应打印精度），layer_height对应打印层厚，可直接匹配3D打印机参数
• 轮廓处理：trimesh的section方法直接生成矢量轮廓，避免体素化带来的精度/效率问题；OpenCV的fillPoly高效完成内部填充

替代方案补充 #

如果需要更贴近工业级切片逻辑，也可以使用CuraEngine的Python绑定（python-curaengine），直接调用专业切片引擎生成填充后的图像栈，适合复杂模型的支撑、填充模式定制，但依赖稍重。

内容的提问来源于stack exchange，提问作者vscv