如何用Python基于存储灰度值的3D array构建3D立方体模型？

你的输入为索引对应体素空间坐标、值为灰度值的3D数组，可根据使用场景选择以下3种落地实现，从快速预览到生产级导出全覆盖：

方案1：Matplotlib+NumPy快速交互式预览 #

该方案无需安装重型3D依赖，适合快速验证数组内容、查看体素大致分布。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 替换为你自己的3D灰度数组，形状为(深度, 高度, 宽度)，dtype建议为uint8
# gray_3d_arr = np.random.randint(0, 256, size=(32, 32, 32), dtype=np.uint8)

# 自定义显示阈值：灰度值低于阈值的体素视为透明空区
threshold = 50
voxel_mask = gray_3d_arr > threshold

# 将灰度值映射为RGBA颜色，保留原始灰度明暗
colors = np.zeros(voxel_mask.shape + (4,), dtype=np.float32)
gray_norm = gray_3d_arr / 255.0
colors[..., 0] = gray_norm  # R通道
colors[..., 1] = gray_norm  # G通道
colors[..., 2] = gray_norm  # B通道
colors[..., 3] = voxel_mask.astype(np.float32)  # A通道

# 启动渲染窗口
fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(111, projection='3d')
ax.voxels(voxel_mask, facecolors=colors, edgecolor=None)
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')
plt.show()

• 优点：代码量极小，依赖为数据分析环境标配，支持鼠标拖拽旋转、缩放查看
• 缺点：渲染性能差，数组尺寸超过646464时卡顿明显，无法导出通用3D模型文件，仅适合临时预览

方案2：PyVista生成高质量渲染+导出通用3D模型 #

该方案基于VTK封装，是科学可视化场景的主流选择，兼顾性能、效果和导出能力，适合生产环境使用。
安装命令：pip install pyvista

import numpy as np
import pyvista as pv

# 替换为你自己的3D灰度数组
# gray_3d_arr = np.random.randint(0, 256, size=(128, 128, 128), dtype=np.uint8)

# 将numpy数组包装为均匀体素网格
grid = pv.UniformGrid()
grid.dimensions = np.array(gray_3d_arr.shape) + 1  # 网格顶点数比体素数多1
grid.cell_data["gray_value"] = gray_3d_arr.flatten(order="F")  # 绑定灰度值到每个体素单元

# 阈值筛选实体部分，提取表面网格剔除空区，大幅降低渲染负载
surface_mesh = grid.threshold(value=(30, 255), scalars="gray_value").extract_geometry()

# 启动交互式渲染窗口
plotter = pv.Plotter()
plotter.add_mesh(surface_mesh, cmap="gray", show_scalar_bar=False)
plotter.show()

# 按需导出通用3D模型文件
# surface_mesh.save("gray_voxel_model.stl")  # STL格式，无颜色信息，适合3D打印
# surface_mesh.save("gray_voxel_model.glb")  # GLB格式，保留灰度颜色，可直接在Web端/引擎中加载

• 优点：性能极强，可流畅渲染百万级体素数据，支持光照调整、切面查看、体绘制等高级功能，可导出全品类通用3D格式
• 缺点：依赖VTK底层库，安装包体积约百兆级别

方案3：Open3D实现真实感渲染 #

该方案基于物理渲染管线，出图质感更贴近真实效果，适合制作展示类可视化结果。
安装命令：pip install open3d

import numpy as np
import open3d as o3d

# 替换为你自己的3D灰度数组
# gray_3d_arr = np.random.randint(0, 256, size=(48, 48, 48), dtype=np.uint8)

threshold = 60
# 初始化体素网格
voxel_grid = o3d.geometry.VoxelGrid.create_dense(
    origin=[0, 0, 0],
    voxel_size=1.0,
    width=gray_3d_arr.shape[0],
    height=gray_3d_arr.shape[1],
    depth=gray_3d_arr.shape[2],
    color=[1.0, 1.0, 1.0]
)
# 遍历为每个有效体素设置对应灰度颜色
for x in range(gray_3d_arr.shape[0]):
    for y in range(gray_3d_arr.shape[1]):
        for z in range(gray_3d_arr.shape[2]):
            val = gray_3d_arr[x, y, z]
            if val > threshold:
                voxel = o3d.geometry.Voxel()
                voxel.grid_index = [x, y, z]
                gray_val = val / 255.0
                voxel.color = [gray_val, gray_val, gray_val]
                voxel_grid.add_voxel(voxel)

# 启动渲染窗口
o3d.visualization.draw_geometries([voxel_grid])

• 优点：渲染质感优秀，自带视角控制、后处理特效，支持点云、网格等多类3D数据处理
• 缺点：原生体素接口遍历大数组效率偏低，更适合128128128尺寸以内的数组使用

实用提示：如果你的数组尺寸超过256256256，不建议直接渲染全量体素，可以先做降采样，或者调用Marching Cubes算法提取灰度等值面生成三角网格，渲染性能可提升1-2个数量级。

内容的提问来源于stack exchange，提问作者walter Wang