Marching Cubes算法如何结合无符号距离场(UDF)实现网格生成？

首先明确核心前提：原生Marching Cubes的本质是提取三维标量场的指定等值面，算法本身只要求能区分体素顶点处于等值面的「高于阈值侧」和「低于阈值侧」，并不绑定有符号距离场（SDF）的内外语义，只要能给UDF构造出两类状态的区分逻辑，就能直接复用现有MC实现。

目前工业界和学术界主流的UDF适配方案有两种，都可以直接对接你在用的skimage.measure.marching_cubes_lewiner接口： #

方案1：伪符号构造法（DUDE论文采用方案） #

这是最轻量化、不需要修改现有MC代码的方案，实现逻辑如下：

• 首先根据你的场景分辨率选定一个极小的距离阈值τ，通常取体素边长的1/2，常见取值范围为1e-3~1e-2
• 对所有空间点的UDF值做线性转换：fake_sdf = udf(x) - τ
• 将转换后的fake_sdf作为输入标量场传入MC接口，提取level=0的等值面即可
• 逻辑说明：转换后的fake_sdf小于0的区域，对应所有距离真实表面小于τ的空间点，大于0的区域对应距离表面大于τ的点，相当于把「距离表面厚度为τ的薄层」定义为伪SDF的「内部」，这样就构造出了MC需要的正负二分类状态，提取出的网格和真实表面几乎重合，当τ足够小时误差可以忽略。

方案2：梯度引导符号赋值法 #

如果需要提取严格的0等值面、不想引入τ带来的薄壁误差，可以采用这种方案：

• 首先对每个体素顶点计算UDF的梯度g = ∇udf(x)，UDF的梯度方向天然指向最近的表面点
• 预先选定一个已知处于场景外部的参考点p_out，计算顶点x到参考点的方向向量v = x - p_out
• 计算点积v·g：如果结果大于0，说明顶点在表面外侧，赋值s = +udf(x)；如果结果小于0，说明顶点在表面内侧，赋值s = -udf(x)
• 将得到的带符号标量场s输入MC接口，提取level=0的等值面即可
• 逻辑说明：利用UDF梯度的方向特性反向推导点的内外属性，生成和原生SDF完全一致的标量场，不需要引入阈值误差，输出结果和SDF场景下的MC输出无差异。

现有接口适配说明 #

你当前使用的skimage.measure.marching_cubes_lewiner接口本身没有强制要求输入标量场为SDF，只要是三维浮点数组即可，按照上述两种方案处理UDF后直接传入接口，指定对应的level参数就能正常生成网格。

内容的提问来源于stack exchange，提问作者Saipy