4. 三维表面重建

在医学影像三维可视化中，体绘制能直接呈现灰度分布，但当我们需要测量体积、计算表面积、做手术导板或进行有限元分析时，必须把体数据转换成显式的几何表面。这一过程称为三维表面重建，其核心任务是把离散的体素标量场（如CT值、MRI信号强度）转换为由三角面片组成的封闭网格。本节围绕移动立方体算法、网格生成、平滑与简化四个环节展开，说明每一步在做什么、关键参数如何影响结果，以及如何判断输出是否可用。

一、移动立方体算法的基本思想

移动立方体（Marching Cubes, MC）算法由Lorensen与Cline于1987年提出，是等值面提取的经典方法。它的输入是三维规则网格上的标量场，以及一个阈值（等值面值）。算法逐一遍历每个由8个相邻体素构成的立方体单元，比较8个顶点值与阈值的大小关系，得到每个顶点的“内/外”状态。8个顶点共有2⁸=256种状态组合，利用互补对称和旋转对称可归并为15种基本拓扑构型。每种构型对应一组预定义的三角面片连接方式，查表即可得到该立方体内的三角面片。

以医学CT为例，若阈值设为300 HU用于提取骨表面，则体素值大于300的顶点视为“内部”，小于等于300的视为“外部”。当立方体一条边的两个端点分居阈值两侧时，等值面必然与该边相交，交点位置由线性插值确定：

t = (threshold - v1) / (v2 - v1)
P = P1 + t * (P2 - P1)

其中v1、v2为边两端点的标量值，P1、P2为其坐标。这样得到的交点比简单取边中点更接近真实等值面位置，尤其在层厚较大的数据上能明显改善表面精度。

二、表面网格生成与数据结构

MC算法输出的是大量独立三角面片，它们共享顶点但初始时并不建立拓扑关系。为了后续平滑、简化和渲染，需要构建索引三角网格：顶点表存储唯一坐标，面表存储三个顶点索引。常用结构包括顶点数组、法线数组、三角形索引数组。顶点法线通常由相邻面法线加权平均得到，用于Phong着色，使表面看起来光滑而非棱角分明。

在医学应用中，网格生成后常需检查两个指标：一是流形性，即每条边恰好被两个三角形共享，非流形边会导致后续处理失败；二是孔洞，由于数据截断或阈值选择不当，表面可能出现开口。例如肺部CT中若阈值过高，细小血管分支可能断裂，形成孔洞。此时可用孔洞填充算法沿边界环三角化修补。

三、网格平滑：抑制阶梯效应

由于体素是离散的，MC生成的表面在层间和层内会呈现“阶梯状”锯齿，尤其在层厚较大时明显。平滑的目标是在不破坏解剖结构的前提下降低高频噪声。常用方法有拉普拉斯平滑和Taubin平滑。

拉普拉斯平滑将每个顶点向其邻域重心移动：

v_new = v + λ * (avg(neighbors) - v)

λ通常取0.1～0.5。但简单拉普拉斯平滑会导致网格收缩，多次迭代后体积明显减小。Taubin平滑引入正负交替的λ和μ（如λ=0.5, μ=-0.53），在平滑的同时抑制收缩，更适合医学表面。实际使用时建议迭代5～20次，并观察体积变化率，若超过2%～3%则需减小λ或改用Taubin。

四、网格简化：在精度与效率间取舍

高分辨率CT重建的骨表面网格可达数百万三角形，直接用于实时交互或3D打印会带来存储和计算负担。网格简化通过合并顶点、折叠边等方式减少面片数，同时尽量保持几何形状。最常用的是二次误差度量（QEM）边折叠算法：为每个顶点计算一个二次误差矩阵，表示该点到相邻平面的距离平方和；折叠一条边时选择使误差增量最小的边，迭代折叠直到达到目标面片数或误差阈值。

简化程度用简化率表示，例如从200万面片简化到20万，简化率为90%。判断简化是否可接受，可观察：轮廓是否仍贴合原表面、曲率大的区域（如关节、血管分叉）是否保留足够面片、体积和表面积变化是否在允许范围。一般建议简化后表面积变化不超过1%～2%，关键区域可局部保留高密度网格。

五、实践中的处理顺序与判断

一个可复现的处理链通常是：读取体数据 → 选择阈值提取等值面 → MC生成三角网格 → 去除小连通域和填充孔洞 → Taubin平滑 → QEM简化 → 导出STL/OBJ。每一步都应保留中间结果以便回退。例如若简化后发现血管分叉处出现明显棱角，可降低简化率或对该区域加保护权重。

判断最终网格是否可用，可从三方面检查：几何完整性（无孔洞、无非流形边）、形状保真度（与原始等值面偏差小、关键解剖标志清晰）、数据规模（面片数满足后续渲染或打印要求）。在手术规划中，通常要求骨表面网格面片数控制在50万以内，同时关键区域偏差小于0.5 mm。这些数值需根据具体设备和临床要求调整，但检查思路是一致的。