体素 · 渐变 · 过渡 —— 三维空间中的智能混合算法
3D中间值（3D intermediate value）是指在三维空间中，对两个或多个离散状态（体素、网格、点云）进行平滑插值，从而生成连续过渡的中间形态。它如同二维图像的“混合”但扩展到了体素与几何体，广泛应用于科学可视化、影视特效、医疗影像与工业仿真。
从体素的透明度渐变到三维模型的形变，中间值算法让“动态体积”成为可能。借助三线性插值、球面线性插值（Slerp）或径向基函数，我们可以在立体空间中创造流畅的混合效果。
三线性/样条插值实现CT/MRI序列的层间重建，生成各向同性体素，提升诊断精度。
顶点对应与球面插值（Slerp），让3D角色在两个姿态之间自然过渡，动画更流畅。
基于距离场或密度混合，将多个扫描物体无缝融合为单一中间体，用于3D打印修复。
光流与体素变形结合，在稀疏关键帧之间生成高密度中间帧，提升4D渲染表现。
在三维网格中，对最近的8个体素进行加权混合，权重由距离决定。广泛应用于体积渲染、医学图像重采样，为标准的3D中间值算法。
用于四元数或方向插值，保证3D旋转的最短路径与恒定角速度，在骨骼动画、相机轨迹中生成平滑中间姿态。
解答关于三维插值与混合的核心疑问
2D插值作用于平面像素，而3D中间值需要处理体素、深度或三维网格。它考虑的是空间中的体积过渡，计算量更大，并且需要处理拓扑与方向变化。典型如医学影像的层间插值，生成的是立体体素块。
对于密度/标量场，三线性或三样条插值最直接；对于形状融合，建议使用符号距离场（SDF）插值，可实现拓扑变化。基于径向基函数（RBF）的插值能处理稀疏控制点。
使用四元数Slerp插值旋转，线性插值位置，并结合姿态变形（blend shapes）。对于角色表情，通过混合多个目标网格的顶点位置，权重由中间值控制，实现口型与表情过渡。
CT/MRI扫描层间距较大时，使用中间值插值重建各向同性体素，提高三维重建与MPR质量。还能用于灌注成像中时间序列的中间帧生成。
常用指标包括峰值信噪比(PSNR)、结构相似性(SSIM)以及梯度一致性。对于几何体，评估Hausdorff距离与体积变化率。视觉上则关注是否出现断裂或闪烁。
🔍 智能扩展 · 体积中间值工具 使用Python/OpenCL加速体素混合，支持多通道数据。