体积散射是计算机图形学中模拟光在参与介质（如烟雾、云、生物组织）内传播时发生的吸收与散射现象的技术。Volume2Image任务的目标，是将一个三维标量场（通常描述介质密度）通过物理积分模型，渲染成一张体现视线方向散射亮度的二维图像。在Node.js环境下实现这一流程，可以脱离浏览器限制，用脚本批量生成序列帧或大规模离屏渲染结果。
体数据载入与内存布局设计
Volume2Image的第一步是读取三维体数据。常见的数据源是.raw二进制文件或科学计算导出的浮点网格。在Node.js中，我们使用fs模块同步或异步读取文件，再用Buffer转换为Float32Array。为了避免GC压力，建议将体数据常驻于TypedArray，并通过 stride 计算索引：index = x + y * width + z * width * height。
下面示例展示如何从一个本地.raw文件载入单精度体数据，并构建一个简单的Volume类来管理尺寸与采样。注意Windows路径中的反斜杠必须原样保留，例如 C:\volume_data\smoke.raw。
const fs = require('fs');
class Volume {
constructor(path, w, h, d) {
const buf = fs.readFileSync(path);
this.data = new Float32Array(buf.buffer, buf.byteOffset, w * h * d);
this.w = w; this.h = h; this.d = d;
}
sample(x, y, z) {
if (x < 0 || y < 0 || z < 0) return 0;
if (x >= this.w || y >= this.h || z >= this.d) return 0;
return this.data[x + y * this.w + z * this.w * this.h];
}
}
const vol = new Volume('C:\\volume_data\\smoke.raw', 128, 128, 128);
console.log('loaded voxels:', vol.data.length);
这种布局对后续的光线步进非常友好：每次沿射线前进时，只需做三次线性插值即可获得平滑密度。若体数据带有非均匀网格，则需在sample方法中额外乘以物理尺寸比例。实践中，我们还会把密度做归一化，使大多数值落在0到1区间，方便相位函数计算。
视线步进与Henyey-Greenstein相位积分
体积散射的核心方程是视线积分：从相机出发，沿每个像素对应的射线按固定步长前进，在每一步根据局部密度计算消光与入射散射。Node.js虽然没有GPU并行，但可以用嵌套循环清晰表达逻辑。我们采用Henyey-Greenstein（HG）相位函数描述前向/后向散射偏好，其参数g控制各向异性。
以下代码演示单条射线的积分过程。其中stepSize取体素对角线的若干分之一，lightDir为平行光方向。accumulated代表最终像素亮度，transmittance记录未被吸收的能量比。注意在JS里比较浮点数要用容差，不要直接等于0。
function phaseHG(cosTheta, g) {
const denom = 1 + g * g - 2 * g * cosTheta;
return (1 - g * g) / (4 * Math.PI * Math.pow(denom, 1.5));
}
function traceRay(vol, ox, oy, oz, dx, dy, dz, lightDir, stepSize, g) {
let transmittance = 1.0;
let accumulated = 0.0;
const steps = 256;
for (let i = 0; i < steps; i++) {
const x = ox + dx * i * stepSize;
const y = oy + dy * i * stepSize;
const z = oz + dz * i * stepSize;
const density = vol.sample(x, y, z);
if (density > 0.001) {
const cosT = dx * lightDir[0] + dy * lightDir[1] + dz * lightDir[2];
const phase = phaseHG(cosT, g);
const sigma = density * 0.1;
accumulated += transmittance * sigma * phase * stepSize;
transmittance *= Math.exp(-sigma * stepSize);
}
if (transmittance < 0.01) break;
}
return accumulated;
}
上述实现是单线程逐像素的，对于128×128图像已需要约百万次循环。若想加速，可以用worker_threads把不同行的像素分配给多个线程，或者将stepSize放大并配合蓝噪声抖动以减少banding。HG函数的g值接近1时呈现强烈前向散射，适合烟雾；g为负则适合模拟背光薄雾。
图像编码与批量输出PNG
当所有像素的散射值计算完毕后，需要将其写入二维缓冲并编码为图像。Node.js生态中pngjs库可纯JS生成PNG，避免调用外部命令。我们把accumulated做色调映射（如1 - exp(-v)）后写入RGBA通道，透明通道置为255。
下面示例把一帧结果保存为C:\output\frame_001.png。批量模式下，只需在外层循环改变相机角度或光方向，即可生成体积动画。由于Node.js事件循环不阻塞文件写入，我们可用async/await串行化保存逻辑，防止句柄泄露。
const { PNG } = require('pngjs');
const fs = require('fs');
function saveFrame(image, w, h, path) {
const png = new PNG({ width: w, height: h });
for (let i = 0; i < w * h; i++) {
const v = 1 - Math.exp(-image[i]);
png.data[i * 4] = Math.min(255, v * 255);
png.data[i * 4 + 1] = Math.min(255, v * 255);
png.data[i * 4 + 2] = Math.min(255, v * 255);
png.data[i * 4 + 3] = 255;
}
png.pack().pipe(fs.createWriteStream(path));
}
saveFrame(floatImage, 128, 128, 'C:\\output\\frame_001.png');
对比WebGL方案，Node.js实现虽然在单帧速度上处于劣势，但能够稳定处理超大分辨率与长序列，且调试时可直接打印中间数组。对于科研可视化中常见的非实时需求，这种Volume2Image管线既降低了环境依赖，也便于集成进已有的数据处理工作流。后续可加入多散射近似或神经网络降噪，进一步提升图像真实感。
Node.js体积散射Volume2Image修改时间：2026-08-24 09:16:07