matlab voronoi三维,使用体素的python高效三维voronoi图

我试图创建一个Voronoi图，使用一个表示体素的3d数组，其中的坐标由数组的索引表示。

例如：points = np.random.random([10,3])

vox_len = 0.1

lx = ly = lz = 11

hull_space=np.zeros([lx,ly,lz],dtype=np.int16)

hull_space.fill(-1)

for i in range(lx):

for j in range(ly):

for k in range(lz):

coord = np.array([i,j,k]).astype(float)*vox_len

diff = points - coord

dist = np.sqrt(diff[:,0]**2 + diff[:,1]**2 + diff[:,2]**2)

closest = np.argmin(dist)

hull_space[i][j][k]=closest

问题是，对于较大的数组，代码非常慢。我也试过：

^{pr2}$

但结果更糟。我知道scipy的voronoi图方法，但我需要构建一个体素图像，以便对voronoi区域的边缘进行距离变换。我的目标是创建一个缠绕纤维结构的图像，用于孔隙网络模型，而体素方法对于获得孔隙体积非常有用。在

任何能使算法运行更快的帮助都将不胜感激。对于一个300x300x300的500点图表，在我的机器上大约需要50分钟