三维空间中基于散乱数据的曲面重建是可视化技术中一个重要的课题,在科学研究和工程中大部分情况下得到的数据都属于散乱数据,因此研究散乱数据的可视化问题有着非常重要的意义。　　在深入地研究了当前散乱点曲面重建的常用算法并详细分析了各种算法优劣的基础上,提出了一种基于Crust图的曲面重建方法。首先通过原始点集的Voronoi图得到每个采样点的极点,然后对原始点集与极点的并集进行Delaunay三角剖分,从剖分结果中提取出三个顶点均属于原始点集的三角形,得到点集的Crust图。该Crust图并不是最终的精确结果,图中可能含有不必要的复杂结构,因此采用了一种基于顶点和三角面片法向的方法抽取外表面,得到采样点集的重建曲面。　　实验结果表明,Crust算法可以简捷、高效地实现散乱点集的重构,其结果可以直接作为重建曲面,也可以将该曲面做为更高要求曲面的初始曲面,并且算法可以对任意拓扑结构的散乱点集进行曲面重建,另外算法对于特征较多的区域进行细分,而特征较少的区域进行粗分,从而提高了算法的效率。算法具有很好的局部性质,在某个采样点发生变化时只需要对局部的结构做出调整,节省大量的计算成本。