四参数随机生长法QSGS算法：随机孔隙结构与微观孔隙优化处理的生成与处理
四参数随机生长法 QSGS算法 随机孔隙结构 微观孔隙优化处理 多孔介质 随机生长软件 生成图片，可完美处理为CAD图， 可导入abaqus、ansys、comsol、fluent
最近在折腾多孔介质仿真的时候，发现生成靠谱的随机孔隙结构真是门玄学。试过一堆方法，最后被四参数随机生长法（QSGS算法）惊艳到了——这玩意儿就像玩我的世界造地形，几个参数就能搞出千变万化的孔隙结构。
先甩段Python代码热热身：
import numpy as np import matplotlib.pyplot as plt def qsgs_generator(size=100, porosity=0.6, pd=0.5, pg=0.3, iter_max=20): grid = np.zeros((size, size)) seeds = np.random.choice([0,1], size=grid.shape, p=[1-pd, pd]) grid[seeds==1] = 1 for _ in range(iter_max): new_grid = grid.copy() for i in range(1, size-1): for j in range(1, size-1): if grid[i,j] == 0: neighbors = grid[i-1:i+2, j-1:j+2] if np.sum(neighbors) >= 1: if np.random.rand() < pg: new_grid[i,j] = 1 grid = new_grid # 孔隙率校准 current_porosity = 1 - np.sum(grid)/grid.size adjust_factor = (porosity / current_porosity) ** 0.5 threshold = np.percentile(grid, 100*(1-adjust_factor)) return (grid > threshold).astype(int)这段代码最骚的是生长概率pg的控制——就像病毒扩散的传染率，pg越大孔隙长得越奔放。跑出来的效果可以直接用matplotlib可视化：
porous = qsgs_generator(size=200, porosity=0.65) plt.imshow(porous, cmap='binary') plt.axis('off') plt.savefig('pore_structure.png', dpi=300, bbox_inches='tight')生成二维切片只是开胃菜，用numpy的跨步技巧能轻松扩展到三维：
# 三维版本核心生长逻辑 def grow_3d(grid, pg): new_grid = grid.copy() # 用三维卷积核加速计算 kernel = np.ones((3,3,3)) neighbor_count = convolve(grid, kernel, mode='constant') growth_mask = (grid == 0) & (neighbor_count >= 1) & (np.random.rand(*grid.shape) < pg) new_grid[growth_mask] = 1 return new_grid重点来了——怎么让这些像素图变成工程师能用的CAD模型？我的野路子是把二值图像转成SVG路径，再用FreeCAD批量拉伸。这里有个取巧的矢量化方法：
from skimage import measure contours = measure.find_contours(porous, 0.5) with open('pore.svg', 'w') as f: f.write('<svg>') for contour in contours: f.write(f'<path d="M {" L ".join(f"{x},{y}" for x,y in contour)} Z"/>') f.write('</svg>')导入COMSOL做流固耦合分析时，发现直接扔STL文件进去会报错。血泪教训：一定要在导出前做网格光顺处理！用trimesh库预处理下能救命：
import trimesh mesh = trimesh.Trimesh(vertices=vertices, faces=faces) mesh.merge_vertices() mesh.remove_duplicate_faces() mesh.export('smoothed.stl')玩到最后发现，这算法最神的不是生成效果，而是参数调整像调鸡尾酒——孔隙率控制基酒量，分布概率pd决定冰块分布，生长概率pg是气泡活跃度。想要仿生骨结构就把pg调低多迭代几次，想要泡沫金属就把pd拉高，比玩化学实验还上瘾。
（代码文件建议扔到GitHub配个Actions自动化流程，半夜跑参数扫描第二天直接收菜，亲测比咖啡提神）