Marching Cubes（MC）算法是一種用於三維體素數據場中提取等值面的經典算法。它由W. Lorensen等人於1987年提出，主要用於醫學圖像的三維重建，特別是在計算機斷層掃描（CT）和磁共振成像（MRI）等醫學影像領域有著廣泛的套用。MC算法的核心思想是通過線性插值來逼近等值面，並將等值面用三角面片來表示。
MC算法的基本步驟包括：
體素化：首先，將三維數據場劃分為若幹個小立方體（體素），每個體素由8個頂點構成。
等值面提取：然後，找到等值面經過的體素格線，並計算出體素的邊與等值面的交點。
三角面片生成：接著，將這些交點按照一定的拓撲連線關係連線起來，生成三角面片，以逼近等值面的形狀。
法向量計算：最後，計算三角面片各個頂點的法向量，以便進行後續的處理或顯示。
MC算法的優點在於其簡單性和實用性，它能夠從二維的切片數據中重建出三維結構，使得醫生能夠在三維圖像上觀察和分析人體內部的結構和器官。此外，MC算法的效率相對較高，能夠滿足實時互動的需求。
MC算法的一個2D版本被稱為Marching Squares算法，它用於二維數據場的等值線提取。而Marching Cubes算法則專注於三維數據場的等值面提取。兩者都是基於「分而治之」的思想，即在每個體素或單元格中分別處理等值面的提取問題。