如果您的网格正确完成，则量化后不应出现任何漏洞。最多，你的一些三角形可能会重复使用单个顶点，这将使它们的面积= 0。

如果你遇到漏洞，那么你可能会遇到几何问题本身，我想到了两种情况：

您可能有两个多边形看起来像是共享一个顶点或边（如两个墙之间的一个角），但实际上它们的末端略有不同。其中一个可以在2.499结束，另一个从2.501开始。在量化之前，误差太小而无法注意到，但在此之后，你最终会有一面墙从2.0开始，另一面从3.0开始。
3D模型中常见的另一个问题是当一个多边形接触另一个多边形时，它们不共享顶点。换句话说 - 第一个多边形的顶点位于第二个多边形的边缘。想象一下，当桌子接触到墙壁但是他们没有共享一个顶点时，它就像墙壁和靠近墙壁的桌子。如果量化这样的模型，当墙上的触摸点（在两个量化的末端之间插值）与桌面上的点（单独量化）不匹配时，可能会得到网格。这也可能会给你的网格漏洞。这个问题的解决方案是在触摸点处分割墙壁，使其与几个多边形分开，这些多边形真正与墙壁共享一个或多个顶点。

我现在无法做任何绘图，我发现很难用语言解释，但我希望这种描述能够做到。如果您仍然遇到问题，我可以尝试绘制一些示例，请告诉我。

编辑：

量化只是一个过程，您可以将一些数值转换为较小数量的数值，例如将float转换为int或将价格四舍五入到10美分硬币......就这么简单而且你可以将它应用于任何数值。

让您难以理解的是，您对网格 - 图像类比做出了错误的假设。请记住，典型的网格是基于矢量的，位图图像是基于栅格的。 2D光栅图像的3D模拟是3D光栅图像 - 就像3D纹理一样，我们有时将其称为体素（来自体积像素）。另一方面，3D网格的2D类比将是矢量图像，如SVG。

在基于栅格的数据中，您有一个像素网格，每个像素都有一些值，如颜色，亮度等;在基于矢量的数据中，您有单独的顶点，它们具有位置，紫外线，法线等值，并且所有这些数字都可以量化。

对于不同数量的结果值，您还可以多次量化值。假设您的数码相机具有10位CCD，并且在拍照时首先进行量化，那么这些数据需要保存为jpeg，每个通道支持8位，然后将其转换为gif，仅支持256颜色等。每当你对数据进行另一次量化时。