近几年,3D打印技术是增材制造的热点课题,其中如何对STL 3D模型的二维横截面提取一直是3D打印研究中的基础问题。同一STL 3D模型用不同的分层算法会产生不一样的二维横截面信息,打印出实体的梯度效应、打印时间、材料成本、打印效率等都会不一样。目前从不同角度提出很多的分层算法,如何衡量这些分层算法的优劣,以便针对应用对象选择适当的分层方法变得尤为重要。本文以此为研究背景,将用5种不同衡量标准比较常用的5种分层算法,并在此基础上,提出了一种改进的分层算法。本文首先介绍和分析了常用的5种不同类型分层算法：直接分层算法、统一分层算法、基于有限切削深度的自适应分层算法、基于相对面积偏差比值的自适应分层算法和保留弯曲性的自适应分层算法。然后详细给出在进行分层前要对STL 3D模型进行相应地预处理过程以及衡量分层算法优劣的5种标准,即算法运行时间、层数、最大切削深度值、最大相对面积差值和平均Ra值。最后分别在12个STL 3D模型上,利用5种分层算法得到每个STL 3D模型的二维轮廓线集合,用上述5种衡量标准对每种分层算法得到相应实验数据进行分析。结果表明：各类分层算法针对不同的衡量标准都有各自的优劣,但针对拓扑结构复杂的模型,基于有限切削深度的自适应分层算法的效果较好,且在这5类分层算法中其稳定性最好。基于此,本文进一步提出了一种改进的自适应分层算法,该算法与基于有限切削深度的自适应分层算法相比,可以很大程度上减少最大相对面积差值和平均Ra值,因此它更能缓解梯度效应,提高打印效率,并在保打印模型特征性质等方面具有一定的优势。