python繪制超炫酷動態Julia集示例
前言
此Julia非彼Julia,指的是對於某復數 c c c,使得迭代式 f ( z ) = z 2 + c f(z)=z^2+c f(z)=z2+c收斂的復數 z z z的集合。例如,當 c = 0 c=0 c=0時,那麼其收斂區間為 z 2 < 1 z^2<1 z2<1的單位圓,對應的 c c c的Julia集便是 cos θ + i sin θ \cos\theta+i\sin\theta cosθ+isinθ。
Mandelbrot集
特別地,當 c = z c=z c=z的初始值時,符合收斂條件的 z z z的便構成大名鼎鼎的Mandelbrot集
在上圖中,顏色表示該點的發散速度,可以理解為開始發散時迭代的次數。其生成代碼也非常簡單,唯一需要註意的是,由於使用瞭大量的矩陣運算,故使用瞭cupy
,如果電腦沒裝cuda
,隻需將所有的cp
改為np
即可。
# 這些代碼會在後面的程序中反復調用,不再說明 import numpy as np import time import matplotlib.pyplot as plt import cupy as cp #生成z坐標 x0,y0 為起始點, nx,ny為點數, delta為點距 def genZ(x0, y0, nx, ny, delta): real, img = cp.indices([nx,ny])*delta real += x0 img += y0 return real.T+img.T*1j #獲取Julia集,n為迭代次數,m為判定發散點,大於1即可 def getJulia(z,c,n,m=2): t = time.time() z,out = z*1, cp.abs(z) c = cp.zeros_like(z)+c for i in range(n): absz = cp.abs(z) z[absz>m]=0 #對開始發散的點置零 c[absz>m]=0 out[absz>m]=i #記錄發散點的發散速度 z = z*z + c print("time:",time.time()-t) return out z1 = genZ(-2,-1.5,1000,1000,0.003) mBrot = getJulia(z1,z1,50) plt.imshow(mBrot.get(), cmap=plt.cm.jet) plt.show()
如果對其生成過程感興趣,那麼可以觀察一下隨著迭代次數的增加,圖像的變化情況
代碼如下。
from matplotlib import animation fig = plt.figure() fig.subplots_adjust(top=1, bottom=0, left=0, right=1) ax = plt.subplot() def getJulias(z,c,n,m=2): z,out = z*1, cp.abs(z) c = cp.zeros_like(z)+c J = [] for i in range(n): z = z*z + c absz = cp.abs(z) z[absz>m]=0 #對開始發散的點置零 c[absz>m]=0 out[absz>m]=i #記錄發散點的發散速度 im = ax.imshow(out.get(),cmap=plt.cm.jet, animated=True) ax.set_axis_off() J.append([im]) return J N = 75 #迭代次數 z1 = genZ(-2,-1.5,1000,1000,0.003) J = getJulias(z1,z1,N) ani = animation.ArtistAnimation(fig, J, interval=50, blit=True,repeat_delay=1000) plt.show() ani.save('julias.gif',writer='imagemagick')
無限縮放
Mandelbrot集的分形特征意味著我們所生成的圖片可以無限放大,但是受到柵格化尺寸的影響,手動的放大並不會更改其真實尺寸,
為瞭照顧觀感,將縮放中心作為圖像的中心,所以對genZ
函數進行修改。如果選取(-0.75,-0.2)
作為縮放中心,則其變化如下
代碼為
from matplotlib import animation # 生成z坐標 xy=np.array([xc,yc]) 為起始點, # nxy=np.array([nx,ny])為點數, delta為點距 def genZbyCenter(xy,nxy,delta): x0, y0 = xy-np.array(nxy)*delta/2 return genZ(x0,y0,*nxy,delta) mBrots = [] xy = [-0.75,-0.2] nxy = [1000,1000] delta0 = 0.003 #初始寬度 fig = plt.figure() fig.subplots_adjust(top=1, bottom=0, left=0, right=1) ax = plt.subplot() for n in range(50): z1 = genZbyCenter(xy,nxy,1.1**(-n)*delta0) out = getJulia(z1,z1,40) im = ax.imshow(out.get(),cmap=plt.cm.jet, animated=True) ax.set_axis_off() mBrots.append([im]) ani = animation.ArtistAnimation(fig, mBrots, interval=50, blit=True) plt.show() ani.save('zoom.gif',writer='imagemagick')
Julia集
如果更改c
的值,那麼就能得到一個變化著的Julia集,例如,下面選取一條直線
y = x y=x y=x
上面的Julia集,效果如圖所示
代碼為
z1 = genZ(-2,-1.5,1000,1000,0.003) fig = plt.figure() fig.subplots_adjust(top=1, bottom=0, left=0, right=1) ax = plt.subplot() mBrots = [] for x in np.arange(0.5,1,0.01): c = x + x*1j out = getJulia(z1,c,40) im = ax.imshow(out.get(),cmap=plt.cm.jet, animated=True) ax.set_axis_off() mBrots.append([im]) ani = animation.ArtistAnimation(fig, mBrots, interval=50) plt.show() ani.save('julia.gif',writer='imagemagick')
到此這篇關於python繪制超炫酷動態Julia集示例的文章就介紹到這瞭,更多相關python繪制動態Julia集內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- python編程matplotlib交互繪制Julia集示例解析
- OpenCV-Python使用分水嶺算法實現圖像的分割與提取
- python數字圖像處理圖像的繪制詳解
- python OpenCV圖像直方圖處理
- Python實現位圖分割的效果