Matplotlib 3D 绘制小红花原理

更新时间：2022年02月16日 11:25:31 作者：夏小悠

这篇文章主要介绍了Matplotlib 3D 绘制小红花原理，小编上一篇文章一家介绍了绘制小红化，本篇博文主要介绍一下3D小红花的绘制原理，看过上篇博文的朋友可以参考一下

1. 极坐标系

对于极坐标系中的一点 P ，我们可以用极径 r 和极角 θ 来表示，记为点 P ( r , θ ) ，

使用matplotlib绘制极坐标系：

import matplotlib.pyplot as plt
import numpy as np


if __name__ == '__main__':
    # 极径
    r = np.arange(10)
    # 角度
    theta = 0.5 * np.pi * r

    fig = plt.figure()
    plt.polar(theta, r, c='r', marker='o', ms=3, ls='-', lw=1)
    # plt.savefig('img/polar1.png')
    plt.show()

使用matplotlib绘制极坐标散点图：

import matplotlib.pyplot as plt
import numpy as np


if __name__ == '__main__':
    r = np.linspace(0, 10, num=10)
    theta = 2 * np.pi * r
    area = 3 * r ** 2

    ax = plt.subplot(111, projection='polar')
    ax.scatter(theta, r, c=theta, s=area, cmap='hsv', alpha=0.75)
    # plt.savefig('img/polar2.png')
    plt.show()

有关matplotlib极坐标的参数更多介绍，可参阅官网手册。

2. 极坐标系花瓣

绘制r = s i n ( θ ) r=sin(\theta)r=sin(θ) 在极坐标系下的图像：

import matplotlib.pyplot as plt
import numpy as np


if __name__ == '__main__':
    fig = plt.figure()
    ax = plt.subplot(111, projection='polar')
    ax.set_rgrids(radii=np.linspace(-1, 1, num=5), labels='')

    theta = np.linspace(0, 2 * np.pi, num=200)
    r = np.sin(theta)
    ax.plot(theta, r)
    # plt.savefig('img/polar3.png')
    plt.show()

以 2 π 为一个周期，增加图像的旋转周期：

r = np.sin(2 * theta)

继续增加图像的旋转周期：

r = np.sin(3 * theta)
r = np.sin(4 * theta)

然后我们可以通过调整极径系数和角度系数来调整图像：

import matplotlib.pyplot as plt
import numpy as np


if __name__ == '__main__':
    fig = plt.figure()
    ax = plt.subplot(111, projection='polar')
    ax.set_rgrids(radii=np.linspace(-1, 1, num=5), labels='')

    theta = np.linspace(0, 2 * np.pi, num=200)
    r1 = np.sin(4 * (theta + np.pi / 8))
    r2 = 0.5 * np.sin(5 * theta)
    r3 = 2 * np.sin(6 * (theta + np.pi / 12))

    ax.plot(theta, r1)
    ax.plot(theta, r2)
    ax.plot(theta, r3)
    # plt.savefig('img/polar4.png')
    plt.show()

3. 三维花瓣

现在可以将花瓣放置在三维空间上了，根据花瓣的生成规律，其花瓣外边缘线在一条旋转内缩的曲线上，这条曲线的极径 r 随着角度的增大逐渐变小，其高度 h 逐渐变大。

其函数图像如下：

这样定义就满足前面对花瓣外边缘曲线的假设了，即 r 递减， h 递增。

现在将其放在三维空间中：

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D


if __name__ == '__main__':
    fig = plt.figure()
    ax = Axes3D(fig)
    # plt.axis('off')

    x = np.linspace(0, 1, num=30)
    theta = np.linspace(0, 2 * np.pi, num=1200)
    theta = 30 * theta
    x, theta = np.meshgrid(x, theta)

    # f is a decreasing function of theta
    f = 0.5 * np.pi * np.exp(-theta / 50)

    r = x * np.sin(f)
    h = x * np.cos(f)

    # 极坐标转笛卡尔坐标
    X = r * np.cos(theta)
    Y = r * np.sin(theta)
    ax = ax.plot_surface(X, Y, h,
                         rstride=1, cstride=1, cmap=plt.cm.cool)

    # plt.savefig('img/polar5.png')
    plt.show()

笛卡尔坐标系(Cartesian coordinate system)，即直角坐标系。

然而，上述的表达仍然没有得到花瓣的细节，因此我们需要在此基础之上进行处理，以得到花瓣形状。因此设计了一个花瓣函数：

其是一个以 2 π 为周期的周期函数，其值域为[ 0.5 , 1.0 ]，图像如下图所示：

再次绘制：

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D


if __name__ == '__main__':
    fig = plt.figure()
    ax = Axes3D(fig)
    # plt.axis('off')

    x = np.linspace(0, 1, num=30)
    theta = np.linspace(0, 2 * np.pi, num=1200)
    theta = 30 * theta
    x, theta = np.meshgrid(x, theta)

    # f is a decreasing function of theta
    f = 0.5 * np.pi * np.exp(-theta / 50)

    # 通过改变函数周期来改变花瓣的形状
    # 改变值域也可以改变花瓣形状
    # u is a periodic function
    u = 1 - (1 - np.absolute(np.sin(3.3 * theta / 2))) / 2
    r = x * u * np.sin(f)
    h = x * u * np.cos(f)
    
    # 极坐标转笛卡尔坐标
    X = r * np.cos(theta)
    Y = r * np.sin(theta)
    ax = ax.plot_surface(X, Y, h,
                         rstride=1, cstride=1, cmap=plt.cm.RdPu_r)

    # plt.savefig('img/polar6.png')
    plt.show()

4. 花瓣微调

为了使花瓣更加真实，使花瓣的形态向下凹，因此需要对花瓣的形状进行微调，这里添加一个修正项和一个噪声扰动，修正函数图像为：

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D


if __name__ == '__main__':
    fig = plt.figure()
    ax = Axes3D(fig)
    # plt.axis('off')

    x = np.linspace(0, 1, num=30)
    theta = np.linspace(0, 2 * np.pi, num=1200)
    theta = 30 * theta
    x, theta = np.meshgrid(x, theta)

    # f is a decreasing function of theta
    f = 0.5 * np.pi * np.exp(-theta / 50)

    noise = np.sin(theta) / 30
    # u is a periodic function
    u = 1 - (1 - np.absolute(np.sin(3.3 * theta / 2))) / 2 + noise

    # y is a correction function
    y = 2 * (x ** 2 - x) ** 2 * np.sin(f)
    r = u * (x * np.sin(f) + y * np.cos(f))
    h = u * (x * np.cos(f) - y * np.sin(f))

    X = r * np.cos(theta)
    Y = r * np.sin(theta)
    ax = ax.plot_surface(X, Y, h,
                         rstride=1, cstride=1, cmap=plt.cm.RdPu_r)

    # plt.savefig('img/polar7.png')
    plt.show()

修正前后图像区别对比如下：

5. 结束语

3D花的绘制主要原理是极坐标，通过正弦/余弦函数进行旋转变形构造，参数略微变化就会出现不同的花朵，有趣！

到此这篇关于Matplotlib 3D 绘制小红花原理的文章就介绍到这了,更多相关Matplotlib 绘制小红花内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

一文带你探寻Python中的装饰器
这篇文章就来和大家详细讲一讲Python中装饰器的相关知识，文中的示例代码讲解详细，对我们深入了解Python有一定的帮助，感兴趣的可以了解一下
2023-04-04
python图像处理入门（一）
这篇文章主要介绍了python图像处理入门，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-04-04
将自己的数据集制作成TFRecord格式教程
今天小编就为大家分享一篇将自己的数据集制作成TFRecord格式教程，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-02-02
Python实现的爬虫刷回复功能示例
这篇文章主要介绍了Python实现的爬虫刷回复功能,结合实例形式分析了Python2.7基于爬虫实现的模拟登陆、刷帖、回复等功能相关实现技巧,需要的朋友可以参考下
2018-06-06
切换路径在Jupyter里调用本地文件的操作
这篇文章主要介绍了切换路径在Jupyter里调用本地文件的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-03-03
关于python DataFrame的合并方法总结
这篇文章主要介绍了关于python DataFrame的合并方法总结，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-07-07
Python 实现图像合成微缩效果
合成微缩是一个使真实大小物体照片看起来像微缩模型照片的过程，也称为 Diorama Effect/Fillusion，照片的模糊部分模拟了通常在特写摄影中通常遇到的近景深度，从而使场景看起来比实际场景小得多，这篇文章主要介绍了Python 合成微缩效果,需要的朋友可以参考下
2023-03-03
关于NumPy中asarray的用法及说明
这篇文章主要介绍了关于NumPy中asarray的用法及说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-07-07
Python如何使用cv2.canny进行图像边缘检测
这篇文章主要介绍了Python如何使用cv2.canny进行图像边缘检测问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-01-01
python实现AES算法及AES-CFB8加解密源码
这篇文章主要为大家介绍了python实现AES算法及AES-CFB8加解密的源码示例，有需要朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
2022-02-02