**matlab画图：**图像是数据结果的一种可视化表现，它能直观的体现你的数据结果，并且能体现你获得结果的准确性，在当前的大数据时代，在做数据分析的时候，将其可视化可以直观多维的展示数据，可以让人们更好的发现并且记住数据的特征，因此很多时候掌握一些绘图方法是非常重要的，而使用MATLAB可以非常简单的进行绘图(当然还有很多其它工具可供使用)，下文是一些基本绘图方法的整理，其中很多很多内容非常基础，希望对你能有些帮助。
1.二维图像
二维图像是我们在学习过程中经常会接触到的图像，比如在做数学题目时随手画出的一个正弦曲线，这个图像往往是我们根据它的函数做出来的，事实确是这样，在我们学习过程中画出来的每一个图像几乎都是函数，反过来说，每一个函数都对应着它自己的图像，我们能画出来的二维图像往往是一个一元函数即二元方程，在Matlab中做二维图像也是这样，我们根据一个函数来画出它的图像，不过要注意的一点是，在Matlab画图的过程中，它并不认识你给出的那个函数，它要做的仅仅是把你给出的函数上的点连成线而已。
(1)plot
在Matlab里面做二维图像最基础也是最常用的两个函数：plot()和fplot()函数,其中，plot的经常使用的方法有下面三种：
plot(x)plot(x,参数)plot(x1,y1,x2,y2,...,xn,yn)
首先，**第一种方法里面若x为一维数组，则作出的图像是以其数组长度为横坐标，间隔为1，以数组中的具体值为纵坐标的。**而其也可以为复数变量，如下：
y = [5,10,15,20]
z = [100,200,300,400]
x =y+z*i
//这里的x经过此定义将会被认为是一个复数变量，图像将会以实部即y为横坐标，虚部即z为纵坐标作图
subplot(1,2,1);plot(y);
subplot(1,2,2);plot(x);
效果如下图：
**第二种形式就更好理解了，往往其中的x、y都为一维数组，其实y也就是x对应的函数值，后边的参数用于指定曲线的线形、颜色和数据点标记，**如下：
x = [0:0.1:2*pi];
y = sin(x);
plot(x,y,'-m*');
效果如下图：
可以看到，x是一个长度为63的一维数组，y是和x等长的在sin(x)上的一维数组，后边的-m*分别为曲线线形、颜色、数据点标记，其中参数的一些具体属性如下表所示：
| 线形 | 颜色 | 数据点标记 |
|---|---|---|
| ‘-’:实线 | k:黑色 | *:星号 |
| ‘:’:虚线 | b:蓝色 | o:圆圈 |
| ‘-.’:点划线 | c:蓝绿色 | s:方块 |
| ‘–’:双划线 | g:绿色 | p:五角星 |
| m:洋红色 | ^:朝上三角符号 | |
| r:红色 | x:叉 | |
| w:白色 | +:+ | |
| y:黄色 | d:菱形 | |
| v:朝下三角符号 | ||
| <:朝左三角符号 | ||
| >:朝右三角符号 | ||
| H:六角形 |
第三种使用方法，意思是把n个图像做出在一个窗口中，同时也少敲了几个plot，当然，如果你想把代码分开写也可以，只需要加上hold on命令就行了，关于它后文会有介绍。
(2)fplot
* fplot(f,lims,参数)
* fplot(funx,funy,tlims,参数)
在第一种方法中，f代表一个函数，通常采用函数句柄的形式。lims为x轴的取值范围，用二元向量[xmin,xmax]描述，默认值为[-5,5]。参数定义与plot函数相同。例如使用fplot函数绘制sin(x)图像如下：
fplot(@(x)sin(x),[0,2*pi],':r*')
结果如下图：
在第二种方法中，funx、funy代表函数，通常采用函数句柄的形式。tlims为参数函数funx和funy的自变量的取值范围，用二元向量[tmin,tmax]描述。如绘制参数方程(x=tsint,y=tcost)曲线如下：
fplot(@(t)t.*sin(t),@(t)t.*cos(t),[0,10*pi],'-r')
注意：用matlab R2014b使用该函数出错，有文章指出用fplot不能画参数方程的图像（该观点暂未验证）
（3）其它形式下的二维曲线图
上文举例说明了最基础最常用的两个做二维曲线的函数，实际上，二维图形的种类还有很多，不光只有一根线构成的曲线图，还有各种统计图、坐标图等等，相应的在Matlab中也有画它们图形的方法，下面是其它几种图形作图方法(非全部)：
- 符号函数（显函数、隐函数、参数方程）
explot('f(x)',[a,b])
表示在a<x<b绘制显函数y=f(x)的图像。
ezplot('f(x,y)',[xmin,xmax,ymin,ymax])
表示在区间xmin<x<xmax和ymin<y<max之间绘制隐函数f(x,y)=0的函数图像。
ezplot('x(t)','y(t)',[tmin,tmax])
表示在区间tmin<t<tmax绘制参数方程x=x(t),y=y(t)的函数图像。
- 对数坐标图
semilogx(x1,y1,'参数',x2,y2,'参数'...)
semilogy(x1,y1,'参数,x2,y2','参数'...)
loglog(x1,y1,'参数',x2,y2,'参数'...)
其中，semilogx函数x轴为常用对数刻度，y轴为线性刻度；semilogy函数x轴为线性刻度，y轴为常用对数刻度；loglog函数x轴和y轴均采用常用对数刻度。
- 极坐标图
polar(theta,rho,'参数')
其中，theta为极角，rho为极径，参数内容与plot相同。
- 条形图
bar(y,style)
bar(x,y,style)
x = [2018,2019,2020]
y = [10,20,30,40,50;
10,20,30,40,50;
10,20,30,40,50];
bar(x,y)
第一个，参数y是数据，选项style用于指定分组排列模式，模式有两种供选择，分别为：‘grouped’:簇状分组，‘stacked’:堆积分组。 第二个，x存储横坐标，y存储数据，y的行数必须与向量x的长度相同。选项style用于指定分组排列模式。
- 直方图
hist(y)
hist(y,x)
其中，y是要统计的数据，x用于指定区间的划分方式。若x是标量，则统计区间均分成x个小区间；若x是向量，则向量x中的每一个数指定分组中心值，元素的个数为数据分组数。x缺省时，默认按10个等分区间进行统计。
rose(theta[],x)
其中，参数theta用于确定每一区间与原点的角度，选项x用于指定区间的划分方式。
- 面积类图形
pie(x,explode)
其中，参数x存储待统计数据，选项explode控制图块的显示模式。使用如下，可以试着改下参数或者help一下看看。
score = [10,25,3,18,41]
ex = [0,0,0,0,1]
pie(score,ex)
效果如下图：
- 散点类图形
scatter(x,y,选项,'filled')
其中，x、y用于定位数据点，选项用于指定线型、颜色、数据点标记。如果数据点标记是封闭图形，可以用选项’filled’指定填充数据点标记。该选项省略时，数据点是空心的。 一颗心：
t = 0:pi/50:2*pi
x = 16*sin(t).^3
y = 13*cos(t)-5*cos(2*t)-2*cos(3*t)-cos(4*t)
scatter(x,y,'rd','filled')
效果如下图：
- 矢量类图形
quiver(x,y,u,v)
其中，(x,y)指定矢量起点，(u,v)指定矢量终点。x、y、u、v是同样大小的向量或同型矩阵，若省略x、y，则在x-y平面上均匀取若干个作为起点。
已知向量A、B，求A+B，并用矢量图表示。
A = [4,5]; B = [-10,0]; C = A+B;
hold on
quiver(0,0,A(1),A(2));
quiver(0,0,B(1),B(2));
quiver(0,0,C(1),C(2));
text(A(1),A(2),'A');text(B(1),B(2),'B');
text(C(1),C(2),'C')
axis([-12,6,-1,6])
grid on
效果如下图：
- 进阶：双Y轴绘图
plotyy()
示例代码:
x = [0:0.01:20]
y1 = 200*exp(-0.05*x).*sin(x)
y2 = 0.8*exp(-0.5*x).*sin(10*x)
plotyy(x,y1,x,y2)
和plot()有什么区别呢？效果如下图：
2.三维图像
在上文的二维作图示例中我们可以知道二维作图的基本方法，而有时候二维的图形满足不了我们的需要，这个时候就需要做一些三维图像了，而三维图像里边除了包含曲线作图之外还包含曲面作图。
2.1三维曲线图像
在二维曲线作图里边我们主要使用的函数是plot和fplot函数，而在三维曲线作图里面我们使用的是plot3和fplot3函数，其不但长得像，功能也是差不多的，只不过是做了扩展而已。
- plot3和fplot3
关于plot3函数，其基本用法如下：
one plot3(x,y,z,参数)
two plot(x1,y1,z1,x2,y2,z2,...,xn,yn,zn)
是不是似曾相识，没错，它和plot功能确实非常像，只是多了一维数据而已。如要画出sin(x)的三维图，只需这样就好：
x = [0:0.01:10]
y = x
z = sin(x)
plot3(x,y,z,'-r')
效果如下图：
怎么样，是不是非常简单，假如要绘制个空间的螺旋线，其参数方程为：x=sint+tcost,y=cost-tsint,z=t,只需这样就好：
t = [0:0.1:10*pi]
x = sin(t)+t.*cos(t)
y = cos(t)-t.*sin(t)
z = t
plot3(x,y,z)
效果如下图：
对于plot3函数来讲，它的参数x，y，z不止可以是一维数组，实际上：
参数x、y、z是同型矩阵时，以x、y、z对应列元素绘制曲线，曲线条数等于矩阵列数。
参数x、y、z中有向量，也有矩阵时，向量的长度与矩阵相符。
对于其不止一组数据的方法2，其作用与plot类似，每一组x、y、z向量构成一组数据点的坐标，绘制一条曲线。 而plot3函数的后面线型、颜色和数据点标记的参数则与plot完全一致。 对于fplot3函数，其基本引用方法如下：
fplot3(funx,funy,funz,tlims)
其中，funx、funy、funz代表定义曲线x、y、z坐标的函数，通常采用函数句柄的形式。tlims为参数函数自变量的取值范围，用二元向量[tmin,tmax]描述，默认为[-5,5]，与fplot是几乎完全一致的，不再举例。
2.2三位曲面图像
在做三维曲面图的时候，第一步往往是生成一个平面网格，这个平面网格是什么东西呢，其实就是用矩阵X、Y分别存储每一个小矩形顶点的x坐标与y坐标，矩阵X、Y就是该矩形区域的xy平面网格坐标矩阵：
说的简单些，就是给我们要用的空间坐标系做个底面出来，本来x、y都是一维向量，它们也就是只能当两根轴，这个时候用新的两个X、Y矩阵来把空间坐标系的二维地面给表示出来，这样的话每一个[X,Y]就都能对应一个Z了，就是这个意思。在MATLAB中，产生平面区域内网格坐标矩阵有两种方法：
- 1.利用矩阵运算生成：
X = ones(size(y))*x
Y = y*ones(size(x))
- 2.利用meshgrid函数生成：
[X,Y] = meshgrid(x,y)
绘制三维曲面的函数
mesh(x,y,z,c)
surf(x,y,z,c)
mesh(z,c)
surf(z,c)
其中，x、y是网格坐标矩阵，z是网格点上的高度矩阵，c用于指定在不同高度下的曲面颜色。c省略时，颜色的设定正比于图形的高度。 当x、y省略时，z矩阵的第2维下标当作x轴坐标，z矩阵的第一维下标当作y轴坐标。 另外还有一些其它的绘制三维曲面的函数：
带等高线的三维网格曲面函数meshc
带底座的三维网格曲面函数meshz
具有等高线的曲面函数surfc
具有光照效果的曲面函数surfl
这些函数使用都和mesh还有surf大致相同，可自行练习了解。
//用4种方式绘制函数z=(x-1)^2+(y-2)^2-1的曲面图
//其中，x=[0,2],y=[1,3]
[x,y]=meshgrid(0:0.1:2,1:0.1:3)
z=(x-1).^2+(y-2).^2-1
subplot(2,2,1);meshc(x,y,z)
subplot(2,2,2);meshz(x,y,z)
subplot(2,2,3);surfc(x,y,z)
subplot(2,2,4);surfl(x,y,z)
效果如下图所示：
- fmesh函数和fsurf函数 用于绘制参数方程定义的曲面
fsurf(funx,funy,funz,uvlims)
fmesh(funx,funy,funz,uvlims)
其中，funx、funy、funz代表定义曲面x、y、z坐标的函数，通常采用函数句柄的形式。uvlims为funx、funy和funz的自变量的取值范围，用4元向量[umin,umax,vmin,vmax]描述，默认为[-5,5,-5,5]。
3.高维图像
matlab中若将颜色等看作一维可以做出四维图像，甚至五维图像。若更高维度图像，则需要进行降维处理。
4.图形修饰辅助操作
不管是二维曲线三维曲线还是曲面，大家掌握的方法都差不多了，图大概率是能被我们做出来了哈哈哈，不过能把图做出来固然重要，可更重要的是还能做出美图来，这就离不开我们的图形修饰了，比如给做好的图形加个标题加个注释什么的，我们要做出来图，还要做出来细图，更要做出来美图，接下来文章将列举我们经常使用的并且很有用的图形修饰辅助操作。
4.1基础绘图指令
除去上文所述plot等绘图函数命令之外，还有有一些其它修饰图形的常用命令。
| 指令 | 作用 |
|---|---|
| figure(num) | 新打开一个图形窗口，num为窗口序号 |
| hold on | 从指令开始，将后续所有图形绘制在一个figure窗口中 |
| hold off | 和hold on搭配只用，此指令开始，后续图像不在与之前图形绘制在一个窗口中 |
| axis on | 显示坐标轴 |
| axis off | 不显示坐标轴 |
| axis square | 使坐标区域为正方形 |
| axis normal | 自动调整轴的长宽比和数据单元的相对比例 |
| axis equal | 设置纵横比，使数据单元为各方面都一样 |
| axis equal tight | 将轴限制设置为数据的范围 |
| axis ij | 把坐标系统的原点放在左上角 |
| axis xy | 把原点放在左下角 |
这些呢是一些常用的辅助绘图指令，没有参数，直接在脚本输入就行，功能已经列在表中非常明确，大家可以自行练习查看实用效果。
4.2图形标注函数
title(图形标题)
xlabel(x轴说明)
ylabel(y轴说明)
text(x,y,文本说明)
legend(图1，图2，...，参数...)
值得一提的是，上面这些函数的使用方法远不及示例这么简单，它们都有非常多的参数可供选择使用，示例只是列出最简单、最常用的方法，下面是两段代码：
//没有图形标注
x = 0:0.5:4*pi
y1 = sin(x)
y2 = cos(x)
y3 = 1./(1+exp(-x))
y4 = (1/(2*pi)^0.5).*exp(((-1).*(x-2*pi).^2)./(2*2^2))
plot(x,y1,x,y2,x,y3,x,y4)
//加上简单图形标注
title('四条函数图像')
xlabel('横坐标')
ylabel('纵坐标')
text(0,0,'猜猜我在哪')
legend('y1','y2','y3','y4','Location','southwest')
4.3图形窗口分割函数subplot
subplot(m,n,p)
其中，m和n指定将窗口分成mXn个绘图区，p指定的是当前图像所在区域，如m=2，n=3，则一个figure窗口被分成2行三列供6个绘图区，可以容纳6个图形。若p=3，说明当前图像要被画进第三个窗口，也就是第二行第一列的窗口内。p小于等于mXn
4.4图形修饰处理
- 视点处理
方位角：视点与原点连线在xy平面上的投影与y轴负方向形成的角度，正值表示逆时针，负值表示顺时针。
仰角：视点与原点连线与xy平面的夹角，正值表示视点在xy平面上方，负值表示视点在xy平面下方。
- view函数
view(az,el)
其中az为方位角，el为仰角。系统默认的视点定义为方位角-37.5°，仰角30°。
//绘制函数z=(x-1)^2+(y-2)^2-1的曲面图，并从不同视点展示曲面
[x,y] = meshgrid(0:0.1:2,1:0.1:3)
z =(x-1).^2+(y-2).^2-1
subplot(2,2,1); mesh(x,y,z)
subplot(2,2,2); mesh(x,y,z);view(0,90)
subplot(2,2,3); mesh(x,y,z);view(90,0)
subplot(2,2,4); mesh(x,y,z);view(-45,-60)
效果如下图：
- 色彩处理
默认的，向量元素在[0,1]范围内取值，3个元素一次表示红、绿、蓝三种颜色的相对亮度，称为RGB三元组即[R G B]，如[0 0 1]是蓝色，[1 0 0]是红色，[1 1 1]是白色，[0 0 0]是黑色。(当然，也有在[0,255]内取值的，不再介绍)
- 色图(Colormap)
首先，创建一个色图矩阵方法如下：
cmap = colormap(parula(5))
其中，parula是内建色图中包含的一个种类，其中参数5可以是任何一个数值，它关系着色图矩阵的范围，一般来说使用的时候省略就好。
7336
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
