python画简便的图-如何用python画M集（1）——M集原始图的画法

很多人问我明明已经有现成的程序，为什么还要教大家自己写代码制作分形呢？

那好，既然已经有那么多人成功了，你们可以不用追求成功，就这样颓废下去，可以吗？

（这个例子是不是很怪？其实我认为是一回事）

import numpy as np

import cv2

from tqdm import tqdm

# 我只是想加个进度条

def f(z, c):

# 原始的M集迭代公式（Python支持复数数据类型，可以直接计算）

return z**2 + c

def dwell(z0, c, bailout, step):

# 一般的迭代数公式

z = z0

i = 0

while abs(z) <= bailout and i <= step:

z = f(z, c)

i += 1

return i

def dwell_to_bgr(s):

# 配色方案

# 这里用的函数是用伯恩斯坦基构造的，效果不错

red = lambda s: (1-s)**4

green = lambda s: (1-s)**2*(1+2*s+3*s**2)

blue = lambda s: 2*s**2*(1-s)*(3-s)

color = np.array([blue(s), green(s), red(s)])

color = np.floor(225 * color)

return color

def main():

# 基本参数：迭代步数，初值，逃离界

step = 1024

z0 = 0

bailout = 2

# 构造网格（在原定大小基础上进行9倍超采样）

x_ir = 640

y_ir = 360

g = np.zeros((3*y_ir+1, 3*x_ir+1))

# 作画区域确定

x_range = 2

y_range = x_range * y_ir / x_ir

# 计算各格子的颜色（配色方案另行说明）

for i in tqdm(range(g.shape[0])):

for j in range(g.shape[1]):

# 坐标这么写是保证生成的图符合传统上的直角坐标系

x = x_range * (2 * j / (g.shape[1]-1) - 1)

y = -y_range * (2 * i / (g.shape[0]-1) - 1)

c = x + y * 1j

g[i][j] = dwell(z0, c, bailout, step)

# 对矩阵进行0-1归一化

g = (g - np.min(g)) / (np.max(g) - np.min(g))

# 填入BGR三通道，适应OPENCV的格式

img = np.zeros((g.shape[0], g.shape[1], 3))

for i in tqdm(range(g.shape[0])):

for j in range(g.shape[1]):

for k in range(3):

img[i][j][k] = int(dwell_to_bgr(g[i][j])[k])

# 放缩恢复原定的图像大小（插值算法是我自己选的，有疑问可以问我）

img2 = cv2.resize(img, (x_ir, y_ir), interpolation=cv2.INTER_AREA)

cv2.imwrite("test.png", img2)

main()