康托尔集合基本绘制方法汇总（Python）

康托尔集合是分形理论发展的早起萌芽，对后来分形理论的发展起到了直观性的作用。怎样直观地理解这个集合，对后续理解分形理论非常有帮助。

康托尔集合的绘制方法多种多样，主要基于其构造原理（不断删除线段中间三分之一）和数学特性（三进制表示无1）。以下是不同算法的基本思路和步骤，涵盖递归、迭代等多种方法：

---

1. 递归分割法

算法步骤：

1. 输入：当前线段端点 [start, end]，当前深度 depth，最大深度 max_depth。
2. 绘制当前线段。
3. 若 depth < max_depth：

• 计算分段点：left_end = start + (end - start)/3right_start = start + 2*(end - start)/3
• 递归处理左段：递归([start, left_end], depth+1, max_depth)
• 递归处理右段：递归([right_start, end], depth+1, max_depth)

2. 迭代队列法

算法步骤：

1. 初始化队列，存入初始线段 [0, 1]。
2. 设定最大迭代次数 max_iter。
3. 对于每轮迭代 i 从 0 到 max_iter-1：

• 遍历当前队列所有线段：
  • 对每个线段 [a, b]，计算 left_end = a + (b - a)/3 和 right_start = a + 2*(b - a)/3。
  • 将左段 [a, left_end] 和右段 [right_start, b] 加入新队列。
• 更新队列为新队列，绘制当前所有线段。

3. 三进制点集排除法

算法步骤：

1. 输入：图像宽度 width，最大精度 n（三进制小数位数）。
2. 对每个像素 x 从 0 到 width-1：

• 计算归一化坐标 x_norm = x / width。
• 检查 x_norm 的三进制展开是否不含 1（例如通过逐位检查）。
• 若属于康托尔集，则在 (x, y) 处绘制点（可固定 y 或垂直堆叠）。

---

4. 位图/像素填充法

算法步骤：

1. 创建宽度为 3^max_depth 的位图，初始全黑（非康托尔集）。
2. 对每层迭代 i 从 0 到 max_depth：

• 将当前位图分割为 3^i 个区间。
• 删除每个区间中间的三分之一部分（设为白色）。

1. 最终剩余黑色像素即康托尔集，渲染为图像。

---

5. 迭代函数系统（IFS）

算法步骤：

1. 定义变换：

• T1(x) = x/3（左缩放到1/3）
• T2(x) = x/3 + 2/3（右缩放到1/3并平移）

1. 初始化点：x = 0.5（任意初始值）。
2. 迭代：随机选择 T1 或 T2 应用多次，记录所有生成的点。
3. 绘制：在水平线上绘制所有点（可能需要垂直抖动以可视化密度）。

注意：这个算法并没有指定深度，但是从绘制的图形上看，只有很小的深度。但是如果精度足够高，我们依然是可以观察到更小的gap的，也就是说有足够大的深度。

---

6. 垂直堆叠历史法 （算法1和2已经输出这样图形，但当时目的是为了展示迭代）

算法步骤：

1. 输入：最大迭代次数 max_iter。
2. 对每层 i 从 0 到 max_iter：

• 计算当前层剩余的线段集合。
• 在垂直位置 y = i 处绘制这些线段，形成层次结构图。

---

7. 区间排除记录法

算法步骤：

1. 初始化剩余区间列表为 [0, 1]。
2. 对每层迭代 i：

• 遍历所有当前区间，将每个区间三等分。
• 删除中间段，保留左右两段加入新列表。

1. 绘制所有未被删除的区间。

---

8. 概率随机移除法

算法步骤：

1. 输入：初始线段 [0,1]，迭代次数 max_iter。
2. 对每次迭代：

• 随机选择当前线段中的一个区间，删除中间三分之一。
• 重复直到达到迭代次数。

1. 绘制剩余线段（非标准康托尔集，但展示类似分形特性）。

注意：这里的线段长度（也代表着相应的深度）是不相同的，是因为在相应线段是，要判定是不是要进一步绘制。

---

9. 数学公式直接生成

算法步骤：

1. 康托尔集可表示为：$C = \bigcap_{n=1}^\infty C_n $，其中 $ C_n $ 是第 n 次迭代后的剩余区间。
2. 通过数学公式计算每个 C_n 的区间端点，逐层绘制。

---

总结

以上方法覆盖了递归、迭代、数学特性（三进制）、像素操作、IFS等多种思路。实际实现时，可根据需求选择算法：递归适合小深度快速实现，迭代法避免栈溢出，三进制法适合高精度点检查，IFS适合概率逼近。

代码：

见合集： 康托尔集合绘制方法汇总https://mbd.pub/o/bread/aJ2Tk59x。