分形与混沌之-迭代函数系统(IFS)
- 迭代函数系统是一种用来创建分形图案的算法,它所创建的分形图永远是绝对自相似的。下面我们直 接通过绘制一种蕨类植物的叶子来说明迭代函数系统的算法:
- 有下面4个线性函数将二维平面上的坐标进行线性映射变换:
- x(n+1)= 0; y(n+1) = 0.16 * y(n)
- x(n+1) = 0.2 * x(n) − 0.26 * y(n); y(n+1) = 0.23 * x(n) + 0.22 * y(n) + 1.6
- x(n+1) = −0.15 * x(n) + 0.28 * y(n); y(n+1) = 0.26 * x(n) + 0.24 * y(n) + 0.44
- x(n+1) = 0.85 * x(n) + 0.04 * y(n); y(n+1) = −0.04 * x(n) + 0.85 * y(n) + 1.6
- 所谓迭代函数是指将函数的输出再次当作输入进行迭代计算,因此上面公式都是通过坐标 x(n),y(n) 计 算变换后的坐标 x(n+1),y(n+1)。
- 现在的问题是有4个迭代函数,迭代时选择哪个函数进行计算呢?
- 我们为每个函数指定一个概率值,它们依次为1%, 7%, 7%和85%。选择迭代函数时使用通过每个函数的 概率随机选择一个函数进行迭代。
- 上面的例子中,第四个函数被选择迭代的概率最高。
最后我们从坐标原点(0,0)开始迭代,将每次迭代所得到的坐标绘制成图,就得到了叶子的分形图案。 下面的程序演示这一计算过程:
# -*- coding: utf-8 -*- # by whyx 2016/6 import numpy as np import pylab as pl from math import log import time from matplotlib import cm # 蕨类植物叶子的迭代函数和其概率值 eq1 = np.array([[0,0,0],[0,0.16,0]]) p1 = 0.01 eq2 = np.array([[0.2,-0.26,0],[0.23,0.22,1.6]]) p2 = 0.07 eq3 = np.array([[-0.15, 0.28, 0],[0.26,0.24,0.44]]) p3 = 0.07 eq4 = np.array([[0.85, 0.04, 0],[-0.04, 0.85, 1.6]]) p4 = 0.85 def ifs(p, eq, init, n): # 进行函数迭代 # p: 每个函数的选择概率列表 # eq: 迭代函数列表 # init: 迭代初始点 # n: 迭代次数 #返回值: 每次迭代所得的X坐标数组, Y坐标数组, 计算所用的函数下标 # 迭代向量的初始化 pos = np.ones(3, dtype=np.float) pos[:2] = init # 通过函数概率,计算函数的选择序列 p = np.add.accumulate(p) rands = np.random.rand(n) select = np.ones(n, dtype=np.int)*(n-1) for i, x in enumerate(p[::-1]): select[rands<x] = len(p)-i-1 # 结果的初始化 result = np.zeros((n,2), dtype=np.float) c = np.zeros(n, dtype=np.float) for i in xrange(n): eqidx = select[i] # 所选的函数下标 tmp = np.dot(eq[eqidx], pos) # 进行迭代 pos[:2] = tmp # 更新迭代向量 # 保存结果 result[i] = tmp c[i] = eqidx return result[:,0], result[:, 1], c start = time.clock() p1, p2, p3, p4 = 0.01, 0.07, 0.07, 0.85 #p1, p2, p3, p4 = 0.11, 0.17, 0.17, 0.55 x, y, c = ifs([p1,p2,p3,p4],[eq1,eq2,eq3,eq4], [0,0], 100000) print time.clock() - start pl.figure(figsize=(6,6)) pl.subplot(121) pl.scatter(x, y, s=1, c="g", marker="s", linewidths=0) pl.axis("equal") pl.axis("off") pl.subplot(122) pl.scatter(x, y, s=1,c = c, marker="s", linewidths=0) pl.axis("equal") pl.axis("off") pl.subplots_adjust(left=0,right=1,bottom=0,top=1,wspace=0,hspace=0) pl.gcf().patch.set_facecolor("white") pl.show()