基于Matlab绘制超绚丽的烟花的过程详解

目录
  • 1.使用效果
  • 2.随机点生成
  • 3.图像膨胀
  • 4.特效「风」模拟
  • 5.级坐标变换
  • 6.图像模糊及再映射
  • 7.图像上色
  • 8.完整代码

1.使用效果

2.随机点生成

我们要构造一个黑色背景,对其添加高斯噪声,然后依据阈值删掉部分噪声,生成一张随机点图片:

% 构造黑色背景并生成白色杂点
blackPic=uint8(zeros(800,800));
distPic=imnoise(blackPic,'gaussian',0, 0.11);
distPic(distPic<254)=0;

3.图像膨胀

我们发现之前构造的点太小了,我们要对其进行形态学膨胀处理:

% 杂点膨胀
se=strel('square',3);
distPic=imdilate(distPic,se);

4.特效「风」模拟

就是建立一个循环,不断地将点往右侧复制,并将颜色变暗,代码中第二个参数为拖拽长度,第三个参数为暗化速度:

% 构造风特效
windPic=wind(distPic,180,0.99);
% 风特效构造函数
    function resultPic=wind(oriPic,len,ratio)
        oriPic=double(oriPic);
        for i=1:len
            tempPic=[zeros(size(oriPic,1),1),oriPic(:,1:(end-1))].*ratio;
            oriPic(oriPic<tempPic)=tempPic(oriPic<tempPic);
        end
        resultPic=uint8(oriPic);
    end

5.级坐标变换

% 极坐标变换
polarPic=polarTransf(windPic(:,end:-1:1)');
% 级坐标变换构造函数
    function resultPic=polarTransf(oriPic)
        oriPic=double(oriPic);
        [m,n]=size(oriPic);
        [t,r]=meshgrid(linspace(-pi,pi,n),1:m);

        M=2*m;
        N=2*n;
        [NN,MM]=meshgrid((1:N)-n-0.5,(1:M)-m-0.5);
        T=atan2(NN,MM);
        R=sqrt(MM.^2+NN.^2);

        resultPic=interp2(t,r,oriPic,T,R,'linear',0);
        resultPic=uint8(resultPic);
    end

6.图像模糊及再映射

我们发现烟花图片中心区域方格化严重:

我们很容易想到图像模糊,但是模糊后亮度又不够,因此我们再做一次映射将图片整体亮度提高:

模糊及映射:

% 模糊以减少像素化
polarPic=imgaussfilt(polarPic,1.5);
polarPic=uint8(double(polarPic)./double(max(max(polarPic))).*260);

7.图像上色

生成一个圆形的渐变图片,并与白色烟花图片进行一次正交叠底:

% 构造圆形渐变图
matSize=[1600,1600];
point=[800,800];
colorList=[195    53    93
    211   102   141
    231   179   192
    229   182   172
    227   178   137
    238   191   147
    236   195   113];
% 正片叠底
colorMat=cColorMat(matSize,point,colorList);
colorMatR=colorMat(:,:,1);
colorMatG=colorMat(:,:,2);
colorMatB=colorMat(:,:,3);
fwPicR=double(colorMatR).*double(polarPic)./255;
fwPicG=double(colorMatG).*double(polarPic)./255;
fwPicB=double(colorMatB).*double(polarPic)./255;
fwPic(:,:,1)=fwPicR;
fwPic(:,:,2)=fwPicG;
fwPic(:,:,3)=fwPicB;
fwPic=uint8(fwPic);
imshow(fwPic)

%==========================================================================
% 图像颜色映射函数
    function colorMat=cColorMat(matSize,point,colorList)
    [xMesh,yMesh]=meshgrid(1:matSize(2),1:matSize(1));
    zMesh=sqrt((xMesh-point(2)).^2+(yMesh-point(1)).^2);
    zMesh=(zMesh-min(min(zMesh)))./(max(max(zMesh))-min(min(zMesh)));

    colorFunc=colorFuncFactory(colorList);
    colorMesh=colorFunc(zMesh);

    colorMat(:,:,1)=colorMesh(end:-1:1,1:matSize(1));
    colorMat(:,:,2)=colorMesh(end:-1:1,matSize(1)+1:2*matSize(1));
    colorMat(:,:,3)=colorMesh(end:-1:1,2*matSize(1)+1:3*matSize(1));

    colorMat=uint8(colorMat);
    end

    function colorFunc=colorFuncFactory(colorList)
        x=(0:size(colorList,1)-1)./(size(colorList,1)-1);
        y1=colorList(:,1);y2=colorList(:,2);y3=colorList(:,3);
        colorFunc=@(X)[interp1(x,y1,X,'linear')',...
                       interp1(x,y2,X,'linear')',...
                       interp1(x,y3,X,'linear')'];
    end

其他几个颜色:

colorList2=[25    59   157
    24    71   219
    38   124   237
    93   215   255
   168   244   255
   243   254   250
   246   252   240];
colorList3=[239   250   210
   229   164   122
   232   150   138
   255   164   204
   192    58   111
   158    10    26
   224   168   121];

8.完整代码

function drawFireWorks

% 构造黑色背景并生成白色杂点
blackPic=uint8(zeros(800,800));
distPic=imnoise(blackPic,'gaussian',0, 0.11);distPic(distPic<254)=0;

% 杂点膨胀
se=strel('square',3);
distPic=imdilate(distPic,se);

% 构造风特效
windPic=wind(distPic,180,0.99);

% 极坐标变换
polarPic=polarTransf(windPic(:,end:-1:1)');

% 模糊以减少像素化
polarPic=imgaussfilt(polarPic,1.5);
polarPic=uint8(double(polarPic)./double(max(max(polarPic))).*260);

%-----------------------------------------------------------------
% 构造圆形渐变图
matSize=[1600,1600];
point=[800,800];
colorList=[195    53    93
    211   102   141
    231   179   192
    229   182   172
    227   178   137
    238   191   147
    236   195   113];
% 正片叠底
colorMat=cColorMat(matSize,point,colorList);
colorMatR=colorMat(:,:,1);
colorMatG=colorMat(:,:,2);
colorMatB=colorMat(:,:,3);
fwPicR=double(colorMatR).*double(polarPic)./255;
fwPicG=double(colorMatG).*double(polarPic)./255;
fwPicB=double(colorMatB).*double(polarPic)./255;
fwPic(:,:,1)=fwPicR;
fwPic(:,:,2)=fwPicG;
fwPic(:,:,3)=fwPicB;
fwPic=uint8(fwPic);
imshow(fwPic)

%==========================================================================
% 风特效构造函数
    function resultPic=wind(oriPic,len,ratio)
        oriPic=double(oriPic);
        for i=1:len
            tempPic=[zeros(size(oriPic,1),1),oriPic(:,1:(end-1))].*ratio;
            oriPic(oriPic<tempPic)=tempPic(oriPic<tempPic);
        end
        resultPic=uint8(oriPic);
    end
% 极坐标变换构造函数
    function resultPic=polarTransf(oriPic)
        oriPic=double(oriPic);
        [m,n]=size(oriPic);
        [t,r]=meshgrid(linspace(-pi,pi,n),1:m);

        M=2*m;
        N=2*n;
        [NN,MM]=meshgrid((1:N)-n-0.5,(1:M)-m-0.5);
        T=atan2(NN,MM);
        R=sqrt(MM.^2+NN.^2);

        resultPic=interp2(t,r,oriPic,T,R,'linear',0);
        resultPic=uint8(resultPic);
    end

%==========================================================================
% 图像颜色映射函数
    function colorMat=cColorMat(matSize,point,colorList)
    [xMesh,yMesh]=meshgrid(1:matSize(2),1:matSize(1));
    zMesh=sqrt((xMesh-point(2)).^2+(yMesh-point(1)).^2);
    zMesh=(zMesh-min(min(zMesh)))./(max(max(zMesh))-min(min(zMesh)));

    colorFunc=colorFuncFactory(colorList);
    colorMesh=colorFunc(zMesh);

    colorMat(:,:,1)=colorMesh(end:-1:1,1:matSize(1));
    colorMat(:,:,2)=colorMesh(end:-1:1,matSize(1)+1:2*matSize(1));
    colorMat(:,:,3)=colorMesh(end:-1:1,2*matSize(1)+1:3*matSize(1));

    colorMat=uint8(colorMat);
    end

    function colorFunc=colorFuncFactory(colorList)
        x=(0:size(colorList,1)-1)./(size(colorList,1)-1);
        y1=colorList(:,1);y2=colorList(:,2);y3=colorList(:,3);
        colorFunc=@(X)[interp1(x,y1,X,'linear')',...
                       interp1(x,y2,X,'linear')',...
                       interp1(x,y3,X,'linear')'];
    end
end

以上就是基于Matlab绘制超绚丽的烟花的过程详解的详细内容,更多关于Matlab绘制烟花的资料请关注我们其它相关文章!

(0)

相关推荐

  • 基于Python实现加强版烟花

    上一篇实现的烟花里面预留了很多bug,今天过年,把代码给重新规划了一下. 效果如下: 远处是山和月亮,近处是雪和烟花. 由于忙着吃年夜饭,暂时就不详细解释代码了,空下来了再补上. 这里给出代码,祝各位老哥新年快乐. import pygame import random import math pygame.init() pygame.mixer.init() pygame.font.init() WIN_W = 1420 WIN_H = 900 t1 = 0.18 # 时间流速 show_n

  • 新年到教你如何用Python实现雪夜烟花景

    运行截图 运行效果: 什么?你说你看不清烟花?那我换一种颜色,请点开看. 实现过程 准备工作 使用语言和框架:python.pygame.安装pygame: pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn pygame 你需要知道的基础知识 首先,pygame渲染是同步的,所以同屏渲染的点过多之后,就会造成卡顿的情况.其次,pygame的代码逻辑是,

  • 最炫Python烟花代码全解析

    导语: 除夕除夕,就是除去烦脑,迎接新的希望!在这里小编先祝大家除夕快乐,岁岁常欢笑,事事皆如意! 正文: 创建画布 setup和draw是p5.js的两个主函数,里头的createCanvas用于创建画布的大小,background来设置画布的背景颜色 function setup() { createCanvas(1303 / 2, 734 / 2) } function draw() { background(50); } 画烟花粒子 考虑到会有很多,通过一个函数Particle来生成,代

  • 利用Matlab绘制各类特殊图形的实例代码

    Matlab绘图介绍 强大的绘图功能是Matlab的特点之一,Matlab提供了一系列的绘图函数,用户不需要过多的考虑绘图的细节,只需要给出一些基本参数就能得到所需图形,这类函数称为高层绘图函数.此外,Matlab还提供了直接对图形句柄进行操作的低层绘图操作.这类操作将图形的每个图形元素(如坐标轴.曲线.文字等)看做一个独立的对象,系统给每个对象分配一个句柄,可以通过句柄对该图形元素进行操作,而不影响其他部分. Matlab绘制特殊图形 1. 绘制极坐标图 说明:使用polarplot函数绘制极

  • Python 浪漫烟花实现代码全解

    1 旖旎风景 马上虎年了,也是我的生肖年,很激动!(不小心暴露了年龄,哈哈哈......),这里先给大家拜年啦,祝大家虎年快乐,虎年爆富!  首先一首原创诗分享给大家,然后欣赏一下烟花代码,用Python实现的. 魏巍中华龙在飞,能驭其者方可主沉浮,今夕新年,晚风过威奢, 请卿听我歌: 新年傲啸 烟花冲破九霄, 正如神雕在傲啸; 黑夜捅了它一刀; 五彩的血溅在黑夜外套; 于是傲啸浸透夜的衣角; 只愿与卿震响九霄! 龙吟虎啸! 2 请卿赏之 3 Python代码实现 #==============

  • 利用Matlab绘制地图的超详细教程

    目录 MappingToolbox工具箱安装 局部区域陆地绘制 映射贴图 纹理贴图 线路图绘制 usamap axesm 一些地图绘制可用简易函数 subplot tightmap 边框标签网格快速开关函数 colormap colorbar worldmap和usamap是axesm的子类,worldmap是用于生成世界地图坐标区域,usamap用于生成美国地图坐标区域,本文先在worldmap函数基础上讲解如何导入各种数据绘制各种类型图片,略提一下如何使用usamap,再讲解axesm的各种

  • 基于Matlab绘制超绚丽的烟花的过程详解

    目录 1.使用效果 2.随机点生成 3.图像膨胀 4.特效「风」模拟 5.级坐标变换 6.图像模糊及再映射 7.图像上色 8.完整代码 1.使用效果 2.随机点生成 我们要构造一个黑色背景,对其添加高斯噪声,然后依据阈值删掉部分噪声,生成一张随机点图片: % 构造黑色背景并生成白色杂点 blackPic=uint8(zeros(800,800)); distPic=imnoise(blackPic,'gaussian',0, 0.11); distPic(distPic<254)=0; 3.图像

  • Matlab绘制散点密度图的教程详解

    目录 效果 1工具函数完整代码 2参数说明 3使用方式 3.1散点赋色 3.2等高线图 3.3带直方图的散点图 3.4带直方图的等高线图 4使用方式扩展–与ggplot修饰器联动 效果 原理也很简单,通过matlab自带的ksdensity获得网格每一点密度,通过密度拟合曲面,再计算每个数据点对应的概率,并将概率映射到颜色即可为了怕大家找不到函数这次工具函数放到最前面 1工具函数完整代码 function [CData,h,XMesh,YMesh,ZMesh,colorList]=density

  • Matlab绘制酷炫坐标区域的方法详解

    目录 使用方式 其他炫酷的背景 注意事项 代码展示及mat文件获取 写了一个能让坐标区域变得很炫酷的修饰函数: 同时想到了一个很有意思的把函数存储进mat文件的方法,方法就不细讲了,大家自行点开.mat文件能够很轻松的理解原理(大概), 使用方式 首先说明一下函数咋用:假设编写了如下函数: t=0:0.35:3*pi; plot(t,sin(t),'Marker','d','LineWidth',2,'Color',[102,194,166]./255) hold on plot(t,cos(t

  • 基于迁移学习的JS目标检测器构建过程详解

    目录 正文 步骤一:安装依赖 步骤二:加载预先训练的模型 步骤三:处理图像 步骤四:运行模型 步骤五:显示检测结果 最后 正文 在计算机视觉领域,目标检测是一个非常重要的任务.它可以应用于许多领域,如自动驾驶.安防.医疗等.在本文中,我们将介绍如何使用迁移学习构建一个基于JavaScript的目标检测器. 迁移学习是一种将已训练好的模型应用于新问题的方法.我们可以使用已经训练好的模型作为起点,并在新数据集上进行微调来解决新问题.这种方法可以大大减少模型的训练时间,并获得更好的性能. 在本文中,我

  • 基于Matlab绘制洛伦兹吸引子相图

    目录 1.公式及Lorenz函数 2.混沌吸引子图像 3.混沌吸引子图像 4.封面图绘制 洛伦兹吸引子(Lorenz attractor)是由MIT大学的气象学家Edward Lorenz在1963年给出的,他给出第一个混沌现象——蝴蝶效应........废话不多说. 反正咱就是,好看且有用咱就写代码,第零部分给出公式.第一部分给出 混沌吸引子 图像,第二部分给出庞加莱截面法 分岔图 绘制. 1.公式及Lorenz函数 Lorenz微分方程组定义如下: 非常容易能写出该微分方程组函数: func

  • 基于Matlab绘制小提琴图的示例代码

    目录 violinChart 函数使用方法 基础使用,Y为矩阵 基础使用,Y为向量,X为标签 基础使用,多个图像绘制,并添加图例 violinChart 完整函数 ggtheme violin 函数介绍 ggtheme violin 主题 ggtheme violin 修饰函数代码 本文将为大家详细讲解Matlab中小提琴图的绘制函数及ggtheme主题修饰函数 violinChart 函数使用方法 写了个matlab绘制小提琴图的函数: 1.图中小提琴状区域为核密度曲线. 2.白色方块为25%

  • 基于Python Numpy的数组array和矩阵matrix详解

    NumPy的主要对象是同种元素的多维数组.这是一个所有的元素都是一种类型.通过一个正整数元组索引的元素表格(通常是元素是数字). 在NumPy中维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank,但是和线性代数中的秩不是一样的,在用python求线代中的秩中,我们用numpy包中的linalg.matrix_rank方法计算矩阵的秩,例子如下). 结果是: 线性代数中秩的定义:设在矩阵A中有一个不等于0的r阶子式D,且所有r+1阶子式(如果存在的话)全等于0,那末D称为矩阵

  • 基于asp.net MVC 应用程序的生命周期(详解)

    首先我们知道http是一种无状态的请求,他的生命周期就是从客户端浏览器发出请求开始,到得到响应结束.那么MVC应用程序从发出请求到获得响应,都做了些什么呢? 本文我们会详细讨论MVC应用程序一个请求的生命周期,从一个控件到另一个控件是怎样被处理的.我们还会详细介绍一下整个请求的生命周期中,用到的相关组件.因为在平常的开发过程中,我们可能知道怎样去使用MVC框架来处理相关的请求,大部分的时候我们只是在controller和action方法之间做相关的处理,对于真正内在的运行机制可能不是很了解.其实

  • 基于python批量处理dat文件及科学计算方法详解

    摘要:主要介绍一些python的文件读取功能,文件内容修改,文件名后缀更改等操作. 批处理文件功能 import os path1 = 'C:\\Users\\awake_ljw\\Documents\\python for data analysis\\test1' path2 = 'C:\\Users\\awake_ljw\\Documents\\python for data analysis\\test2' filelist = os.listdir(path1) for files i

  • Python绘制二维曲线的日常应用详解

    使用Python绘制出类似Excel或者MATLAB的曲线还是比较容易就能够实现的,需要用到的额外库有两个,numpy和matplotlib.使用这两个模块实现的曲线绘制其实在一定程度上更像是MATLAB的plot功能,不过今天看了一下matplotlib网站上的信息,现在的功能更为强劲了,而且已经支持三维图像的绘制. 模块库的安装非常简单,我使用的Mac,在Mac上用pip进行了两个模块库的安装都十分顺畅.相信其他平台基本上也都这样,如果能够联网,这种安装方式是十分推荐的,确实是简单. 我用P

随机推荐