企业官网建设流程全解析

分形（Fractal）是具有自相似性的几何图形，小尺度下的形态与整体形态高度相似，典型代表有曼德博集合（Mandelbrot Set）、朱利亚集合（Julia Set）、科赫雪花、分形树等。Python结合matplotlib、numpy（高效数值计算）和numba（加速循环）可以轻松绘制出视觉效果惊艳的分形图，本文从基础原理到代码实战，教你画出高质量的分形图形。

一、前置准备

1.1 安装依赖

需要的核心库：

• numpy：数值计算（矩阵运算、复数处理）
• matplotlib：绘图与色彩渲染
• numba：JIT编译加速（分形计算涉及大量循环，纯Python速度慢）
• PIL（可选）：保存高清图片

执行安装命令：

pipinstallnumpy matplotlib numba pillow

1.2 核心优化思路

分形计算的核心是迭代判断点是否属于分形集合，循环次数多且计算密集：

• 用numpy向量化运算替代纯Python循环；
• 用numba.jit装饰器编译核心函数，提速10~100倍；
• 合理设置色彩映射（colormap）提升视觉效果。

二、实战1：曼德博集合（Mandelbrot Set）

曼德博集合是最经典的分形，定义为复平面上满足 ( z_{n+1} = z_n^2 + c )（初始 ( z_0=0 )）迭代不发散的点 ( c=x+yi ) 的集合。

2.1 完整代码（高清+彩色）

importnumpyasnpimportmatplotlib.pyplotaspltfromnumbaimportjitfrommatplotlib.colorsimportLinearSegmentedColormap# ===================== 1. 核心计算函数（Numba加速） =====================@jit(nopython=True)# JIT编译，大幅提速defmandelbrot(c,max_iter):"""判断单个点c是否属于曼德博集合，返回迭代次数（用于上色）"""z=0n=0whileabs(z)<=2andn<max_iter:z=z*z+c n+=1# 平滑上色：避免迭代次数突变导致的色块ifn==max_iter:returnmax_iter# 属于集合，设为最大迭代次数returnn+1-np.log(np.log2(abs(z)))# 平滑后的迭代次数@jit(nopython=True)defmandelbrot_set(x_min,x_max,y_min,y_max,width,height,max_iter):"""生成曼德博集合的迭代次数矩阵"""x=np.linspace(x_min,x_max,width)y=np.linspace(y_min,y_max,height)img=np.zeros((height,width))foriinrange(height):forjinrange(width):c=complex(x[j],y[i])img[i,j]=mandelbrot(c,max_iter)returnimg# ===================== 2. 自定义色彩映射（更美观） =====================defcreate_fractal_cmap():"""创建自定义分形配色（深蓝→紫色→粉色→黄色→白色）"""colors=[(0.0,0.0,0.1),# 深蓝（集合内部）(0.2,0.0,0.5),# 深紫(0.5,0.1,0.8),# 粉紫(0.8,0.2,1.0),# 亮粉(1.0,0.8,0.2),# 黄色(1.0,1.0,1.0)# 白色（迭代次数最多）]returnLinearSegmentedColormap.from_list("fractal",colors,N=1024)# ===================== 3. 绘制曼德博集合 =====================defplot_mandelbrot():# 1. 配置参数（可调整视角，比如放大局部细节）# 全局视图：x∈[-2.0, 1.0], y∈[-1.5, 1.5]# 局部细节（比如“海马谷”）：x∈[-0.8, -0.7], y∈[0.0, 0.1]x_min,x_max=-2.0,1.0y_min,y_max=-1.5,1.5width,height=2000,2000# 分辨率（越高越清晰，计算越久）max_iter=1000# 迭代次数（越高细节越多）# 2. 计算分形数据print("开始计算曼德博集合...")img=mandelbrot_set(x_min,x_max,y_min,y_max,width,height,max_iter)print("计算完成！")# 3. 绘图配置plt.figure(figsize=(10,10),dpi=200)# dpi越高，图片越清晰cmap=create_fractal_cmap()# 自定义配色# 绘制（用log缩放让色彩过渡更自然）plt.imshow(img,cmap=cmap,extent=(x_min,x_max,y_min,y_max),aspect="equal")# 4. 美化设置（无坐标轴、标题等）plt.axis("off")# 隐藏坐标轴plt.tight_layout(pad=0)# 去除边距plt.title("Mandelbrot Set",fontsize=16,color="white",pad=10)# 可选标题# 5. 保存高清图片plt.savefig("mandelbrot_set.png",dpi=300,# 保存分辨率bbox_inches="tight",# 去除白边facecolor="black"# 背景色（分形背景用黑色更美观）)plt.show()if__name__=="__main__":plot_mandelbrot()

2.2 关键优化与美化说明

1. Numba加速：@jit(nopython=True)编译核心迭代函数，2000×2000分辨率的计算时间从几十分钟缩短到几十秒；
2. 平滑上色：传统的“迭代次数上色”会出现明显色块，通过n + 1 - np.log(np.log2(abs(z)))让色彩过渡更自然；
3. 自定义配色：避开matplotlib默认配色，用深蓝→紫色→黄色的渐变，贴合曼德博集合的视觉特征；
4. 高清输出：设置dpi=300保存，无坐标轴、无白边，符合壁纸级视觉效果。

2.3 效果调整技巧

• 放大局部细节：修改x_min/x_max/y_min/y_max，比如聚焦“海马谷”（x∈[-0.8, -0.7], y∈[0.0, 0.1]），能看到更精细的分形结构；
• 调整迭代次数：max_iter越大，细节越多（但计算越久），局部放大时建议设为2000+；
• 更换配色：修改create_fractal_cmap中的颜色值，比如换成“青→绿→橙”的暖色调。

三、实战2：朱利亚集合（Julia Set）

朱利亚集合与曼德博集合同源，区别是迭代公式中 ( c ) 为固定常数，( z_0 ) 为复平面上的点（( z_{n+1}=z_n^2 + c )）。不同的 ( c ) 会生成完全不同的分形形态，视觉效果同样惊艳。

3.1 完整代码

importnumpyasnpimportmatplotlib.pyplotaspltfromnumbaimportjitfrommatplotlib.colorsimportLinearSegmentedColormap# ===================== 1. 核心计算函数 =====================@jit(nopython=True)defjulia(z,c,max_iter):"""判断点z是否属于朱利亚集合"""n=0whileabs(z)<=2andn<max_iter:z=z*z+c n+=1ifn==max_iter:returnmax_iterreturnn+1-np.log(np.log2(abs(z)))@jit(nopython=True)defjulia_set(c,x_min,x_max,y_min,y_max,width,height,max_iter):"""生成朱利亚集合数据"""x=np.linspace(x_min,x_max,width)y=np.linspace(y_min,y_max,height)img=np.zeros((height,width))foriinrange(height):forjinrange(width):z=complex(x[j],y[i])img[i,j]=julia(z,c,max_iter)returnimg# ===================== 2. 自定义配色（冷色调） =====================defcreate_julia_cmap():colors=[(0.0,0.1,0.2),# 深蓝黑(0.1,0.3,0.8),# 蓝(0.2,0.8,1.0),# 青(0.5,1.0,0.8),# 浅青(1.0,1.0,1.0)# 白]returnLinearSegmentedColormap.from_list("julia",colors,N=1024)# ===================== 3. 绘制朱利亚集合 =====================defplot_julia():# 1. 核心参数（不同的c对应不同形态，推荐几个经典值）# c = -0.8 + 0.156j （经典螺旋）# c = 0.285 + 0.01j （羽毛状）# c = -0.7269 + 0.1889j （蝴蝶状）c=complex(-0.8,0.156)x_min,x_max=-1.5,1.5y_min,y_max=-1.5,1.5width,height=2000,2000max_iter=1000# 2. 计算数据print("开始计算朱利亚集合...")img=julia_set(c,x_min,x_max,y_min,y_max,width,height,max_iter)print("计算完成！")# 3. 绘图plt.figure(figsize=(10,10),dpi=200)cmap=create_julia_cmap()plt.imshow(img,cmap=cmap,extent=(x_min,x_max,y_min,y_max),aspect="equal")plt.axis("off")plt.tight_layout(pad=0)plt.savefig("julia_set.png",dpi=300,bbox_inches="tight",facecolor="black")plt.show()if__name__=="__main__":plot_julia()

3.2 经典c值推荐

不同的复数 ( c ) 会生成完全不同的朱利亚集合：

• c = -0.8 + 0.156j：螺旋状结构，视觉冲击力强；
• c = 0.285 + 0.01j：羽毛状分形，细节丰富；
• c = -0.7269 + 0.1889j：蝴蝶状分形，对称美感；
• c = 0.45 + 0.1428j：类似星系的结构。

四、实战3：分形树（递归实现）

分形树是递归分形的经典案例，通过“主干→分支→子分支”的自相似递归生成，代码更简单，适合入门。

4.1 完整代码

importmatplotlib.pyplotaspltimportnumpyasnp# ===================== 1. 递归绘制分形树 =====================defdraw_fractal_tree(x,y,angle,length,depth,ax):""" 递归绘制分形树 :param x/y: 当前起点坐标 :param angle: 当前分支角度（弧度） :param length: 当前分支长度 :param depth: 递归深度 :param ax: 绘图轴 """ifdepth==0:return# 计算分支终点坐标dx=length*np.cos(angle)dy=length*np.sin(angle)x2=x+dx y2=y+dy# 绘制当前分支（深度越浅，颜色越绿，线条越粗）color=(0.1,0.6+0.3*(depth/10),0.1)# 从深绿到浅绿ax.plot([x,x2],[y,y2],color=color,linewidth=depth/2,solid_capstyle="round")# 递归绘制左分支（角度偏转30°，长度缩短）draw_fractal_tree(x2,y2,angle+np.pi/6,length*0.7,depth-1,ax)# 递归绘制右分支（角度偏转30°，长度缩短）draw_fractal_tree(x2,y2,angle-np.pi/6,length*0.7,depth-1,ax)# ===================== 2. 绘制分形树 =====================defplot_fractal_tree():# 1. 初始化画布fig,ax=plt.subplots(figsize=(10,12),dpi=200)ax.set_aspect("equal")ax.set_xlim(-20,20)ax.set_ylim(0,30)ax.axis("off")# 隐藏坐标轴ax.set_facecolor("#f0f0f0")# 浅灰色背景# 2. 绘制分形树（起点在底部中间，初始角度向上，递归深度10）draw_fractal_tree(0,0,np.pi/2,10,10,ax)# 3. 保存图片plt.tight_layout(pad=0)plt.savefig("fractal_tree.png",dpi=300,bbox_inches="tight",facecolor="#f0f0f0")plt.show()if__name__=="__main__":plot_fractal_tree()

4.2 效果调整

• 递归深度：depth越大，树枝越多（建议10~12，太大易卡顿）；
• 分支角度：修改np.pi/6（30°），角度越大，树越“蓬松”；
• 长度缩放：修改0.7，值越小，分支越短，树越紧凑；
• 颜色：调整color的RGB值，比如换成“红→橙”的秋色调。

五、进阶美化技巧

5.1 色彩优化

• 避免纯黑/纯白：用深灰（#101010）或浅灰（#f8f8f8）作为背景，更柔和；
• 渐变配色：用LinearSegmentedColormap自定义渐变，贴合分形的层次；
• 对数缩放：绘图时用np.log(img + 1)让低迭代次数的色彩过渡更自然。

5.2 高清输出

• 设置dpi=300（打印级分辨率），bbox_inches="tight"去除白边；
• 保存为PNG（无损）或SVG（矢量图，无限放大无锯齿）；
• 对于超大分辨率（4000×4000+），可分块计算避免内存溢出。

5.3 动态效果（可选）

结合matplotlib.animation制作分形演化动画（比如曼德博集合放大过程）：

# 示例：简单动画框架（需结合曼德博代码）importmatplotlib.animationasanimation fig,ax=plt.subplots(figsize=(10,10))defupdate(frame):# 每次帧调整x/y范围（放大局部）x_min=-2.0+frame*0.01x_max=1.0-frame*0.01img=mandelbrot_set(x_min,x_max,y_min,y_max,width,height,max_iter)ax.imshow(img,cmap=cmap,extent=(x_min,x_max,y_min,y_max))ax.axis("off")return[ax]ani=animation.FuncAnimation(fig,update,frames=100,interval=50)ani.save("mandelbrot_animation.mp4",writer="ffmpeg",dpi=150)

六、总结

1. 核心工具：numpy（数值）+matplotlib（绘图）+numba（加速）是绘制分形的黄金组合；
2. 美化关键：自定义配色、平滑上色、高清无白边输出，避开默认样式；
3. 分形类型：
   • 曼德博/朱利亚集合：适合复杂精细的视觉效果，需Numba加速；
   • 分形树：递归实现，简单易上手，适合入门；
4. 扩展方向：可尝试科赫雪花、谢尔宾斯基三角形，或结合OpenCV添加滤镜效果。

通过以上代码和技巧，你可以轻松画出壁纸级的分形图，无论是用于学习、可视化还是艺术创作，都能达到专业级效果。