matlab画三维图像例题_matlab画三维曲面

matlab画三维图像例题_matlab画三维曲面我可能真的太闲了吧···在网上看到这图觉得挺好看:t=0:pi/360:2*pi;x=sin(t);y=cos(t);z=2*x.^2+y.^2;figureplot3(x,y,z,’Color’,’r’,’LineWidth’,2);xlabel(‘x’);ylabel(‘y’);zlabel(‘z’);title(‘z=(cost)^2+2*(sint)^2’);ax…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

二维函数的图像必须用三维坐标系画,很多函数的图像长得很好看,很有意思。会可视化也会有利于我们理解更深刻。

(1)plot3,三维曲线图

在网上看到这图觉得挺好看:

t=0:pi/360:2*pi;
x=sin(t);
y=cos(t);
z=2*x.^2+y.^2;
figure
plot3(x,y,z,'Color','r','LineWidth',2);
xlabel('x');
ylabel('y');
zlabel('z');
title('z=(cos t)^2+2*(sin t)^2');
axis([-1.2 1.2 -1.2 1.2 1 2.2]);

在这里插入图片描述

(2)mesh,网面图

clear all,clc;
t=-0.5:.01:0.5;
[x,y]=meshgrid(t);%形成格点矩阵
z=sin(4*pi*x)+cos(6*pi*y);
figure(1)
mesh(x,y,z);
axis([-0.5 0.5 -0.5 0.5 -2 2]);
title('z=sin(4*pi*x)+cos(6*pi*y); mesh')
colormap cool%cool是一种配色方案,还有其他方案如winter,summer····见help colormap
colorbar

在这里插入图片描述

画个二元函数,观察采样后频谱的混叠现象

在这里插入图片描述

二元函数图像的绘制还是把变量分为多个离散点绘制,只是增大点数。

clear all,clc;
t=-1:.01:1;
[x,y]=meshgrid(t);%形成格点矩阵
f=cos(2*pi*(2*x-y));
figure(1)
mesh(x,y,f);grid on
xlabel('x');
ylabel('y');
zlabel('f');
axis([-0.5 0.5 -1 1 -1.5 1.5]);
title('f=cos[2*pi(2x-y)]; mesh')
colormap winter
colorbar

在这里插入图片描述
先手动计算一下它的二位傅里叶变换:
不想打公式(逃)

在这里插入图片描述


F= fft2(f);%做二维DFT变换,把连续函数取样得到一个矩阵,把这个矩阵当图像一样处理
figure(2)
subplot(121),imshow(abs(F),[]);title('函数f=cos(2*pi(2x-y))二维频谱')
F=fftshift(F);%使用matlab的fftshift函数把低频分量移到频谱中心
subplot(122),imshow(abs(F),[]);title('中心化频谱')

在这里插入图片描述

t=-1.1:.333:1.1;%以频率3采样(题目要求)
[x,y]=meshgrid(t);%形成格点矩阵
f=cos(2*pi*(2*x-y));
figure(1)
mesh(x,y,f);grid on
xlabel('x');
ylabel('y');
zlabel('f');
axis([-1 1 -1 1 -1.5 1.5]);
title('采样后的f=cos[2*pi(2x-y)]; mesh')
colormap winter
colorbar

F= fft2(f);%做二维DFT变换,把连续函数取样得到一个矩阵,把这个矩阵当图像一样处理
figure(2)
subplot(121),imshow(abs(F),[]);title('函数f=cos(2*pi(2x-y))采样后的二维频谱')
F=fftshift(F);%使用matlab的fftshift函数把低频分量移到频谱中心
subplot(122),imshow(abs(F),[]);title('中心化频谱')

采样后信号:
在这里插入图片描述
采样后信号频谱:
函数的x方向频率是2,y方向频率是1,所以一定会有混叠失真
可以看出频谱的能量中心的相对位置都不对,这就是混叠失真引起的

在这里插入图片描述

t=-1.1:.17:1.1;%以更高频率采样
[x,y]=meshgrid(t);%形成格点矩阵
f=cos(2*pi*(2*x-y));
figure(1)
mesh(x,y,f);grid on
xlabel('x');
ylabel('y');
zlabel('f');
axis([-1 1 -1 1 -1.5 1.5]);
title('采样后的f=cos[2*pi(2x-y)]; mesh')
colormap winter
colorbar

F= fft2(f);%做二维DFT变换,把连续函数取样得到一个矩阵,把这个矩阵当图像一样处理
figure(2)
subplot(121),imshow(abs(F),[]);title('函数f=cos(2*pi(2x-y))采样后的二维频谱')
F=fftshift(F);%使用matlab的fftshift函数把低频分量移到频谱中心
subplot(122),imshow(abs(F),[]);title('中心化频谱')

以更大的采样频率采样,避免不满足奈奎斯特定理产生混叠:
可见得到的频谱和连续函数的频谱更相似。采样频率越大,得到的频谱和连续函数的频谱越相似
在这里插入图片描述

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/183032.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • Sql分页查询方式

    Sql分页查询方式Sql的三种分页查询方式先说好吧,查询的数据排序,有两个地方(1、分页前的排序。2、查询到当前页数据后的排序)第一种1、先查询当前页码之前的所有数据idselecttop((当前页数-1)*每页数据条数)idfrom表名2、再查询所有数据的前几条,但是id不在之前查出来的数据中selecttop每页数据条数*from表名whereidnotin( selecttop((当前页数-1)*每页数据条数)idfrom表名 )3、查询出当前页面的所有数据后,再

    2022年6月26日
    68
  • 交通信号灯代码_交通灯代码

    交通信号灯代码_交通灯代码一、Overview(1)Demand(2)Theory二、InterfaceDescription三、EW_FSM四、DesignandFunctionalVerification(1)RTL(2)TestBench五、Result(1)复位(2)倒计时(3)最终结果………

    2022年9月24日
    3
  • 计算机三级(数据库)备考题目知识点总结

    计算机三级(数据库)备考题目知识点总结计算机三级(数据库)备考题目知识点总结刷题所遇到的知识点总结考后总结刷题所遇到的知识点总结以下都是我在刷题时遇到的常考的知识点,供复习时做参考。1.DBAS需求分析阶段的一项重要工作是分析DBAS应具有的性能指标,主要包括:①数据操作响应时间,或数据访问响应时间;②系统吞吐量,即指系统在单位时间内可以完成的数据库事务或查询的数量;③允许并发访问最大用户数;④每TPS(PriceperTP…

    2022年6月21日
    38
  • python中保留小数的方法_保留一位小数怎么保留

    python中保留小数的方法_保留一位小数怎么保留Python保留小数的几种方法1.使用字符串格式化print(“%.2f”%a)2.使用round内置函数round(num,2)3.使用Decimal模块fromdecimalimpotDecimala=12.314Decimal(a).quantize(Decimal(“0.00”))转载于:https://www.cnblogs.com/z…

    2022年8月12日
    3
  • GridView的分页功能

    GridView的分页功能1.设置GridView的属性AllowPaging的值为Ture;2.设置Gridview的属性PageSize;(PageSize是每页显示的行的数目,默认为10)3.设置GridView的属性P

    2022年7月2日
    32
  • 详解 Pytorch 实现 MNIST[通俗易懂]

    MNIST虽然很简单,但是值得我们学习的东西还是有很多的。项目虽然简单,但是个人建议还是将各个模块分开创建,特别是对于新人而言,模块化的创建会让读者更加清晰、易懂。CNN模块:卷积神经网络的组成;train模块:利用CNN模型对MNIST数据集进行训练并保存模型test模块:加载训练好的模型对测试集数据进行测试cnn.pt:train的CNN模型注意!有GPU的小伙伴尽量使用GPU训练,GPU的训练速度比CPU的训练速度高许多倍,可以节约大量训练时间CNN模块MN

    2022年4月8日
    83

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号