教你使用MATLAB绘制超超超炫丽的烟花！
MATLAB 绘制 烟花 使用
2023-09-11 14:20:18 时间
效果如下：
步骤
1.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：
blackPic=uint8(zeros(800,800));
distPic=imnoise(blackPic,'gaussian',0, 0.1);
distPic(distPic<254)=0;
2.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：
se=strel('square',3);
distPic=imdilate(distPic,se);
3.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
windPic=wind(distPic,180,0.99);
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
4.极坐标变换
polarPic=polarTransf(windPic(:,end:-1:1)');
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
5.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：
polarPic=imgaussfilt(polarPic,1.5);
polarPic=uint8(double(polarPic)./double(max(max(polarPic))).*260);
6.图像上色
matSize=[1600,1600];
point=[800,800];
colorList=[255 253 255
255 255 244
250 255 219
212 242 156
90 167 3
32 96 0
56 82 0];
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)
function colorMat=cColorMat(matSize,point,colorList)
% matSize=[800,600];
% point=[400,100];
% colorList=[195 53 93
% 211 102 141
% 231 179 192
% 229 182 172
% 227 178 137
% 238 191 147
% 236 195 113];
% colorMat=cColorMat(matSize,point,colorList);
% imshow(colorMat)
[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];
7.完整代码
function drawFireWorks
blackPic=uint8(zeros(800,800));
distPic=imnoise(blackPic,'gaussian',0, 0.1);
distPic(distPic<254)=0;
se=strel('square',3);
distPic=imdilate(distPic,se);
windPic=wind(distPic,180,0.99);
polarPic=polarTransf(windPic(:,end:-1:1)');
polarPic=imgaussfilt(polarPic,1.5);
polarPic=uint8(double(polarPic)./double(max(max(polarPic))).*260);
imshow(polarPic)
%-----------------------------------------------------------------
matSize=[1600,1600];
point=[800,800];
colorList=[255 253 255
255 255 244
250 255 219
212 242 156
90 167 3
32 96 0
56 82 0];
% 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];
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)
%==========================================================================
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
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
%==========================================================================
function colorMat=cColorMat(matSize,point,colorList)
% matSize=[800,600];
% point=[400,100];
% colorList=[195 53 93
% 211 102 141
% 231 179 192
% 229 182 172
% 227 178 137
% 238 191 147
% 236 195 113];
% colorMat=cColorMat(matSize,point,colorList);
% imshow(colorMat)
[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
相关文章
- 编写 Matlab mexFunction （C mex）
- Matlab：序列分析法MATLAB代码
- 基于人工神经网络的空压机负荷预测（Matlab代码实现）
- BP神经网络对水质问题进行预测（Matlab代码实现）
- 基于智能优化算法的交通流模拟器（Matlab代码实现）
- 【MATLAB】绘制三角函数曲线、图像的叠加
- 【MATLAB】matlab遗传算法工具使用
- 【图像处理】基于matlab失真提示鱼眼图显著图计算
- MATLAB | 如何使用MATLAB绘制甘特图(gantt chart)
- MATLAB | 如何绘制二维散点主方向直方图
- MATLAB | 山脊图绘制模板
- 如何使用MATLAB绘制出好看的火山图
- matlab官方库没有桑基图(sankey) 那就自己写一个
- 【数字信号处理】卷积编程实现 ( Matlab 卷积和多项式乘法 conv 函数 | 使用 matlab 代码求卷积并绘图 )
- 【光波电子学】MATLAB绘制光纤中线性偏振模式LP之多模光纤的电场分布(光斑)
- 【光波电子学】MATLAB绘制平面介质中的波场-以TE波为例
- IEEE69节点数据（Matlab）
- 【故障检测】基于 KPCA 的故障检测【T2 和 Q 统计指数的可视化】（Matlab代码实现）
- 基于典型相关分析的故障检测和过程监控算法研究（Matlab代码实现）
- 基于神经网络的自监督学习方法音频分离器（Matlab代码实现）