分形几何

开发平台：
Matlab

demo.m：源码内容
							%% 1D, 2D and 3D Box-counting
% F. Moisy, 22 nov 2006
% FAST, Univ. Paris Sud, CNRS UMR 7608
%% About boxcount
% This file illustrates how to use the function 'boxcount' to compute the
% fractal dimension of 1D, 2D or 3D sets, using the 'box-counting' method
% (Minkowski-Bouligand dimension, or Kolmogorov capacity, or Kolmogorov
% dimension, or simply box-counting dimension).
%
% Three sample images are provided in the directory,  and an additional
% function 'randcantor' to generate 1D, 2D and 3D generalized random Cantor
% sets.
%
% Type 'help boxcount' or 'help randcantor' for more details.
%
% To learn more about box-counting, fractals and fractal dimensions:
% - http://en.wikipedia.org/wiki/Fractal 
% - http://en.wikipedia.org/wiki/Box_counting_dimension
% - http://mathworld.wolfram.com/Fractal.html
% - http://mathworld.wolfram.com/CapacityDimension.html
%% Box-counting of a 2D image
% Let's start with the image 'dla.gif', a 800x800 logical array (i.e., it
% contains only 0 and 1). It originates from a numerical simulation of a
% "Diffusion Limited Aggregation" process, in which particles move randomly
% until they hit a central seed.
% (see P. Bourke, http://local.wasp.uwa.edu.au/~pbourke/fractals/dla/)
c = imread('dla.gif');
imagesc(~c)
colormap gray
axis square
%%
% Calling boxcount without output arguments simply displays N (the number
% of boxes needed to cover the set) as a function of R (the size of the
% boxes). If the set is a fractal, then a power-law  N = N0 * R^(-DF)
% should appear, with DF the fractal dimension (Kolmogorov capacity).
boxcount(c)
%%
% The result of the box count can be obtained using:
[n, r] = boxcount(c)
loglog(r, n,'bo-', r, (r/r(end)).^(-2), 'r--')
xlabel('r')
ylabel('n(r)')
legend('actual box-count','space-filling box-count');
%%
% The red dotted line shows the scaling N(R) = R^-2 for comparision,
% expected for a space-filling 2D image. The discrepancy between the two
% curves indicates a possible fractal behaviour.
%% Local scaling exponent
% If the set has some fractal properties over a limited range of box size
% R, this may be appreciated by plotting the local exponent,
% D(R) = - d ln N / ln R.  For this, use the option 'slope':
boxcount(c, 'slope')
%%
% Strictly speaking, the local exponent is not constant, but lies in the
% range [1.6 1.8].
%%
% Let's try now with another image, the so-called Apollonian gasket
% (Wikipedia, http://en.wikipedia.org/wiki/Image:Apollonian_gasket.gif).
% The background level is 198 for this image, so this value is used to
% binarize the image:
c = imread('Apollonian_gasket.gif');
c = (c<198);
imagesc(~c)
colormap gray
axis square
figure
boxcount(c)
figure
boxcount(c,'slope')
%%
% The local slope shows that the image is indeed approximately fractal,
% with a fractal dimension DF = 1.4 +/- 0.1 for scales R < 100.
%% Box-counting of a natural image.
% Consider now this RGB (2272x1704) picture of a tree (J.A. Adam,
% http://epod.usra.edu/archive/images/fractal_tree.jpg):
c = imread('fractal_tree.jpg');
image(c)
axis image
%%
% Let's extract a rectangle in the blue (3rd) plane, and binarize the
% image for levels < 80 (white pixels are logical 'true'):
i = c(1:1200, 120:2150, 3);
bi = (i<80);
imagesc(bi)
colormap gray
axis image
%%
[n,r] = boxcount(bi,'slope');
%%
% The boxcount shows that the local exponent is approximately constant for
% less than one decade, in the range 8 < R < 128 (the 'exact' value of Df
% depends on the threshold, 80 gray levels here):
df = -diff(log(n))./diff(log(r));
disp(['Fractal dimension, Df = ' num2str(mean(df(4:8))) ' +/- ' num2str(std(df(4:8)))]);
%% Generalized random Cantor sets
% Fractal sets may be obtained from an IFS (iterated function system).
% For example, the function 'randcantor' generates a 1D, 2D or 3D
% generalized random Cantor set. This set is obtained by iteratively
% dividing an initial set filled with 1 into 2^D subsets, and setting each
% subset to 0 with probability P. The result is a fractal set (or "fractal
% dust") of dimension DF = D + log(P)/log(2) < D.
%%
% The following example generates a 2048x2048 image with probability P=0.8,
% i.e. fractal dimension DF = 1.678.
c = randcantor(0.8, 2048, 2);
imagesc(~c)
colormap gray
axis image
%%
% Let's see its box-count and local exponent
boxcount(c)
figure
boxcount(c, 'slope')
%%
% For such set generated by an iterated scheme, the local slope shows as
% expected a well defined plateau, around DF = 1.68.
%% 1D random Cantor set
% 1D random Cantor sets may also be generated. Here, a 2^18 = 262144 long
% set with P = 0.9 and expected fractal dimension DF = 1 + log(P)/log(2) =
% 0.848:
tic
c = randcantor(0.9, 2^18, 1, 'show');
figure
boxcount(c, 'slope');
toc
%% 3D random Cantor set
% Now a 3D random Cantor set of size (2^7)^3 = 128^3 with P = 0.7 and
% expected fractal dimension DF = 3 + log(P)/log(2) = 2.485 (no display
% for 3D sets):
tic
c = randcantor(0.7, 2^7, 3);
toc
tic
boxcount(c, 'slope');
toc

						