Mandelbrot集(2):如何画,"长"什么样?


(yanlb2000, 2007.04.27, yanlb2000.blogcn.com)

上次,我简单介绍了Mandelbrot集的定义。这个定义和相应的运算,都是抽象的数学概念和过程。现在,我们要将M集这个数学概念形象地画出来,看看到底"长"什么模样。特别是,我们要好好看看M集的边界!


我们要将复数平面上的图像画到我们的电脑屏幕上。这么做。首先定义一个复数平面区间,并将这个区间映射到屏幕作图区域上。这样,屏幕上每个作图点,就对应了一个复数。要决定这幅"画"怎么画,其实也很简单,只要定义每个作图点的颜色就行了。屏幕上的图画,不都是由彩色的点阵组成的么?

如上,对于屏幕上的一个绘图点,我们可以算出其对应的复数值。然后,根据前文的迭代公式,进行运算。

如果在有限次数之内(比如256次),运算结果都不超过给定的常数值(比如2),那么就认为该点属于M集。其对应颜色是黑色。

如果在上述有限次数之内,运算结果超出给定常数值,那么就认为该点不属于M集。给其赋予另外的颜色。而且,为了使画面颜色丰富,也为了形象地表示出该点是经过了多少次运算的,所以,根据运算的次数,来决定一个相应的颜色。

由上述算法,对作图区域上每个点都可以算出其颜色值了。接下来的任务,就是把这个算法编制成程序来实现了。

实际上,该算法并不复杂。所以,网上随便搜一下,就有大把的画Mandelbrot集的软件。


下面,还是实际看一下,这个M集是什么样子的吧。

先来看看Mandelbrot集的全貌。
imageimage  

 

是不是象个葫芦?其中,红线为x轴和y轴,两轴交叉处即为原点(0, 0)。图像最左端是(-2, 0)。

图中,靠近原点的一片区域是黑色。这表示,这些区域对应的任意一个复数,经过制定次数的迭代运算之后,结果序列的绝对值都没能超过指定的常数(一般还是选该常数R=2)。所以,暂且认为它们是或可能是属于M集的。它们被描绘成黑色。

同时地,图像最外围是也黑色。这些区域表示,其中的点对应的任意复数C,其绝对值(到原点距离)早就超过2了。甚至不用做迭代,就可知它们不属于M集。它们也被描绘成黑色。

从最外围逐渐往原点靠近,情况变得微妙起来。有些点,可能其本身绝对值没有超过2。但是,经过若干次迭代运算之后,绝对值就超过2了。这些点显然也不属于M集。为了使图像丰富多彩,更为了表明该区域的点的特性,所以,根据它们需要迭代运算的次数n,来决定这个点的颜色。具体的颜色当然可以任意,但为了表达这种渐变的特性,所以让相邻大小的次数,其色彩值也是渐变的。(如上所述,颜色值是由运算次数来决定的。)

可以看到随着向原点的接近,需要迭代的次数也逐渐增加,色彩也相应渐渐变化。

所以,在这个图像中,最外围的黑色区域,以及所有有颜色的区域,都不属于M集。而每点不同的颜色,表明该点需要迭代运算的次数。只有中间那片黑色,才是M集的范围。

显然,这个区域的形状,出乎人们最初的预计。比如,我原来的第一判断是,这应该是个简单的园。然而,事实上,这个葫芦状的区域有点古怪,复杂得超出我们的预料。

通过计算和图形显示可发现,这个区域的边界非常地"不确定"。在黑色连接颜色区域(M集过渡到非M集)的地方,却也是最复杂、最精彩的地方。这里,没有一条明确的界线,将M集和非M集区分开来。对于这些区域的每个点,只能是实际地迭代运算一番,才能得出结论说,该点不属于M集,或者是可能属于M集。

所以,这个区域,显然是个开区间。

这个区域,其行为是"混沌"的。

这个边界,具备所谓的"分形"特性。

这个边界,是处处连续但处处不可微的。

 

好,我们不防将这个图像的某些区域放大,来一次M集上的旅行吧。也正好领略一下其复杂和精细的结构。

下面的第一幅图像,是前面那个大图的红色小框区域的放大。接下来的每个图像上的红色小框区域,代表了下一个将要放大的区域。
image image image image image

image
image image image

image
image image image


我们是不是放大了很多倍了?其实,只要我们愿意,这个“漫游”的游戏可以无限制地进行下去。无论放大多少倍,M集的边界永远是那么复杂。无限精细的结构,这是分形图形的特征之一。

当然,事实上,由于任何计算机的运算精度都是有限的,所以,现实中的任何程序其实是不能无限放大下去的。但这仅仅是物理实现上的限制。理论上,这个图像就是无限复杂的。

 

 好,再来一次漫游。还是从原来那个全图开始,但放大另一个局部。
image image image image image image

image
image image image

image


在某个层次,你是否发现,这个局部图像与原来的那个全图是相似的?其实,在不同放大比例的不同的局部,存在着无数个与全体类似的局部图形。

局部相似于整体,这是分形的另一个重要特征。

 

 

Tags: , ,

发表评论

*