🌐 参数曲面可视化器
参数方程通过引入参数u和v来描述三维曲面，比直角坐标更灵活，适合描述复杂几何体。
中分辨率
参数方程
x = r·sin(u)·cos(v), y = r·sin(u)·sin(v), z = r·cos(u)
球体是三维空间中到一个固定点距离相等的所有点的集合
参数范围: u ∈ [0, 2π], v ∈ [0, 2π], r = 2
🎯 球坐标系统
球坐标(r, θ, φ)特别适合描述球对称的几何体。 r是径向距离，θ是极角，φ是方位角。
♾️ 拓扑学奇观
莫比乌斯带只有一个面，如果沿着中线剪开， 会得到一个更大的单面环，而不是两个分离的环。
💡 探索建议： 切换不同曲面类型，观察参数方程如何生成复杂几何体。 开启线框可以看到网格结构。调整分辨率平衡视觉效果和性能。 旋转视角观察三维结构的不同侧面。
18.1 三角网格：离散化曲面表示
用三角形逼近复杂曲面，广泛应用于3D建模
顶点数
289
三角形数
512
边数
768
Python代码：
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
# 生成球体网格
fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(111, projection='3d')
# 球体参数方程
u = np.linspace(0, np.pi, 16)
v = np.linspace(0, 2*np.pi, 16)
U, V = np.meshgrid(u, v)
x = np.sin(U) * np.cos(V)
y = np.sin(U) * np.sin(V)
z = np.cos(U)
ax.plot_trisurf(x.flatten(), y.flatten(), z.flatten(),
cmap='viridis', alpha=0.9, edgecolor='teal')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.show()💡 三角网格的优势：
• 万能表示：任何曲面都可以用三角形逼近
• 高效渲染：GPU优化的基本图元
• 易于计算：法向量、光照计算简单
• 广泛应用：3D建模、游戏、CAD、医学影像
• 调整细分程度，观察精度与性能的权衡
• 万能表示：任何曲面都可以用三角形逼近
• 高效渲染：GPU优化的基本图元
• 易于计算：法向量、光照计算简单
• 广泛应用：3D建模、游戏、CAD、医学影像
• 调整细分程度，观察精度与性能的权衡
📦 Voxel体素可视化器
Voxel（体素）是三维空间的"像素"，用小方块表示三维数据。 适合离散数据、医学影像、分子模型等可视化。
中分辨率 (512 个体素)
模式说明
实心立方体由所有体素填充，颜色根据到中心的距离变化
应用场景：基础三维数据结构演示
🏥 医学影像
CT、MRI扫描产生的三维数据可用voxel表示， 每个体素对应组织密度或信号强度。
🎮 游戏设计
《我的世界》等体素游戏使用离散方块构建世界， 简化物理计算和渲染。
🎨 色彩理论
RGB色彩空间可视化帮助理解颜色的三维本质， 每个坐标对应一个颜色分量。
💡 探索建议： RGB模式特别有趣 - 立方体的每个角对应一个基本颜色（黑、红、绿、蓝、青、品红、黄、白）。 调整透明度可以看穿外层体素，观察内部结构。网格大小影响细节和性能。
🔄 旋转椭球变换可视化器
椭球是多元正态分布协方差矩阵的几何表示。通过旋转变换，观察椭球在不同平面的投影。 这在统计学中用于可视化马氏距离和数据分布的主方向。
椭球参数
• 半轴长度: a=2.5, b=1.5, c=1
• 欧拉角: (Rx=0°, Ry=0°, Rz=30°)
• 表示3×3协方差矩阵
📊 协方差矩阵
椭球的形状和方向由协方差矩阵决定。 半轴长度对应特征值，方向对应特征向量。
📏 马氏距离
椭球表面的点到中心的马氏距离相等， 常用于异常检测和数据分析。
🎯 主成分分析
椭球的主轴对应数据的主成分方向， 揭示数据的内在结构和相关性。
💡 探索建议： 调整旋转角度观察椭球姿态变化。投影显示椭球在三个坐标平面上的"影子"， 帮助理解三维形状的二维表示。红/绿/蓝轴分别代表X/Y/Z方向。 这个可视化对应《矩阵力量》中的协方差矩阵几何解释。