Wymiar fraktalny
Wymiar fraktalny opisuje, w jaki sposób mierzalny poziom szczegółowości rośnie wraz ze zmniejszaniem się skali obserwacji. Może on mieścić się w zakresie znanych wymiarów, ale lepiej jest go rozumieć jako wykładnik skalowania niż jako tajemniczy wymiar ułamkowy.
Od kopii do wykładnika
Jeśli obiekt dzieli się na N samopodobnych części, z których każda jest skalowana współczynnikiem r, jego wymiar podobieństwa wynosi D = log(N) / log(1/r). Krzywa Kocha składa się z czterech części w jednej trzeciej skali, co daje log 4 / log 3 — wartość większą niż linia, ale mniejszą niż wypełniona płaszczyzna.
Wzór ten można odczytać jako równowagę: ile elementów pojawia się i o ile każdy z nich się zmniejsza? W przypadku zwykłej linii zmniejszenie skali o połowę podwaja wymaganą liczbę elementów, co daje wykładnik równy jeden. W przypadku obszaru płaskiego liczba ta czterokrotnie wzrasta, co daje wykładnik równy dwa. Krzywa Kocha plasuje się pomiędzy tymi wartościami, ponieważ jej zmierzona długość rośnie szybciej w miarę udoskonalania niż w przypadku gładkiej linii, nie wypełniając jednak całkowicie obszaru. Wartość ułamkowa opisuje to zachowanie skalowania, a nie dodatkowy kierunek przestrzenny.
Zliczanie pól w obrazach i danych
Otocz zbiór prostokątami o długości boku ε i policz, ile z nich styka się z tym zbiorem. Jeśli liczba ta rośnie w przybliżeniu proporcjonalnie do ε podniesionego do potęgi minus D, nachylenie wykresu logarytmiczno-logarytmicznego pozwala oszacować wymiar liczenia prostokątów. Wyniki zależą od rozdzielczości, wartości progowej, zakresu skali oraz wyborów dotyczących regresji.
W przypadku danych pomiarowych linia na wykresie logarytmiczno-logarytmicznym nigdy nie jest idealna i zazwyczaj jest widoczna tylko w ograniczonej liczbie skal. Dokładne oszacowanie uwzględnia kilka przesunięć siatki, wyklucza bardzo grube i pikselowe pola oraz uwzględnia niepewność co do nachylenia. Częścią wyniku jest również przetwarzanie wstępne: wygładzenie krawędzi, zmiana progu kontrastu lub poprawienie maski mogą wpłynąć na oszacowanie. Zliczanie pól to procedura pomiarowa, a nie automatyczny wykrywacz prawdy.
Nie ma jednego uniwersalnego wymiaru
Wymiary Hausdorffa, liczenia pudełek, korelacji i informacyjnego odpowiadają na powiązane, ale różne pytania. W wielu idealnych przykładach pokrywają się one ze sobą, a w innych się rozchodzą. Podanie wymiaru bez wskazania metody, niepewności i zakresu skali może sugerować większą pewność, niż wynika to z danych.
Odpowiedni wymiar zależy od tego, czy pytanie dotyczy zajętości geometrycznej, masy prawdopodobieństwa czy korelacji między punktami. Nierównomiernie ważony atraktor może mieć ten sam obszar geometryczny, wykazując jednocześnie inny wymiar informacyjny. W zastosowaniach należy zatem zacząć od pytania, a dopiero potem dobrać miarę. Dwie opublikowane wartości wymiaru są bezpośrednio porównywalne tylko wtedy, gdy ich definicje, przetwarzanie wstępne i przedziały skali są wystarczająco zharmonizowane.
Źródła i literatura uzupełniająca
Artykuł ten stanowi podsumowanie poniższych źródeł specjalistycznych, przy zachowaniu oryginalnego brzmienia. Dostęp uzyskano i dokonano redakcyjnej weryfikacji w sierpniu 12 2026.
Kontynuuj ten wątek
Paradoks linii brzegowej
Dlaczego mniejsze linijki mierzą dłuższe wybrzeża, w jaki sposób wykresy Richardsona pozwalają oszacować skalowanie i gdzie fizycznie kończy się ten paradoks.
Samopodobieństwo i skalowanie
Zrozum, czym jest podobieństwo dokładne, przybliżone, statystyczne i samoafine – oraz dlaczego naturalne wzory powtarzają się tylko w ograniczonych skalach.
Trójkąt Sierpińskiego i dywan
Jak powtarzające się usuwanie tworzy dokładną samopodobieństwo, zanikającą powierzchnię oraz pomost między zbiorem Cantora a wyższymi wymiarami.