
绘制、迭代、分类
每个像素都会映射到相应的复平面上。渲染器会初始化一个轨道,重复计算公式,并在模值超过其终止阈值或达到最大迭代次数时停止。随后,逃逸点和未解析点会被传递至着色阶段。
每个像素首先映射到一个复数坐标。随后执行相同的迭代过程,直到轨道穿越逃逸半径或达到极限。应在不使用颜色标注的情况下验证此顺序:已知的内部点保持不变,远处的点迅速逃逸,而边界点在更深的迭代中会做出可预测的反应。只有分类正确后,才适合进行可视化映射。
迭代极限并非该集合
经过 500 次迭代后仍未逃逸的点,并不意味着该点在所有公式中都位于内部。提高极限值可揭示缓慢逃逸的区域,并改变外部带。内部测试和周期性检测可提高准确性并加快速度。
迭代上限是指观察时间,而非集合的定义。提高该上限可重新分类晚期逃逸的像素,而已证实的外部像素则保持稳定。交互式预览可能以较小的上限开始,但在停止输入后必须继续运行。如果预览效果始终粗糙,则说明某项性能优化技术已演变为渲染缺陷,并可能产生虚假的内部岛屿。
平滑值可消除整数带
原始逃逸迭代次数是一个整数,会生成可见的条纹。连续逃逸估计值利用最终幅度在计数值之间进行插值,从而产生更平滑的渐变。它改变的是着色坐标,而非轨道分类。
对于二次逃逸时间图像,可以使用逃逸时的模值对整数逃逸计数进行插值。熟悉的连续量 ν=n+1−log₂(log|zₙ|) 能够消除明显的整数带,且无需额外构造轨道。这取决于公式和幂次。将同一个平滑表达式应用于所有分形可能会产生接缝或虚假相位。
来源与延伸阅读
本文以原文措辞总结了以下专业资料来源。访问并经编辑审核于 12 年 2026 月。
- Smooth Iteration Count for General PolynomialsLinas Vepštas
- The Science of Fractal ImagesSpringer


