matlab中plot的markersize怎么换成单元格的单位

在Matlab中，可以使用函数"units"来更改绘图对象的单位。例如，要将markersize设置为单元格的单位，可以按照以下步骤操作：

1. 创建一个figure和axes对象，例如：

fig = figure;
ax = axes('Parent', fig);

2. 在axes对象上绘制数据，例如：

plot(ax, xdata, ydata, 'o', 'markersize', 5)

3. 更改markersize的单位为单元格，例如：

set(ax, 'Units', 'pixels');
pos = get(ax, 'Position');
set(ax, 'Units', 'normalized');
set(ax.Children, 'MarkerSize', pos(4)/20);

这里，我们首先将axes对象的单位更改为像素，然后获取其位置信息，再将单位更改为标准化单位并将markersize的值设置为单元格高度的1/20。

相关问题

MATLAB在图片上显示矩阵中的某个数

### 使用MATLAB将矩阵中的指定数字可视化

为了实现这一目标，可以利用MATLAB强大的图形处理功能来绘制热力图或伪彩色图像。这些方法能够直观地展示矩阵内不同位置的数据分布情况。

#### 创建示例矩阵并设置颜色映射表
首先定义一个用于可视化的测试矩阵，并设定色图为灰度或其他自定义调色板：

% 定义一个简单的4x4浮点型矩阵作为例子
dataMatrix = [-1/2, 1/2, 1, -3/2;
              0, -1, -2, 0;
              1/2, -3/2, -2, -1/2];
              
% 设置当前窗口使用的色彩表格大小为64级灰色渐变
colormap(gray(64));

#### 绘制热力图表示矩阵元素值
接着可以通过`imagesc()`命令快速生成基于该矩阵的二维热力图表征形式，在此基础上还可以添加坐标轴标签以及标题说明等辅助信息：

figure; % 新建图形对象容器
imagesc(dataMatrix); % 显示按比例缩放后的图像
colorbar('FontSize', 12); % 添加右侧条形刻度尺指示对应数值范围
xlabel({'X-Axis'}, 'FontSize', 14);
ylabel({'Y-Axis'}, 'FontSize', 14);
title({'Heatmap of Data Matrix Values'},'FontSize', 16);

axis equal tight; % 调整纵横比使单元格呈现正方形外观
set(gca,'XTick',[1:4],'YTick',[1:3]); % 自定义网格线间隔
grid on;          % 开启背景方格网便于观察具体位置关系

上述代码片段会创建一张以矩阵 `dataMatrix` 中各元素绝对值为基础构建而成的颜色深浅变化图案[^2]。

对于想要突出显示某些特殊取值的情况，则可通过逻辑索引来筛选符合条件的目标区域，并采用不同的标记样式加以区分标注出来。比如要强调所有等于 `-1` 的地方，可以在原有基础上追加如下指令段落：

hold all; % 启用多层叠加模式允许后续继续作画而不覆盖已有内容
[rowIdx, colIdx] = find(dataMatrix == -1); % 查找满足条件的位置下标集合
plot(colIdx, rowIdx, '.', ...
     'MarkerSize', 28,...
     'Color','r');    % 圈定匹配项所在处使用红色大圆圈高亮提示
text(colIdx + .25,...       % 文本偏移量微调防止遮挡原有点位
      rowIdx,...
      string(repmat('-1 ',length(rowIdx),1)),...
      'FontWeight','bold',...
      'Color','w');        % 插入白色文字描述进一步增强辨识度

这段附加脚本会在之前形成的底图之上额外渲染出几个醒目的红点，同时附带简短的文字解释帮助理解所指代的具体含义。

voronoi划分 matlab

### 如何在 MATLAB 中进行 Voronoi 划分

#### 使用 `voronoin` 函数创建 Voronoi 图
为了在 MATLAB 中执行 Voronoi 划分，可以利用内置函数 `voronoin` 来计算 n 维空间中的 Voronoi 多胞体。对于二维情况，则可以直接应用更简单的命令来绘制图形。

% 定义一组点作为输入数据集
points = [0.5 0.5; 1 1; 2 3; 3 2; 4 4];

% 计算Voronoi图并获取顶点坐标和多边形索引
[V,C] = voronoin(points);

% 显示原始点的位置
figure;
plot(points(:,1), points(:,2), 'r.','MarkerSize',15);
hold on;

% 遍历每一个区域画出对应的Voronoi单元格
for i = 1:length(C)
    cellVertices = V(C{i}, :); % 获取当前细胞的所有顶点
    
    if all(cellVertices ~= Inf) % 如果不是无限远的边缘
        patch('Faces', C{i}, ...
              'Vertices', V, ... 
              'FaceColor','b', ...
              'EdgeColor','k');
    end
end

axis equal tight;
title('Voronoi Diagram in MATLAB');
xlabel('X Axis');
ylabel('Y Axis');

legend({'Input Points'},'Location','Best')

此段代码展示了如何定义一系列散点，并通过调用 `voronoin()` 函数获得这些点所构成的 Voronoi 图结构。随后遍历各个 Voronoi 单元格并将它们可视化出来[^1]。

#### 调整绘图细节
当处理实际应用场景时，可能需要调整一些参数以适应特定需求，例如改变颜色方案、增加标签说明或是修改轴的比例等。此外，在某些情况下还可能会遇到边界条件的问题——即部分 Voronoi 边界延伸至无穷远处；此时可以通过设定合理的裁剪范围来解决这个问题[^2]。

#### 应用场景扩展
除了基本的平面几何外，MATLAB 的功能也支持更高维度的空间分析以及复杂环境下的路径规划等问题。这使得该方法不仅限于理论研究领域内的简单展示，同样适用于工程实践当中更为复杂的任务，如机器人导航避障等方面的应用开发工作[^3]。