3D点云

使用VARARGIN中的绘图格式选项，QUIVERMD(AX, V, VARARGIN)在坐标区对象AX内绘制矩阵V中列向量与矩阵X中列向量坐标的点。例如，假设x = linspace(0, 10, 20); y = linspace(0, 10, 20); [X, Y] = meshgrid(x, y); x = [X(:), Y(:)].'; v = [sin(x(1, :)); cos(x(2, :) ) ]; quivermd(gca, x, v)。有关详细信息，请输入“help quivermd”。

利用图像导数分割密集3D组织中的细胞核。输入为一系列时间成像的z切片，格式为tiff或lsm。基于图像导数进行初级分割后，计算3D属性，并推断分割对象的图像统计数据。聚类方法解析融合的原子核为单个原子核（计算时间较长）。详情见已发表研究文章《3D胚胎成像中的对象分割和地面真相》。

以imshow3D开头的图像展示工具，还挺适合想搞点 3D 花活的你。它跟imshow()差不多用法，但可以把图像贴到球体、圆柱体或者你自己定义的形状上。嗯，是那种真的贴上去，不是 PPT 上的“拟物效果”。默认是贴在一个圆柱体上，但你也可以自己传x, y, z坐标或者一个半径函数，来生成像圆锥、球体这种自定义表面。代码也不复杂，响应还快，配合colormap还能调出各种风格，热力图那种效果也有。举个例子：I = peaks(); imshow3D(I,'shape','sphere','colmap',hot(256)); 这样图像就能包裹在一个热热的球体上了，视觉效果直接。你也可以自己写个

3D 图像的 Haralick 特征提取，cooc3d 这个 MATLAB 小工具还挺方便的。它能把传统的 2D 纹理算法扩展到三维，直接帮你搞定共生矩阵那一套。你只要给它一份 3D 图像的灰度矩阵，它就能输出一堆纹理特征，像什么对比度、同质性这些，做分类、识别都挺好用。 cooc3d.m是主力函数，逻辑清晰，注释也不少。读取 3D 图像、计算共生矩阵、提取 Haralick 特征，全流程一条龙。你可以直接扔进自己的图像流程里，比如医疗 CT、地质勘探建模这些都挺适配。 用法也不复杂，cooc3d 了一些demo 数据和测试脚本，基本上照着跑一遍就能懂。如果你熟 MATLAB，应该几分钟就能上

示例：% P=[292 280 321 356; 615 314 0 148; -56 75 140 248]; % % t=linspace(0,1,100); % Q3D=贝塞尔(P,t); % % 数字% plot3(Q3D(1,:),Q3D(2,:),Q3D(3,:),'b','LineWidth',2), % 坚持，稍等% plot3(P(1,:),P(2,:),P(3,:),'g:','LineWidth',2) % 绘制控制多边形% plot3(P(1,:),P(2,:),P(3,:),'ro','LineWidth',2) % 绘图控制点% 视图(3); % 盒子;

DirectX 的图形坐标体系讲得挺细，尤其是几个变换的逻辑讲得比较清楚，适合你刚上手做 3D 图形开发时拿来扫盲用。像什么世界坐标、观察坐标这些，如果你只是在写游戏引擎调用Direct3D接口，不理解这些会经常搞混。嗯，这篇整理比较到位，读一遍能省你不少查资料的时间。 坐标变换的部分我还蛮推荐你重点看，像投影变换和局部变换在做模型动画或者相机切换的时候关键。写View Transform的时候，参数一错，画面就飞了，挺烦的，这篇帮你捋得挺清楚。 Direct3D 设备管理也有讲，像Device Object怎么用、纯硬件模式和混合模式的区别都有提，算是比较系统了。你要是正好想了解底层管线和设

三维曲线图 plot3 基本的三维图形指令: plot3(X,Y,Z)- X,Y,Z 是长度相同的向量，绘制一条分别以向量 X,Y,Z 为 x,y,z 轴坐标值的空间曲线。 plot3(X,Y,Z): X,Y,Z 均是 mxn 的矩阵，绘制 m 条曲线，第 i 条曲线分别以 X,Y,Z 矩阵的第 i 列分量为 x,y,z 轴坐标值的空间曲线。 plot3(x,y,z,s): 带开关量 plot3(x1,y1,z1,'s1', x2,y2,z2,'s2', …) 使用 plot3 可以方便地创建三维空间中的曲线，为数据可视化提供强有力的支持。

一种基于地震活动3D空间分布的故障网络重构方法，采用自下而上的策略和优化的局部合并，有效降低复杂性。该方法通过优化的雾化方案隔离背景点，提升计算性能，并在探索所有合并选项的基础上逐步实现全局优化。即将发表于《自然灾害与地球系统科学》，详细介绍了其应用于南加州地震活动的研究成果。

体素体积的三维特征提取，用3D Voxel HOG搞定挺方便的。它是从 Dalal 和 Triggs 那个经典的 HOG 算法演变来的，不过用的是体素，不是像素。换句话说，二维 HOG 进化到三维了，适合体数据，比如医学影像或者 3D 建模。 3D VHOG的亮点是对局部结构的能力比较强，检测人脸、边缘、尖点这些特征还挺准。你可以拿它做风险，比如检测那些看起来伤人的部位，也可以用在立体图像的人脸识别上，灵活得。 实现方式比较纯粹，Matlab写的，结构清晰，适合拿来做二次开发或者改造。你要是搞过HOG，上手也不难，基本套路都差不多。 顺手推荐几个相关的资源，比如3D 体素邻域索引、体素光传播模

包含2014年所有的福彩信息的压缩文件，详细数据请查看文件。