MATLAB数据可视化：从二维绘图到三维曲面，掌握科研与工程图表绘制核心

1. 项目概述：从零到一掌握MATLAB图像绘制核心

如果你刚开始接触MATLAB，或者已经用它处理数据很久了，但每次画图还是得去翻旧代码、查文档，那这篇笔记就是为你准备的。MATLAB的绘图功能强大到令人发指，但它的函数命名和参数体系对新手来说，确实有点“散装”的感觉。plot、scatter、contour、mesh、surf……这些函数各自为战，参数又多又杂，不系统梳理一遍，很难形成肌肉记忆。我当年也是从一堆混乱的脚本里爬出来的，深知那种“想画个带误差棒的散点图却不知道用errorbar”的无力感。

这篇笔记的核心，就是帮你把MATLAB里二维和三维图像的基本画法，像拼乐高一样，拆解成最基础的模块，然后告诉你如何组合它们。我们不止讲“怎么画”，更会深入“为什么这么画”以及“怎么画得又快又好”。无论是科研论文里的精美插图，还是工程报告中的趋势分析图，其底层逻辑都离不开这些基本操作。掌握了它们，你就拥有了用数据“说话”的能力。无论你是学生、工程师还是科研人员，只要需要用图形化方式展示数据，这里的内容都将是你工具箱里最趁手的家伙之一。

2. 二维图像绘制：从基础线条到专业图表

二维绘图是数据可视化的基石，MATLAB在这方面提供了从简单到复杂的全套工具。理解二维绘图的逻辑，是迈向高级可视化的第一步。

2.1 核心绘图函数plot的深度解析

plot函数是MATLAB二维绘图的“瑞士军刀”，看似简单，实则内涵丰富。它的基本语法是plot(X, Y, LineSpec)，但这里的门道很多。

基础线条绘制与属性定制最基本的用法就是给定X和Y向量。例如，画一个正弦波：

x = linspace(0, 2*pi, 100); % 生成0到2π之间的100个点 y = sin(x); plot(x, y);

这行代码会打开一个图形窗口，画出一条蓝色的正弦曲线。但默认的蓝色实线可能并不符合你的需求。这时就需要用到LineSpec（线条规范）和属性名-值对参数。LineSpec是一个字符串，可以同时指定线条颜色、标记符号和线型。它的格式是‘颜色标记线型’，顺序任意，但通常按这个顺序写更清晰。例如：

• ‘r--’表示红色虚线。
• ‘b*:’表示蓝色星号标记，点线连接。
• ‘go-’表示绿色圆圈标记，实线连接。

而属性名-值对提供了更精细的控制。在plot调用后，你可以用set函数，或者更常见的，直接在plot函数里指定：

plot(x, y, ‘LineWidth‘, 2, ‘Color‘, [0.5, 0.2, 0.8], ‘Marker‘, ‘s‘, ‘MarkerSize‘, 10, ‘MarkerFaceColor‘, ‘y‘);

这里，‘LineWidth‘, 2将线宽设为2磅；‘Color‘, [0.5, 0.2, 0.8]用RGB数组指定了一个自定义的紫色；‘Marker‘, ‘s‘使用方块标记；‘MarkerSize‘, 10设置标记大小；‘MarkerFaceColor‘, ‘y‘将标记内部填充为黄色。

注意：LineSpec字符串和属性名-值对可以混用，但如果在LineSpec中指定了颜色（如‘r‘），又在属性中指定了‘Color‘，那么属性名-值对的设置会覆盖LineSpec。为了避免混淆，我个人的习惯是，简单设置用LineSpec，复杂精细的设置全部用属性名-值对，这样代码意图更清晰。

多组数据与子图绘制在一张图上绘制多条曲线非常简单，有几种方法：

1. 多次调用hold on和plot。
2. 将多组X，Y对放入一个plot调用：plot(x1, y1, x2, y2, ...)。
3. 使用矩阵Y：如果X是向量，Y是矩阵，plot(X, Y)会以X为横坐标，分别绘制Y的每一列。

子图功能subplot是组织多个相关图形的利器。subplot(m, n, p)将当前图形窗口划分为m行n列的网格，并激活第p个位置（按行优先计数）作为当前绘图区。

subplot(2, 2, 1); % 激活2x2网格的第1个位置（左上角） plot(x, sin(x)); title(‘Sine Wave‘); subplot(2, 2, 2); % 激活第2个位置（右上角） plot(x, cos(x)); title(‘Cosine Wave‘);

合理使用子图可以让你的报告或论文图表更加紧凑和专业。

2.2 高级二维图表：散点、条形与误差

除了基本的线图，针对不同类型的数据，MATLAB提供了更专业的绘图函数。

散点图与气泡图scatter函数用于绘制散点图，它能直观展示两个变量之间的关系，尤其适合不连续或没有顺序的数据。

x = randn(100, 1); y = x + randn(100, 1)*0.5; scatter(x, y, ‘filled‘);

scatter的第三个参数可以是一个标量或向量，用于指定每个点的大小。如果是一个向量，就能实现气泡图的效果，用点的大小表示第三个变量的值。

sizes = abs(randn(100, 1)) * 100; % 随机生成大小 scatter(x, y, sizes, ‘filled‘); colormap(‘jet‘); % 可以配合颜色映射，用颜色表示第四个维度

这里，sizes向量控制了每个散点的面积（以磅^2为单位）。‘filled‘参数让标记点内部被填充。

条形图与直方图对于分类数据或显示离散分布，条形图是首选。bar函数绘制垂直条形图，barh绘制水平条形图。

categories = {‘A‘, ‘B‘, ‘C‘, ‘D‘}; values = [23, 45, 12, 67]; bar(categorical(categories), values); % 使用categorical确保x轴标签正确 xlabel(‘Category‘); ylabel(‘Value‘); title(‘Simple Bar Chart‘);

histogram函数则用于可视化数据的分布。与老旧的hist函数相比，histogram是面向对象的，功能更强大，能自动计算合适的箱（bin）数量，并给出概率密度估计。

data = randn(1000, 1); histogram(data, ‘Normalization‘, ‘pdf‘); % 绘制概率密度直方图 hold on; % 可以叠加理论上的概率密度函数曲线进行对比 x_fit = linspace(min(data), max(data), 100); y_fit = normpdf(x_fit, mean(data), std(data)); plot(x_fit, y_fit, ‘r-‘, ‘LineWidth‘, 2);

‘Normalization‘, ‘pdf‘参数将纵轴归一化为概率密度，使得直方图总面积积分为1，便于与概率密度函数对比。

误差棒与双Y轴在科学绘图中，表示数据的不确定性至关重要。errorbar函数可以轻松添加误差棒。

x = 1:5; y = [10, 15, 12, 18, 16]; err = [1, 1.5, 0.8, 2, 1.2]; errorbar(x, y, err, ‘o‘, ‘CapSize‘, 10); % ‘CapSize‘控制误差棒顶端横杠的长度

有时需要在一个图中对比两个量纲不同的变量，这就需要双Y轴。yyaxis函数让这变得简单：

x = linspace(0, 10); y1 = sin(x); y2 = 100*cos(x); yyaxis left; % 激活左侧Y轴 plot(x, y1, ‘b-‘); ylabel(‘Sine‘); yyaxis right; % 激活右侧Y轴 plot(x, y2, ‘r--‘); ylabel(‘100*Cosine‘); xlabel(‘X‘);

两个Y轴可以独立设置颜色、标签和范围，完美解决量纲不统一的可视化问题。

3. 三维图像绘制：从曲面到空间分布

当数据具有两个自变量时，三维可视化能提供更深刻的洞察。MATLAB的三维绘图函数同样丰富，核心在于理解网格数据meshgrid的构建。

3.1 三维曲线与网格曲面

三维空间曲线使用plot3函数可以绘制三维空间中的参数曲线，其逻辑与plot完全一致，只是多了一个Z坐标。

t = linspace(0, 10*pi, 1000); x = sin(t); y = cos(t); z = t; plot3(x, y, z, ‘b-‘, ‘LineWidth‘, 1.5); grid on; % 显示网格 xlabel(‘X‘); ylabel(‘Y‘); zlabel(‘Z‘); title(‘3D Helix (Spiral)‘); view(30, 30); % 设置视角（方位角，仰角）

view函数是三维绘图的灵魂，它控制观察者的视角。view(az, el)中，az是方位角（在xy平面内从负y轴顺时针旋转的角度），el是仰角（从xy平面向上旋转的角度）。多尝试不同的角度，能找到展示数据特征的最佳视角。

网格曲面图：mesh与surf这是三维绘图的重点。要绘制曲面z = f(x, y)，首先需要创建定义域(x, y)的网格。meshgrid函数就是干这个的。

[X, Y] = meshgrid(-2:0.1:2, -2:0.1:2); % 生成网格点 Z = X .* exp(-X.^2 - Y.^2); % 计算每个网格点上的函数值，注意是点乘 .*

现在X,Y,Z都是矩阵。mesh(X, Y, Z)会绘制一个线框网格图，曲面是空心的。

figure; subplot(1,2,1); mesh(X, Y, Z); title(‘Mesh Plot‘); colormap(‘jet‘); % 颜色映射根据Z值变化 colorbar; % 显示颜色条

surf(X, Y, Z)则会绘制一个表面图，网格被面片填充。

subplot(1,2,2); surf(X, Y, Z); title(‘Surface Plot‘); shading interp; % 使用插值着色，使颜色过渡平滑 light; lighting gouraud; % 添加光照并使用高洛德着色，增强立体感

shading命令控制着色方式：flat每个网格面片一个颜色，faceted（默认）带黑色网格线，interp在顶点间插值颜色，最平滑。添加light光源和lighting gouraud光照模型，能极大提升图像的质感和立体感，让曲面特征一目了然。

3.2 等高线图与三维散点

二维与三维等高线等高线图contour和contourf用于展示二维标量场的分布，在物理、地理、工程领域应用极广。

figure; contourf(X, Y, Z, 20, ‘LineWidth‘, 0.5); % 绘制填充等高线，20条等高线 colormap(‘hot‘); colorbar; xlabel(‘X‘); ylabel(‘Y‘); title(‘Filled Contour Plot‘);

contourf生成填充颜色的等高线图。第一个数字参数20指定了等高线的数量（也可以直接传入一个向量指定具体的等高线值）。contour3则可以绘制三维空间中的等高线。

figure; contour3(X, Y, Z, 20, ‘LineWidth‘, 1.5); grid on;

对于需要精确标注等高线数值的情况，可以在绘制后使用clabel函数：

[C, h] = contour(X, Y, Z); clabel(C, h, ‘FontSize‘, 10); % 将标签添加到等高线h上

三维散点图与向量场scatter3是scatter在三维的自然延伸，用于绘制三维空间中的离散点。

x = randn(100,1); y = randn(100,1); z = randn(100,1); c = sqrt(x.^2 + y.^2 + z.^2); % 用颜色表示点到原点的距离 scatter3(x, y, z, 50, c, ‘filled‘); % 点大小50，颜色映射到c colormap(‘parula‘); colorbar; xlabel(‘X‘); ylabel(‘Y‘); zlabel(‘Z‘);

quiver3函数用于绘制三维向量场，比如流体速度场、电磁场等。

[X, Y, Z] = meshgrid(-1:0.2:1, -1:0.2:1, -1:0.2:1); U = -Y; % X方向分量 V = X; % Y方向分量 W = zeros(size(Z)); % Z方向分量为0，形成一个在XY平面旋转的场 quiver3(X, Y, Z, U, V, W); axis equal; % 保持坐标轴比例一致 xlabel(‘X‘); ylabel(‘Y‘); zlabel(‘Z‘); title(‘3D Vector Field (Rotation in XY plane)‘);

quiver3的前三个参数是向量的起点坐标，后三个参数是向量的分量(U, V, W)。通过调整‘AutoScale‘和‘AutoScaleFactor‘参数可以控制箭头的大小。

4. 图形修饰与输出：让图表会说话

一张专业的图表，除了准确表达数据，还需要精心的修饰和高质量的输出。这是区分“能画图”和“会画图”的关键。

4.1 坐标轴、标签与图例的精细控制

坐标轴属性大全默认的坐标轴范围可能不适合你的数据。使用axis或xlim/ylim/zlim进行控制。

• axis([xmin xmax ymin ymax])： 设置二维图的XY范围。
• axis([xmin xmax ymin ymax zmin zmax])： 设置三维图的XYZ范围。
• axis equal： 使坐标轴刻度等长，确保圆形看起来是圆，而不是椭圆。
• axis tight： 将坐标轴范围设置为恰好等于数据范围。
• box on/off： 控制是否显示坐标轴边框。
• grid on/off： 控制是否显示网格线。grid minor可以打开更细的次网格。

坐标轴刻度也可以自定义：

xticks([0, pi/2, pi, 3*pi/2, 2*pi]); xticklabels({‘0‘, ‘\pi/2‘, ‘\pi‘, ‘3\pi/2‘, ‘2\pi‘}); % 使用LaTeX语法

这能将横坐标的数值刻度替换为更美观的π符号。

标签、标题与图例xlabel,ylabel,zlabel,title函数用于添加文本。它们支持LaTeX语法，可以插入数学公式和特殊符号。

xlabel(‘Time (s)‘, ‘FontSize‘, 12, ‘FontWeight‘, ‘bold‘); ylabel(‘Amplitude‘, ‘FontSize‘, 12); title(‘Signal: $y = e^{-t} \cdot \sin(2\pi f t)$‘, ‘Interpreter‘, ‘latex‘, ‘FontSize‘, 14);

注意，要使用LaTeX，必须在title或text函数中设置‘Interpreter‘, ‘latex‘。

图例legend是区分多条曲线的关键。最佳实践是在plot时就用‘DisplayName‘参数指定图例条目。

plot(x, sin(x), ‘b-‘, ‘DisplayName‘, ‘Sine‘, ‘LineWidth‘, 2); hold on; plot(x, cos(x), ‘r--‘, ‘DisplayName‘, ‘Cosine‘, ‘LineWidth‘, 2); legend(‘Location‘, ‘best‘, ‘FontSize‘, 10); % ‘best‘让MATLAB自动选择最佳位置

这样调用legend时就不需要再输入字符串数组，避免了顺序错乱的问题。‘Location‘参数可以指定图例位置，如‘northwest‘（左上）、‘southeast‘（右下）等。

4.2 颜色映射、光照与视角

颜色映射的艺术颜色映射colormap决定了数据如何映射到颜色。MATLAB内置了许多色彩方案：

• jet： 彩虹色，对比强烈，但已被批评在科学可视化中可能误导（因为亮度变化不均匀）。
• parula： MATLAB默认的新色彩映射，感知均匀，更适合科学用途。
• hot： 黑-红-黄-白，常用于表示热度或强度。
• gray： 灰度，用于黑白打印或强调亮度。
• cool,summer,winter等： 季节性色彩。

你可以使用colormap(jet(256))来指定一个256级的jet色彩映射。colorbar函数会添加一个颜色条，直观显示颜色与数据值的对应关系。

光照与材质对于三维表面图，光照能极大增强立体感和真实感。

surf(peaks); % peaks是一个测试用的曲面函数 shading interp; light(‘Position‘, [1, -1, 1], ‘Style‘, ‘infinite‘); % 添加一个位于(1,-1,1)方向的无限远光源 lighting gouraud; % 使用Gouraud着色（平滑着色） material shiny; % 设置材质属性为‘shiny‘，高光明显

material命令可以快速设置一组预定义的材质属性（shiny,dull,metal）。你也可以用‘SpecularStrength‘,‘DiffuseStrength‘,‘AmbientStrength‘等属性进行微调，控制镜面反射、漫反射和环境光的强度。

视角与交互view函数控制观察角度。除了view(az, el)，还可以用view([x, y, z])指定一个从原点指向[x,y,z]的视角。 更强大的是交互式工具。在图形窗口的工具栏中，有旋转、平移、缩放、数据游标等工具。特别是旋转工具，对于理解复杂三维结构至关重要。你也可以在代码中设置rotate3d on来默认启用旋转模式。

4.3 图形导出与发布级质量

画好的图最终要插入文档或演示文稿中。低质量的截图会毁掉所有努力。

导出设置与命令图形窗口的“文件”->“另存为”菜单可以保存，但为了可重复性和一致性，最好使用命令。saveas函数最通用：

saveas(gcf, ‘my_plot.png‘); % gcf获取当前图形窗口句柄

但saveas对分辨率和尺寸的控制有限。专业做法是使用print函数：

set(gcf, ‘Position‘, [100, 100, 800, 600]); % 设置图形窗口大小（像素） set(gcf, ‘PaperPositionMode‘, ‘auto‘); % 重要！使打印尺寸与屏幕显示一致 print(‘-dpng‘, ‘-r300‘, ‘high_res_plot.png‘); % 保存为300 DPI的PNG

-dpng指定格式（还可选-depsc矢量图，-dpdf等）。-r300设置分辨率为300 DPI（点每英寸），对于大多数印刷和屏幕显示足够了。对于论文，推荐使用矢量格式如EPS或PDF，它们无限缩放不失真。

print(‘-depsc2‘, ‘-tiff‘, ‘vector_plot.eps‘); % 保存为彩色EPS，兼容性较好

常见问题与避坑指南

1. 图形窗口闪烁或覆盖： 在脚本中连续画多个图时，默认会覆盖上一个。使用figure命令创建新窗口，或用figure(1),figure(2)指定窗口编号。在循环中绘图时，使用drawnow或drawnow limitrate可以强制刷新图形，实现动画效果或实时更新。
2. 中文显示乱码： 旧版本MATLAB默认字体可能不支持中文。可以在绘图前设置默认字体：

   set(0, ‘DefaultAxesFontName‘, ‘SimHei‘); % 设置坐标轴默认字体为黑体 set(0, ‘DefaultTextFontName‘, ‘SimHei‘); % 设置文本默认字体

   或者，在具体的xlabel,title中指定字体：title(‘标题‘, ‘FontName‘, ‘Microsoft YaHei‘)。
3. 保存的图片周围有大量白边： 这是因为图形窗口的‘InvertHardcopy‘属性和纸张尺寸设置。在print前设置：

   set(gcf, ‘InvertHardcopy‘, ‘off‘); % 保持屏幕显示的颜色 set(gcf, ‘PaperUnits‘, ‘inches‘); set(gcf, ‘PaperPosition‘, [0 0 6 4]); % 设置纸张位置和大小（6x4英寸）

4. 三维图形旋转后保存的视角不对：print保存的是当前图形窗口的视图。确保在print命令前没有改变窗口焦点或视角。可以在保存前用view固定一个视角。
5. 线条或字体在导出后变粗/模糊： 对于矢量图（EPS/PDF），有时线条会显得过粗。可以在导出前设置线条和字体属性为“按屏幕显示”：

   set(gcf, ‘Renderer‘, ‘painters‘); % 使用Painters渲染器，对矢量图支持更好 set(gca, ‘FontSize‘, 10); % 明确设置坐标轴字体大小 set(findobj(gcf, ‘Type‘, ‘line‘), ‘LineWidth‘, 1); % 设置所有线宽为1

我个人最常用的工作流是：先在脚本中调整好图形所有细节（大小、颜色、标签、视角），然后使用print函数以高分辨率PNG（用于PPT）和PDF（用于论文）两种格式保存。对于包含大量子图的复杂图表，可以考虑使用exportgraphics函数（R2020a以上），它提供了更简单的接口和更好的默认设置，例如exportgraphics(gcf, ‘plot.pdf‘, ‘ContentType‘, ‘vector‘, ‘Resolution‘, 300)。