1. 从“能画”到“画好”：初阶绘图的进阶门槛

上次我们聊了MATLAB绘图最基础的那几板斧：plot、figure、hold on/off、xlabel/ylabel/title和legend。掌握了这些，你确实已经能“画出”东西了。但如果你把用默认参数画出来的图直接贴到报告或者论文里，大概率会被导师或同事打回来，原因很简单：太丑、不专业、信息表达不清晰。

默认的细蓝线、默认的坐标轴范围、挤在一起的图例、难以区分的多条曲线……这些都是新手绘图最常见的“车祸现场”。绘图的核心目的不是展示“我会用MATLAB画图”，而是清晰、准确、美观地传达数据背后的信息。从“能画”到“画好”，中间隔着的就是对这些图形属性进行精细化控制的技能。这就像拍照，自动模式能拍，但想拍出好照片，你必须懂得调整光圈、快门、ISO和白平衡。

网络热词里频繁出现的LineStyle（线型）、LineWidth（线宽）、Marker（数据点标记），正是我们攻克这一进阶门槛的核心武器。它们不再是可有可无的修饰，而是提升图表可读性、区分多组数据、满足出版级要求的必备工具。今天，我们就深入这些属性的世界，让你的图表摆脱“新手感”。

2. 线条的“形”与“神”：LineStyle与LineWidth详解

当我们用plot(x, y)画出一条线时，MATLAB默认给我们的是宽度为0.5磅的实线。在屏幕上看或许还行，但一旦打印出来，或者插入到文档中经过缩放，这条细线很容易变得模糊不清，特别是在有多条曲线需要对比时，缺乏视觉分量。

2.1LineWidth：赋予线条视觉分量

LineWidth属性控制线条的粗细，单位是“点”（points）。这是一个非常直观的属性：数值越大，线越粗。

x = 0:0.1:2*pi; y1 = sin(x); y2 = cos(x); figure('Position', [100, 100, 800, 400]) % 设置图形窗口位置和大小 subplot(1,2,1) plot(x, y1, 'b-', 'LineWidth', 0.5); % 默认细线 hold on plot(x, y2, 'r-', 'LineWidth', 0.5); title('默认线宽 (0.5)') legend('sin(x)', 'cos(x)') grid on subplot(1,2,2) plot(x, y1, 'b-', 'LineWidth', 2.0); % 加粗线条 hold on plot(x, y2, 'r-', 'LineWidth', 2.0); title('加粗线宽 (2.0)') legend('sin(x)', 'cos(x)') grid on

运行这段代码，你会立刻看到右侧子图的曲线更加清晰、醒目。在学术图表中，1.5到2.5的线宽是常见的选择，它能保证在黑白打印或缩小后依然清晰可辨。但也不是越粗越好，过粗的线条（比如超过3）可能会掩盖细节，并让图表显得笨重。

注意：LineWidth影响的是线条的视觉权重。当你需要突出某条关键曲线时，将其线宽设置为其他曲线的1.5-2倍，是一个立竿见影的方法。

2.2LineStyle：区分线条的逻辑

当有多条曲线出现在同一坐标系中时，仅靠颜色区分有时是不够的（例如黑白打印或色盲读者）。这时，LineStyle（线型）就至关重要了。MATLAB提供了几种基础的线型：

• '-'：实线(solid)。最常用，用于表示主要、连续的趋势或数据。
• '--'：虚线(dashed)。常用于表示理论值、参考线、对比基线或次要数据。
• ':'：点线(dotted)。常用于表示辅助线、假设线或间隔较小的数据。
• '-.'：点划线(dash-dot)。一种折中的选择，用于需要与实线和虚线都区分开的情况。

让我们结合颜色和线型来优化一个多曲线图表：

x = linspace(0, 10, 100); y1 = exp(-0.2*x) .* sin(x); % 衰减正弦波 y2 = 0.5 * cos(0.5*x); % 余弦波 y3 = 0.3 * x - 1; % 线性趋势 y4 = zeros(size(x)) + 0.2; % 水平参考线 figure('Color', 'white'); plot(x, y1, 'b-', 'LineWidth', 2.0, 'DisplayName', '衰减振荡'); % 实线， 主数据 hold on plot(x, y2, 'r--', 'LineWidth', 1.5, 'DisplayName', '余弦分量'); % 虚线， 对比数据 plot(x, y3, 'g:', 'LineWidth', 2.0, 'DisplayName', '线性趋势'); % 点线， 趋势线 plot(x, y4, 'k-.', 'LineWidth', 1.0, 'DisplayName', '参考阈值'); % 点划线， 参考线 xlabel('时间 (s)') ylabel('幅值') title('多类型信号对比 (优化线型与线宽)') legend('Location', 'best') % 'best'让MATLAB自动选择图例最佳位置 grid on box on % 给图形加上边框，更美观

在这段代码中，我们做了几件事：

1. 主次分明：主要分析的“衰减振荡”信号用了最粗的蓝色实线。
2. 清晰区分：四条曲线分别用了四种不同的线型，即使打印成黑白也一目了然。
3. 语义化：参考阈值使用了细一点的点划线，视觉上不抢镜但又能被注意到。

实操心得：为线型赋予“语义”是一个好习惯。在你的研究领域内，可以固定一套规则，比如：实验数据用实线，仿真结果用虚线，理论边界用点线。这样你和你团队的读者都能快速理解图表含义。

3. 标记数据点：Marker的妙用

plot函数不仅可以画线，还可以在数据点上放置标记（Marker）。这对于以下场景特别有用：

• 数据点稀疏，连线不能很好反映趋势。
• 需要强调某些特定的数据样本位置。
• 在散点图或需要同时显示线型和数据点的图中。

3.1 常用标记符号

MATLAB提供了丰富的标记类型，以下是最常用的一些：

3.2 综合应用：线型、颜色与标记

在plot函数中，你可以用一个字符串同时指定颜色、线型和标记。格式是：'颜色线型标记'。例如：

• 'ro-'：红色、圆圈标记、实线连接。
• 'b*:'：蓝色、星号标记、点线连接。
• 'ks--'：黑色、正方形标记、虚线连接。

如果只想画标记不连线，则省略线型部分，如'ro'。

x = 1:10; y_measured = [2.1, 2.9, 4.2, 4.8, 6.1, 7.0, 8.2, 8.9, 10.1, 11.0]; % 实测数据 y_theoretical = x; % 理论值 y=x figure; % 绘制理论线：黑色虚线，无标记 plot(x, y_theoretical, 'k--', 'LineWidth', 1.5, 'DisplayName', '理论值 (y=x)'); hold on % 绘制实测数据：红色圆圈标记，用细实线连接，标记边缘黑色，内部白色填充 plot(x, y_measured, 'ro-', 'LineWidth', 1.0, ... 'MarkerSize', 8, ... % 标记大小 'MarkerEdgeColor', 'k', ... % 标记边缘颜色 'MarkerFaceColor', 'w', ... % 标记填充颜色 'DisplayName', '实测数据'); xlabel('输入值') ylabel('输出值') title('实测数据与理论对比') legend('Location', 'northwest') grid on axis tight % 让坐标轴范围紧贴数据范围

这段代码展示了更高级的属性设置：

• 'MarkerSize'：控制标记的大小。
• 'MarkerEdgeColor'：控制标记边缘的颜色。
• 'MarkerFaceColor'：控制标记内部的填充颜色。设置为'w'（白色）可以让红色圆圈看起来是空心的，这在黑白印刷时比纯色圆圈更具可读性。

踩坑提醒：当数据点非常密集时，使用过大的标记或复杂的标记符号（如星号、菱形）会导致图形重叠、混乱不堪。此时应优先使用小圆点'.'或不加标记，仅用线条表示。

4. 属性设置的两种范式：plot字符串 vs. set函数

到目前为止，我们都是在调用plot时直接使用字符串（如'ro--'）或名称-值对（如'LineWidth', 2）来设置属性。这是一种非常方便的方式，尤其适用于创建图形时。

4.1 使用plot函数直接设置

这是最常用、最直观的方法，适用于已知所有属性的情况。

h = plot(x, y, 'b-s', 'LineWidth', 2, 'MarkerSize', 10, 'MarkerFaceColor', 'y');

这行代码做了三件事：1）绘制图形；2）返回一个“句柄”h；3）设置了线条的颜色、线型、标记以及相关属性。

4.2 使用图形句柄与set函数进行后期修改

图形句柄（Handle）是MATLAB中指向某个图形对象（如一条线、一个坐标轴、一个文本标签）的引用。获取句柄后，我们可以在图形创建后的任意时刻，使用set函数修改其属性。这在交互式调整图形或批量修改时极其强大。

% 先以默认样式绘图 x = 0:pi/20:2*pi; y1 = sin(x); y2 = cos(x); figure; h1 = plot(x, y1); % 获取第一条线的句柄，保存到h1 hold on h2 = plot(x, y2); % 获取第二条线的句柄，保存到h2 title('初始绘图') % ... 运行后觉得图形不好看，在命令行或脚本后续部分进行修改 set(h1, 'LineStyle', '--', 'Color', [0, 0.5, 0], 'LineWidth', 2.5); % 将h1改为绿色虚线 set(h2, 'Marker', 'o', 'MarkerSize', 6, 'MarkerFaceColor', 'r', 'LineWidth', 1.5); % 将h2改为带红色实心圆标记的线 % 也可以使用更简洁的“点表示法”（推荐，更现代） % h1.LineStyle = ':'; % h1.Color = 'm'; % h2.Marker = 's';

使用set或点表示法的最大优势在于灵活性。你可以先快速把图画出来看看效果，然后再像精修照片一样，慢慢调整每一条线的样式，直到满意为止。这在处理复杂图表时是必不可少的技能。

进阶技巧：如何知道一个图形对象有哪些属性可以设置？使用get函数。在命令行输入get(h1)，MATLAB会列出h1这条线对象的所有属性和当前值。这是探索和学习图形属性的最佳方式。

5. 多子图绘制进阶：subplot的灵活布局与美化

subplot(m, n, p)是创建多子图的标准方法，它将图形窗口划分为m行n列的网格，并激活第p个位置进行绘图。但默认的子图间距往往很窄，标题和标签可能重叠。

5.1 调整子图间距：subplot的局限与tiledlayout的登场

传统的subplot对间距控制不友好。MATLAB从R2019b开始引入了更强大的tiledlayout和nexttile函数，它们提供了对子图间距和布局的精细化控制，是现在更推荐的方式。

% 使用 tiledlayout 创建 2x2 的布局，并指定紧凑的间距 figure; t = tiledlayout(2, 2, 'TileSpacing', 'compact', 'Padding', 'compact'); % 创建布局对象 % 在第一个位置绘图 nexttile; x = linspace(0, 2*pi, 50); plot(x, sin(x), 'b-', 'LineWidth', 1.5); title('正弦函数 Sin(x)') grid on % 在第二个位置绘图 nexttile; plot(x, cos(x), 'r--', 'LineWidth', 1.5); title('余弦函数 Cos(x)') grid on % 在第三个位置绘图，这次用散点图 nexttile; scatter(x, sin(x) + 0.1*randn(size(x)), 40, 'filled', 'MarkerFaceColor', 'g'); % 带噪声的散点 title('带噪声的散点图') grid on % 在第四个位置绘图，使用阶梯图 nexttile; stairs(x, sin(x), 'k-', 'LineWidth', 1.5); title('阶梯图 Stairs') grid on % 为整个图形窗口添加总标题和坐标轴标签 title(t, '常用函数图形展示合集') % 总标题 xlabel(t, '公共X轴：角度 (rad)') % 公共X轴标签 ylabel(t, '函数值 Y') % 公共Y轴标签

tiledlayout的优点在于：

1. 统一控制：可以轻松地为所有子图设置统一的标题、坐标轴标签。
2. 灵活间距：通过'TileSpacing'和'Padding'参数精确控制子图间以及子图与边框的间距。
3. 复杂布局：支持创建非均匀的网格布局，这是subplot难以实现的。

5.2 为每个子图精细化设置坐标轴

即使有了好的布局，每个子图内部的坐标轴也可能需要调整，比如设置相同的Y轴范围以方便比较。

% 接上例，假设我们需要将第一行两个子图的Y轴范围都设为[-1.2, 1.2] ax1 = nexttile(1); % nexttile返回坐标轴句柄 ax2 = nexttile(2); ylim([ax1, ax2], [-1.2, 1.2]); % 同时设置两个坐标轴的Y轴范围 % 或者单独设置 % ax1.YLim = [-1.2, 1.2]; % ax2.YLim = [-1.2, 1.2];

通过获取坐标轴句柄，你可以修改任何属性：XLim,YLim,XTick,XTickLabel,FontSize,FontName等等。这是实现出版级图表美化的关键。

6. 坐标轴与网格的精细化控制

默认的坐标轴和网格线往往是为了通用性而设计的，在特定场景下需要调整。

6.1 坐标轴范围、刻度与标签

• xlim/ylim：手动设置坐标轴范围。使用axis tight可以自动使范围紧贴数据。
• xticks/yticks：手动设置刻度线的位置。
• xticklabels/yticklabels：手动设置刻度标签的文字。这常用于将数字刻度改为分类标签（如‘周一’，‘周二’）。

x = 0:0.5:10; y = x.^2; figure; plot(x, y, 'bd-', 'LineWidth', 1.5, 'MarkerSize', 6, 'MarkerFaceColor', 'c'); grid on box on % 1. 设置坐标轴范围 xlim([0, 12]); ylim([-5, 120]); % Y轴从-5开始，可以更清晰地看到曲线与X轴的交点（原点） % 2. 设置刻度 xticks(0:2:12); % X轴每2一个刻度 yticks([0, 25, 50, 75, 100]); % Y轴指定几个刻度 % 3. 设置刻度标签（示例：将X轴数字转换为时间概念） % 假设x是时间（小时），我们想显示为“0h", "2h", ... "12h” xticklabels({'0h', '2h', '4h', '6h', '8h', '10h', '12h'}); xlabel('时间') ylabel('性能指标') title('坐标轴刻度与标签自定义示例')

6.2 网格线与边框

• grid on/off：打开/关闭网格线。
• grid minor：打开次要网格线（位于主刻度之间）。
• box on/off：控制是否显示坐标轴区域的边框。

% 创建一个对比图 figure; subplot(1,2,1) plot(x, y, 'r-'); grid on % 只有主网格 title('仅主网格') box on subplot(1,2,2) plot(x, y, 'b-'); grid on grid minor % 同时打开主网格和次要网格 title('主网格+次要网格') box on

次要网格线能提供更精细的视觉参考，尤其在数据密度高、需要精确读数时非常有用。

7. 添加文本、箭头与图例美化

7.1 添加文本注释：text与annotation

text(x, y, '字符串')在图形窗口的数据坐标(x, y)处添加文本。这对于在曲线上标注特定点非常有用。

annotation('textarrow', x, y, 'String', '注释文本')可以添加带箭头的文本注释。这里的x和y是归一化的图形坐标（从0到1），(0,0)是图形左下角，(1,1)是右上角。这需要一点转换思维。

x = 0:0.1:10; y = sin(x) + 0.5*x; figure; plot(x, y, 'LineWidth', 2); grid on xlabel('X') ylabel('Y') title('使用 text 和 annotation 添加注释') % 找到最大值点 [ymax, idx] = max(y); xmax = x(idx); % 方法1：使用 text 在数据点旁添加标签 text(xmax, ymax, sprintf(' 最大值 (%.2f, %.2f)', xmax, ymax), ... 'VerticalAlignment', 'bottom', ... % 文本底部对齐到点 'HorizontalAlignment', 'left', ... % 文本左对齐到点 'FontSize', 10, ... 'BackgroundColor', 'y', ... 'EdgeColor', 'k'); % 方法2：使用 annotation 添加带箭头的注释（使用图形坐标） % 首先将数据坐标 (xmax, ymax) 转换为归一化坐标 ax = gca; % 获取当前坐标轴句柄 pos = ax.Position; % 坐标轴在图形中的位置和大小 [left, bottom, width, height] x_range = ax.XLim; % 坐标轴的X轴范围 y_range = ax.YLim; % 坐标轴的Y轴范围 % 转换公式: norm_x = pos(1) + pos(3) * (x_data - x_range(1)) / diff(x_range) norm_x = pos(1) + pos(3) * (xmax - x_range(1)) / diff(x_range); norm_y = pos(2) + pos(4) * (ymax - y_range(1)) / diff(y_range); % 创建箭头注释，指向最大值点，起点在图形中间偏右上的位置 annotation('textarrow', [0.7, norm_x], [0.8, norm_y], ... 'String', '这是全局最大值点', ... 'FontSize', 9, ... 'TextBackgroundColor', [0.9, 0.9, 0.5]);

7.2 图例 (legend) 的高级用法

我们已经用过legend('sin','cos')这种基本形式。图例也可以进行大量美化：

• 'Location'： 控制图例位置。如'north','south','east','west','northeast'（默认）,'best'（自动选择最佳位置）等。
• 'Orientation'： 方向，'vertical'（默认，垂直）或'horizontal'（水平）。当图例项很多时，水平排列可以节省空间。
• 'NumColumns'： 设置图例的列数（R2018a以上）。对于大量图例项，分多列显示比单列更紧凑。
• 'Box'： 是否显示图例边框，'on'（默认）或'off'。

% 创建一个需要复杂图例的图 x = linspace(0, 5, 20); figure; hold on plot(x, sin(x), 'ro-', 'LineWidth', 1.5, 'MarkerSize', 8, 'MarkerFaceColor', 'r', 'DisplayName', '实验组 A (高频)'); plot(x, cos(x), 'bs--', 'LineWidth', 2, 'MarkerSize', 10, 'MarkerFaceColor', 'c', 'DisplayName', '对照组 B'); plot(x, exp(-x), 'g^:', 'LineWidth', 1, 'MarkerSize', 6, 'MarkerFaceColor', 'y', 'DisplayName', '衰减模型 C'); plot(x, 0.5*x, 'kd-', 'LineWidth', 1.2, 'MarkerSize', 0, 'DisplayName', '线性参考 D'); % MarkerSize=0 不显示标记 % 美化图例 lgd = legend('Location', 'southoutside', ... % 放在图形下方外部 'Orientation', 'horizontal', ... % 水平排列 'NumColumns', 2, ... % 分两列显示 'Box', 'off'); % 去掉边框 lgd.FontSize = 9; title('多组数据对比与图例美化示例') grid on hold off

8. 综合案例：绘制一张可直接用于报告的图表

让我们把今天学到的所有知识融合起来，绘制一张从数据到样式都经过精心设计的、可以直接放入学术报告或论文中的图表。

场景：比较三种不同算法在迭代过程中的收敛速度（误差下降曲线）。

%% 1. 模拟数据 iterations = 1:100; % 算法A: 快速收敛，但后期有波动 error_A = 10 * exp(-0.05*iterations) + 0.1*randn(size(iterations)); error_A(error_A < 0.01) = 0.01; % 设置一个下限 % 算法B: 平稳收敛 error_B = 8 * exp(-0.03*iterations) + 0.05*randn(size(iterations)); % 算法C: 收敛较慢 error_C = 12 * exp(-0.01*iterations) + 0.15*randn(size(iterations)); %% 2. 创建图形窗口，设置大小和背景色（适合嵌入文档的宽度） figure('Units', 'centimeters', 'Position', [5, 5, 18, 12], 'Color', 'w'); % 18cm宽，12cm高，白色背景 %% 3. 绘制三条曲线，仔细设置每条线的属性以区分 hA = plot(iterations, error_A, 'b-o', ... % 蓝色圆圈实线 'LineWidth', 1.8, ... 'MarkerSize', 5, ... 'MarkerFaceColor', 'b', ... 'MarkerEdgeColor', 'w', ... % 白色边缘使蓝色更突出 'DisplayName', '算法A (Proposed)'); hold on hB = plot(iterations, error_B, 'r--s', ... % 红色虚线方块 'LineWidth', 1.5, ... 'MarkerSize', 6, ... 'MarkerFaceColor', 'none', ... % 空心方块 'MarkerEdgeColor', 'r', ... 'DisplayName', '算法B (Baseline 1)'); hC = plot(iterations, error_C, 'k:d', ... % 黑色点线菱形 'LineWidth', 1.5, ... 'MarkerSize', 7, ... 'MarkerFaceColor', [0.8, 0.8, 0.8], ... % 浅灰色填充 'MarkerEdgeColor', 'k', ... 'DisplayName', '算法C (Baseline 2)'); %% 4. 添加一条表示收敛阈值的水平参考线 threshold = 1.0; yline(threshold, '--', 'Color', [0.5, 0.5, 0.5], 'LineWidth', 1.2, ... 'DisplayName', sprintf('收敛阈值 (%.1f)', threshold)); % yline是R2018b引入的便捷函数 % 对于更早版本，可以用: plot([iterations(1), iterations(end)], [threshold, threshold], '--', ...) %% 5. 精细化设置坐标轴 ax = gca; % 获取当前坐标轴句柄 ax.Box = 'on'; % 显示边框 ax.LineWidth = 1.0; % 坐标轴线宽 ax.FontSize = 11; % 坐标轴字体大小 ax.FontName = 'Arial'; % 设置字体，Arial是论文常用字体 ax.TickDir = 'out'; % 刻度朝外，更美观 % 设置坐标轴范围 xlim([0, 100]); ylim([0, 12]); % 设置刻度 xticks(0:20:100); yticks(0:2:12); % 设置坐标轴标签 xlabel('迭代次数', 'FontSize', 12, 'FontWeight', 'bold'); ylabel('误差 (Log Scale)', 'FontSize', 12, 'FontWeight', 'bold'); % 将Y轴设置为对数坐标，以便更清晰地观察误差下降（这在收敛性图中很常见） set(ax, 'YScale', 'log'); % 重新设置对数坐标下的Y轴刻度标签，使其更易读 yticks([0.01, 0.1, 1, 10]); yticklabels({'0.01', '0.1', '1', '10'}); ylim([0.008, 15]); % 调整对数坐标下的范围 %% 6. 添加网格（次要网格） grid on grid minor ax.MinorGridLineStyle = ':'; % 次要网格用点线 ax.MinorGridAlpha = 0.3; % 设置次要网格透明度 ax.GridAlpha = 0.5; % 设置主网格透明度 %% 7. 添加图例，并放置在不遮挡曲线的位置 lgd = legend('Location', 'northeast'); lgd.FontSize = 10; lgd.Box = 'on'; %% 8. 添加标题 title('三种优化算法的收敛性能对比', 'FontSize', 14, 'FontWeight', 'bold') %% 9. 高亮关键区域：标注算法A首次低于阈值的位置 idx_cross = find(error_A < threshold, 1, 'first'); if ~isempty(idx_cross) x_cross = iterations(idx_cross); y_cross = error_A(idx_cross); % 在交叉点画一个大的星号 plot(x_cross, y_cross, 'p', 'MarkerSize', 15, 'MarkerEdgeColor', 'm', ... 'MarkerFaceColor', 'm', 'HandleVisibility', 'off'); % 'HandleVisibility', 'off' 使其不出现在图例中 % 添加文本标注 text(x_cross+2, y_cross*1.5, sprintf('A在%d次迭代后收敛', x_cross), ... 'FontSize', 9, 'Color', 'm', 'BackgroundColor', [1, 0.9, 1]); end %% 10. 最后，调整图形输出设置，便于保存为高质量图片 % 设置图形渲染器，对于包含透明度和复杂标记的图，'painters' 或 'opengl' 各有利弊 % set(gcf, 'Renderer', 'painters'); hold off % 保存图形（取消注释以保存） % print('Algorithm_Comparison.png', '-dpng', '-r600'); % 保存为600DPI的PNG % saveas(gcf, 'Algorithm_Comparison.fig'); % 保存为MATLAB FIG文件，便于后续修改

这张图几乎用到了我们讨论的所有技巧：自定义线型、标记、颜色、线宽；设置了坐标轴范围、刻度、标签和字体；添加了网格、参考线和图例；使用了文本注释；甚至设置了图形窗口的物理尺寸和保存选项。它不再是简单的数据展示，而是一个完整、专业的信息传达载体。

走到这一步，你的MATLAB图表已经具备了“专业”的雏形。但这仅仅是初阶绘图的终点，也是中高阶绘图的起点。接下来，你将面对更复杂的挑战：如何绘制三维曲面、如何制作动画、如何自定义颜色映射、如何处理大规模数据可视化，以及如何将多个图形元素组合成复杂的仪表板。这些我们将在后续的篇章中继续探索。记住，好的图表是思考和设计的产物，而不仅仅是代码运行的結果。