Cetz绘图工具包v0.3.3版本发布:几何绘图与数学可视化新特性解析
2025-07-03 13:55:31作者:明树来
Cetz是一个基于Typst排版系统的专业绘图工具包,专注于为学术论文、技术文档提供高质量的数学图形和几何绘图功能。作为一个轻量级但功能强大的绘图解决方案,Cetz特别适合需要精确控制图形元素的科研工作者和教育工作者。
核心功能升级
1. 曲线API全面升级
本次版本最重要的更新是适配了Typst 0.13的新曲线API。这项改进使得Cetz能够利用Typst底层引擎提供的最新绘图能力,在曲线绘制方面获得更好的性能和更丰富的功能支持。对于用户而言,这意味着:
- 更流畅的贝塞尔曲线绘制体验
- 更精确的曲线控制点处理
- 与Typst核心绘图系统更好的兼容性
2. 两点式圆构造方法
几何绘图模块新增了两点构造圆的功能。传统上,构造圆需要圆心和半径,或者三个不共线的点。新版本增加了通过直径两端点直接构造圆的简便方法:
#let circle = cetz.circle(
point1: (0, 0),
point2: (2, 0),
// 可选样式参数
)
这一改进特别适合在几何证明中快速绘制已知直径的圆,或者在工程绘图中标注尺寸时使用。
实用功能增强
3. 画布背景感知绘制
新版本引入了画布背景感知功能,允许图形元素根据背景颜色自动调整显示样式。这项特性通过新增的background字段实现:
#cetz.canvas({
background: rgb("#f0f0f0"),
// 其他绘图元素
})
当设置背景色后,Cetz会自动优化线条颜色、文本对比度等视觉元素,确保在各种背景下都能获得最佳可读性。这对于需要在不同背景色上展示图形的场景特别有价值。
4. 矩阵对角线生成函数
数学工具集中新增了diag函数,用于快速生成对角矩阵:
#let m = cetz.matrix.diag((1, 2, 3))
// 生成矩阵:
// [1, 0, 0]
// [0, 2, 0]
// [0, 0, 3]
这个实用函数简化了线性代数相关图形的创建过程,特别是在绘制矩阵图或表示线性变换时非常有用。
问题修复与稳定性改进
本次发布还包含多项质量改进:
- 修复了标记样式在不完整字典情况下的显示问题,确保图形标记在各种参数组合下都能正确渲染
- 解决了几何求交运算中的除零错误,提高了复杂图形相交计算的稳定性
- 测试框架从typst-test升级为tytanic,增强了自动化测试的可靠性
应用场景与价值
Cetz v0.3.3的这些改进特别适合以下应用场景:
- 学术论文中的几何图示绘制
- 数学教材中的定理可视化
- 工程文档中的示意图标注
- 线性代数教学材料的矩阵表示
- 需要在不同背景色上保持可读性的演示文档
通过这些针对性的功能增强和问题修复,Cetz进一步巩固了其作为Typst生态中专业绘图工具的地位,为科技文档创作提供了更强大、更可靠的图形支持。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220