lợi ích của nhiễu perlin so với nhiễu giá trị


14

Trong khi điều tra hoạt động bên trong của nhiễu perlin, tôi tự hỏi tại sao người ta sẽ sử dụng nhiễu perlin thay vì nhiễu giá trị đơn giản. Theo tôi hiểu đúng, áp dụng như sau:

Tiếng ồn Perlin là một hàm nhiễu dựa trên mạng tinh thể, chỉ định độ dốc n chiều (ngẫu nhiên cho việc triển khai ban đầu, được cố định cho mức được cải thiện) cho mọi điểm trong không gian nhiễu bên dưới. Bây giờ bạn có thể truy vấn một giá trị cho mọi điểm trong không gian bằng cách tính toán sản phẩm chấm giữa vectơ khoảng cách và vectơ gradient. Sau đó, bạn tính trung bình tất cả các giá trị được tính toán và nhận giá trị truy vấn.

Nhưng không phải loại nhiễu giá trị giống nhau mà không sử dụng vectơ gradient mà là giá trị ngẫu nhiên? Vì tôi cũng nội suy giữa các giá trị trong nhiễu giá trị, tôi không thể thấy bất kỳ lợi ích nào bằng cách sử dụng bước tính toán bổ sung (sản phẩm chấm) trong nhiễu perlin.

Vậy tại sao tôi lại sử dụng nhiễu perlin thay vì nhiễu giá trị? Tại sao tiếng ồn perlin rất phổ biến?


Câu trả lời:


10

Lợi ích của nhiễu perlin là phân phối tổng thể tần số. Vì nhiễu giá trị sử dụng các giá trị đơn giản được nội suy, nên có nhiều khả năng, rằng một hàng gồm nhiều giá trị chỉ khác nhau một chút. Hậu quả là, một số vùng trong ảnh của bạn có thể chứa ít thay đổi và một số vùng có rất nhiều thay đổi.

Bằng cách sử dụng độ dốc, bạn sẽ giảm hiệu ứng này vì phép nội suy không được thực hiện theo giá trị mà thay vào đó được tính giữa các tiếp tuyến. Bây giờ khó có đường cong phẳng hơn (cả hai tiếp tuyến phải thẳng hàng).

tiếng ồn perlin so với tiếng ồn giá trị

Nguồn: Theo ghi nhận của Martin Ender, câu hỏi đã được đăng trên một cộng đồng StackExchange khác: xem bài đăng Math.SE này .

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.