2023年3月5日 什么是噪声？如果您尝试了解程序生成中的任何内容，您一定会遇到噪声！那么，它究竟是什么？噪声不过是一组随机值。说实话，噪声的核心就是这些，但如您所猜测的，这并不简单。更技术性一点来说，噪声是一个函数。一个接受N个参数并根据某些规则（规则取决于我们所讨论的算法）生成一个值的函数。根据参数的数量，我们可以将噪声分为一维、二维、三维等。而它生成的值的范围也依赖于我们所谈论的算法。现在，对于每种类型的噪声都相信有多种用途，但在我看来，最容易处理的是二维噪声，因为实现算法时非常容易可视化。怎么做？通过纹理（图像）！一旦我们为二维建立了算法，我们可以将其推广到一维、三维等（至少大多数情况下）。好吧，那么我们如何使用噪声函数生成纹理呢？这里有一些伪代码：for ( int i = 0 ; i < image.height ; i ++ ) { for ( int j = 0 ; j < image.width ; j ++ ) { float n = noise ( ( float )j / image.width , ( float )i / image.height ); n = n / NOISE_MAX; // 在范围 [0, 1] 计算噪声 image.SetPixel (j, i, n, n, n); // 在像素 (j, i) 设置 (R, G, B) 值 } } 现在，让我们看看发生了什么。我们遍历每个像素，并将其设置为由噪声函数生成的值，输入的是 x 和 y 坐标。您可能会想，为什么我要将 x 和 y 坐标除以宽度和高度？这就是为了将它们标准化并将它们映射到 [0, 1) 范围（因为 i, j 从 0 开始，仅到 width - 1, height - 1）。为什么我们要这样做？我暂时无法回答，所以让我们先盲目跟随。将来，当我们谈论对这些噪声函数应用变换时，我们将看到如何转变这些参数以将噪声转化为我们想要的东西。但那是将来的事情。好吧，现在噪声函数呢？我们试着使用上篇文章中的 rand() 函数看看效果。float noise ( float x , float y ) { return rand (x + y); } 注意：我们在这里使用 x 和 y 坐标作为种子。输出：酷吧？不？好吧，您可以说它本身并不是很有趣，对吧？我是什么意思？所有的一切都是非常随机的，我们无法区分出任何特定的模式或特征。那么，我所说的有趣是什么意思？让我们看看，所以，现在似乎更有趣一些，对吧？因为您现在可以区分出一些特征或模式，但事情本身还是相当随机，对吧？这被称为一致噪声。它是我们之前使用 rand() 的噪声函数的光滑版本（伪随机噪声函数）。一致噪声函数有一些基本属性：传入相同的输入值将始终返回相同的输出值（几乎所有噪声算法都是如此） 输入值的微小变化将导致输出值的微小变化 输入值的大变化将导致输出值的随机变化 Perlin噪声算法 好吧，有几种算法用于生成一致噪声，我们将逐一介绍它们。但毫无疑问，最著名的噪声算法是Perlin噪声。引用维基百科的一些历史，Ken Perlin在1983年开发了Perlin噪声，这是由于他对当时计算机生成图像（CGI）“机械式”外观的沮丧。他在1985年的SIGGRAPH论文《图像合成器》中正式描述了他的发现。他在为迪士尼的计算机动画科幻电影《创》（1982年）工作后开发了该算法。1997年，Perlin因创建该算法而获得了技术成就的奥斯卡奖。 注意：这篇文章中Perlin噪声算法的实现来自这里 好吧，进入算法。所以，我们知道噪声函数的输入将是二维平面上的两个数字。所以，从上面的图表可以看到，二维平面中的每个点都在一个方形内，该方形的角落坐标是最接近该点坐标的整数。我们可以使用以下方式轻松获取方形的四个角坐标：我们将点设为 P=(x,y)P = (x, y) 现在，方形的角坐标为：P0=(floor(x),floor(y))P_0 = (floor(x), floor(y)) P1=(floor(x),floor(y)+1)P_1 = (floor(x), floor(y) + 1) P2=(floor(x)+1,floor(y))P_2 = (floor(x) + 1, floor(y)) P3=(floor(x)+1,floor(y)+1)P_3 = (floor(x)+1, floor(y)+1) 现在Perlin算法表示，对于这四个点中的每一个，我们都有一个随机的预计算单位向量。现在我们计算从这四个点到当前输入点P的向量。现在我们有4对向量（一个是预计算的