Noise——随机之美
本篇博文介绍图形学中噪音生成的一般方法。
Noise可以干什么?
不规则表面生成
有机体模拟
流体烟雾模拟
甚至是使用noise对灯光强度,位置做扰动:
只有我们想象不到的,没有noise不能涉猎的!
Nosie类型
White Noise
对于这样一张画布,如果我们定义一个伪随机数生成函数,输入是每个像素的坐标,输出是一个noise。便可以根据每个像素的坐标得到一个白噪音图了,值域为[0,1]。
将这个白噪音图可视化便可以得到这样一张高度图:
代码其实是很好懂的,问题是这个伪随机数生成函数是从哪里来的呢?答案可能来自这里,但是文中没有给出一个具体的解释。Anyway,其实伪随机数的生成有很多方法,我们不用太纠结于这个函数。比如下面这个就是另外一个例子:
白噪音方法生成的随机数有些混乱,像素之间并没有连续性,接下来我们看一看有没有一些更加平滑的随机数生成方式。
Value Noise
Value Nosize基于插值的思想:
具体思路是根据一个单位为1的像素方块集合,计算四个点的随机数,然后再进行双线性插值得到每个像素的Noise。
具体代码如下:
如你所见,value noise 看起来非常“块状”。为了消除这种块状的效果,在 1985 年 Ken Perlin 开发了另一种 noise 算法 Gradient Noise。
Gradient Noise(Perlin Noise)
Gradient Noise的实现思路和前面基本上是一致的,根据一个单位为1的像素Cell,随机设置四个角点的梯度向量(通过初始方向以及伪随机数生成的旋转实现),然后计算像素点位置到角点向量以及梯度向量之间的叉乘(dot),作为该点的noise值。
由于使用到了叉乘,因此Gradient Nosie相较于Value Noise时间复杂度要高一些。
Simplex Noise
是Ian McEwan在 2001 年的 Siggraph上发表的,是对Gradient Noise对改良:
- 它有着更低的计算复杂度和更少乘法计算。
- 它可以用更少的计算量达到更高的维度。
- 制造出的 noise 没有明显的人工痕迹。
- 有着定义得很精巧的连续的 gradients(梯度),可以大大降低计算成本。
- 特别易于硬件实现
不过原理相对来说比较复杂,感兴趣的读者可以参考这篇博文或者原论文。此处给出Ian McEwan, Ashima Arts大神给出的代码:
Voronoi Noise
Voronoi Noise是一个比较有意思的噪声,因为最后生成的Noise有点像是细胞的排列,我们先看一个最简单的来自The books of shader的例子:
Voronoi Noise 其实是基于了距离场(SDF)的思想,首先在空间内定义一些种子点,然后每个像素坐标都去计算自己到各个种子点的距离,并把最小值作为自己的noise,所以这也就解释了为什么上面靠近五个点的位置处是偏黑色(数值0),因为靠近种子点的地方距离较小,接近0。
如果想要定义更多的细胞,则可以使用如下的方式将空间进行切割:
// Scale
st *= 3.;
// Tile the space
vec2 i_st = floor(st);
vec2 f_st = fract(st);
然后此时对于每个像素点的Noise(还记得noisze的定义是像素点到种子点的最近距离吗)则只需要考虑其本身的种子点以及周围相邻八个种子点的位置。
Fractal Brownian Motion(分形布朗运动)
波的叠加,当我们拥有一系列不同频率和幅度的正弦函数,将他们相加时,我们可以得到一种不规则的波。
同理对于noise也遵循这个原理,下面这个函数,我们将value noise按照不同的频率叠加,最后得到了烟雾的效果,同时也可以将输入点p加上时间变量,引入动态效果。
最后,当我们理解noise的生成方式之后,我们也可以很轻松的将noise扩展到三维空间。
Code
WhiteNoise
// 伪随机数生成器
float random (vec2 st) {
return fract(sin(dot(st.xy,
vec2(12.9898,78.233)))*
43758.5453123);
} void mainImage(out vec4 fragColor, in vec2 fragcoord){
vec2 uv = (fragcoord * 2. - iResolution.xy) / iResolution.y; float noiseValue = random(uv);
vec3 col = vec3(noiseValue);
fragColor = vec4(col, 1);
}
Value Noise
#ifdef GL_ES
precision mediump float;
#endif // 伪随机数生成器
float random(vec2 st) {
return fract(sin(dot(st.xy, vec2(12.9898, 78.233))) * 43758.5453123);
} // Value Noise 函数
float valueNoise(vec2 uv) {
vec2 i = floor(uv);
vec2 f = fract(uv); // 四个角的噪声值
float a = random(i);
float b = random(i + vec2(1.0, 0.0));
float c = random(i + vec2(0.0, 1.0));
float d = random(i + vec2(1.0, 1.0)); // 插值函数
vec2 u = f * f * (3.0 - 2.0 * f); // 混合四个噪声值
return mix(a, b, u.x) + (c - a) * u.y * (1.0 - u.x) + (d - b) * u.x * u.y;
} void mainImage(out vec4 fragColor, in vec2 fragCoord) {
// 标准化坐标
vec2 uv = (fragCoord * 2.0 - iResolution.xy) / iResolution.y; // 生成 value noise
float noiseValue = valueNoise(uv * 10.0); // 调整缩放因子以改变噪声频率 // 将噪声值映射到颜色
vec3 col = vec3(noiseValue); // 输出颜色
fragColor = vec4(col, 1.0);
}Gradient Noise
#ifdef GL_ES
precision mediump float;
#endif // 伪梯度生成
vec2 random2(vec2 st){
st = vec2( dot(st,vec2(127.1,311.7)),
dot(st,vec2(269.5,183.3)) );
return -1.0 + 2.0*fract(sin(st)*43758.5453123);
} // Gradient Noise by Inigo Quilez - iq/2013
// https://www.shadertoy.com/view/XdXGW8
float perlinNoise(vec2 st) {
vec2 i = floor(st);
vec2 f = fract(st); vec2 u = f*f*(3.0-2.0*f); // 计算插值因子,使用一个三次函数平滑 // 双线性插值
return mix( mix( dot( random2(i + vec2(0.0,0.0) ), f - vec2(0.0,0.0) ),
dot( random2(i + vec2(1.0,0.0) ), f - vec2(1.0,0.0) ), u.x),
mix( dot( random2(i + vec2(0.0,1.0) ), f - vec2(0.0,1.0) ),
dot( random2(i + vec2(1.0,1.0) ), f - vec2(1.0,1.0) ), u.x), u.y);
} void mainImage(out vec4 fragColor, in vec2 fragCoord) { vec2 uv = (fragCoord * 2.0 - iResolution.xy) / iResolution.y; float noiseValue = perlinNoise(uv * 10.0); // 调整缩放因子以改变噪声频率 // 将噪声值映射到颜色
vec3 col = vec3(noiseValue * 0.5 + 0.5); // 将噪声值调整到 [0, 1] 区间 // 输出颜色
fragColor = vec4(col, 1.0);
}Simplex Noise
// Some useful functions
vec3 mod289(vec3 x) { return x - floor(x * (1.0 / 289.0)) * 289.0; }
vec2 mod289(vec2 x) { return x - floor(x * (1.0 / 289.0)) * 289.0; }
vec3 permute(vec3 x) { return mod289(((x*34.0)+1.0)*x); } //
// Description : GLSL 2D simplex noise function
// Author : Ian McEwan, Ashima Arts
// Maintainer : ijm
// Lastmod : 20110822 (ijm)
// License :
// Copyright (C) 2011 Ashima Arts. All rights reserved.
// Distributed under the MIT License. See LICENSE file.
// https://github.com/ashima/webgl-noise
//
float snoise(vec2 v) { // Precompute values for skewed triangular grid
const vec4 C = vec4(0.211324865405187,
// (3.0-sqrt(3.0))/6.0
0.366025403784439,
// 0.5*(sqrt(3.0)-1.0)
-0.577350269189626,
// -1.0 + 2.0 * C.x
0.024390243902439);
// 1.0 / 41.0 // First corner (x0)
vec2 i = floor(v + dot(v, C.yy));
vec2 x0 = v - i + dot(i, C.xx); // Other two corners (x1, x2)
vec2 i1 = vec2(0.0);
i1 = (x0.x > x0.y)? vec2(1.0, 0.0):vec2(0.0, 1.0);
vec2 x1 = x0.xy + C.xx - i1;
vec2 x2 = x0.xy + C.zz; // Do some permutations to avoid
// truncation effects in permutation
i = mod289(i);
vec3 p = permute(
permute( i.y + vec3(0.0, i1.y, 1.0))
+ i.x + vec3(0.0, i1.x, 1.0 )); vec3 m = max(0.5 - vec3(
dot(x0,x0),
dot(x1,x1),
dot(x2,x2)
), 0.0); m = m*m ;
m = m*m ; // Gradients:
// 41 pts uniformly over a line, mapped onto a diamond
// The ring size 17*17 = 289 is close to a multiple
// of 41 (41*7 = 287) vec3 x = 2.0 * fract(p * C.www) - 1.0;
vec3 h = abs(x) - 0.5;
vec3 ox = floor(x + 0.5);
vec3 a0 = x - ox; // Normalise gradients implicitly by scaling m
// Approximation of: m *= inversesqrt(a0*a0 + h*h);
m *= 1.79284291400159 - 0.85373472095314 * (a0*a0+h*h); // Compute final noise value at P
vec3 g = vec3(0.0);
g.x = a0.x * x0.x + h.x * x0.y;
g.yz = a0.yz * vec2(x1.x,x2.x) + h.yz * vec2(x1.y,x2.y);
return 130.0 * dot(m, g);
} void mainImage(out vec4 fragColor, in vec2 fragCoord) {
// 标准化坐标
vec2 st = (fragCoord * 2.0 - iResolution.xy) / iResolution.y; vec3 color = vec3(0.0); // Scale the space in order to see the function
st *= 10.; color = vec3(snoise(st)*.5+.5); // 将颜色映射到0-1 // 输出颜色
fragColor = vec4(color, 1.0);
}Voronoi Noise
vec2 random2(vec2 st){
st = vec2( dot(st,vec2(127.1,311.7)),
dot(st,vec2(269.5,183.3)) );
return -1.0 + 2.0*fract(sin(st)*43758.5453123);
} // 伪随机数生成器
float voronoi( vec2 st )
{
// Tile the space
vec2 i_st = floor(st);
vec2 f_st = fract(st); float m_dist = 1.; // minimum distance for (int y= -1; y <= 1; y++) {
for (int x= -1; x <= 1; x++) {
// Neighbor place in the grid
vec2 neighbor = vec2(float(x),float(y)); // Random position from current + neighbor place in the grid
vec2 point = random2(i_st + neighbor); // Animate the point
point = 0.5 + 0.5*sin(6.2831*point);
// point = 0.5 + 0.5*sin(iTime + 6.2831*point); // Vector between the pixel and the point
vec2 diff = neighbor + point - f_st; // Distance to the point
float dist = length(diff); // Keep the closer distance
m_dist = min(m_dist, dist);
}
}
return m_dist;
} void mainImage(out vec4 fragColor, in vec2 fragcoord){
vec2 uv = (fragcoord * 2. - iResolution.xy) / iResolution.y; float noiseValue = voronoi(uv * 4.); // 将空间切割为 4 * 4
vec3 col = vec3(noiseValue);
fragColor = vec4(col, 1);
}
Refer
https://thebookofshaders.com/11/?lan=ch (看完上面两个再看这里的代码)
Noise——随机之美的更多相关文章
- 【★】Web精彩实战之<智能迷宫>
JS精彩实战之<智能迷宫> ---宝贵编程经验分享会--- hello大家好,这里是Web云课堂,之前的一年里我们经历了Html和CSS的系统攻城,此时的你们已经是做静态(动静结 ...
- 【★】Web精彩实战之
JS精彩实战之<智能迷宫> ---宝贵编程经验分享会--- hello大家好,这里是Web云课堂,之前的一年里我们经历了Html和CSS的系统攻城,此时的你们已经是做静态(动静结 ...
- vins-mono中的imu参数设置
na:加速度计的测量噪声 nw:陀螺仪的测量噪声 nba: randow walk noise随机游走噪声 nbw:randow walk noise随机游走噪声 ba:加速度计的偏差 bw:陀螺仪的 ...
- 深度学习框架Tensorflow应用(Google工程师)
首先在这里给大家分享Google工程师亲授 Tensorflow2.0-入门到进阶教程 有需要的小伙伴可点击进入扣群下载,群内不定期的会分享资料教程,点击直达链接:https://jq.qq.com/ ...
- OpenCV图像处理与视频分析详解
1.OpenCV4环境搭建 VS2017新建一个控制台项目 配置包含目录 配置库目录 配置链接器 配置环境变量 重新启动VS2017 2.第一个图像显示程序 main.cpp #include< ...
- Python 随机(random)模块的不可预测之美
1 . 概念 1.1 真.伪随机数 大部分的计算机语言都会提供 API 生成随机数,此类 API 称为随机数生成器. 计算机可以用随机数模拟现实世界中的各种随机概率问题,没有随机生成器的编程语言不是& ...
- 【Ray Tracing The Next Week 超详解】 光线追踪2-4 Perlin noise
Preface 为了得到更好的纹理,很多人采用各种形式的柏林噪声(该命名来自于发明人 Ken Perlin) 柏林噪声是一种比较模糊的白噪声的东西:(引用书中一张图) 柏林噪声是用来生成一些看似杂乱 ...
- js 随机生成姓名、手机号、身份证号、银行卡号
开发测试的时候,经常需要填写姓名.手机号.身份证号.银行卡号,既要符合格式要求.又不能重复.大家会到网上搜各种生成器.能不能自己写一个简单的生成器呢.下面是随机生成姓名.手机号.身份证号.银行卡号的j ...
- [Machine Learning & Algorithm] 随机森林(Random Forest)
1 什么是随机森林? 作为新兴起的.高度灵活的一种机器学习算法,随机森林(Random Forest,简称RF)拥有广泛的应用前景,从市场营销到医疗保健保险,既可以用来做市场营销模拟的建模,统计客户来 ...
- 一些随机数据的生成(日期,邮箱,名字,URL,手机号,日期等等)
直接上代码 import java.text.SimpleDateFormat; import java.util.Date; import java.util.HashMap; import jav ...
随机推荐
- OpenGL ES 3.x游戏开发(上+下卷)书籍的电子版+源程序
直接附上电子书以及源代码下载链接:https://pan.baidu.com/s/1G10hw5aIi-Bc2LyktwKrdg
- Kubernetes系列(四) - Pod和Pod调度
目录 1. Pod的组成部分 2. Pod的优势 3. Pod的两种分类 3.1 普通的pod 3.2 静态pod(static pod) 4. 控制器controller的特点 4.1 Deploy ...
- 【狂神说Java】Java零基础学习笔记-Java数组
[狂神说Java]Java零基础学习笔记-Java数组 Java数组01:数组的定义 数组是相同类型数据的有序集合. 数组描述的是相同类型的若干个数据,按照一定的先后次序排列组合而成. 其中,每一个数 ...
- jdk8之stream原理及流创建、排序、转换等处理
目录 一.为什么需要 Stream 二.什么是流 三.流的分类 1.有多种方式生成 Stream Source 2.流的操作类型 四.流的创建 1.数组和集合创建流 2.基本数值型流 3.数值流的构造 ...
- VOLE+OKVS的PSI技术落地应用
学习&转载文章:技术创新〡VOLE+OKVS的PSI技术落地应用 神谱科技基于VOLE+OKVS设计了两方PSI和多方PSI协议,并已应用于Seceum系列隐私计算产品中. Seceum并无开 ...
- Pycharm:鼠标滚动控制字体大小
Pycharm字体放大的设置 1.File -> setting -> Keymap ->在搜寻框中输入:increase -> Increase Font Size(双击) ...
- TCP的“三次握手”和“四次挥手”
转载:链接1 链接2 TCP connection 客户端与服务器之间数据的发送和返回的过程当中需要创建一个叫TCP connection的东西:由于TCP不存在连接的概念,只存在请求和响应,请求和响 ...
- 搭建个人AI知识库:RAG与本地模型实践指南
引言 你是否想过拥有一个私人订制的AI助手,能够随时为你提供最个性化的信息?本文将带你一步步搭建一个基于本地模型和RAG技术的个人知识库. 搭建本地模型 环境 os: archlinux 内存: 32 ...
- 天翼云发布边缘安全加速平台AccessOne,四大产品能力助力企业安全高速发展
本文分享自天翼云开发者社区<天翼云发布边缘安全加速平台AccessOne,四大产品能力助力企业安全高速发展>,作者:天翼云社区官方账号 2023年5月30日全国科技工作者日,以" ...
- 多个tomcat启停脚本server.sh
vi server.sh #!/bin/bash export JAVA_HOME=/u01/java_home/jdk1.8.0_181 export JRE_HOME=${JAVA_HOME}/j ...