Question

我想把3D Perlin噪声算法调整到较低的维度, 但我对梯度功能有问题, 因为我不完全理解推理。

原始 Perlin 梯度函数需要四个参数: < code> hash 和三维坐标 < code> (x, y, z) 。函数的结果根据以下所列 hash mod 16 的值返回。

0: x + y
1: -x + y
2: x - y
3: -x - y
4: x + z
5: -x + z
6: x - z
7: -x - z
8: y + z
9: -y + z
10: y - z
11: -y - z
12: y + x
13: -y + z
14: y - x
15: -y - z

从 0 到 11 的返回值是一种模式, 因为每个组合都代表一次。但是最后四个是重复的。为什么选择它们来匹配最后四个返回值? 具有两个 (x, y) 和一个 (x) 维度的 aralgous 案例会是什么?

Answer 1

. 迟答复比不回答好吗?-)

“改良噪音”实施中的grad函数计算矢量 x、y、z 和假随机梯度矢量之间的点产值。

In this implementation, the gradient vector is selected from 12 options. They drop uniformity of the selection and add numbers 12 to 15, because it is faster to do hash & 15 than hash % 12

对于2D每端噪音来说,我只使用了4个梯度矢量,没有任何明显的问题,例如:

return ((hash & 1) ? x : -x) + ((hash & 2) ? y : -y);

友情链接