最简单的噪声函数公式解析-CSDN博客

本文链接：https://blog.csdn.net/qq_33060405/article/details/148193214

摘要

本文介绍了两种基础的噪声函数：白噪声（White Noise）和平滑噪声（Value Noise）。白噪声通过随机函数生成不连续的随机值，适合模拟雪花或静电效果。平滑噪声则通过在整数点生成随机值，并使用线性插值平滑过渡，使输出更自然。Value Noise是Perlin Noise等复杂噪声的基础思想，通过哈希函数保证结果一致性，适用于需要连续变化的场景。这两种方法为噪声生成提供了简单而有效的实现思路。

1. 最简单的噪声函数：白噪声（White Noise）

公式

最简单的噪声函数，其实就是给定一个输入 ( x )，输出一个随机值：

[
\text{noise}(x) = \text{random}()
]

这里的 (\text{random}()) 每次都返回一个0到1之间的随机数（或-1到1之间）。
这种噪声没有连续性，适合做“雪花点”、“静电”等效果。

例子

import random
def noise(x):
    return random.uniform(-1, 1)

2. 最简单的平滑噪声（Value Noise）

白噪声太“跳”，我们可以让它“平滑”一点。最简单的平滑噪声叫Value Noise，它的思想是：

先在整数点上生成随机值
在两个整数点之间，用插值平滑过渡

公式

假设 ( x ) 在 [i, i+1] 之间：

[
\text{noise}(x) = \text{lerp}(r_i, r_{i+1}, t)
]

( r_i = \text{random}(i) ) ：第i个格点的随机值
( r_{i+1} = \text{random}(i+1) ) ：下一个格点的随机值
( t = x - i ) ：x在区间内的位置
(\text{lerp}(a, b, t) = a \times (1-t) + b \times t) ：线性插值

例子

import math

def random_hash(i):
    # 用哈希代替真正的随机，保证每次输入i输出一样
    return math.sin(i * 12.9898) * 43758.5453 % 1 * 2 - 1

def lerp(a, b, t):
    return a * (1 - t) + b * t

def value_noise(x):
    i = int(math.floor(x))
    t = x - i
    a = random_hash(i)
    b = random_hash(i + 1)
    return lerp(a, b, t)