Python 噪声库中的 Perlin 噪声答案

【问题标题】：Perlin noise in Python's noise libraryPython 噪声库中的 Perlin 噪声
【发布时间】：2020-06-06 14:07:38
【问题描述】：

我在为我的项目生成 Perlin 噪音时遇到问题。由于我想了解如何正确使用库，因此我尝试逐步遵循此页面：https://medium.com/@yvanscher/playing-with-perlin-noise-generating-realistic-archipelagos-b59f004d8401 第一部分有代码：

import noise
import numpy as np
from scipy.misc import toimage

shape = (1024,1024)
scale = 100.0
octaves = 6
persistence = 0.5
lacunarity = 2.0

world = np.zeros(shape)
for i in range(shape[0]):
    for j in range(shape[1]):
        world[i][j] = noise.pnoise2(i/scale, 
                                    j/scale, 
                                    octaves=octaves, 
                                    persistence=persistence, 
                                    lacunarity=lacunarity, 
                                    repeatx=1024, 
                                    repeaty=1024, 
                                    base=0)

toimage(world).show()

我在最后复制并粘贴了一些小改动（toimage 已过时），所以我有：

import noise
import numpy as np
from PIL import Image

shape = (1024,1024)
scale = 100
octaves = 6
persistence = 0.5
lacunarity = 2.0
seed = np.random.randint(0,100)

world = np.zeros(shape)
for i in range(shape[0]):
    for j in range(shape[1]):
        world[i][j] = noise.pnoise2(i/scale,
                                    j/scale,
                                    octaves=octaves,
                                    persistence=persistence,
                                    lacunarity=lacunarity,
                                    repeatx=1024,
                                    repeaty=1024,
                                    base=seed)

Image.fromarray(world, mode='L').show()

我尝试了很多不同的模式，但这种噪声甚至不接近相干噪声。我的结果类似于this (mode='L')。有人可以解释一下，我做错了什么吗？

【问题讨论】：

标签： python noise perlin-noise

【解决方案1】：

这是工作代码。我冒昧地清理了一下。有关详细信息，请参阅 cmets。作为最后的建议：在测试代码时，使用 matplotlib 进行可视化。它的imshow() 功能比PIL 更强大。

import noise
import numpy as np
from PIL import Image

shape = (1024,1024)
scale = .5
octaves = 6
persistence = 0.5
lacunarity = 2.0
seed = np.random.randint(0,100)

world = np.zeros(shape)

# make coordinate grid on [0,1]^2
x_idx = np.linspace(0, 1, shape[0])
y_idx = np.linspace(0, 1, shape[1])
world_x, world_y = np.meshgrid(x_idx, y_idx)

# apply perlin noise, instead of np.vectorize, consider using itertools.starmap()
world = np.vectorize(noise.pnoise2)(world_x/scale,
                        world_y/scale,
                        octaves=octaves,
                        persistence=persistence,
                        lacunarity=lacunarity,
                        repeatx=1024,
                        repeaty=1024,
                        base=seed)

# here was the error: one needs to normalize the image first. Could be done without copying the array, though
img = np.floor((world + .5) * 255).astype(np.uint8) # <- Normalize world first
Image.fromarray(img, mode='L').show()

【讨论】：

【解决方案2】：

如果有人追我，你应该使用噪音库进行标准化

img = np.floor((world + 1) * 127).astype(np.uint8)

这样就不会出现任何与应有的颜色相反的异常点。

【讨论】：