当前位置: 首页 > article >正文

Unity Shader 梯度噪声 vs 值噪声

▦值噪声Value Noise插值随机标量值生成速度快但有明显块状感和人工痕迹适合低端设备或不需要高视觉质量的大面积纹理。◈梯度噪声Perlin Noise基于随机梯度方向插值各向同性更均匀平滑自然无方向性伪像是程序化纹理的首选基础函数。◇Simplex 噪声Simplex Noise利用单形网格减少顶点数量3D 下性能优于 Perlin 50%无任何方向性伪像适合高质量实时渲染。核心原理对比值噪声 (Value Noise)值噪声是最基础的程序化噪声实现。在整数网格顶点上生成随机标量值然后通过双线性 Hermite 插值在顶点之间平滑过渡。这种方法计算极快但相邻采样点之间的过渡往往显得生硬产生明显的块状视觉感受。// 值噪声实现 // 步骤1: 定义 hash 函数 (sin-free) float hash12(vec2 p) { vec3 p3 fract(vec3(p.xyx) * 0.1031); p3 dot(p3, p3.yzx 33.33); return fract((p3.x p3.y) * p3.z); } // 步骤2: 双线性 Hermite 插值 float valueNoise(vec2 p) { // 取整与小数分离 vec2 i floor(p); vec2 f fract(p); // Hermite 平滑: f*f*(3-2f) f f * f * (3.0 - 2.0 * f); // 步骤3: 获取4个顶点随机值 float a hash12(i vec2(0.0, 0.0)); float b hash12(i vec2(1.0, 0.0)); float c hash12(i vec2(0.0, 1.0)); float d hash12(i vec2(1.0, 1.0)); // 步骤4: 双线性插值混合 return mix(mix(a, b, f.x), mix(c, d, f.x), f.y); }梯度噪声 (Perlin Noise)Perlin 噪声在每个网格顶点定义一个随机梯度方向然后在晶格点之间使用梯度与位置向量的点积进行插值。这种方法确保了噪声在各方向上具有相同的统计特性各向同性避免了值噪声的块状感和方向性伪影。// Perlin 梯度噪声实现 // 梯度向量 hash vec2 hash22(vec2 p) { vec3 p3 fract(vec3(p.xyx) * vec3(.1031, .1030, .0973)); p3 dot(p3, p3.yzx 33.33); return -1.0 2.0 * fract((p3.xx p3.yz) * p3.zy); } float perlinNoise(vec2 p) { vec2 i floor(p); vec2 f fract(p); f f * f * (3.0 - 2.0 * f); // Hermite // 每个顶点存储随机梯度方向 vec2 g00 hash22(i vec2(0.0, 0.0)); vec2 g10 hash22(i vec2(1.0, 0.0)); vec2 g01 hash22(i vec2(0.0, 1.0)); vec2 g11 hash22(i vec2(1.0, 1.0)); // 计算到各顶点的梯度点积 float n00 dot(g00, f - vec2(0.0, 0.0)); float n10 dot(g10, f - vec2(1.0, 0.0)); float n01 dot(g01, f - vec2(0.0, 1.0)); float n11 dot(g11, f - vec2(1.0, 1.0)); // 插值 (输出范围 [-1, 1]) return 0.5 0.5 * mix( mix(n00, n10, f.x), mix(n01, n11, f.x), f.y); }Simplex 噪声Simplex 噪声是对 Perlin 噪声的改进使用单形simplex网格而非方形网格。在 2D 中使用三角形网格3D 中使用四面体网格。这使得每个采样点只需要 3-4 个周围顶点参与计算相比 Perlin 的 4-8 个顶点减少了计算量且完全消除了轴对齐的视觉伪像。// Simplex 噪声实现 // 2D: 使用三角形网格 (非方形) float simplexNoise(vec2 p) { const float K1 0.366025404; // (sqrt(3)-1)/2 const float K2 0.211324865; // (3-sqrt(3))/6 // 偏斜变换到单形网格 vec2 i floor(p (p.x p.y) * K1); vec2 a p - i (i.x i.y) * K2; // 确定下半三角形 vec2 o (a.x a.y) ? vec2(1.0, 0.0) : vec2(0.0, 1.0); vec2 b a - o K2; // 第二近顶点 vec2 c a - 1.0 2.0 * K2; // 对角顶点 // h^4 核函数权重 vec3 h max(0.5 - vec3( dot(a, a), dot(b, b), dot(c, c)), 0.0); h h * h * h * h; // 梯度点积加权求和 (仅3个顶点) vec3 n h * vec3( dot(a, hash22(i 0.0)), dot(b, hash22(i o)), dot(c, hash22(i 1.0)) ); return dot(n, vec3(70.0)) * 0.5 0.5; }性能与特性对比特性值噪声Perlin 噪声Simplex 噪声插值方式双线性 Hermite梯度点积 平滑插值单形网格 h4 核函数网格类型方形晶格方形晶格三角形/四面体晶格采样点数4 个顶点4 个顶点3 个顶点 (2D) / 4 个 (3D)2D 性能5/54/54/53D 性能5/53/55/5各向同性明显块状良好优秀方向伪影严重轻微轴对齐无Unity URP 适用地形大型基底程序化纹理高质量体积渲染Unity URP 应用场景选择指南根据需求匹配最佳噪声类型地形系统大型地形基底使用值噪声节省性能FBM 叠加 Perlin 增加细节层次☁体积云/雾3D Simplex 噪声提供最佳性能与视觉平衡避免体积渲染中的方向伪影火焰/熔岩Ridged FBM 结合 Perlin 梯度噪声生成锐利脊线模拟自然裂痕纹理URP 实践建议在 URP Shader 中使用噪声时优先考虑 Simplex 噪声处理 3D 数据体积、粒子2D 程序化纹理可使用 Perlin 噪声。对于超大规模地形等性能敏感场景值噪声FBM 组合仍是务实选择。URP Shader 示例URP ShaderLibrary 使用在 URP 的 ShaderLibrary 中已内置常用噪声函数可以直接引用// URP ShaderLibrary 使用 #include Packages/com.unity.render-pipelines.core/ ShaderLibrary/Common.hlsl // 内置噪声函数 float noise SAMPLE_TEXTURE2D( _NoiseTex, // 噪声纹理 sampler_NoiseTex, uv ).r; // 自定义实现 (推荐用于程序化需求) float3 PerlinNoise(float2 p, float2 offset) { return PBR.ProceduralCommons.PerlinNoise2D(p offset); } // Shader Graph 自定义节点 // 在 Shader Graph 中添加 Custom Function Node // 输出类型: Fragment // 函数名: PerlinFBM // 输入: UV (float2) // 输出: Out (float3) // Body: // float3 n PerlinNoise(uv * 4.0, float2(0.0)); // n 0.5 * PerlinNoise(uv * 8.0, float2(3.2)); // n 0.25 * PerlinNoise(uv * 16.0, float2(7.1)); // Out n * 0.5 0.5;常见误区很多开发者忽略了噪声的视觉差异直接导致最终质感下降。例如在角色皮肤纹理上使用值噪声会产生明显的塑料感而在地形远景使用 Simplex 则浪费了不必要的性能。根据不同距离和材质特性选择合适的噪声类型是提升视觉质量同时控制成本的关键。

相关文章:

Unity Shader 梯度噪声 vs 值噪声

▦值噪声Value Noise插值随机标量值,生成速度快但有明显块状感和人工痕迹,适合低端设备或不需要高视觉质量的大面积纹理。◈梯度噪声Perlin Noise基于随机梯度方向插值,各向同性更均匀,平滑自然无方向性伪像,是程序化纹…...

LeagueAkari:英雄联盟客户端全能工具箱,5大核心功能提升游戏效率

LeagueAkari:英雄联盟客户端全能工具箱,5大核心功能提升游戏效率 【免费下载链接】League-Toolkit An all-in-one toolkit for LeagueClient. Gathering power 🚀. 项目地址: https://gitcode.com/gh_mirrors/le/League-Toolkit Leagu…...

英雄联盟客户端效率工具League Akari:从手动操作到智能辅助的全面升级

英雄联盟客户端效率工具League Akari:从手动操作到智能辅助的全面升级 【免费下载链接】League-Toolkit An all-in-one toolkit for LeagueClient. Gathering power 🚀. 项目地址: https://gitcode.com/gh_mirrors/le/League-Toolkit League Akar…...

3大核心功能+5步快速上手:WeReader让微信读书笔记效率翻倍

3大核心功能5步快速上手:WeReader让微信读书笔记效率翻倍 【免费下载链接】wereader 一个浏览器扩展:主要用于微信读书做笔记,对常使用 Markdown 做笔记的读者比较有帮助。 项目地址: https://gitcode.com/gh_mirrors/wer/wereader 你…...

Vue3 + AntV X6 实战:从零封装一个可拖拽连线的关系图组件(附完整代码)

Vue3 AntV X6 实战:封装高可定制的关系图组件 在复杂业务系统中,可视化关系图谱正成为不可或缺的交互界面。本文将带你从零构建一个生产级的关系图组件,基于Vue3和AntV X6实现节点拖拽、动态连线、自动布局等核心功能,最终封装成…...

MyBatis SQL日志打印不出来?手把手教你排查Log4j2配置文件路径与优先级问题

MyBatis SQL日志打印失效?全方位排查Log4j2配置疑难杂症 刚接手一个遗留项目,明明在pom.xml里引入了log4j2依赖,MyBatis的SQL日志却像人间蒸发了一样。这场景是不是很熟悉?别急着怀疑人生,今天我们就用"刑侦思维&…...

从洗发水销量预测看LSTM过拟合:Keras中Dropout与recurrent_dropout的调参避坑指南

LSTM时间序列预测实战:洗发水销量预测中的Dropout调参艺术 1. 时间序列预测的挑战与LSTM优势 时间序列数据预测一直是机器学习领域最具挑战性的任务之一。与传统的表格数据不同,时间序列数据具有明显的时间依赖性,前后观测值之间存在复杂的非…...

不只是游戏:双路E5服务器直通GTX1060后,我拿它干了这些事

双路E5服务器直通GTX1060后的创意实践指南 当双路E5服务器遇上GTX1060显卡直通,技术爱好者们往往止步于"如何实现"的层面。但真正的乐趣始于直通成功后的那一刻——这台性能怪兽能为你打开多少扇创意之门?本文将带你探索三个突破常规的应用场景…...

别再调包了!手把手教你用Python封装一个万能分类模型评估函数(含10大模型对比)

从零构建Python分类模型评估工具箱:10大算法对比实战 每次完成分类模型训练后,你是否厌倦了反复调用sklearn.metrics计算各种指标?本文将带你从工程化角度,打造一个可复用的评估工具箱,并实战对比逻辑回归、XGBoost等1…...

多维度拆透渲染引擎 第三篇【维度:内部结构】渲染引擎之内 —— 核心模块全景拆解

第三篇【维度:内部结构】渲染引擎之内 —— 核心模块全景拆解读完此篇你将理解:渲染前端/后端的分野、七大核心模块各自的职责、灰色地带的归属判断逻辑、渲染引擎与外部子系统的接口设计原则。 本篇与第四篇、第八篇的关系:本篇回答"渲…...

别再死记硬背NFA转DFA的算法了!用Python手写一个转换器,理解更透彻

用Python实现NFA到DFA转换:从理论到代码的实战指南 第一次接触NFA转DFA算法时,我被那些抽象的状态集合和ε闭包概念弄得晕头转向。直到有一天,我决定用Python把这些理论变成可运行的代码,一切突然变得清晰起来。这篇文章将带你用不…...

别再只用IoU了!目标检测模型调参时,如何根据你的数据集选择最合适的损失函数?

目标检测损失函数实战指南:如何为你的数据集定制最优方案 在目标检测任务中,损失函数的选择往往决定了模型的最终表现。面对琳琅满目的IoU变体——从基础的IoU到GIOU、DIOU、CIOU,再到最新的EIOU和SIOU,开发者们常常陷入选择困难。…...

新谈设计模式 Chapter 18 — 观察者模式 Observer

Chapter 18 — 观察者模式 Observer灵魂速记:微信公众号——发了文章自动推送给所有关注者,取关了就收不到。秒懂类比 你关注了一个公众号。公众号发文章时,不需要知道你是谁,只需要把文章推给所有关注者。你想取关?取…...

别再死记硬背了!用一张图+三个比喻,彻底搞懂波导里的TE、TM、TEM模式

用生活化比喻破解波导模式:TE、TM、TEM的视觉化理解指南 电磁波在波导中的传播模式,是许多工程师和学生头疼的"拦路虎"。传统教材中充斥着复杂的数学公式和抽象定义,让人望而生畏。但理解这些概念其实可以像看一场足球赛一样直观—…...

深入TelephonyProvider:Android APN配置从xml到SQLite的完整加载与更新机制

Android APN配置全链路解析:从XML到SQLite的深度实现 在移动通信领域,APN(接入点名称)配置的正确性直接决定了设备能否正常接入运营商网络。作为Android系统工程师,深入理解TelephonyProvider如何管理APN配置不仅有助于…...

告别Pickle风险!用Hugging Face的safetensors安全保存你的PyTorch模型权重

告别Pickle风险:用Hugging Face的safetensors实现PyTorch模型安全部署 当你在GitHub上发现一个有趣的PyTorch模型,迫不及待想试试效果时,有没有想过那个.pth文件里可能藏着什么?去年某知名开源项目就曾发生过恶意代码通过模型权重…...

用Python玩转奥比中光Gemini Pro:从开箱到实时获取深度图与彩色图的保姆级教程

用Python玩转奥比中光Gemini Pro:从开箱到实时获取深度图与彩色图的保姆级教程 刚拿到奥比中光Gemini Pro相机的开发者们,是否迫不及待想看到它强大的深度视觉能力?本文将带你从零开始,一步步完成环境搭建、设备连接、代码调试&am…...

别再纠结用哪个库了!Python量化实战:MyTT、TA-Lib、Pandas TA三大指标库横向评测(附避坑指南)

Python量化实战:三大指标库MyTT、TA-Lib与Pandas TA的深度选型指南 当你在凌晨三点盯着屏幕,反复调试不同库的MACD指标输出时,是否想过——为什么同样的算法会有不同结果?这可能是每个量化开发者都会经历的"黑暗时刻"。…...

采取一个系统化方法来分析和处理数据_(充电桩local信息、时间、车辆状态、SOC、电流、电压等信息)之城市电动汽车充电桩数据集 数据预处理、特征工程、探索性数据分析

采取一个系统化方法来分析和处理数据_(充电桩local信息、时间、车辆状态、SOC、电流、电压等信息)之城市电动汽车充电桩数据集 数据预处理、特征工程、探索性数据分析 文章目录以下文字及代码仅供参考。1. 数据理解与准备加载原始数据合并数据2. 数据清理与特征工程数据清洗特征…...

Rusted PackFile Manager:现代化架构重构与高性能游戏模组开发技术指南

Rusted PackFile Manager:现代化架构重构与高性能游戏模组开发技术指南 【免费下载链接】rpfm Rusted PackFile Manager (RPFM) is a... reimplementation in Rust and Qt5 of PackFile Manager (PFM), one of the best modding tools for Total War Games. 项目地…...

从‘背答案’到‘真理解’:用数据增强和正则化给你的CV模型‘减肥’

从‘背答案’到‘真理解’:用数据增强和正则化给你的CV模型‘减肥’ 当你第一次训练计算机视觉模型时,可能会遇到一个令人沮丧的现象:模型在训练集上表现近乎完美,但在从未见过的测试数据上却一塌糊涂。这种"高分低能"的…...

如何使用YOLOv8训练变电站电力设备缺陷数据集 共6004张图像 有txt和yaml两种格式 表计读数异常、表计外壳破损、异物鸟巢、空中漂浮物、表盘模糊、表盘破损、绝缘子破裂、地面油污、硅胶桶变色

如何使用YOLOv8训练变电站电力设备缺陷数据集 共6004张图像 有txt和yaml两种格式 表计读数异常、表计外壳破损、异物鸟巢、空中漂浮物、表盘模糊、表盘破损、绝缘子破裂、地面油污、硅胶桶变色 添加图片注释,不超过 140 字(可选) 添加图片注释…...

ROS机器人仿真避坑:Gazebo差速插件与robot_state_publisher的TF冲突解决(附.xacro配置)

ROS机器人仿真中的TF冲突:Gazebo差速插件与robot_state_publisher的协同优化 当你在Rviz中看到机器人模型不断抖动,终端窗口不断刷出TF_REPEATED_DATA警告时,这通常意味着你的系统中存在多个TF数据发布源。这种问题在ROS机器人仿真中尤为常见…...

LilyGO T-PicoC3双MCU开发板解析与IoT应用

1. LilyGO T-PicoC3开发板深度解析在嵌入式开发领域,我们经常面临一个经典难题:如何在一块板卡上同时获得强大的本地计算能力和稳定的无线连接功能?LilyGO T-PicoC3开发板给出了一个颇具创意的解决方案——将树莓派RP2040与ESP32-C3两颗明星级…...

Qt实战:5分钟搞定QTableWidget列宽自适应(附完整代码)

Qt实战:5分钟掌握QTableWidget列宽自适应技巧 刚接触Qt开发时,表格控件的布局问题总是让人头疼——要么列宽太窄显示不全内容,要么留出大片空白显得不专业。作为Qt中最常用的数据展示组件之一,QTableWidget的列宽自适应其实只需要…...

百度网盘限速破解终极指南:使用baidu-wangpan-parse实现满速下载

百度网盘限速破解终极指南:使用baidu-wangpan-parse实现满速下载 【免费下载链接】baidu-wangpan-parse 获取百度网盘分享文件的下载地址 项目地址: https://gitcode.com/gh_mirrors/ba/baidu-wangpan-parse 你是否曾为百度网盘那令人抓狂的下载速度而烦恼&a…...

从“零拷贝”到“写合并”:深入CUDA锁页内存的三种高级用法(附代码避坑)

从“零拷贝”到“写合并”:深入CUDA锁页内存的三种高级用法(附代码避坑) 在GPU加速计算的世界里,内存管理往往是性能优化的关键战场。当开发者已经掌握了CUDA基础内存操作后,锁页内存(Page-Locked Memory&a…...

别再被‘HDR400’忽悠了!手把手教你读懂VESA DisplayHDR认证,买显示器不踩坑

别再被‘HDR400’忽悠了!手把手教你读懂VESA DisplayHDR认证,买显示器不踩坑 走进任何一家电子产品卖场或打开电商平台,显示器的宣传页上总能看到"HDR400"、"HDR600"这样的标签。这些看似专业的认证标识背后,…...

C语言学习笔记 - 4.C概述 - C的特点

本笔记基于郝斌-C语言自学入门教程整理,配套参考教材谭浩强《C程序设计(第五版)》第1章1.3节,适配VSCode C/C开发环境,核心梳理C语言的核心优势与固有缺陷,帮助建立对C语言的完整认知。一、C语言的核心优点C语言的核心竞争力集中在…...

5分钟上手UK Biobank RAP:生物医学研究的云端分析终极指南

5分钟上手UK Biobank RAP:生物医学研究的云端分析终极指南 【免费下载链接】UKB_RAP Access share reviewed code & Jupyter Notebooks for use on the UK Biobank (UKBB) Research Application Platform. Includes resources from DNAnexus webinars, online t…...