Enquanto investigava o funcionamento interno do ruído perlin, eu me perguntava por que alguém usaria o ruído perlin em vez do simples ruído de valor. Tanto quanto eu entendi direito, o seguinte se aplica:
O ruído Perlin é uma função de ruído baseada em treliça, que atribui um gradiente n-dimensional (aleatório para a implementação original, fixo para a implementação aprimorada) para cada ponto no espaço de ruído subjacente. Agora você pode consultar um valor para cada ponto no espaço calculando o produto escalar entre o vetor de distância e o vetor de gradiente. Depois disso, você calcula a média de todos os valores calculados e obtém o valor consultado.
Mas o ruído de valor não é o mesmo sem o uso de vetores de gradiente, mas valores aleatórios? Como eu também interpolo entre os valores no ruído de valor, não vejo nenhum benefício usando uma etapa de cálculo adicional (o produto escalar) no ruído perlin.
Então, por que eu usaria ruído perlin em vez de ruído de valor? Por que o ruído perlin é tão popular?
Respostas:
O benefício do ruído perlin é a distribuição geral de frequências. Como o ruído de valor usa valores simples que são interpolados, há uma chance maior de que uma linha de vários valores seja um pouco diferente. A conseqüência é que algumas regiões da sua imagem podem conter pequenas alterações e algumas regiões muitas alterações.
Ao usar gradientes, você reduz esse efeito porque a interpolação não é feita por valor, mas calculada entre tangentes. Agora é mais difícil ter uma curva plana (ambas as tangentes devem ser colineares).
Fonte: Como observado por Martin Ender a questão já foi publicado em uma comunidade Stackexchange diferente: veja este post Math.SE .
fonte