Gradientenbasierte Rauschfunktionen und Perlin Noise - Campus ...
Gradientenbasierte Rauschfunktionen und Perlin Noise - Campus ...
Gradientenbasierte Rauschfunktionen und Perlin Noise - Campus ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Burger: <strong>Gradientenbasierte</strong> <strong>Rauschfunktionen</strong> <strong>und</strong> <strong>Perlin</strong> <strong>Noise</strong> 37<br />
S HashIntWard() HashIntShift() HashIntShiftMult()<br />
0<br />
1<br />
2<br />
Abbildung 16: Beispiele für 2D <strong>Noise</strong>funktionen, die jeweils mit der selben<br />
Hash-Funktion aber unterschiedlichen Seed-Werten S = 0,1,2 erzeugt<br />
wurden. Die <strong>Noise</strong>-Parameter sind für alle Beispiele identisch mit p = 0.5,<br />
fmin = 0.01, fmax = 0.5 (6 Oktaven mit Frequenzen fi = 0.01, 0.02, 0.04,<br />
0.08, 0.16, 0.32 <strong>und</strong> Amplituden ai = 1.0, 0.5, 0.25, 0.125, 0.0625, 0.03125).<br />
berücksichtigen oder – als Alternative – die Perputationstabelle P auf Basis<br />
von S jeweils neu berechnen. Natürlich kann der Wert von S auch mit<br />
einem üblichen Zufallsgenerator bestimmt werden, um völlige „Zufälligkeit“<br />
zu erreichen.