nPerlinNoise

nperlinnoise

indexé sur PYPI - nperlinnoise

repo sur github - nperlinnoise

Docs sur ReadTheDocs -

Une mise en œuvre open source robuste de l'algorithme de bruit Perlin pour les N-dimensions dans Python.

• Une API puissante et rapide pour le bruit à n dimensions .
• Sélection des hyper-paramètres faciles d' octaves , de lacunes et de persistance ainsi que des hyper-paramètres complexes et personnalisables pour la fréquence de dimension N, la longueur d'onde , la chaîne (interpolation) et la plage .
• Comprend divers outils utiles pour la génération de bruit et pour les tâches de production de procédure telles que le gradient personnalisable, les gradients de couleur , les cours de déformation .
• Implémente le générateur PRNG personnalisé pour la dimension N et peut être facilement réglé.

Détails :

• Pile technologique :

  Statut : v0.1.4-alpha se concentrant sur tous les problèmes qui s'impliquent, suit PEP440
  Tous les packages : sorties
  Changelog
  

  Testé sur Python 3.10, Windows 10

• Travaux futurs :

  Optimisation pour le bruit d'octave
  Écriture de tests d'unité
  Écriture de documents API
  écrire des documents en attente
  Écrire ReadTheDocs
  blogueur
  Finition Docs en code gauche
  octaves dimensionnelles
  

---

Captures d'écran :

---

Dépendances

• Python>=3.10.0

Pour les dépendances de production, voir les exigences
Pour les dépendances en développement

Installation

$ pip install nPerlinNoise

Pour des instructions détaillées sur l'installation, voir l'installation.

Usage

Installation

Remarque: Si le package n'est pas importé, essayez import NPerlinNoise as nPN Reportez-vous # 24

>>> import nPerlinNoise as nPN
>>> noise = nPN.Noise( seed = 69420 )

Utilisation de base

Obtenez des valeurs de bruit à des coordonnées en n dimensions données en appelant noise(...) ,
Les coordonnées peuvent être une seule valeur, ou une

• valeur unique

  bruit (..., l, m, n, ...)
  où l, m, n, ..., sont des valeurs uniques

  >>> noise( 73 )
  array(0.5207113, dtype=float32)
  >>> noise( 73 , 11 , 7 )
  array(0.5700986, dtype=float32)
  >>> noise( 0 , 73 , 7 , 11 , 0 , 3 )
  array(0.5222712, dtype=float32)

• itérable

  Noise (...., [L1, L2, ..., LX], [M1, M2, ..., MX], [N1, N2, ..., NX], ....)
  où ...., sont itérables de dimensions homogènes et lx, mx, nx, ..., sont des valeurs uniques, la sortie sera de même forme de dimensions homogènes d'entrée

  >>> noise([ 73 , 49 ])
  array([0.52071124, 0.6402224 ], dtype=float32)
  >>> noise([ 73 , 49 ], [ 2 , 2 ])
  array([0.4563121 , 0.63378346], dtype=float32)
  >>> noise([[ 73 ], [ 49 ], [ 0 ]],
  ...       [[ 2 ], [ 2 ], [ 2 ]],
  ...       [[ 0 ], [ 1 ], [ 2 ]])
  array([[0.4563121 ],
         [0.6571784 ],
         [0.16369209]], dtype=float32)
  >>> noise([[ 1 , 2 ], [ 2 , 3 ]],
  ...       [[ 1 , 1 ], [ 1 , 1 ]],
  ...       [[ 2 , 2 ], [ 2 , 2 ]])
  array([[0.08666219, 0.09778494],
         [0.09778494, 0.14886124]], dtype=float32)

noise(..., l, m, n, ...) a les mêmes valeurs avec des dimensions de fuite ayant zéro comme coordonnées

• N-dimensionnalité

  bruit (..., l, m, n) = bruit (..., l, m, n, 0) = bruit (..., l, m, n, 0, 0) = bruit (..., l, m, n, 0, 0, ...)

  >>> noise( 73 )
  array(0.5207113, dtype=float32)
  >>> noise( 73 , 0 )
  array(0.5207113, dtype=float32)
  >>> noise( 73 , 0 , 0 )
  array(0.5207113, dtype=float32)
  >>> noise( 73 , 0 , 0 , 0 , 0 )
  array(0.5207113, dtype=float32)

Le mode grille permet de calculer le bruit pour chaque combinaison de coords
Utiliser noise(..., gridMode=True) GridMode est un argument de clé de clé uniquement, par défaut = false
La sortie sera de forme égale à la ou aux coordonnées de cet ordre

• moode de grille

  >>> noise([ 73 , 49 ], [ 2 , 2 ], [ 0 , 1 ], gridMode = True )
  array([[[0.4563121 , 0.63378346],
          [0.4563121 , 0.63378346]],
  
         [[0.44594935, 0.6571784 ],
          [0.44594935, 0.6571784 ]]], dtype=float32)
  >>> noise([ 1 , 20 , 32 , 64 ], [ 1 , 1 , 2 ], 0 , [ 1 , 2 ], gridMode = True )
  array([[[[0.06459193, 0.5110498 , 0.669962  , 0.47636804],
           [0.06459193, 0.5110498 , 0.669962  , 0.47636804],
           [0.09864856, 0.5013973 , 0.62935597, 0.47954425]]],
  
  
         [[[0.07678645, 0.50853723, 0.6778991 , 0.4679888 ],
           [0.07678645, 0.50853723, 0.6778991 , 0.4679888 ],
           [0.14069612, 0.47582665, 0.6663638 , 0.48764956]]]],
        dtype=float32)

Pour une utilisation détaillée, voir l'exemple

API

• Docs en suspens

Comment tester le logiciel

• Pour tester la cohérence logique, exécutez TestLogic
• Pour tester le profil d'analyse comparative d'exécution de TestProfile
• Pour tester les visuels, exécutez les testsvisuaux
• Pour tester les couleurs, exécutez TestCol

Pour voir tous les tests, voir les tests

Problèmes connus

• No Known Bugs
• NPerlin.findBounds is bottleneck
• noise(a, b, c, d, e, f, ...) is slow for single value coordinates

Obtenir de l'aide

• Vérifiez main.py pour une utilisation détaillée
• Vérifiez les documents pour toutes les documentations
• Vérifier la section d'utilisation

Si vous avez des questions, des préoccupations, des rapports de bogues, etc., veuillez déposer un problème dans le tracker de numéro de ce référentiel ou ouvrir une discussion dans la section de discussion de ce référentiel.

S'impliquer

• Looking for Contributors for feature additions
• Looking for Contributors for optimization n ° 11
• Looking for Contributors for unit testing # 12
• Looking for Contributors for ReadTheDocs # 13
• Looking for Contributors for WebApp # 14
• Looking for Contributors for API docs # 15
• Fourk le référentiel et émettez un RP pour contribuer

Instructions générales sur la façon de contribuer à la contribution et au code de conduite

---

Informations sur les licences open source

1. TERMES
2. LICENCE
3. Politique de code source CFPB

---

Crédits et références

1. Inspiré du train de codage -> Perlin Noise
2. La fonction de hachage par xxhash a inspiré l'algo RAND3 et a finalement aidé pour O (1) complexité temporelle générateur aléatoire NPRNG n-dimensionnel
3. Stackoverflow pour avoir aidé à diverses occasions tout au long du développement
4. vnoise et opensimplex pour les idées pour readme.md
5. Docs dérivé de l'open-source-project-template
6. Aide d'emballage de Realpython

HEUPTENER :

Amith M

Contributeurs :

Shravan Revanna