nPerlinNoise

nperlinnoise

Diindeks pada pypi - nperlinnoise

Repo di github - nperlinnoise

Dokumen di readthedocs -

Implementasi open source yang kuat dari algoritma kebisingan Perlin untuk dimensi N di Python.

• API yang kuat dan cepat untuk kebisingan N-dimensi .
• Pemilihan Octaves , Lakunaritas , dan Kegigihan Hyper-Parameter yang mudah serta hyper-parameter yang kompleks dan dapat disesuaikan untuk frekuensi N-dimensi, panjang gelombang , warp (interpolasi) dan jangkauan .
• Termasuk berbagai alat bermanfaat untuk pembuatan kebisingan dan untuk tugas pembuatan prosedural seperti gradien yang dapat disesuaikan, gradien warna , kelas warp .
• Menerapkan generator PRNG khusus untuk dimensi N dan dapat dengan mudah disetel.

Detail :

• Tumpukan Teknologi :

  Status : v0.1.4-alpha yang berfokus pada semua masalah yang terlibat, mengikuti PEP440
  Semua paket : rilis
  Changelog
  

  Diuji pada Python 3.10, Windows 10

• Pekerjaan di masa depan :

  Optimalisasi untuk kebisingan oktaf
  Tes unit menulis
  Menulis API Docs
  Menulis dokumen yang tertunda
  Menulis readthedocs
  Blogging
  finishing dokumen dalam kode kiri
  oktaf dimensi
  

---

Tangkapan layar :

---

Dependensi

• Python>=3.10.0

Untuk dependensi produksi, lihat persyaratan
Untuk dependensi pembangunan, lihat Perjanjian Dev

Instalasi

$ pip install nPerlinNoise

Untuk instruksi terperinci tentang instalasi, lihat Instalasi.

Penggunaan

Pengaturan

Catatan: Jika paket tidak diimpor, coba import NPerlinNoise as nPN REFER #24

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

Penggunaan dasar

Dapatkan nilai noise pada koordinat n-dimensi yang diberikan dengan memanggil noise(...) ,
koordinat bisa berupa nilai tunggal, atau iterable

• nilai tunggal

  kebisingan (..., l, m, n, ...)
  di mana l, m, n, ..., adalah nilai tunggal

  >>> 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)

• iterable

  noise (...., [l1, l2, ..., lx], [m1, m2, ..., mx], [n1, n2, ..., nx], ....)
  di mana ...., dapat diulang dengan dimensi homogen dan lx, mx, nx, ..., adalah nilai tunggal output akan memiliki bentuk yang sama dari dimensi homogen input

  >>> 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, ...) memiliki nilai yang sama dengan dimensi trailing yang memiliki nol seperti koordinat

• n-dimensionalitas

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

Mode kisi memungkinkan untuk menghitung kebisingan untuk setiap kombinasi koord
Gunakan noise(..., gridMode=True) gridmode adalah argumen hanya-kata-kata, default = false
output akan berbentuk sama dengan panjang koord

• gridmode

  >>> 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)

Untuk penggunaan yang terperinci lihat contoh

API

• dokumen tertunda

Cara menguji perangkat lunak

• Untuk menguji konsistensi logis, jalankan testLogic
• Untuk menguji profil benchmarking run testprofile
• Untuk menguji visual, jalankan testvisuals
• Untuk menguji warna, jalankan testcol

untuk melihat semua tes lihat tes

Masalah yang diketahui

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

Mendapatkan bantuan

• Periksa Main.py untuk penggunaan terperinci
• Periksa dokumen untuk semua dokumentasi
• Periksa bagian penggunaan

Jika Anda memiliki pertanyaan, masalah, laporan bug, dll. Silakan ajukan masalah di pelacak masalah repositori ini atau buka diskusi di bagian diskusi repositori ini.

Terlibat

• Looking for Contributors for feature additions
• Looking for Contributors for optimization #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
• Membayar repositori dan mengeluarkan PR untuk berkontribusi

Instruksi umum tentang cara berkontribusi dan kode etik

---

Info lisensi open source

1. KETENTUAN
2. LISENSI
3. Kebijakan Kode Sumber CFPB

---

Kredit dan referensi

1. Terinspirasi dari kereta pengkodean -> kebisingan Perlin
2. Fungsi hash oleh xxhash menginspirasi algo rand3 dan akhirnya membantu untuk o (1) kompleksitas waktu n-dimensi generator acak nprng
3. Stackoverflow untuk membantu di berbagai kesempatan sepanjang pengembangan
4. vnoise dan openSimplex untuk ide untuk readme.md
5. turunan dokumen dari open-source-project-template
6. Bantuan Pengemasan dari RealPython

Pemelihara :

Amith m

Kontributor :

Shravan Revanna