nPerlinNoise

nperlinnoise

indexado em Pypi - nperlinnoise

repo no Github - nperlinnoise

documentos em readthedocs -

Uma implementação robusta de código aberto do algoritmo de ruído perlin para dimensões N em Python.

• Uma API poderosa e rápida para o ruído n-dimensional .
• Seleção fácil de hiper-parâmetros de oitavas , lacunaridade e persistência , bem como hiper-parâmetros complexos e personalizáveis ​​para frequência de dimensão N, comprimento de onda , Warp (interpolação) e alcance .
• Inclui várias ferramentas úteis para geração de ruído e para tarefas de geração processual, como gradiente personalizável, gradientes de cores e aulas de urdidura .
• Implementa o gerador PRNG personalizado para N-Dimension e pode ser facilmente ajustado.

Detalhes :

• Pilha de tecnologia :

  Status : v0.1.4-alpha com foco em todas as questões que se envolvem, segue o pep440
  Todos os pacotes : lançamentos
  Changelog
  

  Testado no Python 3.10, Windows 10

• Trabalho futuro :

  Otimização para ruído de oitava
  Escrevendo testes de unidade
  Escrevendo documentos da API
  Escrevendo documentos pendentes
  escrevendo readthedocs
  blogs
  Terminando os documentos de código esquerdo
  oitavas dimensionais
  

---

Capturas de tela :

---

Dependências

• Python>=3.10.0

Para dependências de produção, consulte os requisitos
Para dependências de desenvolvimento, consulte os requisitos de dev

Instalação

$ pip install nPerlinNoise

Para obter instruções detalhadas sobre a instalação, consulte a instalação.

Uso

Configurar

Nota: Se o pacote não estiver sendo importado, tente import NPerlinNoise as nPN consulte #24

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

Uso básico

Obtenha valores de ruído em dadas as coordenadas n-dimensionais chamando noise(...) ,
as coordenadas podem ser um valor único, ou um iterável

• valor único

  ruído (..., l, m, n, ...)
  onde l, m, n, ..., são valores únicos

  >>> 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)

• iterável

  Ruído (...., [L1, L2, ..., LX], [M1, M2, ..., MX], [n1, n2, ..., nx], ....)
  Onde ...., é iterável de dimensões homogêneas e LX, MX, NX, ..., são valores únicos que a saída será da mesma forma de entrada de dimensões homogêneas

  >>> 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, ...) tem os mesmos valores com dimensões à direita, sem zero como coordenada

• N-Dimensionalidade

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

O modo de grade permite a computação de ruído para todas as combinações de coordas
Use noise(..., gridMode=True) GridMode é apenas argumento da palavra-chave, padrão = false
A saída será de forma igual ao (s) comprimento (s) de coordenados nessa ordem

• 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)

Para uso detalhado, consulte o exemplo

API

• documentos pendentes

Como testar o software

• Para testar a consistência lógica, execute testlogic
• Para testar o benchmarking de perfil, execute o testprofile
• Para testar os visuais, execute testVisuais
• Para testar as cores, execute testcol

Para ver todos os testes, consulte os testes

Questões conhecidas

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

Obtendo ajuda

• Verifique main.py para uso detalhado
• Verifique os documentos para todas as documentações
• Verifique a seção de uso

Se você tiver dúvidas, preocupações, relatórios de bug etc., registre um problema no rastreador de problemas deste repositório ou abra uma discussão na seção de discussão deste repositório.

Envolver -se

• Looking for Contributors for feature additions
• Looking for Contributors for optimization nº 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
• Bifurcar o repositório e emitir um PR para contribuir

Instruções gerais sobre como contribuir com contribuições e código de conduta

---

Informações de licenciamento de código aberto

1. Termos
2. LICENÇA
3. Política de código fonte do CFPB

---

Créditos e referências

1. Inspirado no trem de codificação -> ruído de perlin
2. A função de hash por xxhash inspirou o algo RAND3 e, finalmente
3. Stackoverflow para ajudar em várias ocasiões ao longo do desenvolvimento
4. vnoise e OpenSimplex para idéias para readme.md
5. Docums derivados do relógio de origem aberta
6. Ajuda de embalagem do realpython

Mantenedor :

Amith m

Colaboradores :

Shravan Revanna