nPerlinNoise

nperlinnoise

在PYPI -NPERLINNOISE上索引

在github上的回购 - nperlinnoise

关于读取的文档 -

Perlin噪声算法的强大开源实现用于Python中的N量量。

• n维噪声的强大快速API。
• 易于选择的八度，波长和可定制的超级参数的易于选择的超级参数，用于n量频率，波长，翘曲（插值）和范围。
• 包括各种有用的工具，用于产生噪声和程序生成任务，例如可自定义的梯度，颜色梯度，经纱类。
• 实现自定义PRNG发电机以进行N维度，并且可以轻松调整。

细节：

• 技术堆栈：

  状态： v0.1.4-alpha专注于参与的所有问题，遵循PEP440
  所有软件包：版本
  ChangElog
  

  在Python 3.10，Windows 10上测试

• 未来的工作：

  八度噪声的优化
  编写单元测试
  编写API文档
  撰写未决文档
  书写读取
  博客
  完成左代码文档
  维八度
  

---

屏幕截图：

---

依赖性

• Python>=3.10.0

有关生产依赖性请参见要求
有关开发依赖性，请参见Dev-Requirentess

安装

$ pip install nPerlinNoise

有关安装的详细说明，请参阅安装。

用法

设置

注意：如果未导入软件包，请尝试import NPerlinNoise as nPN参考＃24

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

基本用法

通过调用noise(...) ，在给定的n维坐标处获取噪声值
坐标可以是单个价值，也可以是一个值得一提的

• 单个值

  噪声（...，L，M，N，...）
  其中l，m，n，...，是单个值

  >>> 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)

• 觉得

  噪声（....，[L1，L2，...，LX]，[M1，M2，...，MX]，[N1，N2，...，NX]，....）
  其中....，是均匀维度和lx，mx，nx，...，是单个值的输出的输出形状相同

  >>> 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, ...)具有相同的值，而后尺寸为零为坐标

• n维度

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

  >>> 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)

网格模式允许计算各种坐标组合的噪声
使用noise(..., gridMode=True) GridMode是唯一的参数，默认值= false
输出的形状等于该顺序的坐标长度

• 网格模式

  >>> 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)

有关详细用法，请参见示例

API

• 文件待定

如何测试软件

• 测试逻辑一致性运行测试表
• 测试配置文件基准运行测试图
• 测试视觉效果运行测试
• 测试颜色运行testcol

要查看所有测试，请参阅测试

已知问题

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

得到帮助

• 检查main.py以获取详细使用
• 检查所有文档的文档
• 检查使用部分

如果您有疑问，疑虑，错误报告等。请在此存储库的问题跟踪器中提交问题，或在此存储库的讨论部分中打开讨论。

参与其中

• 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
• Looking for Contributors for API docs ＃15
• 分叉存储库并发出公关贡献

有关如何贡献贡献和行为准则的一般说明

---

开源许可信息

1. 术语
2. 执照
3. CFPB源代码策略

---

学分和参考

1. 从编码火车 - > perlin噪音的启发
2. XXHASH的哈希功能启发了RAND3算法，并最终帮助O（1）时间复杂性n维随机发电机NPRNG
3. stackoverflow在整个开发过程中有各种场合帮助
4. vnoise和opensimplex for realme.md的想法
5. 来自开源项目的文档衍生物
6. Realpython的包装帮助

维护者：

Amith M

贡献者：

Shravan Revanna