Mientras investigaba el funcionamiento interno del ruido perlin, me preguntaba por qué uno usaría el ruido perlin en lugar del ruido de valor simple. Por lo que entiendo bien, se aplica lo siguiente:
El ruido Perlin es una función de ruido basada en la red, que asigna un gradiente n-dimensional (aleatorio para la implementación original, fijo para el mejorado) para cada punto en el espacio de ruido subyacente. Ahora puede consultar un valor para cada punto en el espacio calculando el producto de punto entre el vector de distancia y el vector de gradiente. Después de eso, promedia todos los valores calculados y obtiene el valor consultado.
¿Pero el valor del ruido no es el mismo sin usar vectores de gradiente sino valores aleatorios? Como también interpolo entre valores en el valor del ruido, no puedo ver ningún beneficio al usar un paso de cálculo adicional (el producto de puntos) en el ruido perlin.
Entonces, ¿por qué usaría ruido perlin en lugar de ruido de valor? ¿Por qué es tan popular el ruido perlin?
Respuestas:
El beneficio del ruido perlin es la distribución general de frecuencias. Dado que el ruido de valor utiliza valores simples que se interpolan, existe una mayor probabilidad de que una fila de varios valores solo difiera un poco. La consecuencia es que algunas regiones de su imagen pueden contener pequeños cambios y algunas regiones muchos cambios.
Al usar gradientes, está reduciendo este efecto porque la interpolación no se realiza por valor sino que se calcula entre tangentes. Ahora es más difícil tener una curva plana (ambas tangentes deben ser colineales).
Fuente: Como se ha señalado por Martin Ender la cuestión ya fue publicada en una comunidad StackExchange diferente: ver este post Math.SE .
fuente