柏林噪声是一种可重复、平滑连续、可缩放的伪随机函数，适合生成自然地形与纹理；其核心是通过哈希坐标获取梯度、双线性插值及fade函数实现平滑过渡，并支持fbm多层叠加模拟多尺度特征。
用 C++ 实现简单的程序化生成，核心是用柏林噪声（Perlin Noise）生成自然、连续、可重复的伪随机地形或纹理。它比纯随机数更“有机”，适合做地形高度图、云层、火焰、纹理扰动等。
一、先理解柏林噪声的关键特性
柏林噪声不是“随机”，而是：
- 可重复：相同坐标输入，永远返回相同浮点值（利于多线程或重载世界）；
- 平滑连续：输出值在空间中渐变，没有突兀跳跃；
- 可缩放（octave 控制）：通过叠加不同频率/振幅的噪声层（fbm），模拟山脉、小丘、岩石细节等多尺度特征。
二、手写一个轻量级 2D 柏林噪声（适合学习和小项目）
不依赖外部库，用经典 Ken Perlin 原始思路简化实现（非最高效，但逻辑清晰）：
- 定义一个 256 项的随机排列表（perm），用于哈希坐标 → 随机梯度方向；
- 对每个整数格子角点预设一个单位梯度向量（如 (1,1), (-1,1) 等）；
- 对输入点 (x, y)，找到它所在的单位格子（floor(x), floor(y)）；
- 计算该点到四个角点的向量，并与对应梯度点乘，得到四个“影响值”；
- 用平滑插值函数（如 3t²−2t³）混合这四个值，得到最终噪声值 ∈ [-1, 1]。
代码片段（精简版，含注释）：
#include#include #include class SimplexNoise { // 注：这里用“SimplexNoise”名更准确，但初学可用 Perlin 思路理解 std::vector
perm = { / 256 个 0~255 的 shuffle 后排列 / }; float fade(float t) { return t * t * t * (t * (t * 6 - 15) + 10); } float lerp(float a, float b, float t) { return a + t * (b - a); } float grad(int hash, float x, float y) { int h = hash & 3; float u = h zuojiankuohaophpcn 2 ? x : y; float v = h zuojiankuohaophpcn 2 ? y : x;return ((h & 1) == 0 ? u : -u) + ((h & 2) == 0 ? v : -v); }
public: SimplexNoise() { std::vector
p(256); for (int i = 0; i float noise(float x, float y) const { int X = (int)floor(x) & 255; int Y = (int)floor(y) & 255; x -= floor(x); y -= floor(y); float u = fade(x), v = fade(y); int A = perm[X] + Y, AA = perm[A] & 255, AB = perm[A+1] & 255; int B = perm[X+1] + Y, BA = perm[B] & 255, BB = perm[B+1] & 255; float x1 = grad(perm[AA], x, y); float x2 = grad(perm[BA], x-1, y); float y1 = lerp(x1, x2, u); float x3 = grad(perm[AB], x, y-1); float x4 = grad(perm[BB], x-1, y-1); float y2 = lerp(x3, x4, u); return lerp(y1, y2, v); } // fbm：叠加多层噪声（octaves） float fbm(float x, float y, int octaves = 4, float lacunarity = 2.0f, float persistence = 0.5f) const { float total = 0.0f; float frequency = 1.0f; float amplitude = 1.0f; float norm = 0.0f; float sum = 0.0f; for (int i = 0; i zuojiankuohaophpcn octaves; ++i) { sum += noise(x * frequency, y * frequency) * amplitude; norm += amplitude; amplitude *= persistence; frequency *= lacunarity; } return sum / norm; }};
return ((h & 1) == 0 ? u : -u) + ((h & 2) == 0 ? v : -v);
}三、生成地形高度图（2D 数组示例）
用 fbm 填充一个 128×128 的 heightmap：
- 遍历每个 (i, j)，映射为世界坐标（如 i*0.05f, j*0.05f）；
- 调用 fbm(x, y)，结果归一化到 [0.0, 1.0] 或 [-0.5, 0.5]；
- 可加偏移/缩放控制山峰高度，例如：
height[i][j] = (fbm(i*0.03f,j*0.03f) + 0.7f) * 0.5f;； - 后续可按高度阈值划分：0.6→岩石/雪地。
四、实用技巧 & 注意事项
- 种子控制：把 perm 表的 shuffle 种子（如 default_random_engine(1234)）换成可配置参数，就能切换不同世界；
- 性能优化：实际项目建议用开源库如 webgl-noise 的 C++ 移植版 或 stegu/perlin-noise，支持 SIMD 和 3D/4D；
- 避免“网格感”：确保采样间距远小于噪声基频（比如用 0.01–0.05 缩放因子），否则会看到明显方块；
- 结合其他技术：噪声输出可作为 mask 输入到 Voronoi、Worley 噪声，或驱动 Marching Squares 生成等高线。
基本上就这些。从一个可运行的 fbm 函数开始，再叠加规则（如河流侵蚀、生物群系分布），就能搭建出有表现力的程序化世界。不复杂但容易忽略的是——噪声只是“原料”，真正让生成有意义的，是你怎么解释和组合它。
