噪音功能如何实际起作用？

Question

我查看了libnoise源并找到了ValuNoise3D函数：

double noise::ValueNoise3D (int x, int y, int z, int seed)
{
    return 1.0 - ((double)IntValueNoise3D (x, y, z, seed) / 1073741824.0);
}

int noise::IntValueNoise3D (int x, int y, int z, int seed)
{
    // All constants are primes and must remain prime in order for this noise
    // function to work correctly.
    int n = (
        X_NOISE_GEN    * x
      + Y_NOISE_GEN    * y
      + Z_NOISE_GEN    * z
      + SEED_NOISE_GEN * seed)
      & 0x7fffffff;

    n = (n >> 13) ^ n;
    return (n * (n * n * 60493 + 19990303) + 1376312589) & 0x7fffffff;
}

但是当我看到这个时，这对我来说是一种魔力。 这实际上是如何工作的？ 我的意思是为什么写这篇文章的人拿这些素数代替其他人？ 为什么这样的等式 他是如何决定使用这些方程而不是其他方程式的？ 只是......怎么理解这个？

Answer 1

libnoise网站对这种噪声函数背后的数学有很好的解释。 特别是关于素数：

这些大整数是素数。 这些整数可以修改，只要它们保持为素数; 非素数可能会在输出中引入可辨别的模式。

noise::IntValueNoise3D实际上noise::IntValueNoise3D操作：第一步将（x，y，z）坐标转换为单个整数，第二步将整数通过整数噪声函数产生一个大致在-1073741824之间的噪声值。 1073741824. noise::ValueNoise3D只是将该整数转换为介于-1和1之间的浮点值。

至于为什么noise::IntValueNoise3D执行所有那些复杂的操作，它基本上归结为这个特定的操作序列产生一个漂亮，嘈杂的结果，没有明显的模式可见。 这不是唯一可以使用的操作顺序; 任何产生足够嘈杂结果的东西都会起作用。

Answer 2

随机性有一种艺术。 有很多东西使伪随机数“看起来很好”。 对于很多3D功能而言，使其“看起来很好”最重要的是拥有适当的频率分布。 确保以2 ^ 32为模数的良好频率分布的任何东西都将产生非常好看的数字。 乘以大素数会产生良好的频率分布，因为它们没有2 ^ 32的因子共享。