【文件属性】：
文件名称：terrain-erosion-3-ways:具有侵蚀特征的地形生成的三种方法
文件大小：6.54MB
文件格式：ZIP
更新时间：2021-05-12 22:06:35
Python
具有侵蚀特征的地形生成的三种方法
背景
地形生成一直是程序生成社区中的热门话题，并在视频游戏和电影中得到了应用。 一些游戏使用程序性地形实时生成新颖的环境供玩家探索。 其他人则使用程序性地形作为艺术家在制作可信世界时使用的工具。
表示数组的最常见方法是高度值的2D网格。 这种类型的地形不允许悬垂和塌陷，但从规模上看，这些特征并不是很明显。 最受欢迎的地形生成算法着重于将不同层加在一起，这可以被认为是平滑的随机噪声。 相干噪声的几种流行选择是：
-矩形晶格上的一种形式。
-与Perlin噪声相同，但在单纯晶格上。
-基本上只是经过放大和内插的白噪声。
如果您获取了几层相干噪声，每层都具有不同的细节级别和幅度，则您会经常（且大多是不准确地）获得一个称为 （分数布朗运动）的粗糙模式。 很好地概述了此过程的工作方式。
此外，还有其他更直接地生成fBm的方法，包括：
-一种快速但容易产
【文件预览】：
terrain-erosion-3-ways-master
----make_hillshaded_image.py(476B)
----.gitignore(225B)
----images()
--------fbm_grayscale.png(95KB)
--------real1_grayscale.png(134KB)
--------river_network_high_inertia.png(103KB)
--------fbm_hillshaded.png(491KB)
--------simulation_grayscale.png(96KB)
--------ml_generated_4_grayscale.png(139KB)
--------initial_shape.png(144KB)
--------river_network_hillshaded.png(241KB)
--------ml_generated_2_grayscale.png(94KB)
--------poisson_disc_sampling.png(18KB)
--------simulation_hillshaded.png(507KB)
--------ml_generated_1_grayscale.png(90KB)
--------river_network_grayscale.png(54KB)
--------real2_hillshaded.png(317KB)
--------ml_generated_1_hillshaded.png(360KB)
--------ml_generated_4_hillshaded.png(553KB)
--------ml_generated_3_hillshaded.png(407KB)
--------ml_generated_3_grayscale.png(98KB)
--------delaunay_triangulation.png(259KB)
--------river_network_low_inertia.png(101KB)
--------domain_warping_grayscale.png(111KB)
--------river_network_with_volume.png(114KB)
--------real2_grayscale.png(77KB)
--------ridge_grayscale.png(115KB)
--------land_mask.png(4KB)
--------ridge_hillshaded.png(485KB)
--------domain_warping_hillshaded.png(481KB)
--------real1_hillshaded.png(557KB)
--------ml_generated_2_hillshaded.png(439KB)
----make_grayscale_image.py(419B)
----download_ned_zips.py(2KB)
----extract_height_arrays.py(3KB)
----ridge_noise.py(452B)
----LICENSE.txt(1KB)
----domain_warping.py(410B)
----plain_old_fbm.py(232B)
----README.md(25KB)
----simulation.py(5KB)
----util.py(8KB)
----generate_ml_output.py(1KB)
----requirements-pip3.txt(441B)
----river_network.py(8KB)
----generate_training_images.py(4KB)