如何使用Python'；s噪声1.1.1用于坐标？

我环顾四周，它似乎最常用于纹理，我发现自己一直在试图找出如何将Perlin/Simplex噪波实现为一组二维坐标x和y

我要做的就是输入2个随机坐标，x&y，然后它返回一个改变的x&y，或者这是不可能的

---

我使用pythons来创建坐标，但我发现perlin noise理解起来非常复杂，无法完全理解其工作原理。

可以使用perlin noise为2D坐标集合添加一些不确定性（如果集合是一对，也可以）。您可以考虑返回的噪声值（在指向库的[-1, 1 ]范围内）以及一些因素来确定它对输入坐标有多大影响。系数越大，噪声对数据的影响就越大。以下是最简单的示例之一：

from noise import snoise2 # Simplex noise for 2D points

x, y = 0.5, 0.3
factor = 0.1
n = snoise2(x, y)
print x + n * factor, y + n * factor

我们也可以考虑一个更大的因素，并将同样的想法应用到图像中。考虑到

factor=15

并将结果坐标四舍五入到最近邻，我们从左侧的图像转到右侧的图像：

下面是获取图像的完整代码。使用因子

n1

和

n2

获得“不那么无聊”的图像

当然，这甚至还没有说明柏林噪声是如何被使用的。另一个例子是，给定一个特定的函数，您可以将输入“去噪”，并与提到的因子组合以创建不同的输出。例如，在基于余弦的函数上执行此操作的结果如下：

---

如果你只想给两个数字（x和y）加上一些噪声，你不需要柏林噪声-只需要使用高斯函数，这是真的，但柏林噪声很酷：）高斯有点可行，但它遗漏了我需要的东西，那就是如果我知道置换器，坐标可以被复制。

import sys
from noise import snoise2
from PIL import Image

img = Image.open(sys.argv[1]).convert('L')
result = Image.new('L', img.size)
width, height = img.size

factor = 15
res = result.load()
im = img.load()
for x in xrange(width):
    for y in xrange(height):
        n1 = snoise2(x, y)
        n2 = snoise2(y, x)
        pt = [int(round(x + n1 * factor)), int(round(y + n2 * factor))]
        pt[0] = min(max(0, pt[0]), width - 1)
        pt[1] = min(max(0, pt[1]), height - 1)
        res[x, y] = im[tuple(pt)]
result.save(sys.argv[2])