引言

“随机”是游戏重玩价值的源泉。但计算机无法产生真正的随机，只能产生伪随机 (Pseudo-Random)。 在程序化生成 (Procedural Generation) 中，我们不仅需要随机，还需要平滑的随机，这就是噪声 (Noise) 的舞台。

本篇将依次介绍白噪声、三种主流噪声算法（Perlin / Simplex / Worley）、分形叠加原理，以及实际工程中的常见技巧。

1. 伪随机数 (White Noise)

最常见的 Random.Range(0, 1) 产生的是白噪声。 它的特点是：当前值与上一个值完全无关——频谱上各频率能量均匀分布，因此得名”白”噪声。 如果你用它来生成地形，你会得到一堆尖锐的锯齿，像地震仪的记录，而不是连绵的山脉。

// 白噪声：相邻采样点之间没有相关性
for (int x = 0; x < width; x++)
    heightmap[x] = Random.Range(0f, 1f); // 每个点独立掷骰子

白噪声适合离散事件——掉落率、暴击判定、洗牌，但不适合任何需要空间连续性的场景。

2. 柏林噪声 (Perlin Noise)

Ken Perlin 在 1983 年为电影《电子世界争霸战》(TRON) 发明了这种算法，并因此获得奥斯卡技术成就奖。 它的核心性质是：相近的输入产生相近的输出，即空间上连续可导。 这被称为梯度噪声 (Gradient Noise)——它在整数网格点上放置随机梯度向量，再通过插值让结果平滑过渡。

2.1 算法骨架（以 2D 为例）

Perlin 噪声的计算分四步：

第一步：确定网格单元。 对输入坐标 (x, y) 取整，找到它所在的单位正方形的四个顶点。

第二步：生成梯度向量。 每个整数网格点通过哈希函数映射到一个伪随机的单位梯度向量 (Gradient Vector)。经典实现使用一张长度 256 的排列表 (Permutation Table) 来完成这一映射。

第三步：计算距离向量并求点积。 从四个顶点分别到 (x, y) 做距离向量，再与对应顶点的梯度向量做点积 (Dot Product)，得到四个标量影响值。

第四步：插值混合。 用缓动函数 (Ease Curve) 对四个点积值进行双线性插值。Ken Perlin 最初使用 \(3t^2 - 2t^3\)，后改进为更平滑的 \(6t^5 - 15t^4 + 10t^3\)（消除二阶导数不连续的问题）。

// Perlin 噪声核心伪代码 (2D)
float PerlinNoise2D(float x, float y) {
    // 1) 网格坐标
    int x0 = FloorToInt(x), y0 = FloorToInt(y);
    int x1 = x0 + 1,        y1 = y0 + 1;

    // 小数部分（单元内的相对位置）
    float dx = x - x0, dy = y - y0;

    // 2) 四个顶点的梯度向量（由排列表 + 哈希决定）
    Vector2 g00 = Gradient(Hash(x0, y0));
    Vector2 g10 = Gradient(Hash(x1, y0));
    Vector2 g01 = Gradient(Hash(x0, y1));
    Vector2 g11 = Gradient(Hash(x1, y1));

    // 3) 距离向量 · 梯度向量
    float d00 = Dot(g00, new Vector2(dx,     dy));
    float d10 = Dot(g10, new Vector2(dx - 1, dy));
    float d01 = Dot(g01, new Vector2(dx,     dy - 1));
    float d11 = Dot(g11, new Vector2(dx - 1, dy - 1));

    // 4) 缓动插值  fade(t) = 6t^5 - 15t^4 + 10t^3
    float u = Fade(dx), v = Fade(dy);
    float lerp0 = Lerp(d00, d10, u);
    float lerp1 = Lerp(d01, d11, u);
    return Lerp(lerp0, lerp1, v);   // 结果范围约 [-1, 1]
}

为什么是梯度而不是直接存值？ 如果直接在网格点存随机高度再插值（即 Value Noise），结果会有明显的”方块感”。梯度噪声让值在网格点上恰好为 0，变化由梯度方向决定，产生更自然的纹理。

2.2 维度

• 1D 噪声: 摇晃的摄像机、起伏的沙丘轮廓线。
• 2D 噪声: 地形高度图、云层纹理。
• 3D 噪声: 洞穴生成、体积云、可动画化的 2D 纹理（第三维用作时间）。
• 4D 噪声: 可无缝循环的 3D 动画纹理。

3. 单纯形噪声 (Simplex Noise)

2001 年，Ken Perlin 自己提出了对经典 Perlin 噪声的改进——Simplex Noise。

3.1 为什么需要改进？

经典 Perlin 噪声存在两个问题： 1. 方向性伪影 (Directional Artifacts): 正方形网格导致沿 45° 方向出现可感知的条纹。 2. 高维性能差: 在 N 维空间中，正方形网格的一个单元有 \(2^N\) 个顶点，3D 时需要对 8 个顶点插值，4D 时 16 个。

3.2 核心改进

Simplex Noise 将正方形/立方体网格替换为单纯形网格 (Simplex Grid)： - 2D 中单纯形是等边三角形，而非正方形。 - 3D 中是四面体，而非立方体。 - N 维中的单纯形只有 \(N + 1\) 个顶点（而非 \(2^N\)），因此高维时计算量大幅减少。

插值方式也不同：Simplex Noise 不使用缓动曲线 + 线性插值，而是让每个顶点的贡献通过径向衰减核 \(\max(0,\; r^2 - d^2)^4\) 独立累加，其中 \(d\) 是到顶点的距离。这种方式天然连续可导，且没有方向性偏好。

3.3 Perlin vs Simplex 小结

注意: Simplex Noise 的原始论文实现曾受专利保护（美国专利 6867776，2022 年已过期）。实践中可使用 OpenSimplex 或 OpenSimplex2 等无专利替代实现。

4. Worley 噪声 (Cellular Noise)

1996 年 Steven Worley 提出的细胞噪声 (Cellular Noise) 走了一条完全不同的路。

4.1 算法思路

1. 在空间中随机撒特征点 (Feature Points)。
2. 对任意采样点 \(P\)，计算它到最近的第 \(n\) 个特征点的距离 \(F_n\)。
3. \(F_1\)（到最近点的距离）就是最基本的 Worley 噪声值。

结果看起来像 Voronoi 图：每个特征点周围形成一个”细胞”，细胞边界处值最大，中心处值为 0。

4.2 视觉变化

• \(F_1\): 鹅卵石、鳞片、龟壳。
• \(F_2 - F_1\): 更明显的细胞壁，适合石墙纹理。
• \(F_1\) 取反或乘以颜色: 水面焦散 (Caustics)、岩浆裂纹。

4.3 性能优化

朴素实现需要遍历所有特征点 (\(O(N)\))。实际中将空间划分为等大网格，每个格子只放一个特征点，采样时只需检查周围 \(3^D\) 个格子（2D 检查 9 个，3D 检查 27 个），变成常数时间。

5. 噪声对比

在现代项目中，Simplex 通常是 Perlin 的直接上位替代；而 Worley 噪声提供了完全不同的美学，常与前两者组合使用。

6. 分形噪声 (Fractal Noise / fBm)

单一的噪声层看起来太”圆润”了。真实的山脉既有公里级别的大轮廓，也有米级别的小石块。 为了模拟这种多尺度细节，我们将多层不同频率的噪声叠加——这称为分形布朗运动 (Fractional Brownian Motion, fBm)，也叫倍频程叠加 (Octave Stacking)。

\[ \text{fBm}(x) = \sum_{i=0}^{N-1} A_i \cdot \text{Noise}(x \cdot F_i) \]

三个关键参数： - Frequency (频率): 采样点的密度。每层频率通常是上一层的 2 倍。 - Amplitude (振幅): 该层的高度范围。每层振幅是上一层的 persistence 倍。 - Lacunarity (间隙度): 频率的层间倍率。默认为 2.0，增大它会让细节更密集。

/// <summary>
/// 分形噪声：多倍频程叠加
/// </summary>
float FractalNoise(float x, float y, int octaves, float persistence, float lacunarity) {
    float total     = 0f;
    float frequency = 1f;
    float amplitude = 1f;
    float maxValue  = 0f;   // 用于归一化

    for (int i = 0; i < octaves; i++) {
        total += PerlinNoise2D(x * frequency, y * frequency) * amplitude;

        maxValue  += amplitude;
        amplitude *= persistence;   // 典型值 0.5：每层振幅减半
        frequency *= lacunarity;    // 典型值 2.0：每层频率翻倍
    }

    return total / maxValue;  // 归一化到 [-1, 1]
}

参数调节直觉: - octaves = 1: 只有大山轮廓，没有细节。 - octaves = 6~8: 大轮廓 + 丰富的岩石细节，适合地形。 - persistence = 0.3: 高频细节很弱，地形偏圆润。 - persistence = 0.7: 高频细节强烈，地形粗粝嶙峋。 - lacunarity > 2.0: 细节频率跳得更快，纹理更”碎”。

7. 工程实践

7.1 种子管理 (Seed Management)

程序化生成的一大优势是确定性 (Determinism)——同一个种子 (Seed) 永远产生同一个世界。

实现要点： - 用种子初始化排列表 (Permutation Table)，而不是使用固定的默认表。 - 同一帧内不要使用全局 Random，否则调用顺序变化会导致结果不可复现。推荐为每个系统创建独立的随机实例。 - 存档只需保存种子值 + 玩家修改部分，而非整张地图。

// 为地形和植被分别创建独立随机源，互不干扰
System.Random terrainRng    = new System.Random(worldSeed);
System.Random vegetationRng = new System.Random(worldSeed ^ 0x5DEECE66D);

7.2 无缝平铺 (Tileable Noise)

普通噪声在边界处不连续。要制作可重复平铺的纹理，有两种常用方法：

1. 高维投影法: 将 2D 平面上的 (u, v) 映射到 4D 环面上的圆环坐标，再采样 4D 噪声。相当于在高维空间里走了一个”甜甜圈”。
2. 边界混合法: 在接近边界时，将当前值与对边的值线性混合。简单但会在混合区产生模糊带。

7.3 域扭曲 (Domain Warping)

将噪声的输出反馈为另一次噪声采样的输入偏移，可以产生极其有机的扭曲效果——类似大理石纹、烟雾或奇幻地图。

// 域扭曲：用噪声扭曲采样坐标
float DomainWarp(float x, float y, float warpStrength) {
    float offsetX = FractalNoise(x,        y,        4, 0.5f, 2f);
    float offsetY = FractalNoise(x + 5.2f, y + 1.3f, 4, 0.5f, 2f);

    return FractalNoise(x + offsetX * warpStrength,
                        y + offsetY * warpStrength,
                        6, 0.5f, 2f);
}

多次迭代域扭曲（即用扭曲结果再扭曲）可以产生更加复杂的图案，Inigo Quilez 的文章中有许多精彩的示例。

7.4 多倍频程调参技巧

• 先确定 scale（采样坐标的缩放因子），它决定了噪声的”基础波长”。地形通常 scale = 0.005 ~ 0.02。
• 再调 octaves: 从 1 开始逐层增加，直到细节足够。注意每增加一层都有性能开销。
• 最后微调 persistence: 控制地形的粗粝程度。
• 如果 GPU 生成，考虑在 Compute Shader 中并行计算——噪声采样天然适合并行，每个像素独立。

总结

• 白噪声 用于掉落率、洗牌等离散事件。
• 梯度噪声 (Perlin / Simplex) 用于地形、云层、雾气等连续变化，Simplex 是 Perlin 的现代替代。
• 细胞噪声 (Worley) 用于石纹、鳞片、水面焦散等有机纹理。
• 通过分形叠加（多倍频程），可以在单一噪声基础上创造出多尺度的自然细节。
• 工程上，种子管理保证确定性，域扭曲创造复杂图案，无缝平铺解决纹理拼接。

< 上一篇: 骨骼动画 | 回到目录 | 下一篇: 导航与行为 >