首页
/ Lygia 着色器库中随机数生成函数的修正

Lygia 着色器库中随机数生成函数的修正

2025-06-27 00:03:37作者:羿妍玫Ivan

在计算机图形学中,随机数生成是许多特效和算法的基础。Lygia 是一个开源的着色器库,为图形开发者提供了许多实用的函数。最近,该库中的 random2 函数被发现存在一个潜在的问题,可能导致 Voronoi 和 Worley 噪声等算法在二维空间中产生重复模式。

问题描述

在 Lygia 的 HLSL 版本中,random2 函数的实现如下:

float2 random2(float2 p) {
    float3 p3 = frac(float3(p.x, p.x, p.x) * RANDOM_SCALE.xyz);
    p3 += dot(p3, p3.yzx + 19.19);
    return frac((p3.xx + p3.yz) * p3.zy);
}

这个函数的问题在于输入向量的处理方式。它三次使用了输入坐标的 x 分量(p.x),而根据 GLSL 版本的实现,应该使用输入坐标的 y 分量(p.y)作为第二个参数。

正确实现

修正后的版本应该是:

float2 random2(float2 p) {
    float3 p3 = frac(float3(p.x, p.y, p.x) * RANDOM_SCALE.xyz);
    p3 += dot(p3, p3.yzx + 19.19);
    return frac((p3.xx + p3.yz) * p3.zy);
}

影响分析

这个错误会导致随机数生成不够随机,特别是在二维空间中使用时。具体表现为:

  1. Voronoi 和 Worley 噪声会出现重复模式
  2. 二维噪声纹理可能显示出不自然的重复
  3. 依赖于该函数的其他算法可能产生预期之外的结果

技术背景

这种随机数生成算法属于伪随机数生成器(PRNG)的一种,它通过以下步骤工作:

  1. 输入坐标被缩放并取小数部分
  2. 通过点积运算增加随机性
  3. 最后通过向量运算和再次取小数部分生成最终结果

使用相同的输入分量(p.x)三次会降低输出的随机性,因为减少了输入的多样性。正确的做法是同时使用 x 和 y 分量,以保持二维输入的完整性。

结论

这个修正确保了随机数生成函数在二维空间中正常工作,为依赖它的算法提供了更好的随机性基础。对于使用 Lygia 库的开发者来说,更新到修正后的版本可以解决 Voronoi 和 Worley 噪声中的重复模式问题。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
519
50
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
943
556
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
196
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
993
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
361
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71