Manim中创建不规则形状的技术解析
2025-05-04 14:14:14作者:柯茵沙
在Manim动画库中,创建不规则形状是一个常见的需求,本文将通过分析一个典型场景,深入探讨在Manim中实现这一目标的几种技术方案。
问题背景
用户最初尝试使用apply_complex_function方法对圆形进行随机缩放,期望得到一个不规则形状。然而直接使用随机缩放因子会导致形状变形不理想,这是因为:
- 标准Circle对象包含的点数较少,变形效果不够平滑
- 随机缩放因子范围过大导致形状扭曲过度
解决方案一:改进随机缩放
通过调整随机缩放的范围并改用ParametricFunction创建圆形,可以获得更好的效果:
circle = ParametricFunction(
lambda t: np.array([np.cos(t),np.sin(t),0]),
t_range=[0,2*PI,0.2]
)
circle.apply_complex_function(
lambda z: z*np.random.uniform(1.975, 2.025)
)
这种方法的关键点在于:
- 使用参数化函数创建圆形,可以精确控制点的数量
- 缩小随机缩放范围(1.975-2.025),避免过度变形
- 使用numpy的random.uniform替代Python标准库的random
解决方案二:基于VMobject的平滑处理
更优雅的解决方案是直接使用VMobject创建不规则形状:
blob = VMobject()
blob.set_points_as_corners([
(1 + 0.3 * random.random()) * p
for p in compass_directions(12)
])
blob.close_path()
blob.set_fill(BLUE_E, 1)
blob.set_stroke(TEAL)
blob.set(height=2)
blob.make_smooth()
这种方法的核心优势在于:
- 使用
compass_directions(12)生成12个方向的基准点 - 对每个点施加随机扰动(0.7-1.3倍范围)
- 通过
make_smooth()方法自动平滑曲线 - 可以灵活设置填充、描边和尺寸属性
技术对比
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 随机缩放圆形 | 实现简单 | 控制精度低,效果不稳定 | 需要轻微变形的场景 |
| VMobject构建 | 控制精确,效果美观 | 代码稍复杂 | 需要高质量不规则形状 |
最佳实践建议
对于大多数需要不规则形状的场景,推荐使用VMobject方案,因为:
- 结果更加可控和可预测
- 可以通过调整点的数量和随机范围精确控制形状复杂度
- 内置的平滑处理能产生更自然的曲线
- 与其他Manim对象有更好的兼容性
对于需要基于数学变换的场景,随机缩放方案可以作为补充,但需要注意控制参数范围和使用足够多的采样点。
扩展应用
这些技术不仅适用于创建静态不规则形状,还可以用于:
- 模拟液体表面波动
- 创建有机生物轮廓
- 实现变形动画效果
- 生成随机地形轮廓
通过组合不同的随机因子和变换方法,可以创造出丰富多样的视觉效果。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271