В мире компьютерной графики и обработки изображений понятия шероховатости и гладкости играют решающую роль в достижении реалистичных и визуально привлекательных результатов. Работаете ли вы над созданием реалистичных текстур, моделированием физических поверхностей или созданием процедурных ландшафтов, понимание шероховатости и гладкости и управление ими может значительно улучшить качество вашей работы. В этой статье мы углубимся в различные методы и примеры кода, которые можно использовать для контроля и управления шероховатостью и гладкостью в цифровых представлениях.

1. Шум Перлина.
   Шум Перлина — это популярный алгоритм процедурной генерации текстур, который можно использовать для создания естественно выглядящих грубых или гладких узоров. Он добавляет контролируемую хаотичность поверхности, в результате чего создаются реалистичные текстуры. Вот пример генерации шума Перлина в Python с использованием библиотеки noise:

import noise
def generate_perlin_noise(width, height, scale, octaves, persistence):
    noise_map = [[0] * width for _ in range(height)]
    for i in range(height):
        for j in range(width):
            noise_map[i][j] = noise.pnoise2(i / scale, j / scale, octaves=octaves, persistence=persistence)
    return noise_map
# Example usage
width = 512
height = 512
scale = 100.0
octaves = 6
persistence = 0.5
perlin_noise_map = generate_perlin_noise(width, height, scale, octaves, persistence)

2. Сглаживающие фильтры.
   Применение сглаживающих фильтров к изображению может помочь уменьшить шум и создать более гладкие поверхности. Одним из часто используемых фильтров является фильтр Гаусса. Вот пример применения фильтра Гаусса к изображению с использованием библиотеки scipyв Python:

from scipy.ndimage import gaussian_filter
def smooth_image(image, sigma):
    smoothed_image = gaussian_filter(image, sigma=sigma)
    return smoothed_image
# Example usage
import numpy as np
import matplotlib.pyplot as plt
# Assuming you have an image stored as a NumPy array
image = np.random.rand(512, 512)  # Random noise image
sigma = 2.0
smoothed_image = smooth_image(image, sigma)
plt.imshow(smoothed_image, cmap='gray')
plt.show()

3. Поверхности разделения.
   Поверхности разделения предлагают мощный подход для создания гладких поверхностей из представлений с грубой сеткой. Алгоритм подразделения Катмулла-Кларка — широко используемый метод создания гладких поверхностей. Вот пример разделения сетки с использованием библиотеки OpenMeshв C++:

#include <OpenMesh/Core/IO/MeshIO.hh>
#include <OpenMesh/Core/Mesh/TriMesh_ArrayKernelT.hh>
#include <OpenMesh/Tools/Subdivider/Uniform/CatmullClarkT.hh>
typedef OpenMesh::TriMesh_ArrayKernelT<> Mesh;
typedef OpenMesh::CatmullClarkT<Mesh> Subdivider;
int main()
{
    Mesh mesh;
    OpenMesh::IO::read_mesh(mesh, "input.obj");
    Subdivider subdivider;
    subdivider.attach(mesh);
    subdivider(2);  // Subdivide the mesh two times
    OpenMesh::IO::write_mesh(mesh, "output.obj");
    return 0;
}

В этой статье мы рассмотрели различные методы и примеры кода для контроля и управления шероховатостью и гладкостью в цифровых представлениях. От процедурной генерации текстур с использованием шума Перлина до применения сглаживающих фильтров и использования поверхностей разделения — эти методы предоставляют ценные инструменты для достижения реалистичных и визуально привлекательных результатов в компьютерной графике и обработке изображений.

Включив эти методы в свои проекты, вы сможете повысить качество визуальных результатов и создать захватывающие цифровые изображения.