Language
Country/Area
No result found
Tahukah Anda bahwa Ken Perlin memenangkan Oscar untuk menciptakan kebisingan Perlin?
Pada tahun 1983, Ken Perlin menemukan jenis noise khusus yang disebut noise Perlin. Jenis noise ini memiliki berbagai macam aplikasi dalam grafik komputer, terutama saat membuat pemandangan dan animasi alami, yang secara efektif dapat membantu menciptakan efek fisik yang realistis. Noise Perlin dapat digunakan untuk membuat medan, memberikan perubahan pseudo-acak pada variabel, dan memperbarui tekstur gambar. Artikel ini akan membahas latar belakang, penggunaan, dan pentingnya noise Perlin.
Sejarah
Inspirasi Ken Perlin untuk kreasi ini berasal dari rasa frustrasinya dengan nuansa mekanis citra yang dihasilkan komputer (CGI) pada saat itu. Pada tahun 1985, ia secara resmi menerbitkan sebuah makalah berjudul "An Image Synthesizer" di konferensi SIGGRAPH, yang merinci noise Perlin. Pengembangannya sebagian terinspirasi oleh karyanya pada film fiksi ilmiah animasi komputer Disney tahun 1982, Tron. Setelah mengembangkan tekniknya, Perlin menerima Academy Award pada tahun 1997 atas kontribusinya pada seni menciptakan tekstur yang tampak alami pada permukaan yang dihasilkan komputer.
“Sejak pengembangan Perlin noise, seniman grafis komputer telah mampu menggambarkan kompleksitas fenomena alam secara lebih realistis.”
Tujuan
Perlin noise adalah elemen tekstur prosedural yang digunakan sebagai gradien noise yang secara bertahap meningkatkan realisme grafis komputer. Meskipun fitur ini memiliki sifat pseudo-acak, semua detail yang terlihat memiliki ukuran yang konsisten. Properti ini membuatnya sangat terkendali dalam pengoperasiannya; seniman dapat memasukkan beberapa salinan Perlin noise berskala ke dalam ekspresi matematika untuk menciptakan berbagai macam tekstur prosedural. Tekstur sintetis yang dihasilkan menggunakan Perlin noise sering digunakan dalam CGI untuk membantu elemen visual yang dihasilkan komputer seperti permukaan, api, asap, atau awan terlihat lebih alami.
Rincian Algoritme
Derau Perlin biasanya diimplementasikan dalam dua, tiga, atau empat dimensi, tetapi sebenarnya dapat didefinisikan dalam dimensi apa pun. Implementasinya biasanya melibatkan tiga langkah: mendefinisikan kisi vektor gradien acak, menghitung produk titik vektor gradien dengan offsetnya, dan melakukan interpolasi di antara nilai-nilai ini.
Definisi Kisi
Mendefinisikan kisi n-dimensi di mana setiap persimpangan kisi dikaitkan dengan vektor gradien panjang satuan n-dimensi acak. Pengacakan ini membantu menciptakan efek tekstur alami.
Produk Titik
Untuk menghitung nilai titik kandidat mana pun, pertama-tama kita menemukan sel kisi unik tempat titik tersebut berada, lalu mengidentifikasi sudut 2^n sel dan vektor gradien terkaitnya, lalu menghitung vektor offset untuk setiap sudut dan menghitung vektor gradien untuk setiap sudut. Produk titik vektor gradien di setiap sudut dihitung dengan vektor offset. Pengaruh setiap sudut grid meningkat seiring jarak, yang berarti bahwa operasi normalisasi pada vektor offset dapat menimbulkan perubahan tajam yang signifikan, jadi lebih penting untuk memperhitungkan jarak dalam langkah interpolasi.
Interpolasi
Langkah terakhir adalah menginterpolasi produk titik ini. Ini dilakukan dengan menggunakan fungsi yang memiliki turunan orde pertama nol pada 2^n node grid, jadi di dekat setiap node grid, output akan mendekati produk titik dari vektor gradien node dan vektor bias.
Kompleksitas"Noise Perlin dicirikan oleh fakta bahwa ia melewati 0 di setiap node, yang memberinya tampilan khas."
Untuk setiap evaluasi fungsi noise, produk titik dari posisi dan vektor gradien harus dihitung pada setiap node yang berisi sel grid. Jadi kompleksitas noise Perlin adalah O(2^n) seiring dengan peningkatan dimensi dan peningkatan konteks. Meskipun derau Perlin masih memiliki tempat dalam komputasi, alternatif baru seperti Simple Noise dan OpenSimplex Noise telah muncul yang memberikan hasil serupa dengan efisiensi komputasi yang lebih baik.
Penemuan derau Perlin tidak hanya mengubah cara efek visual dibuat, tetapi juga terus memengaruhi pemahaman kita tentang citra yang dihasilkan komputer. Di masa depan, bagaimana teknologi akan lebih meningkatkan kemampuan kita untuk menciptakan kembali fenomena alam di dunia digital?
