manfaat kebisingan perlin dari kebisingan nilai

Saat menyelidiki cara kerja kebisingan perlin, saya bertanya-tanya mengapa orang akan menggunakan kebisingan perlin alih-alih kebisingan nilai sederhana. Sejauh yang saya mengerti benar, hal berikut ini berlaku:

Perlin noise adalah fungsi noise berbasis kisi, yang memberikan gradien n-dimensi (acak untuk implementasi asli, diperbaiki untuk yang ditingkatkan) untuk setiap titik di ruang noise yang mendasarinya. Sekarang Anda dapat meminta nilai untuk setiap titik dalam ruang dengan menghitung produk titik antara vektor jarak dan vektor gradien. Setelah itu Anda rata-rata semua nilai dihitung dan mendapatkan nilai kueri.

Tapi bukankah nilai noise sama tanpa menggunakan vektor gradien tetapi nilai acak? Karena saya juga menginterpolasi antara nilai dalam nilai noise saya tidak bisa melihat manfaat dengan menggunakan langkah perhitungan tambahan (produk titik) dalam noise perlin.

Jadi mengapa saya menggunakan perlin noise daripada value noise? Mengapa kebisingan perlin begitu populer?

Manfaat kebisingan perlin adalah distribusi frekuensi secara keseluruhan. Karena noise nilai menggunakan nilai-nilai sederhana yang diinterpolasi, ada kemungkinan lebih tinggi, bahwa deretan beberapa nilai hanya berbeda sedikit. Konsekuensinya adalah, bahwa beberapa daerah gambar Anda mungkin mengandung sedikit perubahan dan beberapa daerah banyak perubahan.

Dengan menggunakan gradien Anda mengurangi efek ini karena interpolasi tidak dilakukan oleh nilai melainkan dihitung antara garis singgung. Sekarang lebih sulit untuk memiliki kurva datar (kedua garis singgung harus collinear).

Sumber: Seperti dicatat oleh Martin Ender, pertanyaannya sudah diposting di komunitas StackExchange yang berbeda: lihat posting Math.SE ini .