python - 如何将 Perlin 噪声值标准化到范围 [0, 1]？

Question

我正在使用 numpy 数组来保存柏林噪声值。有人告诉我，二维数组中的柏林噪声值分别在 [-0.7, 0.7] 范围内，但这似乎并非如此。至少当我调整 Octave 、持久性和空白度的参数时，凯斯曼的“noise”库不会。

我会使用不同的库，但我找不到任何运行速度接近的Python库。此外，无论如何，将值标准化为范围 [0, 1] 的典型公式在这里似乎不起作用。即使我得到未修改噪声的最小/最大值，它仍然没有给我我想要的值范围。我只需猜测最小/最大值使用什么，直到范围大致为 [0, 1]。

如何将柏林噪声值归一化至范围 [0, 1]？

import noise
import numpy
import sys

def __noise(noise_x, noise_y):
    """
    Generates and returns a noise value normalized to (roughly) range [0, 1].

    :param noise_x: The noise value of x
    :param noise_y: The noise value of y
    :return: float
    """

    value = noise.pnoise2(noise_x, noise_y, 8, 1.7, 2)
    # Normalize to range [0, 1]
    value = numpy.float32((value + 0.6447) / (0.6697 + 0.6447))

    return value


map_arr = numpy.zeros([900, 1600], numpy.float32)

for y in range(900):

    for x in range(1600):

        noise_x = x / 1600 - 0.5
        noise_y = y / 900 - 0.5

        value = __noise(noise_x, noise_y)
        map_arr[y][x] = value

for row in map_arr:
    for num in row:
        sys.stdout.write(str(num) + " ")
    print("")

Answer 1

map_arr = (map_arr - map_arr.min())/(map_arr.max() - map_arr.min()) (利用 numpy broadcasting和矢量化)应该就足够了。