关于前端:利用噪声构建美妙的-CSS-图形

41次阅读

共计 7606 个字符,预计需要花费 20 分钟才能阅读完成。

在平时,我十分喜爱利用 CSS 去构建一些有意思的图形。

咱们首先来看一个简略的例子。首先,假如咱们实现一个 10×10 的格子:

此时,咱们能够利用一些随机成果,优化这个图案。譬如,咱们给它随机增加不同的色彩:

尽管利用了随机,随机填充了每一个格子的色彩,看着有那么点意思,然而这只是一幅横七竖八的图形,并没有什么艺术感。

这是为什么呢?因为这里的随机属于齐全随机,属于一种白噪声。

什么是白噪声?

噪声(Noise)实际上就是一个随机数生成器。

那么,什么是 白噪声 呢?如果从程序员的角度去了解的话,能够了解为咱们在 JavaScript 中应用的 random() 函数,生成的数大抵在 0~1 内是齐全随机的。

而噪声的根底是随机数,譬如咱们给上述的图形每一个格子增加了一个随机色彩,失去的就是一幅横七竖八的图形块,没有太多美感可言。

白噪声或白杂讯,是一种功率谱密度为常数的随机信号。换句话说,此信号在各个频段上的功率谱密度是一样的,因为白光是由各种频率(色彩)的单色光混合而成,因此此信号的这种具备平坦功率谱的性质被称作是“红色的”,此信号也因而被称作白噪声。

因为,利用白噪声产生的图形,看起不天然,也不太具备美感。

察看现实生活中的天然噪声,它们不会长成下面的样子。例如木头的纹理、山脉的起伏,它们的形态是趋于分形态(fractal)的,即蕴含了不同水平的细节,这些随机的成分并不是齐全独立的,它们之间有肯定的关联。和显然,白噪声没有做到这一点。

柏林噪声

这样,咱们就自然而然的引入了 柏林噪声

Perlin 噪声 (Perlin noise) 指由 Ken Perlin 创造的天然噪声生成算法。

在介绍它之前,咱们先看看,上述的图形,如果咱们不应用白噪声(齐全随机),而是应用柏林噪声,会是什么样子呢?

它可能是这样:

这里我制作了一张动图,大家能够感触下,每次点击都是一次利用了柏林噪声随机,赋予每个格子不同随机色彩的后果:

能够看到,利用 柏林噪声 随机成果产生的图形,彼此之间并非毫无关联,它们之间的变动是间断的,彼此之间并没有产生跳变。这种随机成果,相似于自然界中的随机成果,譬如下面说的,木头纹理、山脉起伏的变动。

下面说的,噪声实际上就是一个随机数生成器。而这里:

  1. 白噪声 的问题在于,它切实太过于随机,毫无法则可言
  2. 柏林噪声 基于随机,并在此基础上利用缓动曲线进行平滑插值,使得最终失去噪声成果更加趋于天然

具体的实现形式在这里 Improved Noise reference implementation,能够看看,源码其实不是很多:

// This code implements the algorithm I describe in a corresponding SIGGRAPH 2002 paper.
// JAVA REFERENCE IMPLEMENTATION OF IMPROVED NOISE - COPYRIGHT 2002 KEN PERLIN.

public final class ImprovedNoise {static public double noise(double x, double y, double z) {int X = (int)Math.floor(x) & 255,                  // FIND UNIT CUBE THAT
          Y = (int)Math.floor(y) & 255,                  // CONTAINS POINT.
          Z = (int)Math.floor(z) & 255;
      x -= Math.floor(x);                                // FIND RELATIVE X,Y,Z
      y -= Math.floor(y);                                // OF POINT IN CUBE.
      z -= Math.floor(z);
      double u = fade(x),                                // COMPUTE FADE CURVES
             v = fade(y),                                // FOR EACH OF X,Y,Z.
             w = fade(z);
      int A = p[X]+Y, AA = p[A]+Z, AB = p[A+1]+Z,      // HASH COORDINATES OF
          B = p[X+1]+Y, BA = p[B]+Z, BB = p[B+1]+Z;      // THE 8 CUBE CORNERS,

      return lerp(w, lerp(v, lerp(u, grad(p[AA], x  , y  , z   ),  // AND ADD
                                     grad(p[BA], x-1, y  , z   )), // BLENDED
                             lerp(u, grad(p[AB], x  , y-1, z   ),  // RESULTS
                                     grad(p[BB], x-1, y-1, z   ))),// FROM  8
                     lerp(v, lerp(u, grad(p[AA+1], x  , y  , z-1 ),  // CORNERS
                                     grad(p[BA+1], x-1, y  , z-1 )), // OF CUBE
                             lerp(u, grad(p[AB+1], x  , y-1, z-1 ),
                                     grad(p[BB+1], x-1, y-1, z-1 ))));
   }
   static double fade(double t) {return t * t * t * (t * (t * 6 - 15) + 10); }
   static double lerp(double t, double a, double b) {return a + t * (b - a); }
   static double grad(int hash, double x, double y, double z) {
      int h = hash & 15;                      // CONVERT LO 4 BITS OF HASH CODE
      double u = h<8 ? x : y,                 // INTO 12 GRADIENT DIRECTIONS.
             v = h<4 ? y : h==12||h==14 ? x : z;
      return ((h&1) == 0 ? u : -u) + ((h&2) == 0 ? v : -v);
   }
   static final int p[] = new int[512], permutation[] = { 151,160,137,91,90,15,
   131,13,201,95,96,53,194,233,7,225,140,36,103,30,69,142,8,99,37,240,21,10,23,
   190, 6,148,247,120,234,75,0,26,197,62,94,252,219,203,117,35,11,32,57,177,33,
   88,237,149,56,87,174,20,125,136,171,168, 68,175,74,165,71,134,139,48,27,166,
   77,146,158,231,83,111,229,122,60,211,133,230,220,105,92,41,55,46,245,40,244,
   102,143,54, 65,25,63,161, 1,216,80,73,209,76,132,187,208, 89,18,169,200,196,
   135,130,116,188,159,86,164,100,109,198,173,186, 3,64,52,217,226,250,124,123,
   5,202,38,147,118,126,255,82,85,212,207,206,59,227,47,16,58,17,182,189,28,42,
   223,183,170,213,119,248,152, 2,44,154,163, 70,221,153,101,155,167, 43,172,9,
   129,22,39,253, 19,98,108,110,79,113,224,232,178,185, 112,104,218,246,97,228,
   251,34,242,193,238,210,144,12,191,179,162,241, 81,51,145,235,249,14,239,107,
   49,192,214, 31,181,199,106,157,184, 84,204,176,115,121,50,45,127, 4,150,254,
   138,236,205,93,222,114,67,29,24,72,243,141,128,195,78,66,215,61,156,180
   };
   static {for (int i=0; i < 256 ; i++) p[256+i] = p[i] = permutation[i]; }
}

当然,本文不是专门来阐述 柏林噪声 如何实现的,上述代码谁看了都头大。咱们只须要晓得,咱们能够借助柏林噪声去构建更有法则的图形成果。让咱们的图形更具美感。

利用 CSS-doodle,在 CSS 中利用柏林噪声

那么,在 CSS 中咱们如何去应用 柏林噪声 呢?

一种形式是找一些现成的库,譬如 p5.js 外面的 noise 函数。

当然,这里,我习惯应用 CSS-doodle,这个 CSS 图形构建库我在多篇文章中曾经都有介绍过。

简略而言,CSS-doodle 它是一个基于 Web-Component 的库。容许咱们疾速的创立基于 CSS Grid 布局的页面,并且提供各种便捷的指令及函数(随机、循环等等),让咱们能通过一套规定,失去不同 CSS 成果。能够简略看看它的主页 — Home Page of CSS-doodle,只须要 5min 兴许就能疾速上手。

譬如上述的图形,它的全副代码

<css-doodle grid="10x10">
    :doodle {
        @size: 50vmin;
        gap: 1px;
    }
   
    background: hsl(@rn(255, 1, 2), @rn(10%, 90%), @rn(10%, 90%));
</css-doodle>

没错,只须要这么寥寥几句,就能够勾画出这样一幅图案:

CSS Pattern — CSS Doodle

简略解释下:

  1. css-doodle 是基于 Web-Component 封装的,根本所有的代码都写在 <css-doodle> 标签内,当然也能够写一些原生 CSS/JavaScript 辅助
  2. 应用 grid="10x10" 即可生成一个 10×10 的 Grid 网格,再配合 @size: 50vmin,示意生成一个宽高大小为 50vmin 的 10×10 Grid 网格布局,其中 gap: 1px 示意 Gird 网格布局的 gap
  3. 最初,整个代码的外围局部即是 background: hsl(@rn(255, 1, 2), @rn(10%, 90%), @rn(10%, 90%)),这里即示意对每个 grid item 赋予背景色,其中 @rn(),就是最外围的局部,利用了 柏林噪声 算法,有法则的将背景色 map 到每一个 grid 上

当然,最新的 CSS-doodle 文档上临时还查不到 @rn() function 的用法。为此我特意销假了下该库的作者袁川老师。

失去的回复是,官网近期会重构,所以目前没有更新最新的语法。同时,@rn() 的实现应用的就是 柏林噪声 的实现。同时,函数相当于是相似 p5.js 外面的 noise 函数同时做了 map,map 到后面函数参数设定的 from 到 to 范畴内。

这里的 @rn() 柏林噪声随机会依据 Grid 网格,Map 到每一个网格上,使之相邻的 Grid item 之间的值,存在肯定的关联。

举个栗子,咱们有个 10×10 的 Grid 布局,给其每个 Grid item,增加一个伪元素,伪元素的内容,应用 @r(100) 进行填充,留神,@r() 函数是没有法则的齐全随机,那么生成的数字大略是这样的:

能够看到,它们每个各自之间的数字,是齐全随机毫无关联的。

如果咱们应用有关联的柏林噪声随机呢?应用 @rn(100) 填充每个格子的话,大略是这样:

察看一下,很容易发现,相邻的盒子之间,或者多个间断的格子之间,存在肯定的关联性,这就使得,咱们利用它发明进去的图形,会具备肯定的法则。

能够简略看看源码的实现,以后,前提是你须要对 CSS-doodle 的用法有肯定的理解:

    rn({x, y, context, position, grid, extra, shuffle}) {
      let counter = 'noise-2d' + position;
      let [ni, nx, ny, nm, NX, NY] = last(extra) || [];
      let isSeqContext = (ni && nm);
      return (...args) => {let {from = 0, to = from, frequency = 1, amplitude = 1} = get_named_arguments(args, ['from', 'to', 'frequency', 'amplitude']);

        if (args.length == 1) {[from, to] = [0, from];
        }
        if (!context[counter]) {context[counter] = new Perlin(shuffle);
        }
        frequency = clamp(frequency, 0, Infinity);
        amplitude = clamp(amplitude, 0, Infinity);
        let transform = [from, to].every(is_letter) ? by_charcode : by_unit;
        let t = isSeqContext
          ? context[counter].noise((nx - 1)/NX * frequency, (ny - 1)/NY * frequency, 0)
          : context[counter].noise((x - 1)/grid.x * frequency, (y - 1)/grid.y * frequency, 0);
        let fn = transform((from, to) => map2d(t * amplitude, from, to, amplitude));
        let value = fn(from, to);
        return push_stack(context, 'last_rand', value);
      };
    },

语法大略是 @rn(from, to, frequency, amplitude),其中 fromto 示意随机范畴,而 frequency 示意噪声的频率,amplitude 示意噪声的振幅。这两个参数能够了解为管制随机成果的频率和幅度。

其中 new Perlin(shuffle) 即使用到了柏林噪声算法。

Show Time

OK,上文介绍了很多与噪声和 CSS-doodle 相干的常识,上面咱们回归 CSS,回归本文的主体。

在上述图形的根底上,咱们能够再增加上随机的 scale()、以及 skew()。如果是齐全随机的话,代码是这样的:

<css-doodle grid="20">
    :doodle {
        grid-gap: 1px;
        width: 600px; height: 600px;
    }
    background: hsl(@r(360), 80%, 80%);
    transform: 
        scale(@r(1.1, .3, 3)) 
        skew(@r(-45deg, 45deg, 3));
</css-doodle>
html,
body {
    width: 100%;
    height: 100%;
    background-color: #000;
}

上述代码示意的是一个 20×20 的 Grid 网格,每个 Grid item 都设置了齐全随机的背景色、scale() 以及 skew()。当然,这里咱们用的是 @r()而不是 @rn(),每个格子的每个属性的随机,没有任何的关联,那么咱们会失去这样一幅图案:

好吧,这是什么鬼,毫无美感可言。咱们只须要在上述代码的根底上,将一般的齐全随机,改为柏林噪声随机 @rn()

<css-doodle grid="20">
    :doodle {
        grid-gap: 1px;
        width: 600px; height: 600px;
    }
    background: hsl(@rn(360), 80%, 80%);
    transform: 
        scale(@rn(1.1, .3, 3)) 
        skew(@rn(-45deg, 45deg, 3));
</css-doodle>

此时,就能失去齐全不一样的成果:

这是因为,每个 Grid item 的随机成果,都基于它们在 Grid 布局中的地位,彼此存在关联,这就是柏林噪声随机的成果。

我能够再增加上 hue-rotate 动画:

html,
body {
    width: 100%;
    height: 100%;
    background-color: #000;
    animation: change 10s linear infinite;
}
@keyframes change {
    10% {filter: hue-rotate(360deg);
    }
}

看看成果,并且,在 CSS-doodle 中,因为随机成果,每次刷新,都能够失去不一样的图案:

CSS Doodle – CSS Pattern2

当然,这个款式还能够搭配各式各样其余的 idea,像是这样:

CSS Doodle – CSS Pattern 3

又或者是这样:

CSS Doodle – CSS Pattern 4

emmm,又或者这样:

CSS Doodle – CSS Pattern 5

是的,咱们能够把柏林噪声随机利用在各种属性上,咱们能够放飞设想,去尝试各种不一样的搭配。上面这个,就是把柏林噪声使用在点阵定位上:

<css-doodle grid="30x30">
    :doodle {
        @size: 90vmin;
        perspective: 10px;
    }
    position: absolute;
    top: 0;
    left: 0;
    width: 2px;
    height: 2px;
    border-radius: 50%;
    top: @rn(1%, 100%, 1.5);
    left: @rn(1%, 100%, 1.5);
    transform: scale(@rn(.1, 5, 2));
    background: hsl(@rn(1, 255, 3), @rn(10%, 90%), @rn(10%, 90%));
</css-doodle>

CodePen Demo — CSS Doodle – CSS Pattern6

亦或者配合使用在 transform: rotate() 上:

<css-doodle grid="20x5">
    @place-cell: center;
    @size: calc(@i * 1.5%);
    :doodle {
        width: 60vmin; 
        height: 60vmin;
    }
    z-index: calc(999 - @i);
    border-radius: 50%;
    border: 1px @p(dashed, solid, double) hsl(@rn(255), 70%, @rn(60, 90%));
    border-bottom-color: transparent;
    border-left-color: transparent;
    transform: 
        rotate(@rn(-720deg, 720deg))
        scale(@rn(.8, 1.2, 3));
</css-doodle>

成果如下:

当然,每一次随机,都会是不一样的后果:

CodePen Demo — CSS doodle – CSS Pattern7

好吧,我集体想象力无限,大家能够自行找到任一 DEMO,Fork 后本人去尝试碰撞出不一样的火花。

最初

本文到此结束,心愿对你有帮忙 :)

更多精彩 CSS 技术文章汇总在我的 Github — iCSS,继续更新,欢送点个 star 订阅珍藏。

如果还有什么疑难或者倡议,能够多多交换,原创文章,文笔无限,满腹经纶,文中若有不正之处,万望告知。

正文完
 0