能否使两个随机值的和呈均匀分布？Perlin Octaves噪声优化

问题本质 #

你当前实现的并非标准Perlin噪声，而是直接叠加**[-0.5, 0.5]区间的均匀分布网格随机值**。n个这类随机值加权叠加后，结果服从Irwin-Hall分布——随着叠加次数增加，分布会越来越集中在0点（呈钟形曲线），这就是聚类现象的核心原因。常数缩放或调整权重只是改变数值范围，无法修正分布形状，因此解决不了根本问题。

可行解决方案 #

1. 改用标准Perlin噪声的梯度计算逻辑

Perlin噪声的核心是梯度向量与距离向量的点积，而非直接取网格随机值，天然能缓解分布集中问题：

• 每个网格顶点存储单位梯度向量（而非标量随机值）
• 对采样点，计算其在网格内的相对位置，用平滑插值函数（如6t^5 - 15t^4 + 10t^3）对四个顶点的点积结果做插值
• 叠加多八度时，用标准权重衰减（如(.5, .25, .125, .0625)），最后通过归一化将结果映射到[-1, 1]范围

2. 对现有叠加结果做分布变换

如果不想重构核心逻辑，可通过逆CDF变换将钟形分布转为均匀分布：

• 预计算当前权重组合下，加权Irwin-Hall分布的CDF（累积分布函数）表或近似公式
• 对每个叠加后的噪声值x，查找其在CDF中对应的累积概率p
• 将p映射到[-1, 1]：result = 2*p - 1，最终输出会严格均匀分布在目标区间

3. 替换随机值的基础分布

将[-0.5, 0.5]的均匀随机值替换为拉普拉斯分布的随机值：

• 拉普拉斯分布的概率密度为f(x) = (1/(2b))e^(-|x|/b)，叠加后不会过度集中在0点
• 调整尺度参数b，让叠加后的结果自然覆盖[-1, 1]范围，再做微调即可

内容的提问来源于stack exchange，提问作者My Name