探索噪声流场

噪声流场：如果画布上有一阵看不见的风

如果画布上什么都没有，只有一片空白。现在，我们在里面放入几千个小小的粒子。然后告诉它们：“向前走。”

但是，我们并没有告诉所有粒子应该往哪里走。因为在画布上，还隐藏着一股看不见的“风”。这里的风向可能是向左，那里可能是向右。再往前一点，风又开始转弯。有些地方，风形成旋涡。有些地方，风像河流一样向前流动。还有一些地方，风会慢慢改变方向。

粒子无法看到这张“风的地图”。它们只知道到了哪里，就按照哪里的风的方向走。于是，成千上万个粒子开始运动。它们走过的地方，留下细细的轨迹。

慢慢地，一张复杂的图案出现了。看起来像🌬️ 风，🌊 水流，☁️ 烟雾，🪶 羽毛。🧵 丝绸,甚至像某种看不见的力量正在空间中流动。这就是 噪声流场。

想象一张“风的地图”

理解 噪声流场 最简单的方法，不是先看公式。而是： 想象一张风的地图。

假设整个画布上都有风。在这里：→ → → 风向右。走到旁边：↗ ↗ ↗ 风开始向右上方吹。再往前：↑ ↑ ↑ 风变成向上。然后：↖ ↖ ↖ 又开始转向。如果把整个画布都画满这样的箭头，我们就得到了一张 流场，它描述的是 画布上的每一个位置，应该向哪个方向流动。在流场中，粒子只需要“顺着风走”。

现在，把一个小粒子放进去。它来到这里，这里的风向是 ↗ ，所以它向右上方移动。下一步，它来到了一个新的位置，这里的风向变成 → ，于是它向右移动。再下一步，↘ ，于是它开始向右下方移动。注意：粒子自己并不知道整个地图长什么样。它甚至不需要知道：“我要去哪里？”，它只需要不断询问：“我现在这里，风往哪里吹？”，然后：跟着走。

如果只有一个粒子，其实没有什么特别的。它只是走，转弯，再走，再转弯。

但是，如果我们放进去 100 个粒子，开始有一点感觉了。

如果是 1000 个粒子，轨迹开始交织。

如果是 10000 个粒子，一幅完整的流动图案就出现了。

最神奇的地方：我们没有画线，但是看起来这么自然

看到最终图案，你可能会以为：“这些曲线是不是数学家直接画出来的？”，不是，我们甚至没有规定：“这里画一条弯曲的线。”，我们只规定：粒子应该向哪里走，然后让粒子自己走。粒子走过的地方，留下轨迹。很多粒子的轨迹叠加起来，就形成了最终的图案。

所以，噪声流场不是直接画出流动的线，而是让流动自己留下线。

那为什么它看起来这么自然？

如果我们真的随机决定每个位置的方向，可能会得到：↗ ← ↓ → ↖ ↑ ← ↘，完全没有规律，粒子走起来，会非常混乱，看起来就像电视机上的雪花噪声。但是 噪声流场 使用的“噪声”并不是这种完全独立的随机数，它使用的是一种具有连续性、平滑变化的噪声，最常见的实现之一就是 柏林噪声。柏林噪声可以产生相邻位置之间变化平滑的数值，因此非常适合用来构造连续的流场。

于是，这里向右。旁边还是差不多向右。再旁边，稍微向右上。再往前，继续慢慢转。而不是这里向右。下一个位置突然变成向下，类似这样，→ → ↗ ↗ ↑ ↖ ↖ ← ，方向慢慢发生变化。于是粒子的运动也会平滑地转弯。这就是为什么噪声流场经常会产生一种非常自然的感觉。

“噪声”到底是什么？

看到这里，你可能会问：“可是它明明看起来这么有规律，为什么叫噪声？”

这里的“噪声”不要简单理解成毫无规律的随机。柏林噪声更接近一种 平滑、连续、带有随机性的变化。比如： 0.41、0.43、0.45、0.48、0.52、0.55……，数字在变化，但不会突然 0.42 → 0.97 → 0.03 → 0.81 这种剧烈跳跃。

因此，它既不会完全规则，又不会完全混乱，恰恰处于 规律与随机之间，这正是它特别适合生成自然视觉效果的原因之一。柏林噪声的设计目标之一，就是产生比普通随机数更连续、更自然的数值变化。

于是，我们把噪声变成了“风”。

噪声本身只是一些数值，但我们可以把这些数值转换成 角度。例如，某个位置的噪声值 → 转换成一个角度 → 得到一个方向 → 变成一个箭头 → 成为流场的一部分，整个画布都这样计算，于是，噪声 → 方向 → 流场 → 粒子 → 轨迹 → 噪声流场。

回顾一下整个过程

现在把整个过程放在一起：

第一步：生成一张平滑变化的噪声。

第二步：把噪声转换成不同方向。

第三步：这些方向组成一张看不见的流场。

第四步：在覆盖了流场的画布上放入大量粒子。

第五步：每个粒子根据流场不断查询自己所在位置的方向。

第六步：粒子沿着查询到的流场方向运动。

第七步：粒子在身后留下轨迹。

最后，一幅流动的噪声流场图案出现了。

为什么有时候像水，有时候像烟？

因为 流场可以有不同的尺度和变化方式。如果流场变化得非常缓慢，大范围的方向会比较一致，粒子会形成 宽阔、平滑的流动。如果流场变化更加细密，粒子的运动会更加复杂，于是可能产生 细密的卷曲和交织。所以，只需要改变一些参数，就可以让同一个系统产生完全不同的视觉效果。

其中一个非常重要的参数是 噪声尺度，也就是 紊流细腻度，可以粗略理解成 “风的变化有多大。”。如果尺度很大，风的方向变化比较缓慢，粒子可能形成 🌊 大面积的流线。如果尺度比较小，风的方向变化更加细密，粒子可能形成 🌀 更复杂、更密集的纹理。

还有一个有趣的问题：风会动吗？当然可以。如果我们让噪声不只是水平和垂直两个维度，还增加一个随时间变化的维度，那么，这会儿这里的风向，和下一秒这里的风向，就可以稍微不同。于是，整个流场开始缓慢变化，粒子继续运动，但是，它们所处的“风”也在变化。于是画面不再是一张静态图，而变成 一个不断呼吸、流动、变化的世界。

你看到的是“风”，其实没有风

如果我们只显示粒子本身，你只会看到很多小点。但如果每个粒子都留下轨迹，情况完全不同。粒子， ● ，移动， —— ，继续，再继续。最后，一条完整的流线出现了。大量粒子的流线交织起来，就形成了我们看到的 噪声流场。所以最终的美感，其实来自 粒子的运动 + 轨迹的累积。

画面中没有真正的风，没有真正的水，没有真正的烟，甚至没有真正的粒子，一切都是 数学计算。

但是，当大量粒子按照一个平滑变化的方向场运动时，我们的眼睛会自然地把它理解成流动。于是，数学 → 变成运动，运动 → 变成轨迹，轨迹 → 变成视觉，视觉 → 让我们联想到自然。

噪声流场 和吸引子有什么不同？

如果你已经探索过数学吸引子，噪声流场 会是一个很不一样的体验。

例如，德容吸引子 重点是 一个点按照递推公式不断计算。

池田吸引子 重点是 旋转、缩放和位置之间的反馈。

洛伦兹吸引子 重点是 三维动力系统与混沌。

而 噪声流场，重点不是一个点最终会被吸引到哪里，而是大量粒子如何沿着一张“看不见的流场”运动，所以它更像 一张数学风场地图。

噪声流场甚至不一定需要“吸引”，吸引子通常强调 系统长期运动后形成某种稳定的结构，噪声流场则完全可以没有这样的“终点”。粒子可以一直向前,遇到边界后重新出现。或者不断产生新的粒子。甚至,整个流场都可以随时间变化。所以它更适合被理解为 一种流场驱动的生成艺术系统，而不是严格意义上的“吸引子”。

一张看不见的地图

如果要把 噪声流场 浓缩成一个最简单的故事，可以这样想：画布上有一张 看不见的地图。地图上每一个地方，都有一个箭头。这些箭头不是完全随机的，它们会慢慢转弯，彼此连接，形成连续的流动。然后，我们放入成千上万个粒子。粒子不知道地图长什么样，它们只知道：“我现在在哪里？”，然后：“这里的风往哪里吹？”。于是，它们开始走。走过的地方，留下轨迹。最终，这张看不见的地图，被粒子的轨迹 画了出来。

你看到的不是一幅图片，而是一场运动留下的痕迹。没有粒子运动，就没有轨迹。没有流场，粒子也不知道该往哪里走。没有噪声，就没有这种平滑而自然的方向变化。这些东西组合起来：噪声 → 方向 → 流场 → 粒子 → 轨迹 → 噪声流场，于是，一张看不见的“数学风场”，终于被我们看见了。

继续探索吸引子的世界

噪声流场 和的吸引子一样，都在展示一个有趣的思想：简单的规则，也可以创造复杂的视觉世界。

如果你喜欢 参数创造抽象纹理，可以继续探索 德容吸引子 和 克利福德吸引子。

如果你喜欢 旋转、反馈与混沌，可以探索 池田吸引子。

如果你喜欢 三维空间中的奇异运动，可以尝试 相泽吸引子 和 洛伦兹吸引子。

而 噪声流场 提供的是另一种体验：不是等待一个点找到它的终点，而是观察成千上万个点一起顺着一张看不见的地图流动。

你看不到风，看不到流场，甚至看不到控制它们的数学规则。你只能看到 它们走过的路。而这些路，最终组成了一幅 会流动的数学画。

你还可以继续欣赏更多奇妙的数学图形，或者查看维基百科上更多关于噪声的介绍