Voronoi Texture (ボロノイテクスチャ)ノード¶
Voronoi Texture ノード。¶
Voronoi Texture (ボロノイテクスチャ)ノードは、入力テクスチャ座標で Worley Noise を評価します。
入力¶
入力は動的であり、ノードのプロパティに応じて、使用可能になります。
- Vector(ベクトル)
ノイズを評価するテクスチャ座標。ソケットが接続されていない場合、デフォルトは生成されたテクスチャ座標です。
- W
ノイズを評価するテクスチャ座標。
- Scale(スケール)
ノイズのスケール。
- Smoothness(スムーズ)
ノイズの滑らかさ。
Smoothness: 0.0.¶
Smoothness: 0.25.¶
Smoothness: 0.5.¶
Smoothness: 1.0.¶
Smoothness: 0.0.¶
Smoothness: 0.25.¶
Smoothness: 0.5.¶
Smoothness: 1.0.¶
- Exponent(指数)
ミンコフスキー距離計量の指数。
Exponent: 0.5.¶
Exponent: 1.0.¶
Exponent: 2.0.¶
Exponent: 32.0.¶
- Randomness (ランダムさ)
ノイズのランダムさ。
Randomness: 1.0.¶
Randomness: 0.5.¶
Randomness: 0.25.¶
Randomness: 0.0.¶
Properties(プロパティ)¶
- Dimensions(寸法)
ノイズを評価する次元スペース。
- 1D
入力 W で1D空間のノイズを評価します。
- 2D
入力 Vector で2D空間のノイズを評価します。Zコンポーネントは無視されます。
- 3D
入力 Vector で3D空間のノイズを評価します。
- 4D
4番目の次元として、 Vector 入力とベクトルと W 入力で4D空間のノイズを評価します。
Higher dimensions corresponds to higher render time, so lower dimensions should be used unless higher dimensions are necessary.
- Feature (特徴出力)
The Voronoi feature that the node will compute.
- F1
The distance to the closest feature point as well as its position and color.
Distance.¶
Color.¶
Position.¶
- F2
The distance to the second closest feature point as well as its position and color.
Distance.¶
Color.¶
Position.¶
- Smooth F1
A smooth version of F1.
Distance.¶
Color.¶
Position.¶
- Distance to Edge (端との距離)
The distance to the edges of the Voronoi cells.
Distance.¶
Distance smaller than 0.05.¶
- N-Sphere Radius (N球面半径)
The radius of the n-sphere inscribed in the Voronoi cells. In other words, it is half the distance between the closest feature point and the feature point closest to it.
n次元球の半径を使用して、ぎっしり詰まったn次元球を作成できます。¶
左のシェーダーのノードツリー。¶
- Distance Metric (距離関数)
テクスチャの計算に使用される距離メトリック。
- Euclidean(ユークリッド)
Use the Euclidean distance metric.
- Manhattan(マンハッタン距離)
Use the Manhattan distance metric.
- Chebychev (チェビシェフ距離)
Use the Chebychev distance metric.
- Minkowski (ミンコフスキー)
Use the Minkowski distance metric. ミンコフスキー距離は、パラメーターとして Exponent (指数)を使用した、前述のメトリックの一般化です。指数が1のミンコフスキーは、 Manhattan の距離メトリックに相当します。指数が2のミンコフスキーは、 Euclidean 距離メトリックに相当します。指数が無限大のミンコフスキーは、 Chebychev 距離メトリックに相当します。
ミンコフスキー指数: 0.5 (Minkowski 1/2).¶
ミンコフスキー指数: 1.0 (Manhattan).¶
ミンコフスキー指数: 2.0 (Euclidean).¶
ミンコフスキー指数: 32.0 (Chebychevの近似).¶
出力¶
- Distance(距離)
Distance.
- Color(カラー)
セルの色。
- Position(位置)
特徴点の位置。
- W
特徴点の位置。
- Radius(半径)
N球面の半径
ノート¶
ノードの構成、特に Randomness の値が低い場合、レンダリングアーティファクトが発生することがあります。これは、White Noiseテクスチャページの Notes section での説明と同じ理由で発生し、同様の手法で修正できます。
