Intuitivamente, a poeira assenta nas superfícies a uma taxa mais alta em áreas onde o fluxo de ar é mais lento. Isso significa que, em vez de uma superfície acumular uma camada uniforme de poeira, haverá mais cantos - cantos de uma sala / prateleira, cantos formados pela colocação de objetos em uma superfície, concavidades em uma superfície.
Eu posso obter um aumento no realismo simplesmente reduzindo a espessura / densidade da poeira com a distância de um objeto e combinando esse efeito para vários objetos, incluindo paredes. Isso naturalmente fornece a ordem esperada de espessuras - as bordas de um piso têm mais poeira que o centro, os cantos onde as bordas se encontram têm mais poeira do que o centro das bordas. No entanto, o aumento no realismo de obter a ordem correta ainda deixa o problema de acertar a proporção. Há mais poeira nos lugares que você espera ter mais poeira, mas não necessariamente a quantidade certa mais.
Existe um método estabelecido para aproximar uma proporção realista de espessura entre diferentes pontos de uma superfície? Não preciso que isso seja completamente preciso fisicamente (isso levaria em conta objetos que se movem pelo ambiente durante o longo período necessário para o acúmulo de poeira). Estou apenas procurando um comportamento comum que pareça crível para o olho humano.
Na pesquisa on-line, encontrei principalmente modelos atmosféricos para poeira em suspensão, em vez de uma maneira de modelar a deposição de poeira em uma superfície.
Minhas tentativas - distribuições lineares e exponenciais
Aqui está um código no Python 3 usando travesseiro (o garfo PIL) que demonstra algumas distribuições com as quais experimentei:
from PIL import Image
from math import exp
def linear(distance, scale):
return max(0, 64 - distance * scale)
def exponential(distance, scale):
return 64 * exp(-distance * scale)
def exponential_squared(distance, scale):
return 64 * exp(-distance * distance * scale)
def gamma_corrected(value):
corrected_value = int((value/255)**(1/2.2)*255)
return corrected_value
def produce_image(image_size=(1024,1024),
glasses=(((100,300),90),((300,300),110)),
distribution=exponential,
scale=0.1,
background_level=0,
gamma=2.2,
filename='dusttest.png'
):
width, height = image_size
pixels = []
for y in range(height):
for x in range(width):
red, green, blue = pixel_value(x, y, image_size, glasses,
distribution, scale,
background_level
)
pixels.append((red, green, blue))
image = Image.new('RGB', image_size, color=None)
image.putdata(pixels)
image.save(filename)
def pixel_value(x, y, image_size, glasses, distribution, scale,
background_level
):
width, height = image_size
value = background_level
value += distribution(x, scale)
value += distribution(width-x, scale)
value += distribution(y, scale)
for glass in glasses:
coords, radius = glass
a, b = coords
distance = ((x-a) ** 2 + (y-b) ** 2) ** 0.5 - radius
if distance < 0:
value = 0
break
value += distribution(distance, scale)
value = 255 - gamma_corrected(value)
return ((value, value, value))
if __name__ == '__main__':
for scale in [0.1, 0.2, 0.4, 0.8]:
produce_image(distribution=linear,
scale=scale,
background_level=20,
filename='linear-' + str(scale) + '-dusttest.png'
)
for scale in [0.1, 0.05, 0.03, 0.01]:
produce_image(distribution=exponential,
scale=scale,
background_level=0,
filename='exponential-' + str(scale) + '-dusttest.png'
)
for scale in [0.01, 0.001, 0.0001, 0.00001]:
produce_image(distribution=exponential_squared,
scale=scale,
background_level=0,
filename='exponential-squared-' + str(scale) + '-dusttest.png'
)Imagine olhar de cima para baixo em uma prateleira branca com copos colocados nela. Algum tempo depois, os óculos são removidos para deixar regiões circulares livres de poeira e uma distribuição de poeira sobre o restante da prateleira. O pó é afetado pelas posições dos óculos e pelas paredes traseira e lateral. A frente da prateleira (parte inferior da imagem) está aberta, sem parede para aumentar a poeira.
Resultado
(Clique para imagens maiores)
Redução linear na densidade do pó mais nível constante de fundo do pó:
Redução exponencial na densidade do pó (nível zero de fundo):
Eu esperava que a versão exponencial estivesse mais próxima da realidade e prefiro o resultado visualmente. No entanto, ainda não sei se isso está perto o suficiente.
Seguindo a sugestão de Alan Wolfe da distribuição normal, também adicionei imagens usando exp(-distance ** 2)em uma variedade de escalas.
Também gosto disso, mas ainda não consegui adivinhar qual exp(-distance)é o melhor e exponencial ( ).
Estou procurando feedback de duas maneiras:
- Alguma dessas distribuições parece certa / natural para você? Quero sugestões de uma ampla gama de olhos humanos, idealmente com problemas / inconsistências específicas.
- Existe uma interpretação física que justifique o uso de uma dessas distribuições ou que sugira uma melhor?