时间戳

首页 > 解决方案 > Python的随机性的随机性

python - Python的随机性的随机性

问题描述

我正在使用 Python 使用虚线生成图像以进行点画。划线的周期是恒定的，改变的是划线/空间比。这会产生如下内容：

在此处输入图像描述

然而，在该图像中，破折号具有统一的起源，这会产生难看的垂直排水沟。所以我试图随机化原点以去除排水沟。这种工作，但有一个明显的模式：

在此处输入图像描述

想知道这是从哪里来的，我用堆叠的虚直线做了一个非常简单的测试用例：

在此处输入图像描述

并增加了随机性：

在此处输入图像描述

所以还是有规律的。我不明白的是，要获得可见的排水沟，您需要有 6 或 7 个连续值落在同一范围内（例如，总范围的一半），这应该是 1/64 的概率，但似乎经常发生更多的时候在 200 行中生成。

我是不是误会了什么？只是我们人类的大脑在看到没有的模式吗？有没有更好的方法来生成更“视觉随机”的东西（python 2.7，最好不安装任何东西）？

(*) 部分像素在该上下文中有效

附件：我使用的代码（这是一个 Gimp 脚本）：

#!/usr/bin/env python
# -*- coding: iso-8859-15 -*-

# Python script for Gimp (requires Gimp 2.10)
# Run on a 400x400 image to see something without having to wait too much
# Menu entry is in "Test" submenu of image menubar

import random,traceback
from gimpfu import *

def constant(minShift,maxShift):
    return 0

def triangle(minShift,maxShift):
    return random.triangular(minShift,maxShift)

def uniform(minShift,maxShift):
    return random.uniform(minShift,maxShift)

def gauss(minShift,maxShift):
    return random.gauss((minShift+maxShift)/2,(maxShift-minShift)/2)

variants=[('Constant',constant),('Triangle',triangle),('Uniform',uniform),('Gauss',gauss)]

def generate(image,name,generator):
    random.seed()
    layer=gimp.Layer(image, name, image.width, image.height, RGB_IMAGE,100, LAYER_MODE_NORMAL)
    image.add_layer(layer,0)
    layer.fill(FILL_WHITE)
    path=pdb.gimp_vectors_new(image,name)

    # Generate path, horizontal lines are 2px apart, 
    # Start on left has a random offset, end is on the right edge right edge
    for i in range(1,image.height, 2):
        shift=generator(-10.,10.)
        points=[shift,i]*3+[image.width,i]*3
        pdb.gimp_vectors_stroke_new_from_points(path,0, len(points),points,False)
    pdb.gimp_image_add_vectors(image, path, 0)

    # Stroke the path
    pdb.gimp_context_set_foreground(gimpcolor.RGB(0, 0, 0, 255))
    pdb.gimp_context_set_stroke_method(STROKE_LINE)
    pdb.gimp_context_set_line_cap_style(0)
    pdb.gimp_context_set_line_join_style(0)
    pdb.gimp_context_set_line_miter_limit(0.)
    pdb.gimp_context_set_line_width(2)
    pdb.gimp_context_set_line_dash_pattern(2,[5,5])
    pdb.gimp_drawable_edit_stroke_item(layer,path)

def randomTest(image):
    image.undo_group_start()
    gimp.context_push()

    try:
        for name,generator in variants:
            generate(image,name,generator)
    except Exception as e:
        print e.args[0]
        pdb.gimp_message(e.args[0])
        traceback.print_exc()

    gimp.context_pop()
    image.undo_group_end()
    return;

### Registration
desc="Python random test"

register(
    "randomize-test",desc,'','','','',desc,"*",
    [(PF_IMAGE, "image", "Input image", None),],[],
    randomTest,menu="<Image>/Test",
)

main()

标签： pythonrandom

解决方案

可以这样想：排水沟是可感知的，直到它被阻塞（或几乎如此）。只有当两条连续的线几乎完全异相时才会发生这种情况（第一条线上的黑色线段几乎位于下一条线的白色线段之上）。这种极端情况只发生在每 10 行中的一个，因此可见的排水沟在被阻塞之前似乎延伸了大约 10 行。

换个角度看——如果你打印出图像，确实有较长的白色通道，你可以通过它们轻松地用笔画一条线。为什么你的头脑不应该感知它们？

为了获得更好的视觉随机性，找到一种方法使连续的线条相互依赖而不是相互独立，从而使几乎异相的行为更频繁地出现。

推荐阅读