ARTICLE DETAIL

建站实战干货

来自一线的建站与推广经验沉淀，每一条都经过真实交付验证。

首页 / 资讯中心 / 正文

Unity着色器实战：Perlin与Simplex噪波算法实现与性能优化

2026/8/3 12:15:30 拓冰建站 浏览量
Unity着色器实战：Perlin与Simplex噪波算法实现与性能优化

1. 项目概述：从“一片空白”到“万千世界”的基石

在三维图形世界里，我们追求极致的真实感。这种真实感，很大程度上来源于物体表面那些不完美、不规则、充满随机性的细节——岩石的粗糙、木头的纹理、地面的起伏、云朵的流动。如果所有表面都像镜面一样光滑，或者像纯色平面一样单调，那构建出的世界将毫无生气。而赋予这些表面“灵魂”的关键技术之一，就是噪波。今天，我们就来深入探讨在Unity引擎中，如何通过编写着色器，将经典的Perlin和Simplex噪波算法从数学公式变为可视化的程序化纹理，并应用到你的项目中去。

这不仅仅是学习两个算法，更是掌握一种“无中生有”的创作能力。程序化纹理意味着你无需依赖美术资源库，仅凭代码和参数就能生成无限变化、无缝衔接且体积极小的纹理。这对于生成广袤的地形、多变的天空、风格化的特效，甚至是优化包体大小，都有着不可估量的价值。无论你是想为自己的独立游戏增添独特的视觉风格，还是希望深入理解计算机图形学的核心原理，这次对噪波着色器的实战解析都将是一次扎实的旅程。我们将从原理出发，手把手实现，并分享那些只有踩过坑才知道的优化技巧。

2. 核心算法解析：Perlin与Simplex的数学之美

要理解噪波着色器，必须先理解其心脏——噪波算法。我们常说的“噪波”在图形学中特指一种梯度噪波，它不同于完全随机的白噪声，其特点是连续、平滑且具有明确的频率和振幅控制。Perlin噪波和Simplex噪波是其中最具代表性的两种。

2.1 Perlin噪波：经典的开创者

Perlin噪波由Ken Perlin于1985年提出，并因此获得了奥斯卡技术成就奖。它的核心思想是在整数坐标格点上定义随机的梯度向量，然后对于任意一点，计算其到周围格点的向量与对应格点梯度向量的点积，最后进行平滑插值。

1. 算法步骤拆解：

  1. 网格划分：将空间（二维或三维）划分为单位长度的整数网格。每个网格的顶点称为“格点”。
  2. 梯度分配：为每个格点随机分配一个单位长度的梯度向量。在经典实现中，二维梯度可以从(1,1), (-1,1), (1,-1), (-1,-1)等固定集合中选取，以确保计算的一致性（通过哈希函数）。
  3. 距离向量计算：对于空间中的任意点P，找到它所在的网格单元，并计算P点到该单元四个格点（二维情况）的距离向量。
  4. 点积计算：将每个格点的梯度向量与P点到该格点的距离向量进行点积。这个点积值可以理解为该格点梯度对P点的影响权重。
  5. 平滑插值：使用一个平滑的插值函数（通常是五次埃尔米特插值函数s(t) = 6t^5 - 15t^4 + 10t^3），对四个点积结果进行双线性插值，得到最终的噪波值。

为什么是点积？点积G·(P-P0)的几何意义是向量(P-P0)在梯度方向G上的投影长度。这巧妙地模拟了“影响”：如果距离向量的方向与梯度方向一致，则贡献为正且最大；如果相反，则为负；如果垂直，则为零。这构成了变化的基础。

实操心得：Perlin噪波的“网格感”经典Perlin噪波的一个视觉缺陷是在坐标轴对齐的方向上可能产生明显的“网格状”或“条带状”图案。这是因为其梯度向量集合是轴对齐的（如(1,0), (0,1)等）。改进版的Perlin噪波会使用更均匀分布的梯度向量（例如从单位圆上随机选取），来缓解这个问题。在着色器实现时，选择哪个梯度集是第一个需要做的权衡。

2.2 Simplex噪波：更优的进化体

Simplex噪波同样是Ken Perlin的杰作，旨在解决Perlin噪波在更高维度下计算量激增（O(2^n)）和方向性伪影的问题。Simplex噪波的核心是将空间网格从超立方体（如二维的正方形网格）换成了单形网格（二维是等边三角形，三维是四面体）。

1. 算法优势对比：

  • 计算复杂度：Simplex噪波在n维空间只需要计算(n+1)个顶点的贡献，而Perlin需要2^n个。在三维时，Simplex算4个点，Perlin算8个点；四维时，Simplex算5个点，Perlin算16个点！效率提升巨大。
  • 视觉质量：由于单形网格的各向同性更好，Simplex噪波产生的图案通常更自然、更少的方向性偏差，没有明显的轴对齐痕迹。
  • 硬件友好性：更少的计算步骤意味着在着色器中，尤其是片段着色器这种需要逐像素计算的地方，Simplex噪波的性能开销通常更低。

2. 算法步骤简述（以二维为例）：

  1. 坐标变换：将输入坐标进行一个剪切变换，把标准空间网格“挤”成单形网格。
  2. 确定单形：确定输入点落在哪个等边三角形内。
  3. 确定顶点：找到这个三角形的三个顶点（对应变换后空间的整数坐标点）。
  4. 贡献计算：计算输入点到这三个顶点的向量，以及顶点处的梯度向量（同样通过哈希获取），然后进行点积。这里使用的衰减函数通常是(r^2 - d^2)^4（如果d^2 < r^2，否则为0），其中d是距离，r是半径，这个函数比Perlin的插值函数计算量稍大但更平滑。
  5. 求和：将三个顶点的贡献值相加，并经过一个缩放因子调整，得到最终结果。

注意：Simplex噪波的经典实现（尤其是三维和四维）涉及一个轻微的专利问题（专利已过期，但某些特定实现可能仍有约束）。在开源社区和Unity的Mathematics库中提供的noise.snoise函数通常是安全的、经过优化的实现，可以直接使用。自己实现时需留意相关法律条文。

3. 着色器实战：在Unity中实现噪波纹理生成

理解了原理，我们进入实战环节。我们的目标是在Unity的Surface Shader或Unlit Shader中，实现一个能够实时生成并展示Perlin或Simplex噪波的程序化纹理材质。

3.1 环境准备与着色器框架搭建

首先，在Unity中创建一个新的Unlit Shader，命名为ProceduralNoise。我们选择Unlit Shader作为起点，因为它结构简单，专注于颜色输出，适合学习。

Shader "Unlit/ProceduralNoise" { Properties { // 我们将在这里添加控制噪波参数的属性 _NoiseScale ("Noise Scale", Float) = 10.0 _Octaves ("Octaves", Int) = 4 _Persistence ("Persistence", Range(0, 1)) = 0.5 _Lacunarity ("Lacunarity", Float) = 2.0 _Offset ("Offset", Vector) = (0,0,0,0) _NoiseType ("Noise Type", Int) = 0 // 0=Perlin, 1=Simplex } SubShader { Tags { "RenderType"="Opaque" } LOD 100 Pass { CGPROGRAM #pragma vertex vert #pragma fragment frag #include "UnityCG.cginc" // 属性变量声明 float _NoiseScale; int _Octaves; float _Persistence; float _Lacunarity; float2 _Offset; int _NoiseType; // 顶点着色器输入输出结构体 struct appdata { float4 vertex : POSITION; float2 uv : TEXCOORD0; }; struct v2f { float2 uv : TEXCOORD0; float4 vertex : SV_POSITION; }; v2f vert (appdata v) { v2f o; o.vertex = UnityObjectToClipPos(v.vertex); o.uv = v.uv; return o; } // 这里将放置我们的噪波函数 float perlin_noise(float2 p) { ... } float simplex_noise(float2 p) { ... } // 分形布朗运动（Fractal Brownian Motion, fBm）函数 float fBm(float2 p, int octaves, float persistence, float lacunarity) { ... } fixed4 frag (v2f i) : SV_Target { // 计算世界空间或基于UV的坐标 float2 samplePos = i.uv * _NoiseScale + _Offset; float noiseValue; if (_NoiseType == 0) noiseValue = fBm(samplePos, _Octaves, _Persistence, _Lacunarity); else noiseValue = fBm(samplePos, _Octaves, _Persistence, _Lacunarity); // 内部调用不同的噪波函数 // 将[-1, 1]范围的噪波值映射到[0, 1]用于颜色显示 noiseValue = noiseValue * 0.5 + 0.5; return fixed4(noiseValue, noiseValue, noiseValue, 1.0); } ENDCG } } }

这个框架定义了基本的属性参数和渲染管线。关键点在于frag函数中，我们将UV坐标缩放和偏移后，输入到fBm函数中生成分形噪波。

3.2 核心噪波函数的HLSL实现

接下来是实现最核心的噪波函数。由于在着色器中实现完整的、高质量的Perlin/Simplex算法代码较长，这里给出关键思路和简化版示例。在实际项目中，强烈建议使用Unity内置的UnityCG.cginc中的noise函数，或者Packages/Mathematics中的noise类库，它们经过高度优化。

1. 实现一个简化版的梯度噪波函数：我们可以先实现一个基础的、基于哈希的梯度噪波来理解流程。

// 一个简单的伪随机哈希函数，将二维坐标映射到一个随机浮点数 float hash(float2 p) { p = float2(dot(p, float2(127.1, 311.7)), dot(p, float2(269.5, 183.3))); return -1.0 + 2.0 * frac(sin(p) * 43758.5453123); } // 简化版的Perlin噪波（二维） float perlin_noise_simple(float2 p) { float2 pi = floor(p); // 整数部分 float2 pf = frac(p); // 小数部分 // 计算四个角点的随机梯度 float2 g00 = normalize(float2(hash(pi + float2(0,0)), hash(pi + float2(0,0) + 0.1))); float2 g10 = normalize(float2(hash(pi + float2(1,0)), hash(pi + float2(1,0) + 0.1))); float2 g01 = normalize(float2(hash(pi + float2(0,1)), hash(pi + float2(0,1) + 0.1))); float2 g11 = normalize(float2(hash(pi + float2(1,1)), hash(pi + float2(1,1) + 0.1))); // 距离向量 float2 d00 = pf - float2(0,0); float2 d10 = pf - float2(1,0); float2 d01 = pf - float2(0,1); float2 d11 = pf - float2(1,1); // 点积 float n00 = dot(g00, d00); float n10 = dot(g10, d10); float n01 = dot(g01, d01); float n11 = dot(g11, d11); // 五次平滑插值 float2 u = pf * pf * pf * (pf * (pf * 6.0 - 15.0) + 10.0); // 双线性插值 float nx0 = lerp(n00, n10, u.x); float nx1 = lerp(n01, n11, u.x); return lerp(nx0, nx1, u.y); }

2. 引入分形布朗运动（fBm）：单一的噪波频率看起来往往过于平滑。为了模拟自然界中复杂的纹理（如山脉、云层），我们需要将多个不同频率和振幅的噪波叠加起来，这就是fBm。

float fBm(float2 p, int octaves, float persistence, float lacunarity) { float total = 0.0; float frequency = 1.0; float amplitude = 1.0; float maxValue = 0.0; // 用于归一化 for (int i = 0; i < octaves; i++) { total += perlin_noise_simple(p * frequency) * amplitude; maxValue += amplitude; amplitude *= persistence; frequency *= lacunarity; } return total / maxValue; // 归一化到大致[-1,1]范围 }
  • Octaves（倍频）：叠加的层数。层数越多，细节越丰富，但计算成本越高。
  • Persistence（持久度）：每一层振幅的衰减系数。通常小于1，意味着高频细节的贡献逐渐减小。
  • Lacunarity（间隙度）：每一层频率的倍增系数。通常大于1，意味着每一层的“细节”越来越小。

3.3 材质参数调节与视觉化应用

创建材质并应用我们的着色器后，你可以通过调节Inspector面板上的参数，实时看到噪波纹理的变化。

  • _NoiseScale：缩放采样坐标。值越小，噪波图案被“拉伸”，看起来更平滑、低频；值越大，噪波细节越密集，看起来更“尖锐”、高频。
  • _Offset：平移采样坐标。可以用来实现纹理的滚动（如流动的云层），只需在脚本中随时间修改这个值即可。
  • _Octaves/_Persistence/_Lacunarity：这三个参数共同控制分形复杂度。尝试设置Octaves=6, Persistence=0.5, Lacunarity=2.0，你会立刻得到类似地形高度图的复杂图案。

从灰度到应用：目前我们输出的是灰度图。如何应用？

  1. 地形高度：直接将noiseValue作为y坐标位移，赋予一个平面网格。
  2. 纹理混合：用noiseValue作为混合因子，在两种岩石纹理或草地和泥土纹理之间进行线性插值（lerp）。
  3. 遮罩生成：用noiseValue的阈值化结果（step或smoothstep函数）来生成用于控制特效范围、植被分布的不规则遮罩。
  4. 颜色映射：使用一个渐变纹理（1D Gradient Texture），以noiseValue作为UV的x坐标去采样，可以生成多彩的云、熔岩等效果。

4. 性能优化与高级技巧实录

在着色器里进行复杂的程序化计算，性能是必须考虑的关卡。尤其是当你的噪波用于全屏后处理、复杂地形或者移动平台时。

4.1 性能瓶颈分析与优化策略

1. 算法复杂度是首要敌人。每像素每帧都要进行多次（Octaves次）噪波函数计算，而每个噪波函数内部又有循环、哈希、点积、插值。在片段着色器中，这可能是灾难性的。

  • 优化策略1：降低精度。在移动平台或不需要极高精度时，将float替换为half或fixed。对于噪波计算，half通常已足够。
  • 优化策略2：减少倍频数。在远处或次要物体上，使用更少的Octaves。可以通过脚本根据物体与相机的距离动态设置材质属性。
  • 优化策略3：预计算与烘焙。对于静态或变化缓慢的纹理（如地形基底纹理），完全可以在编辑器模式下将程序化纹理烘焙成一张普通的2D纹理图集，运行时直接采样，彻底消除计算开销。Unity的Texture2D.PerlinNoiseAPI（注意，这是CPU端的）可以用于这种预生成。

2. 分支与循环的代价。着色器中的if语句和循环（尤其是循环次数可变的）在某些GPU架构上性能不佳。

  • 优化策略：展开循环。如果Octaves数量固定且不大（比如4层），可以手动展开循环，避免动态分支。或者使用[unroll]指令提示编译器。
  • 注意：我们的着色器中通过_NoiseType切换Perlin和Simplex是一个分支。如果确定只用一种，应移除这个分支，编译两个不同版本的着色器。

3. 使用内置或第三方优化库。不要重复造轮子，尤其是性能敏感的轮子。

  • Unity Mathematics (Unity.Mathematics.noise)：提供了高度优化的cnoise(Perlin) 和snoise(Simplex) 函数，支持2D、3D、4D。它们通常使用查表法和更高效的指令实现，性能远优于手写版本。强烈推荐在需要高质量噪波时使用。
  • Shader Graph的Custom Function节点：如果你使用Shader Graph，可以将优化好的HLSL噪波函数封装为Custom Function，在节点图中灵活调用，兼顾了可视化编辑和代码性能。

4.2 常见问题与排查技巧

问题1：噪波纹理出现明显的“重复感”或“图案化”。

  • 原因：哈希函数的周期太短，或者采样尺度(_NoiseScale)与UV范围形成了整数倍关系，导致图案重复。
  • 解决：
    1. 使用更复杂的哈希函数，或者对输入坐标进行“扭曲”后再哈希。例如：p = sin(p * largeNumber) * anotherLargeNumber。
    2. 引入一个随机的全局偏移_Offset，或者使用三维噪波，用第三个维度（如时间或另一个空间轴）作为“种子”来切片，获得无限不重复的二维图案。
    3. 确保_NoiseScale是一个无理数或较大的质数，避免与UV的[0,1]范围产生谐波。

问题2：在物体边缘或特定角度，噪波出现锯齿或闪烁。

  • 原因：这是经典的纹理滤波与Mipmapping问题。程序化纹理在屏幕上缩小时，由于是实时计算，默认没有进行正确的反走样过滤。
  • 解决：
    1. 手动计算微分：在片段着色器中，使用ddx和ddy函数计算噪波函数相对于屏幕空间的导数，手动实现一个简单的抗锯齿。例如，对采样点进行一个基于导数大小的偏移或模糊。
    2. 预生成Mipmap的变通方案：虽然不能像普通纹理那样自动生成Mipmap，但你可以通过根据屏幕空间导数动态调整_NoiseScale或Octaves来模拟。当导数大（物体远处或锐利边缘）时，增加尺度（降低频率）或减少倍频数，相当于“模糊”了高频细节。

问题3：移动设备上帧率骤降。

  • 原因：片段着色器计算负担过重。
  • 排查与解决：
    1. 使用Unity Profiler的GPU模块，定位消耗最高的着色器。
    2. 将程序化噪波的计算从片段着色器移至顶点着色器。这对于网格较密或噪波变化平缓的表面（如起伏的地形）非常有效。在顶点着色器计算噪波值，然后在片段着色器中通过SV_Position或插值得到，计算量从像素数级降到顶点数级。缺点是会损失细节，导致三角形内部颜色平坦。
    3. 考虑计算着色器(Compute Shader)。如果你需要生成一张全局使用的、高分辨率的噪波纹理，在Compute Shader中并行生成，然后作为RenderTexture传递给普通着色器采样，是最高效的方式。

问题4：如何实现可平铺（Tiling）的无缝噪波？这是程序化纹理的一个高级话题。简单的噪波函数在边界处值不匹配。

  • 技巧：使用**域扭曲（Domain Warping）**技术。不是直接采样p，而是采样一个由另一个低频噪波扭曲过的坐标p'。即：
    float2 q = float2( fBm(p, oct1, pers1, lac1), fBm(p + float2(5.2, 1.3), oct1, pers1, lac1) ); float2 r = float2( fBm(p + 4.0*q + float2(1.7, 9.2), oct2, pers2, lac2), fBm(p + 4.0*q + float2(8.3, 2.8), oct2, pers2, lac2) ); float noiseValue = fBm(p + 4.0*r, oct3, pers3, lac3);
    通过多层扭曲，可以生成极其复杂且自然无缝的图案。调整各层的参数，可以获得大理石、木材、火焰等不同效果。

5. 从理论到创作：程序化纹理的无限可能

掌握了基础的噪波生成和优化，你的创作才刚刚开始。程序化纹理的核心魅力在于“控制”和“组合”。

1. 混合多种噪波：不要只使用一种噪波。将不同尺度、不同算法（Perlin, Simplex, Value Noise, Cellular Noise）的噪波通过加、减、乘、最大值、最小值等操作混合，可以创造出更丰富的质感。例如，用一个大尺度的Simplex噪波作为地形基础高度，再用一个小尺度、高对比度的Cellular Noise（沃利噪声）乘以它，来模拟岩石表面的碎裂感。

2. 基于物理的材质建模：噪波值不仅可以作为颜色，更可以作为各种物理通道的输入。

  • 法线贴图：对噪波函数在x和y方向求偏导数（可以使用ddx/ddy的近似，或者直接计算相邻点的差分），用得到的梯度来构造切空间法线向量。这能让平坦的表面呈现出复杂的凹凸光影细节，而无需增加几何复杂度。
  • 粗糙度/金属度贴图：用噪波控制材质不同区域的粗糙度（例如，湿滑区域粗糙度低，干燥区域粗糙度高）或金属度变化。
  • 高度图/视差遮挡：直接使用噪波作为高度图，配合视差映射(Parallax Mapping)或视差遮挡映射(Parallax Occlusion Mapping)技术，在视觉上产生强烈的深度感。

3. 动态与交互：让噪波“动”起来，是创造生动世界的关键。

  • 时间维度：将时间变量_Time.y作为噪波函数的第三个维度输入，可以轻松得到流动的云、水面波纹、摇曳的火焰等动态效果。公式类似：float n = snoise(float3(uv.x, uv.y, _Time.y * speed))。
  • 世界空间采样：放弃UV采样，改用模型顶点或像素的世界坐标worldPos.xz进行采样。这样无论模型纹理坐标如何，其表面的程序化纹理都是基于其在世界中的真实位置生成的，当物体移动时，纹理就像固定在世界上一样不会滑动，非常适合地形、环境细节。

在我自己的项目经验中，最初总是追求用最高倍频、最复杂的算法来获得“最酷”的细节，结果就是在低端机器上遭遇性能滑铁卢。后来才明白，程序化艺术的精髓在于“以少胜多”和“恰到好处”。一个精心调节的、只有2-3个倍频的Simplex噪波，配合巧妙的颜色映射和后期处理，其表现力可能远超一个粗暴的8倍频噪波。多花时间在参数调节和艺术指导上，往往比堆砌技术更出效果。