3.2 散布与分布算法

3.2 散布与分布算法

本节摘要：散布（Scattering）把"点"撒到表面，再用 Copy to Points 实例化成万物。质量的分水岭在密度控制：用属性图与规则掩码决定"哪里多哪里少"，用蓝噪声保证"匀而不齐"。本节搭一个完整的属性驱动散布系统，并对比随机、抖动网格与最近点避让三种分布算法。

实验：属性驱动的散布系统

接着山体做。目标：石头集中在山腰陡坡，山顶稀疏，山脚几乎不放。整条链四步：

1. 造密度值——在山面几何上写一个 density 点属性（Wrangle，Run Over Points）：

float slope = degrees(acos(clamp(dot(v@N, {0,1,0}), -1, 1)));
float h = relbbox(0, @P).y;
// 山腰最密：带通 + 缓冲
f@density = smooth(0.05, 0.25, h) * (1 - smooth(0.6, 0.85, h));
f@density *= fit(slope, 10, 40, 0, 1);
f@density *= 0.5 + 0.5 * noise(@P * 1.7);   // 簇状变化，避免均匀抹开
​

2. Scatter 读取密度：勾选 Density Attribute 填 density，目标点数给 20000。注意 Scatter 的 Force Total Count 与密度属性相乘决定最终分布——密度是相对权重，不是绝对值；
3. Copy to Points 接石头模型，2.1 写的 pscale 规则继续生效；
4. 打散规整感：Scatter 勾选蓝噪声相关选项或在前置网格上做抖动（下文对比）。

图 3.2-1 散布系统数据流

三种分布算法对比

密度解决"哪里多"，分布算法解决"怎么摆"。同一密度下三种算法的质感差异显著：

Houdini 的 Scatter 自带思路二的网格抖动与思路三的最小间距参数；要完全控制时也可以用 Point Relax 节点把已撒的点推开到最小距离——它就是迭代式的最近点排斥，2.1 的邻域代码手写版即其原理。

💡 关键直觉：自然界的分布几乎都是簇状的（种子落在哪里，哪里就长出一片）。纯均匀反而假，纯随机偶尔扎堆。密度场乘一层噪声（实验第 3 行）是性价比最高的"簇感"来源。

避让与优先级

真实散布还要处理"打架"：大树不许长在路上，营火周围要有空地。两层手段：

• 掩码相减：道路先算成一张 mask（按距离曲线的远近，第 4 章会展开），density *= 1 - roadmask; 一行解决；
• 优先级复制：先复制大树，再用 Attribute Transfer 把已有树的位置烙成"排斥场"，第二次散布读它降密度——生态学里的"演替"就这么程序化了。

// 第二轮散布前的排斥：离大树越近密度越低
int near[] = nearpoints(1, @P, 2.0);   // 输入1=大树点云
if (len(near) > 0) f@density *= 0.05;
​

性能与落点

2 万个点直接 Copy 真模型会很重。两条正路：Copy 到低模代理，渲染时换回高模；或直接输出实例化属性（取向量乘 pscale 打包成 instance 矩阵），交给渲染器/引擎实例化——第 7 章与引擎对接时这是标准出口。

⚠️ 常见坑：Scatter 在三角面上撒点时，长条三角形会比正三角形"吸"更多点（按面积加权对随机是公平的，但视觉上长条区域密度失真）。先 Remesh 匀化网格再散布，分布才可信。

本节要点回顾

• 密度是属性：slope/height/mask/noise 相乘合成 density，Scatter 读它；
• 分布三档：纯随机（真但扎堆）、抖动网格（匀而活）、最小间距（硬不重叠）；
• 簇状比均匀更自然：密度乘噪声一层即得；
• 避让两法：掩码相减（便宜）与排斥场（有优先级语义）；
• 散布前先匀化网格，长三角形会造成密度失真；
• 出口是实例化，不是复制真模型。

散布系统里反复出现的 noise 到底是什么？下一节把它讲透。

延伸：泊松盘散布的手工实现与验证

高级散布的关键约束是"既随机又不重叠"，泊松盘是标准答案。Scatter SOP 内置（Relax 选项即是），但手工实现一遍能让你获得修改它的能力，核心是拒绝采样加松弛：

// Attribute Wrangle (Run Over: Detail) —— 迭代式松弛散点
int pts[] = expandpointgroup(0, "");
for (int iter = 0; iter < chi("iters"); iter++) {
    foreach (int p; pts) {
        vector pos = point(0, "P", p);
        int nbs[] = nearpoints(0, pos, ch("min_dist") * 2);
        vector push = {0,0,0};
        foreach (int nb; nbs) {
            if (nb == p) continue;
            vector d = pos - point(0, "P", nb);
            float len = length(d);
            if (len < ch("min_dist") && len > 1e-5)
                push += normalize(d) * (ch("min_dist") - len);
        }
        setpointattrib(0, "P", p, pos + push * 0.5, "set");
    }
}
​

验证标准：最小点间距直方图（measure 出 min distance 属性后画 histogram）应紧贴 min_dist 而无长尾。同样的松弛框架换个"力"就是曲面上的颗粒堆积、苔藓群聚——散布算法的通用骨架比具体节点更值钱。

延伸：密度图的合成管线

密度场合成清单
坡度图(slope) + 海拔带(fit@P.y) + 噪声扰动(偏差) + 艺术遮罩(画笔mask)
=> 乘法合成: 只有多因子相乘才能制造"同时满足"的 AND 语义
=> 验证: Scatter 的密度可视化 + 数量统计随参数单调
陷阱: 各因子未归一化到0-1就相乘, 密度会坍缩为0
​