▉ 再糟的人生也能触底反弹，即使你是个废柴。— 每天翻译一篇教程，这就是我写给houdini的情书。【首发于同名公众号：“致houdini的情书”】＜Entagma＞Houdini 2017

█ 如果说生活教会了我什么，那就是去享受失败

任何大师都是从菜鸟开始的，任何高手也是从新手开始，其中很多能取得出众的成就的人开始并不出色，甚至资质平平，因为天赋是一回事，后天努力更是才是逆袭的关键。

以前荒废过，不代表以后就废了，知耻而后勇，去做，去犯错，每犯过一个错误，成功的概率就会更大一点。

草根终有逆袭日,人生再无回头时。

今天这一节内容：

点分散在允许结构空间中生长成一堆废柴。

这一节要实现的效果

.....

▉今天是42岁第022天周五

这是写给houdini的

第048封“情书”

我是geo流程图

我是solver流程图

我是vex代码创建一个空的数组

i[]@associates = array();

储存所有信息到nodes组

pointwrangle1命名associates

//-- 1 首先创建搜索半径

float infrad = ch("infrad");

//-- 2 然后是搜索nodes点的临近点

int nearpnt = nearpoint(0,"nodes", @P, infrad);

//-- 3 新的局部变量组 接受从ptnum进入数组，

int valarr[] = array(@ptnum);

//-- 4 设置点的属性，“associates”=这是数组属性的名字，设置到这个属性里；nearpnt=搜索的关联属性的临近点；valarr要写到属性里的值；

//append这个很重要，因为越来越多的吸引点加入进来，不会覆盖前一次的搜索结果，这个数值会越变越长，最终将包含所有吸引点，

setpointattrib(0,"associates",nearpnt,valarr,"append");

pointwrangle1命名expand_tree

//-- 1 我们用它作为判断放置新基础点的距离。

float rad = ch("rad");

//-- 2现在要写入早前收集的信息，从属性中读取信息放入一个局部变量，以便协同工作。

int myassociates[] = i[]@associates;

//-- 3 接下来收集所有associate的信息，如果associate在场，快速

if (len(associated)>0) {

//-- 3-1 初始化临近点矢量和

vector sun= {0,0,0};

//-- 3-2 遍历associates数组里的所有点

foreach(int node; myassociates){

vector nodepos = point(0,”P”,node);

vector dir = normalize(nodepos - @P);

//-- 3-2 新的方向等于之前所有临近点方向之和

sum += dir;

}

sum = normalize(sum);

//-- nnode=新增的基础点; @P+..=位置+方向*粒子直径

//我读取的位置，正好是一个直径与old基础节点，在发现的方向上。

int nnode = addpoint(0,@P+sum*rad);

//-- 接下来就是把新的节点移入nodes组；

setpointgroup(0, “nodes”,nnode,1,”set”);

//-- 把nodes组的颜色属性也赋给新基础点

setpointattrib(0, “Cd”,nnode,{1,0,0},”set”);

//-- 增加polyline和顶点

int nprim = addprim(0, “polyline”);

addvertex(0,nprim,@ptnum);

addvertex(0,nprim,@nnode);

}

pointwrangle1命名remove_attractors

//--设置半径变量killrad

float killrad = ch("killrad");

//-- killerrad半径范围内的所有吸引点====

int nearpnts[] = nearpoints(0,"attractors",@P, killrad);

foreach(int pnt; nearpnts){

removepoint(0,pnt);

}

本节需要注意的知识点：

1

创建更明显的不均匀分布点

isooffset体积化模型：

1）第1部分：//volumevop里noise，fit，ramp//scatter撒多点// 形成比较密集的点。

2）第2部分：// scatter撒的少点

3） 合并。

2

创建一个空的数组属性

1）i[]@associates = array();

3

“吸引点组”里临近粒子设置到数组中

针对“吸引点组”里的粒子。associates 只 Group: attractors.

//-- 1 首先创建搜索半径 float infrad = ch("infrad");

//-- 2 然后是搜索nodes点的临近点 int nearpnt = nearpoint(0,"nodes", @P, infrad);

//-- 3 新的局部变量组 接受从ptnum进入数组，这样创建只有一个数值的数组，这个数值是当前搜索的点 int valarr[] = array(@ptnum);

//-- 4 设置点的属性，“associates”=这是我数组属性的名字，设置到这个属性里；nearpnt=我搜索的临近点的关联属性；valarr要写到属性里的值；setpointattrib(0,"associates",nearpnt,valarr,"append");

4

实现枝条生长效果

//-- 1 判断放新基础点的距离float rad = ch("rad");

//-- 2 早前收集的信息从数组属性中读取出来放入一个局部变量 int myassociates[] = i[]@associates;

//-- 3 收集所有associate的信息

if (len(associated)>0) {

//-- 3-1 初始化临近点矢量和 vector sum= {0,0,0};

//-- 3-2 遍历associates数组里的所有点

foreach(int node; myassociates){

vector nodepos = point(0,”P”,node);//增加P

vector dir = normalize(nodepos - @P);//标准化方向矢量

//-- 3-2 新的方向等于之前所有临近点方向之和

sum += dir;

sum = normalize(sum);//标准化

//增加新的基础点

int nnode = addpoint(0,@P+sum*rad);

//-- 接下来就是把新的节点移入nodes组；

setpointgroup(0, “nodes”,nnode,1,”set”);

//-- 把nodes组的颜色属性也赋给新基础点

setpointattrib(0, “Cd”,nnode,{1,0,0},”set”);

//-- 增加polyline和顶点

int nprim = addprim(0, “polyline”);

addvertex(0,nprim,@ptnum);

addvertex(0,nprim,@nnode);

5

移出基础点半径范围内的吸引点

//--设置半径变量killrad ：float killrad = ch("killrad");

//-- killerrad半径范围内的所有吸引点====

int nearpnts[] = nearpoints(0,"attractors",@P, killrad);

foreach(int pnt; nearpnts){ removepoint(0,pnt);

}

接下来

理论部分

问题1：空间变换算法

01）论文： 空间定域算法在树建模中的应用：

之前的两种 a）recursive递归函数；b）迭代函数系统；2007年后出现一种新的方法：关键点再与争夺空间，有了这种算法，就有可能对分支进行建模，

02）算法的图形化概述：吸引点分散在允许结构生长空间中.

1）基础节点在它周围进行搜索临近点，

2）临近的每一个吸引点被发现了，每个基础节点有不止一个相关的吸引点，每个吸引点只有一个最接近的基础节点，现在有方向了，

3）

A）只有一个吸引点，一个方向，两者之间形成了矢量

B）有3个吸引点，取方向，normalize向量，然后相加，再次normalize，得到方向的的平均值，

4）现在从结构中生成基础节点，沿着计算的新的方向，生长出一个基础节点直径的距离

5）最后移出最接近的吸引点，使用一个参数kill radius作为判断半径，

接下来，2极有可能在下一个基础节点的killradius半径范围内，然后被移除，

接下来

开始正式制作

使用软件houdini16.5

问题2：如何创建更明显的分布不均匀点

1）file->transform

// 不要把点直接撒到模型上，首先转成volume，我们需要体积的效果。

2）isooffset1 // <>

为了便于观察体积效果，加节点

3）volumevisualization // Density Scale=8

4） scatter1 //

a) Force Total Count：10万；取消Relax Iterations

5）volumevop //

a) 加入噪音控制：

b) 调解曲线：

6）group1 // ”吸引点attractors“的组

a) Group Name : attractors.

b) Group Type : Points.

7）color1 // 蓝色

在合并一个稀疏的分散点：

8）scatter2 // 连isooffset1 // 撒1万个点

9）merge //

10）add // 增加三个点，移动一下位置

11）group2 //

a) Group Name : nodes.

12）color2 // 红色

13）merge2 // 合并两组粒子

14）solver1 //

14-1) pointwrangle重命名init_associates（初始化联系） //创建一个空的数组属性 ，因为搜索离基础点最近的所有的吸引点。然后 搜索信息要储存在基础点。我们把搜索的结果储存在数组里，

//-- 创建一个空的数组，i=整数，[]=不是标准属性是数组属性，初始化数组返回空值

//-- 每次运行，初始化，array函数返回空的数组，这点非常重要，后面每一步有了新的数组可以观察到 ，

i[]@associates = array();

14-2) pointwrangle重命名 associates（初始化联系） 只针对“吸引点组”里的粒子 Group: attractors. 这里只搜索离基础点最近的吸引点粒子。

// Infrad = 0.03

//-- 1 首先创建搜索半径

float infrad = ch("infrad");

//-- 2 然后是搜索nodes点的临近点

int nearpnt = nearpoint(0,"nodes", @P, infrad);

//-- 3 新的局部变量组 接受从ptnum进入数组，我们不能让整数值进入数组属性，必须储存数组进入数组

//这样创建了只有一个数值的数组，这个数值是当前搜索的点

int valarr[] = array(@ptnum);

//-- 4 设置点的属性，“associates”=这是我数组属性的名字，设置到这个属性里；nearpnt=我搜索的临近点的关联属性；valarr要写到属性里的值；

//append这个很重要，因为越来越多的吸引点加入进来，不会覆盖前一次的搜索结果，这个数值会越变越长，最终将包含所有吸引点，

setpointattrib(0,"associates",nearpnt,valarr,"append");

14-3) pointwrangle重命名expand_tree（枝条生长） // Rad = 0.002 粒子的直径

//-- 1 我们用它作为判断放新基础点的距离。

float rad = ch("rad");

//-- 2现在要写入早前收集的信息，从属性中读取信息放入一个局部变量，以便协同工作。

int myassociates[] = i[]@associates;

//-- 3 接下来收集所有associate的信息，如果associate在场，快速

if (len(associated)>0) {

//-- 3-1 初始化临近点矢量和

vector sun= {0,0,0};

//-- 3-2 遍历associates数组里的所有点

foreach(int node; myassociates){

vector nodepos = point(0,”P”,node);

vector dir = normalize(nodepos - @P);

//-- 3-2 新的方向等于之前所有临近点方向之和

sum += dir;

}

sum = normalize(sum);

//-- nnode=新增的基础点; @P+..=位置+方向*粒子直径

//我读取的位置，正好是一个直径与old基础节点，在发现的方向上。

int nnode = addpoint(0,@P+sum*rad);

//-- 接下来就是把新的节点移入nodes组；

setpointgroup(0, “nodes”,nnode,1,”set”);

//-- 把nodes组的颜色属性也赋给新基础点

setpointattrib(0, “Cd”,nnode,{1,0,0},”set”);

//-- 增加polyline和顶点

int nprim = addprim(0, “polyline”);

addvertex(0,nprim,@ptnum);

addvertex(0,nprim,@nnode);

}

14-4) pointwrangle重命名remove_attractor（移出指定半径内的吸引点） // Killrad= 0.01

//--设置半径变量killrad

float killrad = ch("killrad");

//-- killerrad半径范围内的所有吸引点====

int nearpnts[] = nearpoints(0,"attractors",@P, killrad);

foreach(int pnt; nearpnts){

removepoint(0,pnt);

}

今天就到这儿了，收功

教程翻译自entagma的网络教程

下一节：20170911 Loops & VEX- Artistic Quadtrees

本文图片全部原创，版权归原作者所有