我已经完成了用于控制成像硬件的软件的工作，例如显微镜，有时很难有时间。这意味着很难测试需要访问仪器的新/不同算法。我想创建一个可用于某些测试目的的合成仪器，我正在考虑使用某种分形图像生成来创建合成图像。关键是能够以某种确定的方式在许多不同的“放大率”和位置生成特征。这是因为正在测试的一些算法可能需要平移/缩放并重新定位先前“成像”的区域。在这些基础图像上，我可以应用任何适当的仪器“缺陷”（焦点，噪声，饱和度等）。
我对如何为基本图像选择/实现良好的分形算法感到有点失落。任何帮助，将不胜感激。优选地，它具有以下品质：
第2项很重要，例如一个具有大光滑/空白区域的mandelbrot集可能不太好，因为控制合成范围的软件可能属于这些区域之一。
到目前为止，我已经想过使用类似mandelbrot的东西，但随机移动/旋转/缩放并合并两个或更多分形集以获得更完整的“特征”覆盖。
我还看过分形火焰算法的图像，它们似乎生成了可能有用的图像（很好看）。
最后，我想过使用某种暂停粒子模拟运行来生成更像细胞的图像（我当前的成像目标），但我不确定这种方法是否可以用于其他要求。
编辑： @Jeffrey - 只要我完全控制PSRNG，听起来某种地形生成可能就是这样。也许我可以使用一些存储的初始种子+ x位置+ y位置来生成我的随机数？但是，我不确定如何始终如一地生成跨越尺度的地形，除了你提到的，在最大尺度上创建基础地形，并且在某些预定的“放大率”下，为这个基础添加新的确定性伪随机变化。 。我还必须要小心何时生成下一级地形，因为如果我过于激进，我必须适当地生成和整合结果以便在较粗糙的水平显示...这就是为什么我最初倾向于更“传统”的分形，因为这种更精细尺度的整合将更加隐含地处理（我认为）。
答案 0 :(得分：0)
分形地形创建算法背后的想法是分别在每个尺度上构建图像。对于风景来说，这很简单：只需制作一小组高度值，然后随机设置它们。然后将其缩放到更大的数组，对值进行平均以使轮廓平滑，然后将小的随机量添加到这些值。然后将它放大，等等。原来的小疙瘩变成了山脉，它们充满了复杂的地形。
但是，这里提出的问题存在两个特殊困难。首先，您不希望存储任何这些值，因为它可能是巨大的。其次，每个尺度的特征与其他尺度的特征不同。
这些问题并非不可克服。
基本上，您可以将图像划分为网格，并使用确定性psedorandom数字建立网格中每个方块的关键特征。例如，每个方格可能具有一定密度的细胞类型。
在下一个放大级别，将每个方块细分为另一个网格，在网格上应用基于包含方形及其周围方块的值的渐变值。然后将伪随机变量应用于包含方形的网格坐标的种子。对于随机种子，无论图像被裁剪的位置如何，始终使用正在考虑的细分的直接包含正方形的坐标，以确保在多次运行中正确地重新创建它。
在某种放大水平下，随机值来自于粒子类型的密度到粒子位置。然后对于每个粒子，都有部分特征。然后介绍这些功能。
虽然需要任意左/右和上/下滚动，但每次移动帧时都必须计算当前场景上方所有放大级别的图像，以确保包含所有必要的功能。这样，图像可以从一个单元格滚动到另一个单元格而不会失去一致性。可以使用部分模拟来确保细胞或细胞特征不重叠。这可以以可重复的，确定的方式完成。
在添加随机变量之前，不要忘记在较高级别应用基于周围平方的平均值的平滑梯度。否则，突然的变化将使正方形本身出现在图像中！
这个答案有些漫无边际，可能令人困惑，但我现在最好解释一下。我希望它有所帮助！