程序化纹理生成实战：用Python打造无缝PBR材质工具

artcraft 这个名字，是我在为一个开放世界项目补材质库时随手起的。当时手绘的石头贴图已经攒了二十多张，美术每次放大看都不满意——光影不统一，明暗纹路各走各的，铺到地形上像打了补丁。程序化生成这个方向我早想尝试，趁项目间隙把工具搭了起来，起名时没费太多心思：art 加 craft，艺术与手艺。后来这名字反而成了项目的灵魂，因为我做的本质上是把“手艺感”写进代码。

现在回头看，artcraft 并不是一个多庞大的系统，它是一个以节点和代码为核心的生成艺术工具，主要输出 PBR 无缝贴图、2D 纹理变体以及各种可复用的图案。它解决的核心问题，是传统手绘贴图在批量化生产时最让人头疼的三件事：风格不一致、接缝难处理、变体成本高。适合的读者，我猜主要是游戏开发、技术美术、独立制作者，以及那些想接触生成艺术但还在边缘观望的人。

1. 项目定位与核心设计思路

1.1 artcraft 到底是什么

简单点说，artcraft 是一个面向纹理和材质生产的程序化生成工具。你可以把它理解成一块画布，但不用鼠标笔刷，而是用噪声函数、数学表达式、图层混合和掩码节点来作画。它输出的不是一副传统意义上的画，而是一张或一组可平铺的图像，再往后接 PBR 材质管线，就能变成游戏场景里的岩石、地表、木纹、金属划痕。

当时给我自己的定位很明确：不做大而全的 DCC 工具，只专注纹理领域。市面上已经有很多成熟的节点式工具，我不可能也无意去对抗它们。artcraft 的出发点更朴素——用一套轻量级代码，把高频重复的纹理生产自动化。比如某个场景需要 20 块颜色略有差异但纹路风格完全一致的岩石，手工去画，先不说工作量，光保证风格统一就很考验人。程序化生成可以轻松做到：同一个核心节点树，换几个种子和颜色映射，就能批量产出我想要的变体。

工具的本体是一套基于 Python 的生成引擎，外加一个 JSON 格式的节点图描述文件。节点图的表达能力足够做中度复杂度的纹理，同时又避免了任何图形界面开发的成本。你写完节点图，运行引擎，得到几组通道图，然后再交给渲染器去合成。

1.2 为什么选程序化而不是手绘

这个问题，几乎每个看到项目的同事都会问一次。我的回答通常分三层。

第一层是统一性。手绘贴图本身没有问题，它的问题在于多张同风格贴图很难做到真正的统一。程序化生成没有这个问题，因为所有变化都来源于同一组参数，你能保证每一张变体之间的风格偏差完全可控。

第二层是迭代效率。美术改一张手绘贴图，可能要整体重画；程序化改一个参数，比如把 noise scale 从 3.5 改到 7.0，整个纹理风格就变了，再配合种子微调，几十个变体瞬间就能出来。这种迭代速度，对快节奏的项目来说太关键了。

第三层是技术深度。程序化生成能够产出手绘很难做到的东西，比如严格无缝的 tileable 贴图、基于物理的粗糙度与法线联动、以及多通道数据的一致性。简单说，手绘更适合做“表达”，而程序化更适合做“生产”。artcraft 的定位从一开始就在“生产”这一侧，这也是它和纯艺术创作工具最本质的区别。

1.3 设计取舍和技术栈

artcraft 的早期版本我试过做成一个带交互界面的桌面应用，后来放弃了。原因很简单：界面耗费的时间远超功能本身。于是我把核心逻辑全部收敛到命令行和 Python 脚本中，前端交互先从简，这样项目能聚焦在最有价值的算法流程上。

技术栈方面，基础是 Python 3.9 和 numpy，图像处理用 Pillow。噪声算法是自己实现的 Perlin 和 Worley，没有直接依赖现成的生成艺术库，原因后面会提到。整套系统的核心架构可以分为三层：

• 节点描述层：JSON 文件描述节点图结构，包括节点类型、参数、连线关系。
• 计算执行层：Python 引擎按拓扑顺序执行节点，生成中间结果和最终输出图。
• 通道导出层：按 basecolor、normal、roughness、height 等通道打包输出，适配引擎导入。

这个分层思路，如果你之后想给 artcraft 加 UI 或者扩展成 Web 服务，都会很顺手。

2. 核心原理与参数拆解

2.1 从噪声函数到纹理骨架

所有程序化纹理的基础，几乎都是噪声函数。artcraft 里最常用的三类噪声是 Perlin 噪声、Worley 噪声，以及它们组合出来的 FBM。

Perlin 噪声可以理解成一个连续、平滑、可重复的随机场。普通随机数是每个像素独立蹦跳的，Perlin 则会生成类似山丘起伏的连续图案，它是岩石、地形、云朵这类自然纹理的骨架。Worley 噪声则长得完全不一样，它把空间划分成无数个细胞，每个细胞中心生成一个点，再计算像素与最近点的距离，得到的效果类似细胞壁、瓷砖缝、马赛克，适合做石头缝隙、龟裂地表、鳞片这类结构感强的纹理。

FBM，全称是 Fractal Brownian Motion，分形布朗运动，这个名词听起来吓人，实际就是把多个不同频率的噪声叠加到一起。低频噪声决定大形，高频噪声叠加细节，于是画面呈现出“远看有起伏，近看有细节”的自然效果。这就像一张真实的山地照片，既有山体的大轮廓，又有碎石、树叶和土壤的细碎层次，单靠一层噪声永远做不到这一点。

2.2 无缝平铺的实现要点

artcraft 输出的纹理必须能平铺。平铺的含义是：把一张纹理像瓷砖一样左右上下拼接，边界处看不出接缝。这个需求在游戏场景里几乎是刚需，因为地形和墙体的大面积表面只能靠重复贴图覆盖。

无缝的最朴素实现思路是：让噪声在边界处保持连续。最简单的方法是使用周期性噪声，即把噪声场生成在一个环形空间中，让它在整数倍频上重复。这里有一个关键参数：噪声的 frequency 必须取整数。比如 noise scale 设为 4 时，噪声形状会在 4 个周期后循环，正好平铺到边缘；如果取 3.7 之类的小数，边界就成了断崖，接缝立刻原形毕露。

除了整数频率，我还在引擎里加了一组边界混合函数。具体做法是生成噪声时将四边各取一定宽度的区域做交叉淡入淡出。实际操作下来，把频率设为整数还是最省事的方法，边界混合只作为补充手段。

2.3 核心参数速查表

程序化纹理的参数数量可以非常多，但如果核心理解透了，大部分参数都是同一回事。artcraft 里我整理了这样一张速查表：

最常被低估的参数是 gain。它控制在整体画面中细节层的权重，如果设得太大，高频噪点会喧宾夺主；设得太小，细节又会糊成一片。我一般从 0.5 起步，根据纹理用途调整到 0.45 或 0.55。

3. 实操：从零生成一张无缝岩石纹理

这部分我直接展示一个完整的实操流程。目标是生成一张 1024x1024、无缝平铺的岩石地表纹理，包含 basecolor、normal、roughness 三个通道。

3.1 环境准备与工程结构

artcraft 的运行环境非常简单，只需要一个 Python 3.9 以上的解释器和两个库：numpy、Pillow。建议使用虚拟环境：

mkdir artcraft_demo cd artcraft_demo python -m venv venv source venv/bin/activate pip install numpy pillow

工程目录的组织方式我习惯这样：

artcraft_demo/ ├── nodes.py # 节点定义与计算逻辑 ├── engine.py # 节点图执行引擎 ├── texture.py # 纹理生成入口脚本 └── output/ # 输出图片目录

实际跑起来的时候，入口脚本读入一个 JSON 节点图描述，engine 按依赖顺序依次执行，最后输出通道图。为了演示方便，我直接写一个单文件生成脚本，逻辑上等价于一张小的节点图。

3.2 噪声场与高度图生成

第一步是生成灰度高度图，它构成了纹理的高程信息，后续颜色、法线、粗糙度全都由它派生。

import numpy as np from PIL import Image def smoothstep(t): return t * t * (3.0 - 2.0 * t) def value_noise_2d(shape, res, seed): rng = np.random.default_rng(seed) lattice = rng.random((res[0] + 1, res[1] + 1)) coords = np.indices(shape, dtype=float) fx = coords[0] / shape[0] * res[0] fy = coords[1] / shape[1] * res[1] ix, iy = fx.astype(int), fy.astype(int) tx, ty = smoothstep(fx - ix), smoothstep(fy - iy) n00 = lattice[ix, iy] n10 = lattice[ix + 1, iy] n01 = lattice[ix, iy + 1] n11 = lattice[ix + 1, iy + 1] nx0 = n00 * (1 - tx) + n10 * tx nx1 = n01 * (1 - tx) + n11 * tx return nx0 * (1 - ty) + nx1 * ty def fbm(shape, res, octaves, lacunarity=2.0, gain=0.5, seed=0): total = np.zeros(shape, dtype=float) amplitude = 1.0 frequency = 1.0 max_value = 0.0 for i in range(octaves): total += amplitude * value_noise_2d(shape, (int(res[0] * frequency), int(res[1] * frequency)), seed + i * 131) max_value += amplitude frequency *= lacunarity amplitude *= gain return total / max_value

这里有个细节值得说明：fbm内部每层调用的value_noise_2d的 res 是逐层乘以 lacunarity 的，所以在 octaves 为 5 时，最高层的 res 可能达到 16以上。由于每一层的基础噪声频率都是整数，整张图的平铺性质天然成立，这比你事后修接缝要省事得多。

有了 fbm 函数，生成高度图就简单了：

shape = (1024, 1024) height_map = fbm(shape, (6, 6), octaves=5, lacunarity=2.0, gain=0.5, seed=2024) height_map = (height_map - height_map.min()) / (height_map.max() - height_map.min()) Image.fromarray((height_map * 255).astype(np.uint8)).save("output/height_raw.png")

height_map 是一个 0 到 1 的浮点数组，转成 8bit 灰度图后，你能看到清晰的岩石轮廓和颗粒感。

3.3 法线贴图与粗糙度派生

高度图只是第一步，真正让模型在光照下产生立体感的是法线贴图。在 artcraft 里我没有引入复杂的法线生成算法，只用了一个基于 Sobel 梯度计算的方法，逻辑清晰，效果也足够：

def height_to_normal(height_map, strength=2.0): h, w = height_map.shape normal = np.zeros((h, w, 3), dtype=float) # Sobel 梯度 gy = -height_map[2:, 1:-1] * 1.0 + height_map[:-2, 1:-1] * 1.0 gx = -height_map[1:-1, 2:] * 1.0 + height_map[1:-1, :-2] * 1.0 gx *= strength gy *= strength gz = np.ones_like(gx) norm = np.sqrt(gx * gx + gy * gy + gz * gz) normal[:, :, 0] = -gx / norm normal[:, :, 1] = -gy / norm normal[:, :, 2] = gz / norm return normal

注意这里我把法线向量的 z 分量默认设为 1，然后归一化。这意味着在平坦区域，法线指向正是视角方向；梯度大的地方，法线偏移，模型表面就会产生岩石的立体起伏感。strength这个参数需要按用途调整，如果模型在引擎里光照偏强，strength 建议降到 1.0 到 1.5，不然后期修法线会非常痛苦。

粗糙度贴图的生成逻辑则基于一个实用的观察：岩石凹陷和缝隙处通常会堆积尘土与碎石，反射更粗糙；凸起受风化作用，表面相对光滑。所以 roughness 可以直接和高度挂钩，再叠加少量噪声做非均匀变化：

roughness = 0.4 + 0.4 * (1.0 - height_map) + 0.2 * fbm(shape, (6, 6), octaves=4, seed=7) roughness = np.clip(roughness, 0.05, 1.0)

这行代码做完之后，整张贴图的基本材质要素就齐了。另外为了生成 basecolor，我又在高度图基础上做了一次色调映射：高度低处偏暗褐色，高度高处偏亮灰色，然后叠一层低强度的 Worley 噪声来模拟岩石颗粒。

basecolor = np.zeros((*shape, 3), dtype=float) dark_color = np.array([0.25, 0.20, 0.18]) light_color = np.array([0.72, 0.68, 0.62]) for c in range(3): basecolor[:, :, c] = dark_color[c] * (1 - height_map) + light_color[c] * height_map basecolor += 0.06 * worley_noise_2d(shape, (8, 8), seed=11)[:, :, np.newaxis] basecolor = np.clip(basecolor, 0.0, 1.0)

这套流程跑完后，输出目录里会多出 4 张图：height_raw、normal、roughness、basecolor。把这些图导入任意主流引擎的 PBR 流程中，就能直接换成可用的材质球。

4. 常见问题与排查技巧

4.1 接缝问题：为什么我的纹理平铺后还是看到缝

这是程序化纹理里最常遇到，也最容易让人上头的坑。我遇到过的原因主要有三个，按出现频率排序：

第一个原因是 frequency 不是整数。噪声的周期与频率直接相关，频率是小数，噪声形状就截断了，边界自然对不上。解决方案很简单：把 fbm 的基础 res 设为整数，比如 6、8、12，不要在中间参数上使用 3.5、4.5 这类值。

第二个原因是边界混合函数和噪声重复模式冲突。我早期版本里先做了边界混合，后面又叠加了不同的噪声层，导致混合区域像素跳变。这个和架构相关，后来我把所有噪声统一改成同一周期模式，接缝问题就少了。

第三个原因是法线贴图采样精度。即使 basecolor 看起来无缝，法线图在边界处如果出现了梯度跳变，平铺时照样会有一条亮暗分界线。这类问题排查时肉眼很难发现，我建议用引擎或者图片编辑软件里的平铺预览模式去检查，直接看能不能接上。

提示：排查接缝时，先把全部通道图层勾选掉，只保留 basecolor 平铺，确认颜色没缝后再单独查看法线通道。分层排查能帮你快速定位问题出现在哪个环节。

4.2 性能问题：高分辨率纹理生成太慢

1024 分辨率的纹理生成通常只需要几秒，但如果你把输出调到 4096 或者 8192，再叠加 8 层 octaves，速度会显著劣化。artcraft 早期的性能瓶颈主要集中在噪声采样和 Python 层循环。

我做过两个优化，直接让生成速度提升了接近一倍。

第一个是内存复用。value_noise_2d里生成的 lattice 数组是每层最占资源的对象。我在实现中不再重复创建临时数组，而是利用 numpy 的切片和视图操作直接在原数组上计算，减少内存分配和复制。

第二个是降采样预计算。对于低 octaves 层，它们实际上是低频信号，并不需要全分辨率采样。我以 1024 最终分辨率为基准，前 3 层用 256x256 计算，然后双线性插值放大到 1024，再加入细节层。这样视觉上几乎无感知，但生成时间能缩短 30% 以上。

如果追求更高性能，还可以把整个 FBM 计算挪到 GPU，用着色器或者 CUDA 实现。不过对于静态纹理生产场景，CPU 配合 numpy 已经足够，GPU 优化的性价比不算高。

4.3 参数一致性与批量变体

实际生产中最容易翻车的是：几个种子跑出来，肉眼看着已经接近了，但放回场景后，整体节奏或明暗体感还是有细微差异。这种差异如果在手绘时代还好说，程序化时代反而需要更严格地控制参数。

我的做法是给每个纹理建立一张参数记录表，包含所有节点参数的快照、种子、输出通道、目标用途。之后无论怎么调参，都能回到一个可复现的状态。artcraft 里我甚至专门做了节点图描述文件的自动存档，每次生成都会把对应的 JSON 存到 output 目录里。这样半年后再去看某张贴图，也能知道它是怎么来的。

另一个经验是变体生成时不要让所有参数都随机化。正确的做法是固定核心风格参数，比如频率和 octaves，只随机 seed、warp 值和色彩映射表。核心参数一变，风格就变了，它就不是变体，而是新纹理了。

5. 扩展应用与经验总结

5.1 从纹理到完整材质

artcraft 最初只为生成单张贴图，但跑通后我发现，它真正适合的土壤是材质生产链。一套完整的 PBR 材质通常包含 basecolor、normal、roughness、metalness、height、AO 六个通道，每个通道的生成逻辑可以不共通，但它们必须共享同一套空间匹配关系。

这一点 artcraft 天然满足，因为所有通道图都是基于同一个噪声场派生出来的。这也是我强烈建议不要直接手动生成六张独立贴图的原因。如果六张图各自为政，导入引擎后光照反应会很假，凹凸和颜色也对不上。正确思路是以高度图作为核心信息源，其余所有通道从它派生，这样所有数据在空间上严格对齐。

后续我还拓展了金属边缘磨损生成、污渍蒙版、AO 烘焙等功能。比如 AO 通道可以简单地通过高度图的分层阈值来表达：凹陷区域叠加多层黑暗遮罩，模拟环境光遮蔽。这些扩展保持在一个统一的框架内，代码量不大，带来的画面提升却非常明显。

5.2 我在实际使用中的几个体会

artcraft 跑到现在，我最想分享的不是技术，而是几个心态上的体会。

程序化生成这套东西，入门时最容易犯的错误就是沉迷参数。我曾经为了调一个 warp 参数，来回生成了一百多张图，最后发现调它还不如直接改 seed。后来我给自己定规矩：想改风格，先改频率，其次改种子，最后才调 warp 这类修饰参数，优先级固化后效率高很多。

另一个体会是，程序化纹理的制作过程看得到结果，但更值得记录的是路径。节点图的结构、关键参数的解释、为什么这么设置，这些文字积累下来比一百张贴图本身更有价值。你回头看自己的项目，能说出来当时为什么选这个方案，比能再复现一张纹理重要得多。

还有一点特别想说：程序化生成不意味着放弃审美。它只是把笔刷换成了代码，把画布换成了参数空间。判断一张程序化纹理好不好看的直觉，和做手绘时完全一样。我见过一些人拿到工具后一味堆叠噪声层数，认为细节越多越好，结果整个画面像被腐蚀过一样。审美上的克制在这套流程里同样关键。

artcraft 这个项目给我最大的收获，不是产出多少纹理资产，而是它让我看到：手艺可以被结构化，艺术可以被参数化，而这两者之间其实有一条非常务实的路。