第 5 层 octave 起每层只贡献不到 1% 的方差、第 8 层仅 0.01%：fBm 分形噪声「层数越多细节越多」的实测复盘

你抄过多少份 shader 教程里的fbm()几乎每一份都写着「octaves 取 4 到 8越多细节越丰富」。我也一直这么用直到有次把一个 8-octave 的云层函数拖到全屏实时渲染帧率掉了三分之一而肉眼根本看不出和 4-octave 的区别。于是我把 octave 数从头扫到尾用一组可复现的数字重新问了这个问题多叠的层到底是在添细节还是在添算力背景为什么这件事值得写分形布朗运动fBm是程序化生成的基石——地形、云、大理石纹、流场背后都是它在叠噪声。它长这样float fbm(vec2 p) { float sum 0.0, amp 0.5, freq 1.0; for (int i 0; i OCTAVES; i) { sum amp * noise(p * freq); freq * 2.0; // lacunarity频率翻倍 amp * 0.5; // gain振幅减半 } return sum; }thebookofshaders和 Texturize 这类主流教程的口径高度一致「4 到 8 个 octave 是常见区间更多 octave 只增加算力、视觉收益在 8 之后递减」。这条共识把「octave 越多越细」当成了默认前提把「算力线性增长」当成了唯一代价。但有两个数字被长期忽略① 每一层对最终画面的边际贡献到底还剩多少② 你的输出分辨率和基础频率其实给 octave 数画了一道采样率硬上限Nyquist。本篇用一份 256×256、固定种子的纯 JS 实测把这两件事钉死。解剖fBm 到底在叠什么三个参数决定一切octaves叠加层数 N、lacunarity2每层频率翻倍、gain0.5每层振幅减半。第 k 层0-based在画布上的晶格尺寸是cell_k BASE_PX / 2^k像素——这里BASE_PX是基础频率对应的「每晶格像素数」。两个推论直接决定你该用几层1. 振幅衰减是几何级的。第 k 层振幅是0.5^k它的方差贡献是0.25^k。换句话说单层的边际方差占比每叠一层就砍到约 1/4。这是 fBm 的固有数学性质和用什么噪声无关。2. 采样率给了一个硬天花板。像素采样能分辨的最高频率是 0.5 cycle/px即晶格尺寸 ≥ 2px否则该层发生混叠——你以为在加细节实际在加无结构的锯齿噪声。于是最大有用层数满足cell_{N-1} ≥ 2pxK_max floor(log2(BASE_PX / 2)) 1当BASE_PX16基础晶格 16px时K_max4BASE_PX8时K_max3BASE_PX64时K_max6。没有任何一个「通用 8」是合理的——它完全取决于你的基础频率和输出分辨率。图1以 BASE_PX16、256px 画布为例标注每层 octave 的晶格尺寸与 Nyquist 上限线2px。越过上限的层在像素采样下无法呈现真实结构。实证一次可复现的 octave 扫描我用零依赖的 value-noise确定性整数哈希 五次平滑插值在 Node 22 上跑了一份扫描256×256 网格、SEED1337、K1..8每层完整评估全图并计时再用 4×4 超采样生成「无混叠参考」来量化混叠。复现只需# 依赖-freemanaged node 直接跑 node experiment.mjs实测三张表节选自experiment.mjs输出BASE_PX16K墙钟(ms)总 RMS本层方差占比混叠能量占比15.04*0.4516100%0.69%21.930.514219.22%1.10%32.000.52894.64%1.51%41.960.53221.04%1.88%52.170.53340.46%2.21%62.720.53380.11%2.32%72.700.53390.03%2.35%83.010.53390.01%2.35%* K1 含 JIT 预热趋势看 K≥2。三个结论都从数字里直接掉出来结论 A——边际收益断崖式坍缩。单层方差占比从 100% 一路降到 0.01%且每层的比值稳定在 ≈1/4与gain²0.25的理论完全吻合。第 5 层起每层贡献已不到 1%第 8 层只有 0.01%——它在统计上几乎不可见。同时总 RMS 在 K≈5 就收敛到 0.5339最后三层合计只加了不到 0.1%。结论 B——算力严格线性且和收益彻底脱钩。K2→8 的墙钟从 1.93ms 线性涨到 3.01ms斜率约 0.18ms/octave 256²。按N²外推到 1080p 全屏单次评估8-octave 约95ms已经超出 60fps 的 16.6ms 帧预算——而付出的这部分算力换来的是第 5 层之后 1% 的方差。结论 C——混叠不是主犯gain 才是保护伞。即便最高层晶格只有 0.125px严重欠采样混叠能量占比也始终压在 2.4% 以下。原因正是 gain高频层振幅已经被0.5^k压得极小混叠也掀不起浪。这反而坐实了最关键的教训——让你停手的不是混叠而是 gain 已经把多余层变得既不可见、又白烧算力。图2单层边际方差占比对数纵轴。曲线在 K5 之后几乎贴地直观说明「第 5 层起叠的是空气」。图3左为 256² 实测墙钟线性右为按 N² 外推到 1080p 全屏单次评估的耗时红虚线为 60fps 帧预算。跨基础频率的泛化扫描也印证了 Nyquist 规则BASE_PX8 时混叠在 K3 就突破 5%实测 onset3与K_max3吻合BASE_PX≥16 时即便到 K8 混叠能量仍 2.4%——再次说明「8 层」对多数设置都是过量的。局限哪些事没解决本实验用 2D value-noisegradient/simplex 在单层方差分布上定性一致但具体数值会有偏移结论的趋势成立绝对值以你的实现为准。混叠分析基于 CPU 点采样 超采样参考GPU shader 没有免费超采样实际混叠观感可能更明显但gain的抑制作用同样存在。ridged / turbulence 变体把gain换成别的衰减律边际坍缩速度会变不能直接套用本表但「算 K_max」的方法不变。「方差占比 1% 即不可见」是对静态图的经验阈值动画里高频闪烁可能被察觉落地时留一点余量更稳。我测的是单帧评估成本未计入 domain warping嵌套 fbm带来的额外频率成分放大。结论与下一步一句话方法论octave 数不要抄「8」用公式从你的基础频率和输出分辨率算出来——K_max floor(log2(BASE_PX/2)) 1且实际停手点更早当单层方差占比跌破约 1%对任何 gain0.5 的配置都在 K≈5 附近就该收手。把省下的层数留给 domain warping 或调色比 blindly 堆 octave 划算得多。开源地址矩阵门户https://github.com/wangzifan396-wzf/WB单文件工具聚合器https://github.com/wangzifan396-wzf/nano-workbenchGitHub 组织主页https://github.com/wangzifan396-wzf