7.1.1在线视频

在第七章，我们将给大家介绍一些

Grasshopper当中的常用的建模技巧

7.1节，我们将给大家讲解的是

ImageSampler 这样一个可以将图像的信息

转化为建模参数的工具

我们将介绍ImageSampler运算器的使用方法

以及

使用ImageSampler运算器

生成参数化表皮的编程逻辑

同学们大家好

在这一章呢

我们给大家介绍一些

在参数化建模当中

常用的一些小技巧

说是小技巧呢

其实它们是一些相对特别的建模工具

但是在日常的建模工作当中

还是非常有用的

我们要介绍的第一个工具呢

是在params底下的这个

叫image sampler

或者我们输入image sampler

这样一个工具

image sampler它有什么样的作用呢

它能够帮助我们把一张图片

里面的信息转化成一个参数化的表皮

那么我们双击image sampler

我们看到这里可以选择一个图片

我们选择这张柯布西耶的图片

那么在这里我们可以设定

在image sampler里面可以设定

x的范围是从多少到多少

y的范围是从多少到多少

比如说我们x方向是1到10

y方向也是1到10

同时注意我在这里选择

输出的是colour brightness

也就是输出一张黑白图片的信息

Ok那么有了这张图片以后

我们现在vector底下我们看到

在Grid底下有

grasshopper给我们提供了生成各种

网格的工具

比如说我们选择这个square

square是生成像这样的网格

就是x方向和y方向

都是这样间距相同的

这样的方形的网格

好 那么我们在Ex Ey这里

输入一个slider 让它是10

这样我们就得到了很多的点

我们看一下

就是这些网格上的点

那么这些点的范围正好是

因为我们现在的网格的间距是1

所以如果输入10乘10呢

它得到的范围正好是0到10

x方向是0到10 y方向也是0到10

所以这个网格呢跟我们刚才在

image sample里面设定的

0到10的范围是一致的

我们把这个点输入过来

那么在右边就会得到什么呢

我们看一下

它会得到一系列的灰度值

我们说就是照片的亮度值

好 那么这样我们在这里

画上一个circle

画上一个圆圈

这个圆圈我们让它的起点

它的圆心点是一开始设定的这些点

就是从square SqGrid上面得到的这些点

然后我们把这里取到的灰度值

作为半径输入进去

我们看一下这样的话

我们就生成了一个

由这些圆组成的图案

当然现在这些圆的半径有点大

我们可以给它乘上一个slider

然后再去作这个半径

那么大概就能看到一个

在这里有的一个图案

当然现在还不是很明显

是因为我们说这里的网格的细分还不够

就是它的分格数还太少

所以我们可以增加它的分格数

比如说这里我们输入100

那么现在的结果是这样

相应的

我们其实应该在image sampler里面

把这里的范围也变成0到100

好 这样的话我们就看到了

这个柯布西耶的头像

所以image sampler

它可以帮我们做的事情

是把一张图片里的色彩信息

或者灰度信息提取出来

然后变成一个图案

这个图案是我们

经常用到的一种设计思路

就是把照片或者把图像

转化成一个用很多元素堆积起来的

一个参数化表皮

我想大家很快就会发现这里的问题

我们这里输入的是

x方向和y方向都是等长的

或者是数量相同是方形网格

而这张图片它本身不是一个

1比1 的比例

长宽比不是1比1的比例

我们如果把鼠标放在这里

我们会看到这张图片是297*374像素

所以在这里

我们应该把这张图的

把它的长宽比做一个校准

所以在这里

我们可以做的事情是

输入一个division

然后上面这里我们用一个panel

输入374

就是它的y坐标 y方向的尺度

再看一下 374

然后它的x方向是297

我们算一下这个比例会得到这个数

这个数是1.259

所以我们应该在这里呢

对这个x输入的100

不管是多少

我们要让它乘上这个比例

从而得到y方向的我们需要的尺度

所以x方向是100 y方向就是126

但是看起来仍然没有解决

我们想要解决的问题

我们看到在这里

这个图片上面是我们得到的结果

在比例上已经符合这个图片的比例

但是这个图片的内容仍然是被压缩的

这是为什么呢

是因为我们在image sampler里面

还是0到100和0到100

如果我们在y方向输入126

我们大家看到这样的结果

就是正常的结果了

当然这种做法其实呢它不是很有效

因为我们要经常去修改这里图片的

对应的这个比例

所以如果我们用缺省的图片的

就是我们做一个image sampler

我们还用柯布西耶的这张图

我们保持它是0到1的范围不变

如果我们在外面编程序的时候

我们去实现坐标的校准可不可以呢

实际上是可以的

在这里我们先把这边的结果

把它的预览关掉

然后我们把这边的

这部分程序拷贝下来

用这些点呢

我们准备接入到这里去

但是大家看到这里的点的范围

其实是一个比较大的范围

所以我们需要对这里构造出来的

这个点阵做一个缩放

另外我们也注意到

如果是在vector里面

我们用这里的grid

来生成不同的网格的时候

比如说我们生成这个六边形的网格

或者是生成三角形的网格

那么得到的这个点阵的长宽比

虽然我们在x和y这里

输入的我们看到它的缺省值都是5

但是当我们输入相同的x和y方面的

数据的时候

得到的点的分布的范围却是不一样

比如我们这里输入pt 看一下这些点

它的范围

实际上并不是一个等比例的关系

并不像我们前面用到的

这个方形网格的关系

所以我们也需要在计算参数的时候

考虑到这个因素

所以下面我们要带大家做一个

通用的解决方案

我们先把三角形网格删掉

然后基于这个六边形网格

来做我们的通用解决方案

现在我们可以在x和y这里

输入一个比较大的数

比如说50

到一个很大的六边形grid

生成这个grid的目的是为了

我们去测量一下它到底

x方向和y方向的比例是什么样的

这个时候我们会用到一个运算器

叫bounds 2D

所以我们把这些点给它之后

当然这里要做一个flatten

我们看到这个数据是一个复杂的路径

这些点是分布在不同的路径上

所以我们在这里做一个flatten

之后我们就会这些点在空间中的分布

在u方向也就是x方向是0到73.5

在v方向也就是y方向是0到85.7

我们把这个数据解开

那么还是在domain底下有一个

deconstruct domain

2D的domain

我们把它解成u方向和v方向的两个范围

接下来我们再把它进一步地分解

用deconstruct domain

就得到了这个范围的起点和终点

然后去计算一下它的宽度

就是这个domain 它的宽度

用subtraction 就是减法

用终点减去起点就得到了73.5

同样我们可以对v方向也就是y方向

做这样的减法

得到了另外一个方向的尺度