nstagram 上一张星系甜甜圈的照片，带点深邃和魔幻色彩的糖衣，就算平时不吃甜食的人，都会忍不住多看几眼。Instagram 用户 So Beautifully Raw 就依样画葫芦，做出了一盘同样令人只顾看而舍不得吃的甜甜圈，不同的是，So Beautifully Raw 做的是素食版的甜甜圈，送给生病中的男友吃，希望男友吃了可以马上“甜”到病除。
【甜甜圈食谱】
材料：
中筋面粉1杯
原蔗糖半杯
酵母粉1又2分之一茶匙
盐巴4分之1茶匙
肉荳蔻4分之1茶匙
豆浆半杯
苹果醋1茶匙
带籽的香草精1茶匙
亚麻籽1汤匙+水3汤匙
素食用人造奶油4分之1杯(Nuttelex或Earthbalance皆可)
作法
1. 将烤箱预热到180度，并在甜甜圈模型上涂上油
2. 将上述的干料放入碗中混合、搅拌
3. 将豆浆、苹果醋混合，静置几分钟，直到变厚
4. 拿出一个小的平底锅，将豆浆、香草、亚麻籽、奶油以低温加热，直到奶油融化(记得千万别煮到滚)
5. 将湿料和干料混合，直到变成软面团型态
6. 使用茶匙，将面团放入均匀的甜甜圈模型中，必要时可以用手指压平面团，达到最佳状态
7. 放入烤箱烤12分钟，可以插入筷子来确认是不是烤熟了，如果筷子抽出来的时候是“干爽”的状态，那就是烤熟了！
8. 从模型中取出放凉，然后就是等着上糖衣啦！
【星系糖衣】
材料：
融化的椰子油2~3汤匙
豆浆2~3汤匙
糖粉1又3分之2~杯
素食用的天然食用色素(红色和蓝色)
作法：
1. 将椰子油和豆浆搅拌，然后慢慢加入糖粉搅拌，直到达到你要的浓稠度，必要时可以加点水调整稠度
2. 所谓的“星系”色泽，和制作大理石花纹的技巧类似，先在小碗中放入一些白色糖衣，然后滴入几滴色素，用汤匙轻轻搅拌，让色素化开，并适时调整颜色和饱和度
3. 将一半的甜甜圈泡入糖衣后稍微的旋转一下，就能在甜甜圈上裹住一整片银河
4. 最后可以在甜甜圈上，再洒上一些食用色素粉，就一整大功告成啦！
（编辑：小仔）
<>< class="tt_format_content js_underline_content autoTypeSetting24psection " id="js_content">要：在三维渲染技术中，符号距离函数很难理解，而本文作者仅用 46 行 Python 代码就展示了这项技术。
链接：https://vgel.me/posts/donut/
声明：本文为 CSDN 翻译，未经允许禁止转载。
符号距离函数（Signed Distance Function，简称 SDF）是一种很酷的三维渲染技术——但不幸的是，这种技术很难理解。
该技术通常都通过 GLSL 编写的 shader 示例来展示，但大多数程序员并不熟悉 GLSL。从本质上来说，SDF 的编写思路非常简单。在本文中，我将编写一个程序来展示这项技术：一段只有 46 行 Python 代码的程序，使用 RayMarching 算法做出了一个甜甜圈动图。
当然，你也可以用其他自己喜欢的语言来编写这段代码，即便没有图形 API 的帮助，我们仅凭 ASCII 码也可以实现这样的动图。所以，一起来试试看吧！最终，我们将获得一个用 ASCII 码制作的、不停旋转的、美味的甜甜圈。只要掌握了这种渲染技术，你就可以制作各种动图。
准备工作
首先，我们用 Python 来渲染每一帧 ASCII。此外，我们还将添加一个循环来实现动画效果：
import timedef sample(x: int, y: int) -> str:# draw an alternating checkboard patternif (x + y + int(time.time())) % 2:return '#'else:return ' 'while True:# loop over each position and sample a characterframe_chars=[]for y in range(20):for x in range(80):frame_chars.append(sample(x, y))frame_chars.append('\n')# print out a control sequence to clear the terminal, then the frame# (I haven't tested this on windows, but I believe it should work there,# please get in touch if it doesn't)print('3[2J' + ''.join(frame_chars))# cap at 30fpstime.sleep(1/30)以上代码为我们呈现了一个 80x20 的棋盘格，每秒交替一次：
这只是基础，下面我们来增加一些视觉效果——下一个任务很简单：决定屏幕上的每个字符显示什么。
画圆圈
首先，从最简单的工作着手。我们根据 x 坐标和 y 坐标绘制一个圆，虽然这还不是 3D 动画。我们可以通过几种不同的方式来画圆圈，此处我们采用的方法是：针对屏幕上的每个字符，决定应该显示什么，也就是说我们需要逐个字符处理。对于每个字符的坐标 (x, y)，我们的基本算法如下：
1. 计算 (x, y) 到屏幕中心的距离：√((x-0)^2 + (y-0)^2)，即 √(x^2+y^2)。
2. 减去圆半径。如果该点在圆的内部或边缘，则得到的值 ≤ 0，否则值 > 0。
3. 验证得到的值与 0 的关系，如果该点在圆的内部或边缘，则返回 #，否则返回空格。
此外，我们还需要将 x 和 y 分别映射到 -1..1 和 (-.5)..(.5) 上，这样结果就不会受分辨率的影响了，还可以保证正确的纵横比（2 * 20/ 80=0.5，因为 y 仅包含 20 个字符，而 x 包含 80 个字符，终端字符的高度大约是宽度的两倍）——这样可以防止我们画的圆圈看起来像一个压扁的豆子。
import math, timedef circle(x: float, y: float) -> float:# since the range of x is -1..1, the circle's radius will be 40%,# meaning the circle's diameter is 40% of the screenradius=0.4# calculate the distance from the center of the screen and subtract the# radius, so d will be < 0 inside the circle, 0 on the edge, and > 0 outsidereturn math.sqrt(x**2 + y**2) - radiusdef sample(x: float, y: float) -> str:# return a '#' if we're inside the circle, and ' ' otherwiseif circle(x, y) <=0:return '#'else:return ' 'while True:frame_chars=[]for y in range(20):for x in range(80):# remap to -1..1 range (for x)...remapped_x=x / 80 * 2 - 1# ...and corrected for aspect ratio range (for y)remapped_y=(y / 20 * 2 - 1) * (2 * 20/80)frame_chars.append(sample(remapped_x, remapped_y))frame_chars.append('\n')print('3[2J' + ''.join(frame_chars))time.sleep(1/30)我们成功地画出了一个圆！这个例子中并没有使用 time.time()，所以这个圆不会动，不过我们稍后会添加动画。
二维的甜甜圈
一个圆只是二维甜甜圈的一半，而另一半是中间的那个洞洞，也就是另一个圆。下面，我们在这个圆的中心加上一个洞，让它变成甜甜圈。实现方法有好几种，不过最好的方式是用一个半径和半径之外的厚度来定义：
import math, timedef donut_2d(x: float, y: float) -> float:# same radius as before, though the donut will appear larger as# half the thickness is outside this radiusradius=0.4# how thick the donut will bethickness=0.3# take the abs of the circle calculation from before, subtracting# `thickness / 2`. `abs(...)` will be 0 on the edge of the circle, and# increase as you move away. therefore, `abs(...) - thickness / 2` will# be ≤ 0 only `thickness / 2` units away from the circle's edge on either# side, giving a donut with a total width of `thickness`return abs(math.sqrt(x**2 + y**2) - radius) - thickness / 2def sample(x: float, y: float) -> str:if donut_2d(x, y) <=0:return '#'else:return ' 'while True:frame_chars=[]for y in range(20):for x in range(80):remapped_x=x / 80 * 2 - 1remapped_y=(y / 20 * 2 - 1) * (2 * 20/80)frame_chars.append(sample(remapped_x, remapped_y))frame_chars.append('\n')print('3[2J' + ''.join(frame_chars))time.sleep(1/30)这种表示方法（半径 + 厚度）能呈现很好的艺术效果，因为半径和厚度是相对独立的参数，二者可以单独变更，几乎不需要互相参照。
这样代码也很好写，我们只需要稍微调整计算距离的方式：之前我们计算的是到圆心的距离，现在我们计算到圆边线的距离。边距 - 厚度/2，如果结果 ≤ 0，说明点到圆边线的距离 ≤ 厚度/2，这样就得到一个给定厚度的圆环，其圆心位于给定半径的圆的边线上。
另外一点好处是，代码的改动非常小：只需更新符号距离函数，而渲染循环的其余部分都不需要修改。也就是说，无论我们使用哪个 SDF，渲染循环都可以保持不变，我们只需要针对每个像素采样其距离即可。
三维模型
下面，我们来画三维模型。首先，我们来做一个简单的练习：渲染一个球体，它的 SDF 与圆几乎相同，只不过我们需要再加一个坐标轴 Z。
def sphere(x: float, y: float, z: float) -> float:radius=0.4return math.sqrt(x**2 + y**2 + z**2) - radius此处，X 是水平轴，Y 是纵向轴，而 Z 表示深度。
我们还需要重用同一个 frame_chars 循环。唯一需要修改的函数是 sample，我们需要处理第三个维度。从根本上来说， sample 函数需要接受一个二维点(x, y)，并以这个二维点为基础，在三维空间中采样。换句话说，我们需要“计算”出正确的 Z，以确保渲染正确的字符。我们可以偷懒采用 z=0，这样渲染出来的就是三维世界中的一个二维切片，即对象在平面 z=0 上的截面。
但为了渲染出更立体的三维视图，我们需要模拟现实世界。想象一只眼睛，它（近似）是一个二维平面，如何看到远处的物体呢？
太阳光有可能直接照射到眼睛所在的平面上，也有可能经过一个或多个物体反射后到达眼睛。我们可以按照同样的方式来渲染三维视图：每次调用 sample(x, y) 时，从一个模拟的光源射出无数光线，其中至少有一条光线经过物体反射后，穿过点 (x, y , camera_z)。但这种方法的速度会有点慢，某条光线照射到特定点的几率微乎其微，因此大部分工作都是无用功。要是这样写代码的话，用最强大的虚拟机也运行不完，所以我们来走一条捷径。
对于函数 sample(x, y)，我们只关心穿过 (x, y, camera_z) 的光线，所以根本没必要在意其他光线。我们可以反向模拟光线：从 (x, y, camera_z) 出发，每走一步首先计算 SDF，获取光线从当前点到场景中任意一点（方向任意）的距离。
如果距离小于某个阈值，则意味着光线击中了场景中的点。反之，我们可以安全地将光线向前“移动”相应的距离，因为我们知道场景中有的点至少位于这段距离之外（实际情况可能更复杂，设想一下光线可能与场景足够接近，但永远不会进入场景：当光线接近场景时，SDF 的计算结果会非常小，所以光线只能更加缓慢地前进，但最终在足够多的次数之后，光线会越过场景中的点，然后加快前进速度）。我们将前进的最大步数限制为 30，如果届时光线没有击中任何场景中的点，则返回背景字符。综上所述，下面就是这个三维函数的定义：
def sample(x: float, y: float) -> str:# start `z` far back from the scene, which is centered at 0, 0, 0,# so nothing clipsz=-10# we'll step at most 30 steps before assuming we missed the scenefor _step in range(30):# get the distance, just like in 2Dd=sphere(x, y, z)# test against 0.01, not 0: we're a little more forgiving with the distance# in 3D for faster convergenceif d <=0.01:# we hit the sphere!return '#'else:# didn't hit anything yet, move the ray forward# we can safely move forward by `d` without hitting anything since we know# that's the distance to the scenez +=d# we didn't hit anything after 30 steps, return the backgroundreturn ' '渲染球体的所有代码如下：
import math, timedef sphere(x: float, y: float, z: float) -> float:radius=0.4return math.sqrt(x**2 + y**2 + z**2) - radiusdef sample(x: float, y: float) -> str:radius=0.4z=-10for _step in range(30):d=sphere(x, y, z)if d <=0.01:return '#'else:z +=dreturn ' '# this is unchangedwhile True:frame_chars=[]for y in range(20):for x in range(80):remapped_x=x / 80 * 2 - 1remapped_y=(y / 20 * 2 - 1) * (2 * 20/80)frame_chars.append(sample(remapped_x, remapped_y))frame_chars.append('\n')print('3[2J' + ''.join(frame_chars))time.sleep(1/30)好了，我们绘制出了一个三维的球体。下面，我们来画三维的甜甜圈。
三维的甜甜圈
为了绘制三维的甜甜圈，接下来我们需要将绘制球体的 SDF 换成绘制更复杂的甜甜圈，其余代码保持不变：
import math, timedef donut(x: float, y: float, z: float) -> float:radius=0.4thickness=0.3# first, we get the distance from the center and subtract the radius,# just like the 2d donut.# this value is the distance from the edge of the xy circle along a line# drawn between [x, y, 0] and [0, 0, 0] (the center of the donut).xy_d=math.sqrt(x**2 + y**2) - radius# now we need to consider z, which, since we're evaluating the donut at# [0, 0, 0], is the distance orthogonal (on the z axis) to that# [x, y, 0]..[0, 0, 0] line.# we can use these two values in the usual euclidean distance function to get# the 3D version of our 2D donut "distance from edge" value.d=math.sqrt(xy_d**2 + z**2)# then, we subtract `thickness / 2` as before to get the signed distance,# just like in 2D.return d - thickness / 2# unchanged from before, except for s/sphere/donut/g:def sample(x: float, y: float) -> str:z=-10for _step in range(30):d=donut(x, y, z)if d <=0.01:return '#'else:z +=dreturn ' 'while True:frame_chars=[]for y in range(20):for x in range(80):remapped_x=x / 80 * 2 - 1remapped_y=(y / 20 * 2 - 1) * (2 * 20/80)frame_chars.append(sample(remapped_x, remapped_y))frame_chars.append('\n')print('3[2J' + ''.join(frame_chars))time.sleep(1/30)这个甜甜圈还不够完美，下面我们来添加一些动画，证明它是三维的。
旋转的三维甜甜圈
为了让甜甜圈旋转起来，我们需要在计算 SDF 之前对 sample 计算的点进行变换：
def sample(x: float, y: float) -> str:...for _step in range(30):# calculate the angle based on time, to animate the donut spinningθ=time.time() * 2# rotate the input coordinates, which is equivalent to rotating the sdft_x=x * math.cos(θ) - z * math.sin(θ)t_z=x * math.sin(θ) + z * math.cos(θ)d=donut(t_x, y, t_z)...在这段代码中，y 值保持不变，所以甜甜圈是围绕 y 轴旋转的。我们在每次采样时计算 θ 值，然后计算旋转矩阵：
import math, timedef donut(x: float, y: float, z: float) -> float:radius=0.4thickness=0.3return math.sqrt((math.sqrt(x**2 + y**2) - radius)**2 + z**2) - thickness / 2def sample(x: float, y: float) -> str:z=-10for _step in range(30):θ=time.time() * 2t_x=x * math.cos(θ) - z * math.sin(θ)t_z=x * math.sin(θ) + z * math.cos(θ)d=donut(t_x, y, t_z)if d <=0.01:return '#'else:z +=dreturn ' 'while True:frame_chars=[]for y in range(20):for x in range(80):remapped_x=x / 80 * 2 - 1remapped_y=(y / 20 * 2 - 1) * (2 * 20/80)frame_chars.append(sample(remapped_x, remapped_y))frame_chars.append('\n')print('3[2J' + ''.join(frame_chars))time.sleep(1/30)这样，三维的甜甜圈就画好了。下面，我们使用法向量估算器，添加一些简单的光照和纹理。
添加光照和糖霜
为了增加光照和糖霜纹理，我们需要计算法向量。法向量的定义是从对象表面上每个点垂直地发散出来的向量，就像仙人掌上的刺，或者某人在接触到静电气球后头发爆炸的样子。
大多数表面都有计算法向量的公式，但是当一个场景中融合了多个 SDF 时，计算就会非常困难。另外，谁愿意针对每个 SDF 编写一个法向量函数？所以，我们还是需要一点小技巧：在目标点周围的每个轴上对 SDF 进行采样，并以此来估算法向量：
Sdf=typing.Callable[[float, float, float], float]def normal(sdf: Sdf, x: float, y: float, z: float) -> tuple[float, float, float]:# an arbitrary small amount to offset around the pointε=0.001# calculate each axis independentlyn_x=sdf(x + ε, y, z) - sdf(x - ε, y, z)n_y=sdf(x, y + ε, z) - sdf(x, y - ε, z)n_z=sdf(x, y, z + ε) - sdf(x, y, z - ε)# normalize the result to length=1norm=math.sqrt(n_x**2 + n_y**2 + n_z**2)return (n_x / norm, n_y / norm, n_z / norm)为了理解该函数的原理，我们可以假设一种特殊情况：法向量的一个分量为 0，比如 x=0。这意味着，这个点上的 SDF 在 x 轴上是平的，也就是说 sdf(x + ε, y, z)==sdf(x - ε, y, z)。
随着这些值的发散，法向量的 x 分量会向正方向或负方向移动。这只是一个估算值，但对于渲染来说已经足够了，甚至一些高级演示也会使用这种方法。但这种方法的缺点是速度非常慢，因为每次调用都需要对 SDF 进行六次采样。随着场景 SDF 变得越来越复杂，性能就会出现问题。
不过，对我们来说这就足够了。如果光线命中，我们就在 sample 中计算法向量，并使用它来计算一些光照和纹理：
if d <=0.01:_, nt_y, nt_z=normal(donut, t_x, y, t_z)is_lit=nt_y < -0.15is_frosted=nt_z < -0.5if is_frosted:return '@' if is_lit else '#'else:return '=' if is_lit else '.'我们只关心法向量的 y 和 z 分量，并不在意 x 分量。我们使用 y 来计算光照，假设表面朝上（法向量的 y 接近 -1），则应该被照亮。我们使用 z 来计算糖霜材质，针对不同的值设定阈值，就可以调整甜甜圈的糖霜厚度。为了理解这些值的含义，你可以试试看修改如下代码：
import math, time, typingdef donut(x: float, y: float, z: float) -> float:radius=0.4thickness=0.3return math.sqrt((math.sqrt(x**2 + y**2) - radius)**2 + z**2) - thickness / 2Sdf=typing.Callable[[float, float, float], float]def normal(sdf: Sdf, x: float, y: float, z: float) -> tuple[float, float, float]:ε=0.001n_x=sdf(x + ε, y, z) - sdf(x - ε, y, z)n_y=sdf(x, y + ε, z) - sdf(x, y - ε, z)n_z=sdf(x, y, z + ε) - sdf(x, y, z - ε)norm=math.sqrt(n_x**2 + n_y**2 + n_z**2)return (n_x / norm, n_y / norm, n_z / norm)def sample(x: float, y: float) -> str:z=-10for _step in range(30):θ=time.time() * 2t_x=x * math.cos(θ) - z * math.sin(θ)t_z=x * math.sin(θ) + z * math.cos(θ)d=donut(t_x, y, t_z)if d <=0.01:_, nt_y, nt_z=normal(donut, t_x, y, t_z)is_lit=nt_y < -0.15is_frosted=nt_z < -0.5if is_frosted:return '@' if is_lit else '#'else:return '=' if is_lit else '.'else:z +=dreturn ' 'while True:frame_chars=[]for y in range(20):for x in range(80):remapped_x=x / 80 * 2 - 1remapped_y=(y / 20 * 2 - 1) * (2 * 20/80)frame_chars.append(sample(remapped_x, remapped_y))frame_chars.append('\n')print('3[2J' + ''.join(frame_chars))time.sleep(1/30)到这里，我们的三维甜甜圈就画好了，不仅做了光照和纹理处理，还可以不停地旋转，而且只用到了 46 行代码！
类首张黑洞照片就仿佛一个“模糊的橙色甜甜圈”，但在机器学习的帮助下，这一来自M87星系中心的黑洞正式“改头换面”。新图像进一步展示了一个更大、更暗的中心区域，周围环绕着明亮的吸积气体。
美国研究团队使用了在2017年联网观测的“事件视界望远镜”（EHT）合作组织获得的数据，首次实现了阵列的全分辨率。相关论文已发表在《天体物理学杂志快报》上。
最初由EHT合作组织于2019年拍摄的M87超大质量黑洞（左）和PRIMO算法生成的新图像（右）（图片来源：EHT小组/普林斯顿高级研究所）
2017年，集结了地球上8台无线电波望远镜的EHT成功拍摄到了M87超大质量黑洞的影子。然而，数据中出现了缺口，就像拼图游戏中缺失的碎片。普林斯顿大学EHT小组成员表示，利用新机器学习技术PRIMO，他们能够实现当前阵列的最大分辨率。PRIMO能够根据大量训练材料生成规则。例如，如果向计算机提供一系列不同的香蕉图像，经过充分的训练，它能确定一张未知的图像是不是香蕉。
研究小组表示，利用PRIMO，计算机分析了3万多张黑洞吸积气体的高保真模拟图像。这些图集涵盖了黑洞如何吸积物质的广泛模型，以便寻找图像结构中的共同模式。各种结构模式根据它们在模拟中出现的频率进行分类，进而混合，以高度准确地显示黑洞图像，同时，还提供对图像缺失结构的高保真估计。
该团队表示，新绘制的图像与EHT数据和理论预期是一致的。生成图像需要假设缺失信息的适当形式，而PRIMO也做到了这一点。
转自 |科技日报
来源： 羊城晚报
