姓名即山水：程序化生成无限水墨风格的集体景观

在生成艺术的语境中，如何将个人身份转化为可无限延展的集体景观？{Mountains, Trees, Names}* 项目给出了一个优雅的答案：每个参与者的姓名通过哈希算法生成确定性种子，驱动程序化山水在 WebGL 画布上无限延伸。这种将东方水墨美学与算法生成相结合的思路，为实时渲染领域提供了值得借鉴的技术路径。

种子驱动的确定性生成

项目的核心机制在于将字符串（姓名）转化为伪随机数生成器的种子。通过哈希函数处理输入姓名，系统能够生成唯一的数值种子，确保同一姓名在任何时间、任何设备上都能重现相同的树木形态。这种确定性随机（Deterministic Random）策略是无限地形生成的关键 —— 它允许系统在用户平移或缩放视口时，按需生成远处的新地形，而无需存储完整的地形数据。

在技术实现上，项目采用分层噪声函数组合来控制地形特征。Perlin 噪声或 Simplex 噪声作为基础层提供宏观起伏，而叠加的高频噪声则负责细节纹理。通过调整噪声的八度数（octaves）和持久度（persistence），可以在计算效率与视觉丰富度之间取得平衡。

程序化山水的算法实现

从三角形基元到复杂山脉的演进，项目经历了多次技术迭代。早期版本使用简单的三角形拼接构建山体轮廓，通过均匀随机与噪声随机相结合的方式控制三角形的分布与角度。这种基础方法虽然计算简单，但缺乏自然山脉的有机感。

后续迭代引入了中点位移算法（Midpoint Displacement）来生成更真实的山脊线。该算法从一条基准线段开始，递归地在各段中点处引入垂直方向的随机偏移，逐步构建出具有分形特征的地形轮廓。相比单纯噪声叠加，中点位移能够产生更具方向性的山脊结构，更符合东方山水画中 "远近高低各不同" 的构图逻辑。

在渲染层面，项目使用 SVG 的 radialGradient 和 stop 元素实现渐变色彩，模拟水墨渲染的层次效果。通过为每个山体单元分配不同的色相偏移和透明度，系统能够在不依赖复杂光照计算的情况下，营造出传统山水画的景深氛围。

东方美学的参数化表达

项目的视觉风格深受北宋王希孟《千里江山图》的启发，采用石青、石绿为主色调，配合赭石点缀，形成典型的青绿山水配色。在技术实现上，这种配色方案被编码为可调参数：主色调的色相范围控制在 180°-220°（青绿色系），饱和度保持在 40%-60% 以模拟矿物颜料的质感，明度则根据山体层次进行递减。

树木的生成采用递归分形算法，每个姓名种子决定分支的角度、长度和递归深度。通过 Charming.js 库，系统能够将抽象的种子数值转化为具有独特形态特征的树木结构。这些树木不仅是装饰元素，更是参与者身份的视觉标记 —— 每棵树的位置、形态都与输入姓名一一对应。

APack 生成的印章作为作者标记，以固定尺寸散布于景观之中，既保留了传统书画的落款文化，又通过算法随机分布避免了人工布局的刻意感。印章的绿色与山体的青绿形成色彩呼应，同时通过尺寸差异建立视觉层次。

无限延伸的交互架构

实现无限平移缩放的关键在于视口管理与动态生成的协同。系统仅渲染当前视口可见区域的地形数据，当用户拖动或缩放时，根据新的视口边界计算需要生成的地形块。由于生成算法是确定性的，相同的坐标位置总是产生相同的地形特征，这保证了平移过程中的连续性。

在性能优化方面，项目采用 D3.js 的数据绑定机制管理 SVG 元素，通过 enter/update/exit 模式高效处理地形块的增删。对于大规模地形，可以考虑引入 Canvas 或 WebGL 渲染管线，将几何计算移至 GPU，以支持更高密度的细节呈现。

从数字到实体：Riso 印刷的技术考量

项目在 ITP Winter Show 2025 上的物理呈现采用了 Riso 印刷技术，将数字景观转化为 60 张 A4 纸张的墙面装置。Riso 印刷的油墨透明特性与数字渲染的半透明渐变形成有趣的对话，每张纸的轻微错位和油墨不均反而增添了手工质感。

色彩选择上，最终采用蓝（山）、橙（树）、绿（印章）的三色组合。这种有限的色板策略既降低了印刷复杂度，又通过高对比度确保了远距离可读性。对于希望将生成艺术实体化的开发者，Riso 印刷提供了一种成本可控、效果独特的输出方案。

可落地的技术参数清单

基于该项目的实践经验，以下是构建类似系统的关键参数建议：

地形生成参数

• 噪声种子：字符串哈希值（建议使用 FNV-1a 或 MurmurHash）
• 中点位移粗糙度：0.4-0.6（控制山脊曲折程度）
• 地形块尺寸：视口的 1.5-2 倍（预加载边界）

视觉渲染参数

• 山体渐变：径向渐变，中心明度 +20%，边缘透明度 0.3-0.5
• 色彩范围：HSL (180-220, 40-60%, 30-70%)
• 树木递归深度：4-6 层（平衡细节与性能）

交互性能参数

• 缩放范围：0.1x-5x（防止过度缩放导致的精度问题）
• 平移惯性：0.85-0.95 阻尼系数
• 生成延迟：16-32ms（避免阻塞主线程）

这种将个人数据转化为集体景观的思路，不仅适用于艺术创作，也可延伸至数据可视化、个性化推荐等场景。关键在于找到数据特征与视觉形式之间的映射关系，让算法生成既保持确定性（可复现），又具备足够的随机性（多样性）。

资料来源

• Bairui Su: {Mountains, Trees, Names}* - https://bairui.dev/mountains-trees-names-inf
• 项目演示地址 - https://landscape.bairui.dev/
• GitHub 仓库 - https://github.com/pearmini/infinite-landscape

web