Struktur-Funktions-Modelle von Pflanzen - Sommersemester 2010 - Winfried Kurth Universität Göttingen, Lehrstuhl Computergrafik und Ökologische Informatik.

Präsentation zum Thema: "Struktur-Funktions-Modelle von Pflanzen - Sommersemester 2010 - Winfried Kurth Universität Göttingen, Lehrstuhl Computergrafik und Ökologische Informatik."—  Präsentation transkript:

1 Struktur-Funktions-Modelle von Pflanzen - Sommersemester 2010 - Winfried Kurth Universität Göttingen, Lehrstuhl Computergrafik und Ökologische Informatik 5. Vorlesung: 6. 5. 2010

2 letztes Mal: einfache Verzweigungsmuster, modelliert mit L-Systemen weitere L-System-Beispiele Verwendung von imperativem Code in XL-Programmen

3 als nächstes: weitere L-System-Beispiele Einbau von Texturen in Pflanzenmodelle Anlegen eines Projekts in GroIMP konditionale Regelanwendung stochastische L-Systeme

4 Erweiterung zum Beispiel sm09_b07.rgg (farbige Koch- Kurve): sm09_b07a.rgg Weitergabe von Informationen (hier: Farbe) an Nachfolgeobjekte Man teste die Beispiele sm09_b20.rgg Verwendung von Arrays sm09_b22.rgg for-Schleife für Seitenzweige sm09_b11.rgg Bedingungen für Regelanwendungen sm09_b12.rgg Bedingungen für Regelanwendungen (2. Variante) sm09_b13.rgg Verknüpfung zweier Bedingungen

5 Anleitung zum Erstellen eines GroIMP-Projekts mit Texturen aus bereitgestellten Grafikdateien (z.B. Blatt- oder Rindenfotos) 1. File New RGG Project 2. Namen der RGG-Datei (Textdatei) eingeben 3. aus dem GroIMP-Editor das Default-Programm löschen, neues Programm schreiben oder einfügen 4. in Editor speichern (automatische Kompilation muss erfolgreich sein) - texturierte Objekte werden noch vereinfacht dargestellt 5. Panels Explorers 3D Shaders Object New Lambert 6. Namen Lambert zweimal anklicken (mit Pause), überschreiben mit dem Namen, der im Programm vorgesehen ist (Argument der Funktion shader(...) ), abschließen mit 7. Doppelklicken auf Kugel-Icon Attribute Editor öffnet sich 8. dort anklicken: Diffuse colour Surface Maps Image 9. dort anklicken: Image [ ? ] From File

6 Projekt anlegen (Fortsetzung) 10. Bilddatei auswählen, öffnen 11. Add the file: OK 12. Editor-Datei neu speichern / kompilieren - texturierte Objekte werden nun mit Textur dargestellt 13. Speichern des gesamten Projekts: File Save, Namen des Projekts eingeben (muss nicht mit Namen der RGG-Programmdatei übereinstimmen).

7 Stochastische L-Systeme Verwendung von Pseudozufallszahlen Beispiel: deterministisch stochastisch Axiom ==> L(100) D(5) A; A ==> F0 LMul(0.7) DMul(0.7) [ RU(50) A ] [ RU(-10) A ]; Axiom ==> L(100) D(5) A; A ==> F0 LMul(0.7) DMul(0.7) if (probability(0.5)) ( [ RU(50) A ] [ RU(-10) A ] ) else ( [ RU(-50) A ] [ RU(10) A ] );

8 Beispiel: Fichtenmodell in 3D mit L-System erzeugt

9 XL-Funktionen für Pseudozufallszahlen: Math.random() erzeugt Gleitkomma-Zufallszahl zwischen 0 und 1 random(a, b) erzeugt Gleitkomma-Zufallszahl zwischen a und b probability(x) liefert 1 mit Wahrscheinlichkeit x, 0 mit Wahrscheinlichkeit 1–x Man teste das Beispiel sm09_b19.rgg Stochastisches L-System

10 Erzeugung einer Zufallsverteilung in der Ebene: Axiom ==> D(0.5) for ((1:300)) ( [ Translate(random(0, 100), random(0, 100), 0) F(random(5, 30)) ] ); Ansicht von oben schräg von der Seite

11 Man teste die Beispiele sm09_b23.rgg Verbreitungsmodell (1 Art) sm09_b24.rgg Verbreitungsmodell (2 Arten) In diesen Beispielen wird die Konkurrenz noch nicht berücksichtigt. Es wird gezeigt, wie Populationsstärken in Charts während der Laufzeit der Simulation ausgeplottet werden können.

12 Hausaufgabe: Lesen Sie Chapter 1, Section 1.7 – 1.10 (ohne 1.9) im Buch The Algorithmic Beauty of Plants von P. Prusinkiewicz und A. Lindenmayer (online verfügbar, siehe Literaturseite zur Veranstaltung). (= S. 28-50 ohne Abschnitt 1.9).