Grasshopper 圖像實驗筆記：論圖像參數化的核心價值

一、作品總覽（Project Overview）

• 作品名稱：2025 Christmas Card
• 使用軟體 / 版本
• • Rhino 8
  • Grasshopper
  • Plugin: Puffer Fish/ Javid

二、設計背景與需求（Design Context）

• 設計類型: 2D圖像
• 設計限制條件: 圖片橫式或直式則依較不會產生圖像變形

筆者自行繪製

邏輯: 主要功能是將輸入的圖片轉化為特定解析度的「像素化」視覺效果，並結合漸層與隨機躁點來處理色彩。

1. Input (輸入層) 左側亮綠色，負責拾取資料來源作為基本參數。

• File Path / Bitmap Input (圖片路徑): ◦ 左上角的綠色元件（File Path）與黃色面板（Panel）顯示輸入了一系列的圖片（Bitmap）。面板中顯示有多個圖片資料（如 w=868, h=934 等），這表示一組圖片列表，用來切換不同圖片的輸入源。

• Resolution Control (解析度控制): ◦ Slider 50.000 ：控制網格密度的核心參數。 ◦ Multiplication (A x B): 透過與黃色面板中的數值 5 和 4 相乘，來設定圖片的寬高比例或網格總數。

▪ 長寬表示：50 * 5 = 250 (寬)，50 * 4 = 200 (高)。

▪ 總像素點數：250 * 200 = 50,000。故面板顯示 N = 50000 。

• Random Seed (隨機參數): ◦ Slider 31：控制隨機數生成器（Random）的種子碼（Seed），用於改變噪點與色彩分佈的隨機樣式，讓畫面產生變化。

2. Process (處理層) 中間區域是核心運算邏輯，將幾何網格與圖片色彩資訊結合。

• Grid Generation (網格生成): ◦ 雖然具體的 Rectangular Grid 元件被遮擋或整合在 Cluster 中，但透過數據流（50,000 個數據）可以看出，程式在圖片範圍內生成了一個 250 \200 的矩陣點或網格單元。這些點對應圖片上的 UV 座標。

• Data Matching (數據匹配): ◦ 中間的 Data with 6 branches 面板顯示數據結構。雖然圖片可能有 6 張（分支），但每個分支下有 50,000 個數據點，這代表每張圖片都被分解成了 50,000 個像素點資訊。

• Color & Gradient Mapping (色彩與漸層映射): ◦ Random (隨機運算): 利用輸入的 Slider 31 生成隨機數值。 ◦ Gradient (漸層): 隨機數值被輸入到兩個 Gradient（彩虹色條）元件中。這意味著最終的顯示顏色可能不是完全忠於原圖，而是根據原圖的亮度或數值，重新映射到這個彩虹漸層色譜上，或者用來產生雜訊效果。

• Image/Color Processing (核心處理元件): ◦ tween through colors接收網格座標和圖片資訊，計算出每個網格點應該顯示的顏色。tween through colors(帶有水滴圖示的元件)，負責將處理後的數據組合成新的 Bitmap 或顏色數據。

3. Output (輸出層) 最右側是視覺化的結果呈現。

• Bitmap / Mesh Reconstruction (圖像重組): ◦ 元件 Bitmap（帶有彩色立方體圖示）：這是一個將處理後的顏色數據（Palette）、尺寸（Size）與網格（Mesh）結合的元件。它將上述 50,000 個數據點轉換回可視化的圖像。

• Viewport Preview (視窗預覽): ◦ 上方紫色視窗 ("2025"): 這是經過處理後的結果。可以看到 "2025" 的字樣呈現明顯的像素風格 (Pixel Art)，邊緣呈鋸齒狀，這是低解析度網格取樣的特徵。背景為紫色，字體為橘紅色，這很可能是受到下方 Gradient（漸層）元件的影響。 ◦ 下方黑色視窗 ("2025"): 這是原圖的預覽。

總結邏輯流程 (Logic Flow)

1. 讀取圖片 (Input Image)
2. 設定網格密度 (例如把圖片切成 250 \200 的格子)
3. 採樣 (讀取每個格子中心點的顏色資訊)
4. 再處理 (利用 Random 和 Gradient 改變色彩，創造風格化效果)
5. 重建顯示 (像素風格)

四、使用插件介紹（Plugins Used）

插件清單

• PufferFish：Grasshopper 界最強大的**「變形與補間 (Tweening)」神器**，專門補足原生功能做不到的幾何運算與邏輯。
• Javid：使用不同的圖形技術來表示圖像，例如 ASCII Art, String Art 等等。

五、成果展示（Result & Variations）

六、實務應用與延伸（Application）

應用場景： 這類邏輯目前實務上常用於製作 LED 牆的內容模擬、像素藝術生成 (Pixel Art Generation)，建築材料利用上則可以將圖片轉化為沖孔板 (Perforated Panel) 的建築立面設計。

七、心得與反思（Reflection）

• 第一次用gh進行這種圖片再解析，對象素使用的邏輯還在建立。
• PufferFish中，tween through colors好像只有在Rhino8中的gh可以使用。我公司電腦是Rhino8，把一樣的component下載帶回家Rhino7中安裝使用，不同環境就無法操作。
• 圖片需原始檔就皆橫式或直式，圖片本身的像素大小不影響。
• 經測試，此圖像參數化邏輯最適合大頭照或主題明確之圖片，能有效進行快速批量處理與色調分類。有別於深度學習強大的「語意識別」功能，Grasshopper 的核心價值在於「UV/XY 數值映射」。透過將影像像素轉化為幾何座標數據，我們不再只是處理畫面，而是將資訊構造化，為後續的數位製造與實體化設計（再製造）創造了關鍵的介入機會。

八、附錄（Optional）

Javid=https://www.food4rhino.com/en/app/javid

Pufferfish=https://www.food4rhino.com/en/app/pufferfish