简介HexGen是一款基于Python编写的六角形世界地图生成器面向游戏开发者、独立创作者以及有程序化地图生成需求的编程爱好者。其核心思路是利用六边形网格模拟随机星球表面通过可调参数生成大陆、海洋、河流等地形要素并支持将整张地图划分为任意大小的领土适合用作浏览器游戏、桌游或DND战役的前期地图底稿。压缩包共34个文件核心为20个Python脚本覆盖高度图生成、河流模拟、领土划分、六边形坐标计算与地图渲染等模块另有Markdown文档、JavaScript辅助脚本、JSON配置以及安装说明整体体积仅548KB结构清晰便于阅读与二次开发。目前已有1546人学习下载适合具备一定Python基础的中高级开发者作为算法参考或项目起点读者可从中学习六边形网格算法、程序化地形生成与随机种子控制等技巧亦可自行扩展气候、生物群落或势力边界等玩法功能。1. 从一张六边形网格到可用的世界地图hexgen 到底解决了什么问题如果你做过策略类游戏或者桌游的“随机地图”功能一定经历过这种尴尬用正方形格子生成的地图总带着一股“数码棋盘”味河流走线生硬板块边界一眼假而如果你转向六边形网格又会被“邻接关系算错”“顶点画歪”“坐标转换把 CPU 烧了”这些事反复折磨。hexgen 就是冲着这个痛点来的一个基于 Python 的六角形世界地图生成器它把“六边形网格的几何构建”“地块类型生成”“海岸线与河流的走向控制”以及“最终可视化输出”整条链路封装成一套可复用的工具。简单说你给它一个画布尺寸和随机种子它还给你的是一张结构完整、能直接放进游戏原型或世界观设定集的六角形地图。这个项目最适合三类人独立游戏开发者想快速产出“看起来像那么回事”的大陆板块桌游设计师需要可打印的六角格地图底图以及做 DnD 类跑团战役的 DM 想生成带地形、河流、道路的战役地图。它不追求 Geodetic 级别的精度也不做真实高程数据拟合它的价值在于“程序化生成”和“六角形美学”之间的平衡。换句话说hexgen 不是地理信息系统它是一台“创意地图印刷机”。我最早接触这类工具时也被一个问题卡了很久——六边形网格本身不难画难的是如何让地图上的内容山脉、森林、河流在六角格上呈现得自然。这正是 hexgen 这类项目真正的技术分水岭。接下来的内容我会按照“几何结构—生成策略—可视化—避坑—性能优化”这条路线把整个实现路径拆开讲清楚。2. 从零搭建六角形网格坐标系统与邻接关系是后续所有生成逻辑的地基2.1 为什么大多数教程里的六边形绘制代码并不适合做“世界地图”很多人第一次写六边形绘制用的是“交替偏移行”的思路偶数行往右偏移半个格子奇数行不偏移。这种画法在画单个六边形时没有任何问题但一旦你要做“世界地图”级别的数据计算——比如寻路、区块归属、地块邻接判断——它就会变成灾难。原因是偏移坐标系在做“坐标加减”时不能直观反映“方向”你永远要判断当前行是奇数还是偶数才能知道东边的邻居到底是谁。我早期在一个模拟项目里就吃过这个亏调试了两天最后发现邻接算法在偶数行和奇数行上的表现不一致河流路径因此出现诡异的“跳跃”。正确做法是采用“立方体坐标”或“轴向坐标”中的任意一种。立方体坐标的核心思路是把六边形映射到三维空间中的一个平面满足约束 x y z 0。这个约束看起来多此一举但它让“六个方向的邻居”变成了极其优雅的坐标加减东南、西南、南、北、西北、东北六个方向分别对应六个向量。轴向坐标则是把立方体坐标去掉一个维度只保留两个轴适合存储但方向计算略麻烦。对于 hexgen 这类项目我建议直接上轴向坐标存储用两元组计算时临时升维到立方体坐标。这样既能减少存储开销又能利用立方体坐标的优雅方向向量。2.2 用轴向坐标建立六角格存储结构一段可以直接跑的最小实现在 Python 里我推荐用字典来存六角格数据Key 是轴向坐标元组Value 是地块对象。这样天然支持稀疏世界地图——也就是说你的世界不需要是一个完整的矩形六角格阵比如你只想生成一块不规则大陆那么不在大陆范围内的格子就根本不需要出现在字典里。这种稀疏结构在后续做“地块生成”和“板块划分”时能省下大量内存和遍历时间。from typing import Dict, Tuple from dataclasses import dataclass, field # 轴向坐标系的六个方向向量 DIRECTIONS [ (1, 0), (1, -1), (0, -1), (-1, 0), (-1, 1), (0, 1) ] dataclass class HexCell: coord: Tuple[int, int] terrain: str ocean elevation: float 0.0 moisture: float 0.0 features: list field(default_factorylist) class HexGrid: def __init__(self): self.cells: Dict[Tuple[int, int], HexCell] {} def add_cell(self, coord: Tuple[int, int]) - HexCell: if coord not in self.cells: self.cells[coord] HexCell(coord) return self.cells[coord] def neighbor(self, coord: Tuple[int, int], direction: int) - Tuple[int, int]: dx, dy DIRECTIONS[direction] return (coord[0] dx, coord[1] dy) def is_within_bounds(self, coord: Tuple[int, int], radius: int) - bool: # 使用立方体坐标的曼哈顿距离判断范围 q, r coord s -q - r return max(abs(q), abs(r), abs(s)) radius这段代码里DIRECTIONS 表是轴向坐标下六边形邻居的标准偏移顺序固定为“从东南开始顺时针”。is_within_bounds 使用的是立方体坐标系下的“棋盘距离”它等价于轴向坐标里走几步能到原点这是做圆形范围判定最方便的方式。如果你需要的是矩形地图而不是圆形岛屿只要单独写一个坐标范围检查函数即可不必改核心结构。2.3 坐标转像素正六边形和点顶六边形的绘制公式要分开记六边形有两种常见的视觉形态平顶和尖顶。平顶六边形的左右边长垂直尖顶六边形的上下顶点垂直。很多人在这里只记一个公式结果生成的地图旋转了 30 度还不知道怎么回事。axial_to_pixel 的转换公式里有一个隐藏参数是 size——它代表六边形的外接圆半径决定了地图的物理尺寸。如果你的地图最终要导出成 PNG 打印size 会直接影响清晰度。import math def axial_to_pixel(coord: Tuple[int, int], size: float 1.0, orientation: str pointy) - Tuple[float, float]: q, r coord if orientation pointy: x size * math.sqrt(3) * (q r / 2) y size * 1.5 * r else: x size * 1.5 * q y size * math.sqrt(3) * (r q / 2) return x, y def pixel_to_axial(px: float, py: float, size: float 1.0, orientation: str pointy) - Tuple[int, int]: if orientation pointy: q (math.sqrt(3) / 3 * px - 1 / 3 * py) / size r (2 / 3 * py) / size else: q (2 / 3 * px) / size r (math.sqrt(3) / 3 * px 1 / 3 * py) / size return hex_round(q, r)这里的 hex_round 是把浮点坐标圆整回整数轴向坐标的关键函数很多新手直接 int() 取整会导致坐标漂移。正确做法是先转立方体坐标再分别四舍五入并修正偏差否则你点击屏幕时选中的格子偶尔会落偏。对于 hexgen 这种生成器坐标转换的准确性直接影响后续“点击拾取地块”和“鼠标悬停高亮”的体验。3. 地块生成策略噪声与温度湿度叠加让六角格不再是马赛克3.1 单纯用随机数生成地块为什么会“一眼假”如果你把每个格子的地形从列表里随机抽一个生成的地图就像一锅粥森林和沙漠相邻、雪山紧贴海边没有任何地理上的连贯性。真实世界的地形分布是“渐变的”高温多雨的地方容易长森林降雨少的地方是草原或沙漠海拔高的地方变冻土或裸岩。因此地块生成的核心不是“随机”而是“用多层噪声构造一个连续的地理梯度场”。常见做法是叠加 Perlin 噪声或 Simplex 噪声来生成海拔场和湿度场。Perlin 噪声输出值域在 -1 到 1 之间而且相邻位置的噪声值连续这就保证了地图上相邻格子的地形不会突变。单纯一层噪声会显得纹理太规律斑块大小一致正确做法是多层噪声叠加——低频噪声决定大陆板块的大致形状高频噪声在局部增加细节让海岸线更自然。3.2 海拔和湿度双层噪声叠加用分形布朗运动模拟大陆感FBM分形布朗运动是“叠加多个频率的噪声”的标准做法它能制造出既有大陆尺度起伏又有局部细节的地形。实现如下每次迭代把噪声频率提高一倍、幅度减半最后累加归一化。这样做出来的海拔分布会出现“大片海洋、连续大陆、局部山脉”的视觉效果而不是孤立的小岛满天飞。import random import math def fbm(x: float, y: float, octaves: int 6, persistence: float 0.5) - float: total 0.0 frequency 1.0 amplitude 1.0 max_value 0.0 for _ in range(octaves): total noise(x * frequency, y * frequency) * amplitude max_value amplitude amplitude * persistence frequency * 2.0 return total / max_value def generate_elevation(grid: HexGrid, radius: int, seed: int, scale: float 0.1) - None: rng random.Random(seed) # 用随机种子初始化噪声生成器实际项目中建议使用 opensimplex 或 noise 库 for coord in grid.cells: x, y coord elevation fbm(x * scale, y * scale, octaves6, persistence0.5) # 把噪声值压缩到 0~1并添加径向衰减让边缘沉入海底 dist math.sqrt(x * x y * y) / radius radial_falloff max(0.0, 1.0 - dist * 1.2) grid.cells[coord].elevation max(0.0, (elevation 1) / 2 * radial_falloff)这里的 noise() 函数需要替换成你实际使用的噪声库Python 生态里推荐 opensimplex它比纯 Python 手写的 Perlin 噪声实现快不少。scale 参数控制“地图的大小感知”scale 值越小地形斑块越大适合做宏观大陆scale 值越大地形细节越多适合做局部区域。radial_falloff 是一个把地图边缘压低到海平面以下的技巧它让矩形或圆形地图的外围自然变成海洋避免“世界边缘是悬崖”的突兀感。3.3 从海拔和湿度到地形类型阈值表是最直观但最需要微调的一步有了海拔和湿度两个连续值之后地形分类就成了一查表操作。常见做法是用两个阈值维度把格子分类成海洋、深海、浅海、沙滩、草地、森林、丘陵、山地、雪地。但阈值不能一刀切因为海拔和湿度的组合才能决定真正的地貌。例如高海拔低湿度是裸岩或沙漠高海拔高湿度则是山地森林或雪松林。海拔区间湿度 0.6湿度 0.3~0.6湿度 0.30.0 ~ 0.15浅海浅海海洋0.15 ~ 0.25沙滩沙滩沙滩0.25 ~ 0.5森林草地草原0.5 ~ 0.7针叶林丘陵灌木0.7 ~ 0.85苔原/裸岩荒原岩石 0.85雪地雪地雪地/裸岩这张表看起来简单但实际项目里最值得花时间的地方就在这里。阈值稍微偏一点地图上可能出现“沿海沙漠”这种违反直觉的地貌。要修正也不是改表而是回到湿度生成这一步检查是不是湿度噪声的均值偏离了 0.5。一个常见技巧是在湿度场生成后做一次“均值归中”把整个湿度场的平均值拉回 0.5 附近这样临界区域的地形分布才会平衡。3.4 河流生成管网扩散比单线寻路更接近真实水系河流不是一条线它是一棵“树”——上游多支流汇聚成干流最终注入海洋。很多生成器在这里会犯一个方向性错误用 Dijkstra 或 A* 从水源点寻路到海洋生成一条单独路径。这种单线河流非常不自然。正确做法应该是先随机分布一批“水源点”让每个水源点沿海拔下降方向流动遇到分岔或低洼区时合并最终汇入海洋。其实质是“多源扩散的汇流网络”。实现这个逻辑有两种常见路线。其一是“粒子模拟”在每个水源点放一个粒子粒子沿梯度下降方向移动每走一步在格子标记河流痕迹多个粒子汇入同一格时自动合并。其二是“流域填充”随机选一个沿海低洼格用 BFS 向上游扩展凡是能流到这格的内陆格都归入同一个流域。两种路线都能用粒子模拟更容易处理局部细节流域填充更容易控制流域大小。我建议 hexgen 里两者结合——先用流域填充划分大块汇水区再在汇水区内部用粒子模拟细化河道。4. 可视化与导出Matplotlib 渲染、Pillow 调色和游戏引擎坐标系对齐4.1 直接画多边形的笨办法为什么性能差顶点缓存与批量绘制是关键新手第一次做可视化最容易走的路是遍历所有格子逐格调用 Matplotlib 的 Polygon 对象绘制。网格数量在 1000 以下时尚可忍受一旦到 5000 格以上渲染就会变得极其缓慢。根因不是 Matplotlib 不能画多边形而是每次 Polygon 调用都创建独立的对象渲染器需要逐个绘制并且无法批量优化。正确做法是先用顶点列表算好每个六边形的全部顶点坐标把它放到一个数组中然后通过 PolyCollection 一次性绘制。这样 Matplotlib 内部会走更高效的批量渲染路径。import matplotlib.pyplot as plt from matplotlib.collections import PolyCollection def render_grid(grid: HexGrid, size: float 1.0, orientation: str pointy): fig, ax plt.subplots(figsize(12, 12)) polygons [] colors [] for coord in grid.cells: x, y axial_to_pixel(coord, size, orientation) vertices [] for i in range(6): angle math.pi * (i * 60) / 180.0 vx x size * math.cos(angle) vy y size * math.sin(angle) vertices.append((vx, vy)) polygons.append(vertices) colors.append(terrain_color(grid.cells[coord].terrain)) coll PolyCollection(polygons, facecolorscolors, edgecolorsblack, linewidths0.2) ax.add_collection(coll) ax.autoscale() ax.set_aspect(equal) return fig这段代码已经能跑出一个完整的六角形地图可视化结果但请注意PolyCollection 接收的 colors 必须和 polygons 一一对应顺序不能乱。另一个关键细节是 set_aspect(equal)这行代码一旦缺失六边形会被缩放成扁形或长形看起来完全不是正六边形。这种“看起来像菱形”的问题在 Matplotlib 默认的纵宽比下非常容易发生是实际开发中最常见的一个视觉翻车点。4.2 从 Matplotlib 到游戏引擎导出数据比导出图片更重要很多人做地图生成器最后导出 PNG 就认为完工了。但在真实项目里你要把地图喂给 Unity、Godot 或自己的游戏逻辑引擎需要的是“结构化数据”——每个格子的坐标、地形类型、河流标记、道路连接关系。如果你只导出一张图等于把生成的信息全丢了还得在引擎里重新手绘格子来匹配图片这是无用功。我建议项目里加一个“数据导出层”把格子数据序列化成 JSON 或者二进制。导出时至少包含以下信息格子轴向坐标、地形类型、海拔值、湿度值、河流等级、道路标记。引擎读入这些数据后再按自己的坐标系统绘制而非反向解析图片。这样才能真正体现出 hexgen 作为“生成器”而非“画图器”的价值——它生成的是数据图片只是一个可视化预览。导出字段类型说明coord_qint轴向坐标 qcoord_rint轴向坐标 rterrainstr地形类型编号elevationfloat海拔 0~1moisturefloat湿度 0~1river_levelint0 无1~3 河流级别is_coastbool是否临海格子这个表格对应的导出代码写起来其实非常机械化真正容易坑的是坐标对齐。引擎中有些支持“数据中心在原点”有些地图组件希望“左上角为起点”还有些用 y 轴朝下的屏幕坐标。如果你的轴向坐标里有负数而引擎不处理负数索引你就必须做一次坐标平移把 q 和 r 都平移到非负区间。这个平移过程极易和“可视化渲染时的平移”混淆最后做出来的地图在数据上是同一张但和图片对不上。4.3 调色板与视觉风格同一张地图的三套配色方案地形类型的颜色直接决定了地图的“世界观气质”。一套低饱和、带手绘质感的调色板可以让同一张地图呈现“羊皮纸老地图”的感觉而高饱和亮色则适合策略游戏的 UI 风格。我一般会给项目准备三套调色板默认低饱和、鲜艳游戏风格、灰度打印风格。灰度版本用于实体打印时特别实用因为很多 DM 希望把地图打印出来自己手绘标注。调色板在代码里实际上就是一个字典不要把它写死在绘制逻辑里而是独立成模块。这能让你在后期调整风格时不用动任何生成逻辑。一个常见的坑是“颜色太相近”森林和丘陵的颜色在默认调色板里看起来几乎完全一样导致地图上明明有大量丘陵但视觉上完全看不出来。解决方法是每次换新调色板后把所有地形颜色打印成色块图目测对比一次不要等地图生成了才发现。5. 避坑清单hexgen 类项目最常见的六个翻车现场5.1 邻接方向表方向顺序记错河流往天上流现象生成河流时发现河流从低海拔格子流向了高海拔格子而且流向在视觉上看起来是“斜着走”的完全不自然。 原因轴向坐标的方向向量表写错。轴向坐标的方向并不是简单的“上、下、左、右”而是六个特定向量。很多人把方向表写成传统平面坐标系的上下左右导致河流寻找“最低邻居”时选中了错误目标。 解决回到文章第三节的 DIRECTIONS 表确认方向顺序是 (1,0), (1,-1), (0,-1), (-1,0), (-1,1), (0,1)。写一个单元测试从原点走六个方向再走回来确保回到原点。5.2 噪声种子固定但结果每次不同现象设置了随机种子但每次生成的地图都不一样甚至同一台机器上两次运行结果不同。 原因大部分经典噪声库生成的 Perlin 噪声本身不依赖随机种子依赖的是你传给噪声函数的坐标和一个内部 permutation 表。如果你每次都重新调用随机数生成器来生成“偏移量”再传给噪声结果就会漂移。 解决把随机种子固定为分形布朗运动的“初始相位偏移”而不是在循环里每步都重新取随机数。最简单做法是“seed 生成一个固定偏移向量加到坐标上”这样无论跑多少遍只要坐标和种子不变结果一定相同。5.3 地图边缘全部变成陆地海洋进不来现象生成的圆形地图边缘本该是海结果全是陆地海岸线直接顶到最外层格子。 原因径向衰减系数设置不当。falloff 的核心逻辑是“距离中心越远海拔越低”但如果衰减曲线过于平缓边缘的噪声值仍然高于海平面阈值。 解决把 radial_falloff 的衰减指数调大或者引入“边缘强制归零”逻辑在地图边界往外两圈格子上直接将海拔与边界距离的平方做乘最保险的方式是超过某个半径后直接设置成海洋不做任何噪声叠加。5.4 Matplotlib 坐标轴纵横比异常六边形变菱形现象生成的六边形网格在屏幕上看起来像是被横向拉长的菱形每个格子的对角严重不对称。 原因没有设置坐标轴等比例或者轴向坐标转像素时 size 参数不一致。Matplotlib 默认情况下 x 轴和 y 轴的缩放比例不同六边形的几何特性被破坏。 解决在绘制代码中务必增加 ax.set_aspect(equal)。同时检查 axial_to_pixel 的两个坐标公式中 size 参数是否一致这里一旦混用就会出现“某条边特别长”的视觉畸变。5.5 河流注入内陆湖泊但没有出口水越积越多现象河流流向低洼处后停止形成内陆湖但这个湖没有排水口看起来像水被无限注入一个无底洞。 原因生成河流时只考虑海拔下降没有处理“局部最低点”与“流域出口”的关系。在没有出口的封闭洼地里河流只会无限汇聚。 解决在河流生成后增加一个“排水口检测”遍历所有河流端点如果该点周围三格内没有更低海拔且没有靠海则强制寻找一条“最短下降路径”把洼地出口打通到最近的已有河流或海洋。常见做法是 BFS 从洼地向外扩展直到找到海拔低于洼地最低点的格子。5.6 多边形边缘锯齿严重放大后全是马赛克现象导出 PNG 后六边形边缘出现明显的锯齿甚至有些边看起来是弯的。 原因像素采样分辨率不够。Matplotlib 在 dpi 设置较低时抗锯齿效果有限六边形数量少时这个问题不明显一旦格子数量上来中西部的线条就会显得粗糙。 解决导出时把 dpi 参数调高到 150 或 200同时关闭子像素抗锯齿选项或者改用 Pillow 等更底层的渲染库。另外如果对边缘质量要求极高可以考虑用 SVG 矢量格式导出以便后续无限缩放不损失精度。6. 从地图生成器到生产工具性能调优、缓存策略与我的最终建议当 hexgen 走出原型阶段你要开始处理大规模地图时性能问题会立刻浮出水面。一万格和十万格在生成延迟上差的不只是数量级而是算法复杂度。我建议优先处理三个热点噪声计算、坐标转像素和地形分类。噪声计算是纯 CPU 密集型运算如果你用的是纯 Python 实现的 Perlin建议换成 opensimplex 或者 numpy 向量化版本。坐标转像素这一步比较容易被忽略——每一帧渲染或每生成一个格子都要计算一次如果在地图加载时就把每个格子的顶点坐标缓存起来后续绘制和碰撞检测都会快很多。地形分类虽然只是查表但在十万格规模下Python 解释器本身的循环开销也不容小觑可以考虑用 numpy 数组存储海拔和湿度场把分类步骤向量化。缓存策略上最常见的做法是“分块生成”把地图切成若干块每块独立生成并缓存到磁盘上只有在玩家探索到新区域时才加载对应块。这样做的收益非常大——你不用在一开始就生成整张十万格的世界地图而是生成一个小区域的世界让用户先看到结果再动态扩展。对于单机游戏或桌游场景一次生成整图也许还能接受但如果是开放世界或大地图连续漫游分块缓存的架构几乎是必须的。如果你想让 hexgen 支持更高精度的“彩色打印”或“游戏内纹理贴图”我会建议把可视化从 Matplotlib 迁移到 Pillow 或者 PIL 层面。Matplotlib 的多边形渲染虽然灵活但在批量纹理生成方面不如直接操作像素缓冲区高效。而且 PILLOW 可以直接输出带透明通道的 PNG方便你在游戏引擎里叠加纹理和标记。另一个实用技巧是直接生成“六边形瓦片图集”把每一种地形对应的六边形纹理预渲染成一张大图运行时通过纹理坐标采样避免每帧重新绘制多边形。我自己的“血泪经验”是不管你的生成算法多好最后给用户看到的永远是“渲染层”的效果。如果渲染层只能输出一张大图而无法导出结构化数据那你的项目大概率只会停留在“一个好看的 Demo”无法被真正接入到游戏或桌游生产流程中。所以我在自己的工具链中始终把“数据导出”和“可视化渲染”放到同等地位来开发。这也是我建议你在做 hexgen 时采用的做法——不要把全部精力放在调色和画图上把时间多分一点给数据接口和缓存设计你会感谢自己的。最后如果你正在做的项目对地图的真实性要求很高我会建议不要把 hexgen 作为唯一的地图来源而是让它生成“基础底图”再用你的世界观设定对关键区域做手工微调。这个组合——程序生成加人工精修——是目前工作量与效果平衡度最好的方案。希望这篇拆解能帮你在自己的地图生成器上少走几条弯路。本文还有配套的精品资源点击获取