Diagramme de Voronoï

Diagrammes cellulaires organiques de Voronoï générés dynamiquement.

100%

Tap to add a cell, drag a cell's dot to move it, tap a dot to remove it. Each cell claims the area closest to its point; Evenness spreads them out.

Cells
60
1
3px
Colors

Que pensez-vous de Diagramme de Voronoï ?

À propos de Diagramme de Voronoï

Un diagramme de Voronoï partitionne le plan en cellules autour d'un ensemble de points, appelés germes ou sites, de telle sorte que chaque point d'une cellule se trouve plus proche de son germe que de tout autre. La méthode porte le nom du mathématicien Gueorgui Voronoï, qui en a formalisé l'étude en 1908, bien que René Descartes en ait esquissé le principe dès 1644 et que John Snow s'en soit servi en 1854 pour relier une épidémie de choléra à Londres à une pompe à eau spécifique.

Les cellules de Voronoï émergent naturellement dès lors qu'un phénomène grandit à vitesse constante depuis plusieurs foyers simultanés : le pelage des girafes, la boue qui sèche et se craquelle, la structure des ailes de libellules ou les territoires de nidification des oiseaux. Leurs arêtes forment des segments équidistants entre germes voisins, et les sommets où trois cellules se rejoignent se trouvent à égale distance de trois sites.

L'outil Voronoi Patterns distribue des germes de manière aléatoire et trace leurs frontières. Ajustez Count pour le nombre de cellules, augmentez Evenness pour déclencher la relaxation de Lloyd (qui replace chaque germe au centre de sa cellule pour un rendu plus régulier en nid d'abeilles), modifiez l'épaisseur des contours, appliquez un dégradé bicolore ou conservez un tracé filaire, puis exportez en SVG ou PNG.

Comment utiliser Diagramme de Voronoï

  1. Définir le nombre de cellules. Count ajuste la quantité de points disséminés. Quelques dizaines forment de grands aplats graphiques ; plusieurs centaines génèrent une trame cellulaire dense.
  2. Régulariser les alvéoles. Evenness active la relaxation de Lloyd : à 0 les formes sont brutes et irrégulières, tandis qu'à chaque palier les sites convergent vers leur centre jusqu'à former un pavage hexagonal.
  3. Éditer les cellules à la main. Cliquez sur le canevas pour ajouter une cellule, faites glisser un point pour le bouger ou cliquez dessus pour le supprimer. Modifier Count, Evenness ou le germe aléatoire redistribue l'ensemble.
  4. Personnaliser contours et fonds. Réglez Edge width, activez ou non Fill cells, puis définissez les deux teintes de remplissage, la couleur de contour et le fond, ou choisissez une palette toute prête.
  5. Générer et exporter. Cliquez sur Randomize pour un tirage inédit, puis téléchargez l'image en SVG ou PNG, ou partagez le lien reproduisant fidèlement ce motif.

Foire aux questions

Qu'est-ce qu'un diagramme de Voronoï ?

Un découpage du plan en cellules autour d'une série de points, où chaque cellule regroupe toutes les coordonnées plus proches de son propre point que de n'importe quel autre.

Quel est le rôle du paramètre Evenness ?

Il exécute l'algorithme de Lloyd : chaque site se déplace vers le barycentre de sa propre cellule avant recalcul complet du réseau. En répétant ce processus, les cellules s'équilibrent et tendent vers une structure hexagonale régulière.

Dans quels domaines utilise-t-on les diagrammes de Voronoï ?

En cartographie (sectorisation d'antennes relais ou d'hôpitaux), en biologie, en métallurgie, en robotique et en modélisation 3D pour simuler des textures de pierre, d'écorce ou de sols desséchés. Son réseau dual, la triangulation de Delaunay, est incontournable pour le maillage géométrique.

Peut-on utiliser ces cellules pour de la découpe laser ?

Tout à fait. L'export SVG fournit des tracés vectoriels nets, parfaitement calibrés pour la découpeuse laser, la gravure ou l'extrusion 3D.

Guides

Références

  1. Voronoi, G. (1908). Nouvelles applications des paramètres continus à la théorie des formes quadratiques. Journal für die reine und angewandte Mathematik 134, 198–287.
  2. Aurenhammer, F. (1991). Voronoi diagrams — a survey of a fundamental geometric data structure. ACM Computing Surveys 23(3), 345–405.
  3. Lloyd, S. P. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory 28(2), 129–137.