算法参考

工具中的每一种抖动算法，均已命名、分组，并由工具内部同一引擎渲染。

11 个系列，共 125 种算法

每张样图都是同一条灰度渐变，由工具自身的引擎以 360×90 渲染。

打开工具

误差扩散 24

Floyd-Steinberg基准算法：误差扩散到相邻四个像素，产生适合照片的细腻均匀颗粒感。
Floyd-Steinberg (Serpentine)Floyd-Steinberg 逐行交替扫描方向，打散单一扫描方向留下的对角线虫纹。
Jarvis-Judice-Ninke跨三行扩散到十二个邻近像素：比 Floyd-Steinberg 更平滑、图案更不明显，代价是约三倍的运算量。
Stucki与 Jarvis-Judice-Ninke 相同的十二邻域范围，但权重为二的幂：观感更锐利，计算也更快。
Stucki (Serpentine)Stucki 交替扫描方向的版本，用轻微的方向偏差换取更均匀的画面。
Burkes去掉第三行的 Stucki：以三分之二的成本获得大部分的平滑效果。
Atkinson只扩散四分之三的误差，使高光和阴影干净地溢向纯白与纯黑——早期 Macintosh 的经典观感。
Atkinson (Serpentine)保留 Atkinson 高对比度观感的同时交替扫描方向，抵消其容易出现条纹的倾向。
Sierra（3行）权重介于 Stucki 与 Burkes 之间的三行核，中间调平滑而不像 Jarvis 那样发软。
Sierra（2行）Sierra 的两行版本：更快，但纹理稍微更明显。
Sierra Lite最小的 Sierra 版本——仅三个邻近像素，速度极快，颗粒明显更粗。
Stevenson-Arce跨四行的宽核，专为 45 度网格而非正方形网格输出而设计。
FanFloyd-Steinberg 的变体，将权重沿下一行偏移以抑制其对角线虫纹。
Shiau-Fan 1五项系数，向下一行回溯两个像素：以比完整三行滤波更低的成本抵消方向性伪影。
Shiau-Fan 2将 Shiau-Fan 核的权重重新分配到正前方像素，结果略微更清晰。
Shiau-Fan 3三者中范围最广，向下一行回溯三个像素，是该系列中最平滑的一种。
XOT五项系数，延伸到下面两行，在不承担完整三行滤波成本的前提下软化纹理。
Diagonal Diffusion将误差向右下方加权扩散，使颗粒呈现出方向感而非噪点感。
Fake Floyd-Steinberg用八分之三的三项系数代替十六分之四的四项系数：明显比原版更粗糙，但成本低得多。
1D Diffusion把全部误差都推向同一行的下一个像素，别无他处，产生生硬的水平条纹——是一种纹理，而非还原。
Steve Pigeon九项系数向两侧各延伸两个像素，专为防止平坦区域出现色带而调校。
Robert Kist沿用 Floyd-Steinberg 的覆盖范围，但将下方权重重新分配到正下方像素。
二维扩散（类型1）一种紧凑的蛇形核，在两个轴向上扩散误差，目标是在渐变中获得均匀纹理。
二维扩散（类型2）第二种二维变体，权重进一步偏向图像下方，颗粒更柔和、更弥散。

可变误差扩散 2

Riemersma沿空间填充曲线而非扫描线扩散误差，因此纹理完全没有颗粒方向。
Ostromoukhov系数随输入色调变化，消除了固定核在深阴影和亮高光处留下的伪影。

有序抖动 47

Bayer 2x2最粗糙的有序阈值矩阵：只有四个层级，一望便知是数字效果，速度非常快。
Bayer 3x3九级矩阵，其奇数尺寸避免了图案与二的幂次像素网格对齐。
Bayer 4x4十六级——早期游戏和图文电视中那种经典的交叉网纹。
Bayer 8x8六十四级：默认的有序抖动，细腻到足以用于照片，同时仍能看出图案感。
Bayer 16x16二百五十六级，交叉网纹从图案变成了纹理。
Bayer 32x32非常精细的矩阵，在保持完全可重复的同时趋近连续色调。
Bayer 64x64这里最大的 Bayer 矩阵——实际上已经平滑，适合需要在大幅印刷品上无缝平铺图案的场合。
聚集点 4x4将网点按色调聚成随之增大的团块，如同印刷机上墨的方式。
聚集点 6x6更大的聚簇网格：更粗的网点，能经受复印和低分辨率打印的考验。
聚集点 8x8普通聚簇网格中最大的一种，适用于孤立像素会丢失的输出场合。
Bayer Clustered Dot 1十一种在 Bayer 网格上生长聚簇网点的混合矩阵中的第一种，将印刷式的团块感与分散排序结合起来。
Bayer Clustered Dot 2比第一种更紧密的聚簇，网点核心更小。
Bayer Clustered Dot 3聚簇权重偏向单元中心，网点更圆。
Bayer Clustered Dot 4生长顺序带有对角偏向，呈现出 45 度网屏的效果。
Bayer Clustered Dot 5每个单元从两个中心向外生长，视觉网屏频率翻倍。
Bayer Clustered Dot 6更松散的聚簇，在中间调保留更多分散像素。
Bayer Clustered Dot 7权重调整为在阴影区实现均匀的油墨覆盖。
Bayer Clustered Dot 8网点形状更方正，在低分辨率下边缘保持得更好。
Bayer Clustered Dot 9拉长的聚簇形态，使网屏带有方向性颗粒感。
Bayer Clustered Dot 10适用于网点不应被单独看见的高分辨率输出的精细聚簇。
Bayer Clustered Dot 11该系列中最大也最柔和的一种，最接近传统半调网屏。
分散点在单元内尽可能广泛地分散阈值顺序——最大分散、最小聚簇。
Dispersed Dots 1经过调整使相邻阈值不连续的分散矩阵，抑制了可见接缝。
Dispersed Dots 2散布顺序不同的第二种分散变体，适合第一种在图像上出现可见平铺痕迹时使用。
Ulichney Void Dispersed将 Ulichney 的空隙聚簇（void-and-cluster）排序应用为分散矩阵：以有序抖动的成本获得蓝噪声特性。
Ulichney Bayer 5x5出自 Ulichney 研究的 5×5 Bayer 变体；奇数尺寸避免了与二的幂次对齐产生的伪影。
UlichneyUlichney 的通用有序矩阵，是这一系列许多方法所源自的参考实现。
Ulichney Clustered DotUlichney 的聚簇排列，专为无法保留孤立像素的设备设计。
Non-Rectangular 1非正方形的阈值单元，因此图案不与像素网格对齐。
Non-Rectangular 2长宽比不同的第二种非矩形单元，呈现出明显的编织质感。
Non-Rectangular 3单元角度更陡，看起来像斜向编织。
Non-Rectangular 4非矩形单元中最狭长的一种，接近线条网屏。
Central White Point网点从明亮的中心向外生长，使高光保持通透干净。
Balanced Centered Point网点围绕单元中心对称生长，使网点填充过程中色调保持均匀。
Diagonal Ordered旋转到对角方向的有序矩阵，是单色网屏的传统角度。
Magic 4x4幻方式阈值矩阵：每行每列之和相等，因此整个单元的色调保持均匀。
Magic 6x6六乘六幻方，在图案可见度与色调分辨率之间取中。
Magic 8x8这里最大的普通幻方，细腻到足以表现照片色调。
Magic 4x4 (45°)旋转 45 度的四乘四幻方，使图案在水平和垂直方向上都不易察觉。
Magic 6x6 (45°)45 度的六乘六幻方——黑版网屏的经典角度。
Magic 8x8 (45°)45 度的八乘八幻方，是旋转系列中最平滑的一种。
Magic 5x5 Circle生长顺序呈圆形的幻方，产生的是圆形网点而非方形网点。
Magic 6x6 Circle更大的圆形幻方单元，在更粗的网屏频率下产生更圆的网点。
Magic 7x7 Circle最大的圆形幻方单元——外观最接近传统圆点半调网屏。
Blue Noise 128真正的 128×128 空隙聚簇蓝噪声掩模：肉眼找不到重复图案，也完全没有误差传播。
交错渐变Jorge Jimenez 的交错梯度噪声，专为实时渲染设计——成本低、稳定且非常均匀。
Luminance Adaptive根据局部亮度逐像素选择阈值矩阵，在高光和阴影中都保留细节。

噪声 9

高斯噪声以正态分布噪声进行阈值处理：柔和、类胶片的颗粒感，完全没有结构。
白噪声纯粹的随机阈值——这里噪点最重的选项，也是其他噪声类型据以塑形的参照基准。
蓝噪声去除了低频成分的噪声，肉眼看来是纹理而非污点，是大多数图像中效果最好看的噪声抖动。
绿噪声中频噪声：比蓝噪声更容易结块，但在印刷和低分辨率显示中更耐用。
粉噪声偏向低频的噪声，产生更云雾状、更有机的斑驳感。
紫噪声与粉噪声相反——几乎全是高频，产生尽可能最细的颗粒感。
红噪声这里低频权重最强的一种，产生的是大片色斑而非颗粒。
三角噪声三角分布噪声，消除了普通均匀噪声带来的色调相关偏差。
柏林噪声连贯的梯度噪声，使阈值场以形状流动而非散乱分布——呈现大理石般手工制作的观感。

点扩散 12

Knuth Dot DiffusionKnuth 最初的网点扩散法：将图像划分为按固定类别顺序处理的单元，向各个方向而非沿扫描线扩散误差。
Mini-Knuth Dot Diffusion更小的 Knuth 单元，纹理更细腻，处理速度也更快。
Optimized Knuth采用经选择以最小化可见单元结构的类别顺序的 Knuth 方法。
Mese 8x8Mese 与 Vaidyanathan 优化的 8×8 类别矩阵，相较 Knuth 的原始排序有可衡量的改进。
Mese 16x1616×16 的 Mese 矩阵：更加平滑，但单元面积是原来的四倍。
Guo-Liu 8x8Guo 与 Liu 的类别矩阵，依据人类视觉模型而非手工调校而成。
Guo-Liu 16x16更大的 Guo-Liu 矩阵，是该系列所能提供的最平滑结果。
Spiral Dot Diffusion以从中心向外的螺旋方式处理每个单元，抑制矩形单元边缘的痕迹。
Inverted Spiral螺旋方向从边缘向内运行，使单元内的偏差方向相反。
Lippens-Philips 1第一种 Lippens-Philips 类别矩阵，专为内存有限的硬件实现设计。
Lippens-Philips 2边缘行为不同的第二种 Lippens-Philips 排序。
Lippens-Philips 3该系列中的第三种，最平滑但成本也最高。

空间填充曲线 8

希尔伯特曲线沿希尔伯特曲线遍历图像，使遍历路径上相邻的像素在屏幕上也相邻——没有方向、没有接缝的纹理。
Riemersma Peano在皮亚诺曲线上运行 Riemersma 方法，以三分之一而非二分之一的方式填充平面，产生更粗糙、更具编织感的颗粒。
Riemersma FASS 0三种 FASS 曲线变体中的第一种——空间填充、自我回避、简单且自相似——对过往误差的记忆最短。
Riemersma FASS 1误差记忆比 FASS 0 更长，以清晰度换取平滑度。
Riemersma FASS 2这里 FASS 记忆最长的一种，最平滑也最不锐利。
Riemersma Gosper在 Gosper 曲线上运行的 Riemersma，其六边形单元带来明显非正方形的纹理。
Riemersma FASS Spiral螺旋形 FASS 变体：路径持续转向，因此颗粒完全没有偏好轴向。
Riemersma Hilbert 2希尔伯特路径的转置：同一条曲线沿对角线镜像，因此纹理的走向相反。

基于优化 10

空隙与聚类Ulichney 的空隙聚簇法：通过反复填补最大空隙来构建阈值掩模，产生所有有序方法中最均匀的网点分布。
Kacker-Allebach依据人类视觉模型优化网点图案，因此能保留误差扩散会抹掉的精细细节。
DBS Coarseness 0直接二值搜索（DBS）在最精细设置下的表现：反复交换像素，直到没有任何交换能改善结果为止。这里最慢也最精确的方法。
DBS Coarseness 1滤波器略宽的 DBS，以更少的运算量换取略微更粗的颗粒。
DBS Coarseness 2粗糙度适中的 DBS——质量与耗时之间的良好平衡。
DBS Coarseness 3进一步加粗的 DBS，网点聚簇明显更大。
DBS Coarseness 4DBS 范围的中点，纹理开始呈现出刻意为之的观感。
DBS Coarseness 5粗糙的 DBS，接近聚簇网屏的观感。
DBS Coarseness 6非常粗糙的 DBS，适用于无法呈现精细网点的输出场合。
DBS Coarseness 7最粗糙的 DBS 设置：网点大而分离良好，能经受任何再现方式的考验。

图案瓦片 6

Pattern 2x2将每个像素替换为按色调选定的 2×2 图块——输出比输入更大，且每种色调对应一个固定形状。
Pattern 3x3 v1一组具有十种色调的 3×3 图块，排列方式从中心向外生长。
Pattern 3x3 v2同一单元换用不同的生长顺序，网点更方正。
Pattern 3x3 v3第三种 3×3 排列，偏向对角方向。
Pattern 4x4一组具有十七种色调的 4×4 图块——更平滑，但像素数量是原来的十六倍。
Pattern 5x2宽而扁的图块，产生水平线条网屏般的纹理。

混合 3

有序调制阈值受第二个波形调制的有序矩阵，在不引入噪声的情况下打破规律性。
对比度感知根据局部对比度在有序与扩散行为之间切换：平坦区域呈现图案，边缘处则保留细节。
Grid Dither在固定网格上进行阈值处理，单元大小作为可调参数暴露出来，形成一种刻意且清晰可见的像素结构。

特殊 2

Yliluoma（类型1）Yliluoma 的第一种有序算法：不选择最接近的单一颜色，而是搜索平均值与目标匹配的调色板颜色组合。在小调色板上效果好得多。
Yliluoma（类型2）第二种 Yliluoma 变体，按感知亮度对组合搜索加权，处理渐变时更为自然。

调制扩散 2

Modulation Diffusion (Horizontal)核在水平方向上被调制的误差扩散，使颗粒在图像上呈条带状变化。
Modulation Diffusion (Vertical)同样的调制应用于垂直方向，使纹理沿图像纵向呈条带状。

ProDesigner 对全球所有人免费开放。如果它为您节省了时间,欢迎支持我们的开发。

支持 ProDesigner