屏幕不够，算法来凑(一)：Ditherpunk 抖动算法原理与 JS 实时演示

背景

在嵌入式开发领域，我们经常会遇到色彩位数极低的显示设备：

• 经典的 SSD1306 (0.96寸 OLED)，仅支持黑白两色。
• 电子墨水屏 (E-Ink)，通常只有黑白，且刷新率极低。

如果直接将 24 位真彩图片进行量化处理，其结果往往如同烧焦的木炭，细节丢失殆尽。但若引入 抖动算法(Dithering)，这些 1-Bit 屏幕便能模拟出细腻的灰度感。

此前我曾尝试用 Rust 实现过一个版本，但作为博客演示，使用 JavaScript 与 Canvas 在浏览器中直接进行仿真最为直观。本文将介绍几种主流抖动算法的原理及其 JS 实现。

实验室控制台

在此上传图片，下文的所有算法演示将同步生效。建议开启 Gamma 校正观摩图像暗部细节的差异。

0x01 线性空间 (Linear Space)

这是本文最重要的核心内容。

很多开发者在处理图像时会直接进行 if (gray > 0.5) 的判断。 这是错误的。

sRGB 的非线性特性

主流图像格式通常存储在 sRGB 空间中。sRGB 为了适配人眼对暗部细节的敏感性，采用了非线性映射（约 Gamma 2.2）。

为什么我们需要如此麻烦地进行 Gamma 校正？这源于人类进化的结果：我们的眼睛对暗部变化的敏感度远高于亮部。在物理世界中，光子数量增加一倍，能量就增加一倍；但在人类感知中，亮度并不是线性增加的。sRGB 标准通过一条幂律曲线（约 ）将更多的位深分配给了暗部信息。如果我们在处理抖动时不进行 De-gamma，算法会错误地将“感知上的中灰”当作“物理上的中灰”来分摊误差，导致图像在 1-bit 屏幕上看起来比原图暗得多，阴影细节会像沉入黑洞一样消失。

如果在 sRGB 空间直接进行误差扩散或加减运算，会导致以下问题：

1. 亮度不守恒：计算出的灰度值与物理亮度不符。
2. 图像偏暗：阴影部分会由于缺乏补偿而变成死黑。

因此，处理前必须先进行 De-gamma 转换。

function srgbToLinear(v) {
  v /= 255;
  return v <= 0.04045 ? v / 12.92 : Math.pow((v + 0.055) / 1.055, 2.4);
}

0x02 阈值裁剪 (Thresholding)

这是最原始、最简单的方案：设定一个固定阈值（通常为 0.5），高于该值设为 1（白），低于则设为 0（黑）。

结果： 细节丢失严重。由于强制舍弃了所有中间调，会导致严重的量化噪声，图像面貌全非。

0x03 随机抖动 (Random Dithering)

为了缓解量化误差，最直观的方法是在对比前引入随机噪声。

let newPixel = oldPixelLinear + (Math.random() - 128) / 255 > 0.5 ? 1.0 : 0.0;

结果： 虽然保留了部分细节，但图像布满了均匀分布的“雪花点”。这种 白噪声 (White Noise) 在视觉上非常刺眼，因为它在所有频率上都有能量分布。

0x04 有序抖动 (Ordered Dithering)

有序抖动不再依赖随机性，而是使用特定的阈值矩阵进行循环铺设。最典型的是 Bayer 矩阵。

Bayer 矩阵原理

Bayer 矩阵是一种分形结构。其核心设计目标是：在空间上尽可能均匀地分散不同等级的阈值点。

• 优点： 效率极高，无需处理邻近像素，极其适合计算资源匮乏的单片机。
• 缺点： 会产生规律性的十字网点或条纹。

0x05 误差扩散 (Error Diffusion)

这是目前 1-Bit 图像处理的通用方案。其核心逻辑是：将当前像素量化产生的误差，按照特定权重分摊给邻近尚未处理的像素。

Floyd-Steinberg 算法

这是最知名的误差扩散算子。它将误差以 7/16、3/16、5/16、1/16 的比例分摊至右方和下方的四个邻居。

Atkinson 算法

由 Apple 工程师 Bill Atkinson 在早期麦金塔开发中提出。它只分摊 75% 的误差，且扩散范围更广（影响 6 个邻居）。这使得图像对比度更高，视觉上更清晰。

0x06 蓝噪声 (Blue Noise)

如果你追求艺术级质感，蓝噪声是终极答案。

• 白噪声：能量分布均匀，看起来杂乱。
• 蓝噪声：去除了低频成分，像素点之间相互“排斥”，分布极其均匀。

使用蓝噪声纹理作为阈值图，可以产生类似电影胶片颗粒的效果，完全消除了规律性网点。

总结

从原始的阈值裁剪到精密的误差扩散，抖动算法在显示资源受限的情况下寻找到了人类视觉审美的平衡点。随着硬件资源的丰富，这些算法已经从“不得不选”变成了提升质感的“艺术风格”。

下一篇我们将深入讨论硬件实战：如何在内存资源匮乏的 ESP32 上实时生成高分辨率图像的抖动输出？

环境

Browser: Chrome Engine (Any)
Language: JavaScript (ES6+)
Framework: Vanilla JS / HTML5 Canvas
Target: PC / Embedded (SSD1306/EPD)

参考资料

• Ditherpunk — The article I wish I had about monochrome image dithering
• Ordered Dithering - Wikipedia
• Floyd-Steinberg - Wikipedia