抖动算法介绍

抖动算法的引入

​根据维基百科的介绍：抖动是故意应用的噪声形式，用于使量化误差随机化，从而防止图像经过量化后出现色带之类的图案。

​上图为一种抖动算法的效果示例，第2、3幅图都是由仅由像素值0和255显示出来的图。其中第2幅图以127为阈值对图像进行二值化的结果。第3幅图是图像二值化过程中运用抖动算法的结果。第3幅图在视觉效果上更接近与原图，明显比第2幅图更好。

几种抖动算法介绍

固定阈值抖动算法

​当这个固定阈值取平均值时，又叫做平均抖动算法。它将图像像素的平均值作为全局阈值来决定该点的像素值应该是0还是255。当像素值高于阈值时取255，当像素值低于阈值时取0。这种一刀切的方法实现起来非常简单，但是量化所得图像的轮廓十分明显，图像过渡不自然。

随机抖动算法

​随机抖动算法是对固定阈值抖动算法的一种改进算法，将固定的阈值改成随机数。对每个像素点，生成0-255范围内的随机数作为来与之比较，当位置像素值大于生成的随机数时，将像素值赋值为255，否则赋值为0。这样，即使原来一张图中全部是127的灰度图像，其处理结果也是一般像素值为0，一半像素值为255，整体呈现灰色。如图2，灰色部分可用黑白交替的像素点表示。

有序抖动算法

​使用一个固定数组的值作为阈值，将像素值压缩到数组取值范围内，再将其与固定数组对应位置阈值进行比较，大于阈值赋值为255，否则赋值为0。阈值数组有各种尺寸的：

Floyd-Steinberg 抖动算法

​ 这是抖动算法里的一个效果比较好的经典方法，是基于量化误差扩散技术的方法。对图中的每个像素点，首先找到其最接近的量化值，计算该像素点与量化值的误差，然后划分这些误差量，将其分配到其临近的像素点中去。

for each y from top to bottom
    for each x from left to right
       oldpixel  := pixel[x][y]
       newpixel  := find_closest_palette_color(oldpixel)
       pixel[x][y]  := newpixel
       quant_error  := oldpixel - newpixel
       pixel[x + 1][y ] := pixel[x + 1][y ] + quant_error * 7 / 16
       pixel[x - 1][y + 1] := pixel[x - 1][y + 1] + quant_error * 3 / 16
       pixel[x    ][y + 1] := pixel[x    ][y + 1] + quant_error * 5 / 16
       pixel[x + 1][y + 1] := pixel[x + 1][y + 1] + quant_error * 1 / 16

几种方法效果比较