我正在尝试找到一个最佳抖动模式，它可以用作灰度图像的阈值以生成 1 位黑白图像。理想情况下，它会是最佳的，因为人类会在感知上判断它最接近源图像。

例如，白噪声抖动看起来很糟糕：

尽管具有相同数量的错误，但使用蓝噪声进行抖动看起来要好得多：

（图片来自https://blog.demofox.org/2017/10/31/animating-noise-for-integration-over-time/）

虽然白噪声看起来不太好，但它可以很容易地实时生成，而蓝噪声则不能。

因此，我试图找到一种抖动模式：

• NxN 大小
• 具有均匀分布的值：0/N、1/N ... (N-1)/N
• 感觉上最好的性价比

在我获得给定 N 的最佳模式（或相当好的模式）之后，第 2 步将尝试找出如何在数学上计算它，但第一步是找到模式。

有没有人对这样做的好方法有任何建议？

我目前正在尝试使用模拟退火来找到最佳解决方案。我正在使用 SSIM 来计算解决方案的得分，用于模拟退火逻辑。

对于模拟退火，我通过以下方式初始化模式：

1. 初始化 NxN 模式，使行 M 设置为 M/N。
2. 随机播放图案

在计算模拟退火的可能移动时，我在 NxN 模式中随机选择两个值并交换它们。

这对我来说不是很好，但我不确定这是否不是一个好的方法，或者我是否为模拟退火和/或 SSIM 选择了错误的参数。

模拟退火有一个起始温度，以及从那里到温度 0 的指定迭代次数。

另一方面，SSIM 有 c1、c2 和 c3，我将它们设置为零。我还对抖动图像中的每个 8x8 块进行 SSIM（所有这些块，即使它们重叠）并将它们平均在一起以获得 SSIM 分数。

这是该算法提出的 5x5 抖动模式的示例，它看起来真的一点也不好看。

我手动导出了一个 5x5，实际上看起来好多了：

有人对我如何更好地搜索/解决这个问题有任何建议吗？