我从 1983 年“恒河猴视网膜中感光器采样的光谱结果”中阅读了这篇论文。
本文讨论了视网膜中的蓝噪声采样模式，并说：
结果（图 I）表明，在整个视网膜中，视锥细胞提供了一种新形式的最佳空间采样：最佳的意思是对于低于局部受体密度所暗示的标称奈奎斯特极限的空间频率引入最小噪声（将如果锥体形成规则晶格，则获得），而高于局部奈奎斯特极限的空间频率不会混叠回显着的莫尔图案，而是分散到宽带噪声中。因此，视觉系统避免了图像采样元件的任何规则排列中固有的高频混叠失真，同时最小化了落在其潜在奈奎斯特带宽内的低频的采样噪声。这些优势源于准随机（即，
我认为这意味着蓝噪声：
- 采样频率低于奈奎斯特时不会增加（很多）噪声。
- 不为高于奈奎斯特的频率混叠。
这与以下情况相反：
- 不向任何频率添加噪声的均匀采样，但会使高于奈奎斯特的频率混叠。
- 白噪声（均匀随机）采样，将噪声添加到所有频率，但不会为高于 nyquist 的频率混叠。
这是有道理的，但现在我正在尝试如何做一个简单的实验来证明这是真的——最好是在 2d 采样和 2d 图像（图像处理/图像采样）的背景下，但 1d 也可以.
我知道我可以使用蓝噪声对不同频率的正弦波进行采样，但不确定该采样将如何工作。
我知道如何使用Mitchel 的最佳候选算法生成任何维度的蓝噪声样本点。
我猜我会生成 N 个样本点，然后对这些样本点进行重建滤波器，但是考虑到这一点，我看不出噪声会如何呈现（尽管混叠只是“遗漏的频率”），并且坦率地说，我不确定如何做一个像样的重建过滤器。
我在做一个体面但简单的实验来证明这些陈述在经验上是正确的吗？还是我应该做一些不同的事情？