bead studio · 第三轮算法验证

2026-10-22 · 打开网页 · 逐组 CSV · 完整 JSON

本轮增加照片缩图选择，修复照片处理开关绕过结构优化的问题，并把选色、逐格匹配、候选复核统一为同一套空间目标。界面继续使用 bead studio，保留统一换色预览、应用、合并用量与撤销。

本轮实际改动

1. 默认“清晰轮廓”：将有防振铃范围限制的抗混叠 Lanczos-3 与原线性光面积采样按 1:1 混合，再进行品牌色卡量化。混合在显示 RGB 中进行，是有意的视觉折中，不声称守恒原图光能。透明占位仍由原面积覆盖决定。
2. 保留“忠实原图”：继续使用线性光面积采样。平滑渐变、密集纹理和星空可尝试此模式。“细节增强”仍可单独选择。
3. 统一目标：颜色项为 ΔE00² + 0.5 × L*差²；每对水平或垂直相邻格增加 0.175 ×（输出明度梯度 − 输入明度梯度）²。候选色卡复核也包含梯度项。
4. 联合精炼：逐格标签最多迭代 6 轮，变化很小时提前停止；再尝试每个色簇附近的 8 个真实品牌颜色，并重新优化标签。只接受完整目标不增加的更新。该算法是局部优化，不保证全局最优。
5. 开关修复：抖色沿用照片的空间约束；清理从照片求解结果出发，仅接受不会增加局部完整能量的合并。不会再调用普通逐格匹配覆盖整张照片。清理可能因保护细节而不改变图纸。
6. 性能：同一采样颜色的色差只计算一次，迭代直接查数值表；相邻梯度项转为明度的二次式，减少反复色差计算与字符串查询。
7. 对照显示：原图对照改为无孔像素预览，避免圆豆孔洞让照片看起来发白。“拼豆”标签仍可查看实物外观近似。

13 张独立原图，104 组参数

原有 5 张照片，加上砖墙、草地、碎石、运动模糊时钟、硬币、月面、Hubble 深场、摩托车。每张测试 29、48、96、128 格 × 16、32 色，共 104 组；所有版本使用相同 MARD 221 色卡、完整放入、关闭抖色与清理。多尺寸是同一原图的重复比较，不能当成 104 张独立照片。全组用于开发和回归，未进行用户盲评。

新默认相对上一版：Lanczos 参考的 SSIM 在 93 / 104 组提高，11 组降低；换用 Bicubic 参考仍有 91 组提高、13 组降低。平均 SSIM 从 0.8455 到 0.8570，边缘相关性从 0.8660 到 0.8834。代价是面积参考平均色差从 6.0287 到 6.1268，孤立单豆平均从 661.6 到 669.4。它倾向保留视觉轮廓，不是所有目标都同时变好。

为了避免只用同类缩图核评分，又增加线性光面积图作为 SSIM 参考：上一版 0.8846、新默认 0.8675，而本版“忠实原图”为 0.8847。参考本身会改变结论；选择“清晰轮廓”基于显示清晰度折中，不能把 SSIM 增幅解释为人工审美提升幅度。

逐图查看实际输出

人像猫咪静物黑白人物夜景火箭砖墙草地碎石运动模糊时钟硬币低对比月面密集星点摩托车2948961281632

砖墙 / 29 格是当前最明显的 SSIM 退化例：约 −0.0306；Hubble 深场 / 128 格也出现约 −0.0284。两者仍可切回“忠实原图”。原图、上版和本版都以相同尺寸与色数比较，没有对本版单独挑有利参数。

处理开关回归

5 张原有照片 × 29、96 格 × 32 色。下表隔离缩图因素，均使用面积采样；比较开启不同开关时的平均 SSIM。

本版抖色仍低于不抖色的逐格 SSIM，因此继续默认关闭。它的目的在于用局部颜色分布表达渐变；能否接受额外单豆，需要结合图案和制作成本判断。

固定条件性能复测

13 张照片固定 96 × 96 / 32 色，每个版本先预热一次，再重复 5 次、轮换执行顺序。每张先取中位数，再对 13 张等权平均。仅统计 Node 转换函数，不含图片解码、Worker 通讯和绘制。

新默认从 188.8 ms 到 147.8 ms，约减少 21.7%；同样使用面积采样的本版约为 98.1 ms。实际浏览器和手机速度受设备、尺寸、色数影响。逐组单次耗时也保留在 CSV，但不把它当成稳定的设备性能结论。

没有采用的实验

• 3 轮自适应核、有限中心移动的原型：5 张图 × 两种尺寸 × 32 色，10 组中 SSIM 全部降低，虽减少零散单豆但损失结构，未进入网页。
• 纯 Lanczos 缩图：104 组中 84 组 SSIM 提高，但密集纹理退化更大、色差与单豆代价更高，未作为默认。
• 中心与邻域对比度权重：104 组平均变化很小，44 组 SSIM 降低。它不是语义主体识别，本轮保持关闭。

自适应缩图试验受Kopf 等人的 Content-Adaptive Image Downscaling启发，是简化原型，未复现论文完整算法。双边增强参考Kyprianidis 与 Döllner 的结构保留滤波。上线的清晰缩图是独立实现的标准 Lanczos 与面积采样混合。

验证与复现

84 项自动校验通过：原有 62 项算法、15 项照片求解器与新缩图回归、7 项整色替换。包含 34 组CIEDE2000 金标准，完整/局部能量差一致、每轮迭代单调性、联合精炼、清理不绕过结构、抖色透明洞、灰度中性色、默认采样一致性、确定性与总量一致性。浏览器检查新模式、抖色和清理组合、对照显示、颜色预览/合并/撤销、JSON 导出与响应式布局。

node test.mjs
node validation/test-photo.mjs
node validation/test-edits.mjs

# macOS / Linux shell，13 图主回归
PHOTOS=astronaut,chelsea,coffee,camera,rocket,brick,grass,gravel,clock_motion,coins,moon,hubble_deep_field,motorcycle_left \
VARIANTS=v2,v3,balanced TAG=v3-final node validation/benchmark-v3.mjs
node validation/reference-v3.mjs v3-final
python3 validation/analyze-v3.py v3-final
node validation/performance-v3.mjs
node validation/benchmark-flags-v3.mjs
python3 validation/analyze-v3.py v3-flags

python3 -m http.server 8000 --directory dist

网页与 Node 校验无需 npm 安装；图像分析与报告需要 Python、NumPy、Pillow。源码保留上一版快照、原图、实验快照、逐组结果和复现脚本。SSIM 按亮度、11 × 11 高斯窗口、σ=1.5、K1=0.01、K2=0.03计算，裁去窗口边缘；具体定义参考Wang 等人的原始说明。有效图像区域采用 Pillow 缩图后的整数大小裁剪；程序本身使用连续坐标，非方图边缘仍可能有轻微取整差异。边缘相关性是亮度梯度归一化点积；单豆定义为上下左右没有同色相邻格，包括小特征和噪点，不能单独当成质量分。

数据与适用范围

照片取自scikit-image v0.19.3；授权和作者说明见官方数据文档与源码中的 THIRD_PARTY_NOTICES.txt。摩托车原图来自Middlebury 2014。品牌 HEX 来自Bitbead 社区近似色卡（CC BY 4.0），未校准实物材质。

仍没有人脸识别、语义分割或 AI 重绘；29 格中的小人脸无法完整保存。当前改动解决常规缩图、选色与结构匹配，不等于把任意复杂照片自动变成手工设计的像素画。建议小主体先裁切，再比较 96 或 128 格。不同色卡与更多用户照片仍需持续回归。