Python实现Floyd–Steinberg抖动遇IndexError索引越界问题求助

嘿，我看到你在复现Floyd-Steinberg抖动算法时遇到了索引越界的错误，这其实是个很容易踩的小坑，咱们来一步步解决它～

错误根源分析 #

你代码里的关键问题出在这一行：

oldpixel = img[li][col]

这里的li是图像的总行数（512），col是总列数（512），但Python的数组/图像索引是从0开始的，也就是说，图像的最大行索引是li-1（也就是511），最大列索引是col-1（同样是511）。你应该用循环里的变量i和j来访问当前遍历到的像素，而不是用总行列数去索引。

另外，你的代码还缺少Floyd-Steinberg算法的核心部分——误差扩散，以及quantificacao（量化）函数的实现，这些我也一起帮你补上了。

修正后的完整代码 #

import cv2

# 读取图像并转为灰度图
x_img = cv2.imread("lenac.tif")
x_img_g = cv2.cvtColor(x_img, cv2.COLOR_BGR2GRAY)

# 实现量化函数：将灰度值转为黑白二值（0=黑，255=白）
def quantificacao(pixel):
    # 以127为阈值，你也可以根据需求调整
    return 255 if pixel > 127 else 0

def dither(img):
    # 复制原图像并转为浮点型，避免修改原图像同时保留误差精度
    img_dither = img.copy().astype(float)
    li, col = img_dither.shape  # 直接从图像shape获取行列数，更简洁
    print(f"图像尺寸：{li}行 × {col}列")
    
    for i in range(li):
        for j in range(col):
            oldpixel = img_dither[i][j]  # 用循环变量i、j访问当前像素，避免越界
            newpixel = quantificacao(oldpixel)
            img_dither[i][j] = newpixel
            
            # 计算当前像素的量化误差
            error = oldpixel - newpixel
            
            # 按照Floyd-Steinberg的权重将误差扩散到相邻像素
            # 注意要判断索引是否在图像范围内，避免再次越界
            if j + 1 < col:
                img_dither[i][j+1] += error * 7/16
            if i + 1 < li and j - 1 >= 0:
                img_dither[i+1][j-1] += error * 3/16
            if i + 1 < li:
                img_dither[i+1][j] += error * 5/16
            if i + 1 < li and j + 1 < col:
                img_dither[i+1][j+1] += error * 1/16
    
    # 将处理后的图像转回uint8类型（符合OpenCV的图像格式要求）
    return img_dither.astype('uint8')

# 调用抖动函数并显示结果
dithered_img = dither(x_img_g)
cv2.imshow("Floyd-Steinberg Dithered Image", dithered_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键修正点说明 #

1. 修复索引越界：把img[li][col]改成img_dither[i][j]，用循环变量访问当前像素，完全贴合0-based索引规则。
2. 实现量化函数：补充了quantificacao函数，完成灰度值到黑白二值的转换，这是抖动算法的基础步骤。
3. 添加误差扩散逻辑：这是Floyd-Steinberg算法的核心，量化后的误差会按照固定权重扩散到右侧、右下、下方、左下的像素，让整体视觉效果更自然。
4. 数据类型处理：将图像转为浮点型进行计算，避免误差扩散时的精度丢失，最后再转回uint8类型适配OpenCV的显示要求。

内容的提问来源于stack exchange，提问作者Dreamy