指定时序下2D点集类人感知均匀随机点亮算法方案咨询

现有方案可行性评估 #

你构思的分块填充采样方案可以实现人眼感知的均匀随机效果，核心逻辑是通过空间分块强制避免连续点亮的点集中在同一局部区域，天然满足「连续点亮的点保持足够距离」的要求。
不过该方案存在两处可优化的冗余设计：

• 伪点填充步骤完全可以省略，只需要提前按各块真实点的数量占比分配时序槽位即可
• 分块粒度需要和点集密度适配，分块过大会导致同块内连续点亮的点距离过近，分块过小会导致时序分布出现明显的块规律

更简单的实现方案 #

1. 马尔可夫链采样（中小规模点集首选） #

实现逻辑极简，全程不需要分块、填充等额外操作，步骤如下：

• 设定最小距离阈值d，可自适应取所有点最近邻距离的中位数
• 随机选第一个点加入点亮序列，标记为已使用
• 每次从剩余未使用的点中，过滤出和上一个点亮点距离≥d的点，随机选一个加入序列并标记
• 若剩余点都不满足距离要求，逐步放松d的取值直到选出点为止，重复到所有点都加入序列

N≤10000时该方案性能完全达标，代码量仅为现有方案的1/2左右，几乎没有逻辑坑。

2. 蓝噪声排序（大规模点集首选） #

属于你提到的抖动类算法，是视觉均匀分布场景的工业界标准方案：

• 核心是生成的点亮序列符合蓝噪声特性：任意长度的连续子序列的空间分布都和全局点集的均匀分布一致
• 实现时不需要复杂计算，只需要给每个点分配初始随机排序，迭代3-5轮调整：如果两个点排序间隔小于阈值且空间距离小于阈值，就交换/后移其中一个的排序，即可得到符合要求的序列
• 性能比现有分块方案高30%以上，人眼感知的均匀度优于分块方案

3. 现有方案的精简版 #

如果要保留你原来的分块思路，只需要做两处修改就能大幅简化逻辑：

• 删掉伪点填充步骤，按各块真实点数量的占比分配对应数量的时序槽
• 每个块内部的点用Fisher-Yates乱序后，依次填到分配给该块的时序槽中即可，不需要跨块随机取点，效果和原方案一致

实践建议 #

• 点数量≤1万，优先用马尔可夫链方案，开发成本最低
• 点数量>1万，优先用蓝噪声排序方案，性能和视觉效果最优
• 点集空间密度差异极大（比如局部极密局部极疏），用调整过分块粒度的精简版分块方案，稳定性更高

内容的提问来源于stack exchange，提问作者vladimir durnov