1，3，5行-原始正弦函数第2行-正常噪音抖动。第4行 - 黄金比例序列抖动。第6行- 使用“高通滤波和重映射”蓝噪声序列进行抖动。我们可以看出，黄金比例序列和我们的高通滤波重映射都比正常噪声好。然而，由于较少的“聚集”，黄金比例序列似乎表现更好。我们可以看到在峰值频率的一些频率“跳动”：
黑白噪音。红 - 黄比例序列。绿色 - 高通滤波重映射序列。
所以这不是一个完美的技术，但a）非常快b）可调节和c）比任何种类的白噪声方式更好。
更好？较慢的蓝噪声
如果我们想要一些不包含当地“团块”的解决方案，我们该怎么办呢？我们可以看一下Siggraph 上由使用Solid Angle技术的Iliyan Georgiev和Marcos Fajardo发表的论文蓝噪声抖动采样。该算法围绕使用模拟退火的概率技术的概念构建，以全局最小化期望误差度量（在这种情况下相邻元素之间的距离）。我实现了一个简单的（不完全模拟的退火，更像是一个随机的步行），一个支持一维，二维，三维的包装阵列的版本。
https://github.com/bartwronski/BlueNoiseGenerator/
通常采用全局概率优化技术，会花费很长时间。我使用三维阵列在Macbook上，做了一些本地的实现，经过一夜的运行，它收敛到最佳的平均质量顺序。然而，这篇文章并不是关于算法本身（实现起来非常好，相当简单），而是关于抖动和噪声。为了达到本文的实验目的，我用我的实现生成了2000个元素，一个一维序列。这是前64个元素：
看起来非常不错，没有聚堆，良好的分布。频谱也看起来很好，像想要的蓝色噪声！（几乎线性能量随频率增加）
如果我们将它与“高通滤波重映射”的频谱进行比较，它们没有那么大区别; 只有很少的低频率，更多的是期望中的高频率：
