教学与自学演示

曲线可视化加上混淆前后的对比图，是一套能直接进课堂的素材。这一篇给出讲解顺序、练习设计与课堂演示的具体步骤。

为什么空间填充曲线是好的课堂例子

空间填充曲线适合当教学例子，是因为它同时命中四个常被分开讲的知识点，而这四点在这一个对象上自然合成了一体。

递归：曲线由四个子块按固定顺序拼接而成，每个子块又是一条更小的同类曲线。学生可以从 2×2 手工推到 4×4、8×8，亲眼看到"整体由同构的局部组成"。这个结构比抽象地念定义好懂得多；写成代码时，递归函数的形状几乎与几何描述一一对应。

二维降一维：图像本来是二维数组，曲线给了它一个一维访问顺序。这一步是很多工程问题的共同骨架——只有把二维数据线性化，才能放进数组、文件或索引结构。理解它，"图像为什么能变成一串数字"就不再神秘。

局部性：曲线上相邻的两个位置，在平面里通常也彼此靠近。这一点并非所有线性化方式都具备：按行扫描时，一行的末尾与下一行的开头在平面里隔得很远，而曲线把这种长距离跳跃摊得更均匀。局部性既决定了乱序效果，也解释了为什么按行打乱容易看出条纹。

可逆性：曲线遍历不重不漏，构成一个双射，因此一维顺序能唯一地映射回二维位置。可逆性是"打乱"走向"还原"的桥，也是讲置换与逆置换最自然的入口。曲线本身的构造细节可以对照吉尔伯特曲线一文。

建议的讲解顺序

从具体到抽象，四步走完，课堂节奏最稳。

四个课堂练习设计

练习一：手绘 4×4 网格并标号

发一张空白 4×4 网格，要求画出遍历路径并把访问序号写在格子里，最后说出四个子块之间的连接方向。考察点是递归结构是否真的理解，而不是背下一条固定路径。

练习二：写出递归函数

用伪代码实现生成曲线序的函数，参数是区域左上角坐标、宽高与进入方向。考察点是把几何描述翻译成代码的能力，尤其是转向与连接段的处理；能写出来，说明递归部分已经掌握。

练习三：用可视化页观察索引变化

在曲线可视化页面里输入不同宽高，观察同一个位置在不同分辨率下的索引变化。考察点是区分"像素坐标"与"曲线上的一维索引"这两个容易混淆的概念。

练习四：对比不同分辨率下的 k 值

让学生用 k = round(0.6180339887 × W × H) 计算若干常见尺寸的位移量，再与实测结果核对：800×600 时为 296 656，1280×720 时为 569 580，1000×1000 时为 618 034。考察点是数值近似与取整带来的偏差，同时引出循环结构——整个位移可以分解为 gcd(k, N) 个互不相交的循环，例如 1920×1080 时有 135 个循环，每个循环长 15 360。

用本站工具做演示的具体操作步骤

课堂演示不需要安装任何东西，浏览器打开就能用。下面的顺序从曲线走到置换，几分钟可以走完一遍。

1. 打开吉尔伯特曲线可视化，保持默认分辨率不动，看清路径如何一笔画完全部格子，指出起点与终点。
2. 把宽高改成 5×3 这类非方形尺寸，再改成 12×6，观察曲线如何适配任意宽高的矩形——这正是"广义"两个字的含义。
3. 把尺寸调到 40×30 左右，观察路径变密之后局部性更明显，同时注意位移量与循环个数会随分辨率变化。
4. 打开混淆 / 解混淆工作台，用同一张测试图分别做一次混淆与一次解混淆，把两步结果并排对比，说明解混淆是混淆的逆运算。

让学生自己按一遍，比看老师演示记得更牢。演示用的图片请选自有素材或已获授权的图片。

可延伸的主题

学生如果追问"还有什么类似的东西"，可以给四个方向，每个方向只说清与本次课的关系。

• 希尔伯特曲线索引：标准的正方形版本，它的索引可以按位运算直接从坐标算出，不必递归生成整张表。这条线通向"把递归换成位运算"。
• Z-order 与 Morton 编码：另一种常见的二维降一维方式，做法是把坐标的二进制位交错合并。它的局部性比曲线差、跳跃更明显，对比着讲能说明线性化方式不止一种。
• JPEG 的 zigzag 扫描顺序：JPEG 把 8×8 块的系数写成一维时使用之字形顺序，本质也是二维转一维；它把低频放在前面是为了压缩效率，目标与"遍历所有格子"并不相同。
• 数据库空间索引：多维数据要比较大小，就得把空间映射成可排序的一维键值，空间填充曲线是常见思路之一。这一条能把课堂内容与实际系统连起来。

常见误解提醒

误解一：把混淆当成加密

误解二：以为曲线只适用于正方形

经典画法确实是 2 的幂次正方形，但课堂上用的这条曲线是它在任意宽高矩形上的推广，5×3、12×6、100×100 都能走遍，而且不重不漏。让学生用 5×3 亲自验证一次，比口头说明有效得多。

误解三：以为混淆删掉了信息

混淆前后图像的颜色直方图完全相同，因为像素值只是换了位置、没有增减。让学生统计两张图的颜色分布再对比，是很直观的验证实验，顺带把"打乱"与"删除"这两个概念分开。

局限与说明

课堂内容有一处必须提前打招呼：本站工具的本质是像素置换，它不加密、不压缩、也不隐藏信息。用它做演示时，如果学生先把它当成加密软件，后面得到的结论都会跟着跑偏。

有三条需要明确：算法公开、参数由宽高算出，任何人都能还原；混淆不改变颜色直方图，也不删除画面里的任何内容；JPEG 输出是有损的，同一张图"混淆 → 存成 JPEG → 解混淆"无法逐字节还原，只有整条链路都无损时才有无损往返，误差来源的分析见可逆性与误差分析。

课件里的示例图片请使用自有图片或已经获得授权的素材，不要用他人作品或含个人信息的截图。本站给出的公式与参数可以直接引用，引用时请不要改动数值口径。