解混淆是本站最主要的用途：把被打乱的图片按同一套算法搬回原位。这一篇讲清怎么判断一张图是否被混淆过、方向怎么选、噪点从哪里来，以及怎么把还原质量做到最好。

要点速记

解混淆没有密钥，位移量由图片宽高唯一决定。
算法本身逐字节可逆，噪点来自 JPEG 一类的有损格式。
混淆不删除信息，挡不住人工还原，也替代不了脱敏。

什么样的图片算是「被混淆的」

判定标准只有一条：像素一个不少，位置被整体重排过。这类图片有几个稳定的可观察特征，凑齐两条以上基本就能确认。

整体是噪点，没有可辨认的内容，也判断不出大致构图。
颜色分布却很正常：像素值没有增减，只是换了位置，直方图几乎不变。
缩略图和大图一样乱。被模糊的图缩小后会软化成色块，被混淆的图依然是密集颗粒。
看不出整齐的压缩网格。正常 JPEG 放大后有 8×8 的方块边界，打乱后这些方块被拆散了。
放大后偶尔能见到细长条带，因为像素是沿一条连续曲线整体平移的。

还有一点常被忽略：原图里的水印、编号、人脸仍在文件中，只是换了位置。

混淆不是加密。算法公开、没有密钥，任何人都能还原，也挡不住人工处理。要真正脱敏，必须先把敏感信息裁剪或永久遮挡。

为什么解混淆只需要一个操作

混淆过程就是一维序列上的一次循环移位，逆运算自然就是反方向移一次。没有密钥，没有附加参数，也不需要原图。

算法分两步。先用广义吉尔伯特曲线（Gilbert curve，希尔伯特曲线的矩形推广）把 W×H 的像素阵列排成一维序列 order[0..N-1]，其中 N = W × H；曲线不自交、不遗漏、不重复，恰好走遍每个格子一次。再把序列循环移位 k 位，沿同一条曲线写回画布。

伪代码：混淆与解混淆的赋值关系

混淆（enc）：out[ order[(i + k) mod N] ] = in[ order[i] ]
解混淆（dec）：out[ order[i] ]           = in[ order[(i + k) mod N] ]

位移量由分辨率单独决定：k = round((√5 − 1) / 2 × W × H)，其中 (√5−1)/2 ≈ 0.6180339887。读出宽高，k 就是确定值，没有需要猜的参数。

这就是不需要密钥的原因：k 是宽高的函数，不是随机数。1920×1080 的图，N = 2 073 600，k = 1 281 555，任何人都能算出这个数。解混淆要做的，是把这 207 万个位置当成一条队列循环左移 1 281 555 位，再沿同一条曲线写回。位移量的来历见黄金分割位移，实现细节见置换流程与伪代码。

方向选错会出现什么

两个方向互为逆运算，选错不会损坏图片，只会得到一张更乱的图，而且操作不收敛，反复处理也回不到原图。

典型现象有两种。把正常图当混淆图去解混淆，结果是彩色噪点图，主体消失而颜色分布与输入一致；把混淆图又混淆一次，画面依然看不懂，只是颗粒结构变了，因为位移量叠加了第二次，落点相当于移动了 2k 位。

判断不需要额外工具：把输入和输出并排看。出现可辨认的轮廓、文字或人脸，方向就对了；输出更乱就换方向重试。

同一个方向连续处理两次不会互相抵消。除非 2k 恰好是 N 的整数倍，否则两次左移只把像素挪到第三个状态，仍然回不到起点。

还原后为什么会有噪点

噪点不是算法产生的，而是图片在存储环节被有损压缩改写过；置换本身逐字节可逆。

以 JPEG 为例，编码里有三个有损环节：对 8×8 的小块做离散余弦变换（DCT）；把变换系数按量化表除以步长并取整；对色度通道做抽样。取整不可逆，被抹掉的小数部分再也回不来——解混淆能把像素准确搬回原位，数值却已不是当初写进去的那个。

误差的表现和内容有关。平坦区域（天空、墙面）系数集中、幅值大，相对误差小；文字边缘、毛发、细线这些高频区域系数幅值小、分布散，被量化抹掉的比例很高，于是边缘处最容易出现块状噪点和彩色镶边。

顺带澄清一个误解：混淆后的 JPEG 通常比原图更大，因为空间相关性被破坏、熵编码效率下降，这不是故障。更完整的推导见可逆性与误差分析，格式取舍见输出格式与画质。

把还原质量做到最好的做法

结论先给：整条链路都保持无损，并且一次都不要缩放。质量上限由你拿到的文件决定，工具能做的只是不额外引入损失。

确认拿到的是原始文件。聊天软件的转发副本常被重新编码，肉眼看不出，像素值却已经变了。
输入输出都用 PNG。全程无损、中间不缩放，混淆再解混淆可得到逐字节相同的像素；JPEG 输出与原工具一致（质量参数取 1），必然引入损失。
不要缩放。宽高一变，曲线与位移量同时改变，落点整体错位；超过800万像素或单边超过4000像素时工具会先等比缩放，此时已不再是无损。
保留原始混淆文件。每次都从它出发，不要拿解过一次的结果再处理，每转存一次就多一层损失。

把原始混淆文件、还原结果和导出格式成对留档，重做时可以直接复现，也更容易判断问题卡在哪一步。

手头只有被压缩过的图时，仍然值得还原一次：噪点影响观感，但不会让内容消失。想减少损失，可以回到工作台用 PNG 重走一遍。

如何验证一次还原是不是无损的

不需要原图也能验证：全程 PNG 进、PNG 出，把同一张图混淆一次再解混淆一次，逐像素比较结果与输入。完全一致，说明链路无损。

原理很直接：混淆与解混淆是同一个置换的正反操作，做完再逆做一遍，每个像素回到原位，数值没有被任何环节碰过。中间没有有损编码、缩放和裁剪，比较结果必然是零差异。

一旦出现差异，来源跑不出这几种：中间存过 JPEG；输入本身是转存过的有损文件；图片被裁剪、缩放或二次截图；工具因超过像素上限而做了等比缩放。差异如果呈块状、沿 8×8 网格分布，几乎可以确定是 JPEG 造成的。

解混淆解决不了的情况

算法只在「像素一个不落、位置整体平移」的前提下成立，破坏前提的操作都会失败。

情况	结果	还能做什么
不是这套算法混淆出来的	仍是噪点，甚至更乱	先确认对方用的是哪种方案
图片被裁剪过	像素数量对不上，整体错位	只能取回未裁剪的版本
二次截图或屏幕翻拍	宽高可能变化，且被重新采样	无法还原
被多次有损压缩	大致能还原，噪点明显加重	换无损来源重做一次
被等比缩放	曲线与位移量都变了，落点全错	除非恢复到原始宽高，否则无法还原

还有一类边界要记住：还原成功不等于内容安全，混淆只是搬运像素，原始信息始终留在文件里。处理失败时可以按故障排查手册逐条对照现象。

常见追问

没有原图，怎么知道还原成功了？

看结果里有没有出现可辨认的内容。还原正确时，画面会从彩色噪点变成一幅连续的图像，能看出物体轮廓、文字边缘或人脸结构；方向错误时，结果只会是同样密集的噪点，或者比输入更乱。辅助判断是颜色分布：混淆不改变直方图，还原成功的图在色调上应与原图一致。如果两个方向都试过仍看不到可辨认的画面，问题多半不在方向，而在图片本身被裁剪、缩放或有损压缩过。

解混淆需要密码或密钥吗？

不需要。位移量 k 完全由图片宽高决定，公式是 k = round((√5 − 1) / 2 × W × H)，不涉及任何随机数或私密参数。只要知道宽高，任何人都能重算出 k 并还原。这个性质也是本站反复强调混淆不是加密的原因：它没有权限控制，谁拿到文件谁就能还原。要限制可见范围，应当依靠访问控制或者事前的物理遮挡，而不是指望混淆本身。反过来说，如果希望别人即使拿到文件也还原不出来，混淆从一开始就不适用，应该改用真正的加密手段，并另行安排密钥的传递。

还原后还有噪点，是不是算法算错了？

不是。算法本身逐字节可逆，全程用 PNG 无损走一遍可以做到零差异。你看到的噪点来自图片格式：JPEG 的 DCT 与量化会永久抹掉一部分高频系数，色度抽样进一步降低颜色分辨率。这些改动发生在编码阶段，还原只能把已经改变的像素搬回原位。判断方法很简单：噪点呈块状、集中在文字边缘和细线上，就是压缩造成的；整张图错位、出现周期性条纹，才需要怀疑宽高或方向不对。

手机上能解混淆吗？有大小限制吗？

能。工具是纯前端页面，手机浏览器打开即可使用，点「从相册选择」就能调起相册，后续步骤与桌面端一致。限制由工具统一设定：单张不超过800万像素，单边不超过4000像素，超出时需要先等比缩放，缩放后不再是无损。真正要留意的是内存，曲线序用 Uint32Array 保存需要 4N 字节，输入与输出像素各 4N 字节，处理 200 万像素约需 24 MB 临时内存，还不含画布本身，小内存手机上处理超大图容易失败。