小番茄图片混淆还原是如何保障恢复到原始图的？

很多人用过小番茄图片混淆后都会好奇：图片被打乱成马赛克色块，为什么点一下解混淆就能恢复原样？这背后不是什么黑魔法，而是一个数学上严格可逆的像素置换过程。

核心原理：空间填充曲线的像素重排

小番茄混淆的关键在于 Gilbert 空间填充曲线。这条曲线有一个特殊性质：它能遍历一个二维平面上的每一个点，且不重复、不遗漏。想象一条蛇形的线，从图片左上角出发，蜿蜒走过每一个像素，最终覆盖整张图。

混淆时，算法按这条曲线的顺序读取原图所有像素，然后用黄金比例作为偏移量，把每个像素搬到新位置。解混淆时，反向走一遍同样的曲线，用同样的偏移量把像素搬回去。

关键在于：算法只移动像素的位置，不改变像素的颜色值。每个像素的 R、G、B 三个通道数值在混淆过程中原封不动，只是从 A 位置挪到了 B 位置。解混淆就是把 B 位置的像素挪回 A 位置。

这就像把一副扑克牌按某种规则重新排列，只要规则确定且可逆，再按逆序操作就能恢复原始顺序。小番茄的 Gilbert 曲线 + 固定偏移就是那个”确定且可逆的规则”。

很多混淆工具（如 ybzj）需要密钥才能还原，因为它们的打乱规则依赖密钥参数。而小番茄的偏移量是固定的黄金比例，曲线类型也是固定的 Gilbert 曲线，整个算法没有随机参数参与。这意味着：只要确认一张图是小番茄混淆的，用同一套算法直接反向运算即可，不需要任何额外信息。

空间填充曲线不是随机打乱像素，而是按连续路径重排。相邻像素在混淆后仍然保持一定的空间相关性，所以即使经过 JPEG 压缩，像素位置发生微小偏移，解混淆后仍能还原出可辨识的画面。这也是小番茄相比随机像素打乱算法的核心优势。

小番茄图片混淆的还原能力建立在三个基础上：Gilbert 曲线的遍历完备性、固定偏移的数学可逆性、以及只移动位置不改颜色值的无损操作。这三点共同保证了混淆-解混淆是一个完美的双向过程。