希尔伯特曲线：无限路径如何启发有限图像

无限的数学构造能帮助我们解决有限问题吗？设想把摄像头图像转化为声音，让听者学习辨认形状。每个像素可以控制一个频率，亮度则用音量表示。

难点在于如何把频率分配给位置。如果相邻像素对应相邻频率，一个可辨认的形状或许能产生更连贯的声音模式。这是思想实验，并不是已经得到验证的感官设备。

穿过图像的一条路径可以给像素排序：沿路径从低频走向高频，依次为每个像素分配频率。我们希望路径上连续的点在图像中也彼此接近。

我首先构造一条希尔伯特曲线的有限近似路径。它的弯曲形状看似复杂，但构造遵循简单的递归规则。

先用一条 U 形路线穿过四个位置。要得到更细的路线，就在四个象限各放一个副本，按需要旋转，再把它们连接起来。反复进行同样的操作，就得到更细的网格。

第 n 阶网格每边有 2ⁿ 个位置。因此，第八阶近似路径可以遍历 256 乘 256 的像素网格。每一条有限路径都有确定的分辨率，只经过有限个像素位置。

为什么不用简单的逐行蛇形路线排序？两种路径都可以在相邻像素间移动，但提高分辨率时的表现不同。设想细化图像时，保持某个点对应的频率不变。

对于逐行路径，细化网格可能使路径上同一相对位置跳到水平方向很远的地方。因此，分辨率稍有改变，某个视觉特征对应的声音就可能发生很大变化。

递归的希尔伯特近似路径更加稳定：固定路径上的相对位置，随着网格细化，得到的位置会逐渐落入更小的区域。这使它适合用来构想逐步增加细节的排序方式。

这种局部性有方向：路径上相近的输入会映射到正方形中相近的位置；这并不意味着每一对相邻像素在一维排序中都必定相邻。

这段历史可以追溯到朱塞佩·皮亚诺：他在 1890 年描述了一条填充空间的曲线；大卫·希尔伯特在 1891 年提出了另一种构造。令人惊讶的结论是，一条连续曲线能够到达正方形中的每一个点。

有限的图形只能提示这个想法。有限网格上的路径不可能经过连续正方形中的每一个点。填充空间的曲线是越来越精细的近似序列的极限，而不是其中某一张图。

用数学语言说，结果是一个从区间 [0, 1] 到正方形 [0, 1]² 的连续满射。不同输入可以到达同一个输出，因此填满正方形并不要求一一对应。

这里的连续是什么意思？只要两个输入值足够接近，输出点就可以按要求靠得足够近。用熟悉的 ε–δ 语言说，每一个指定的输出误差范围，都有一个对应的输入误差范围。

连续性排除了跳跃，但不禁止路径折叠或重复经过某些位置。把平滑、长度有限的线条直觉直接套用到这个极限对象上，可能会误导我们。

要定义极限，先固定区间上的一个输入，观察它在每一级近似中对应的输出。递归构造使这些输出落入越来越小的区域，因此它们的位置趋近一个极限点。

对每个输入都这样做，极限点便定义出一个候选函数。要证明它定义良好、连续且到达正方形的每一点，还需要利用构造本身进行论证；逐点收敛本身不能证明所有这些性质。

同样的想法可以扩展到一个正方形之外。安排路线依次经过平面中的各个方格，再连接适当缩放或平移后的填充空间曲线。输入区间无限延伸时，这种构造可以到达整个平面。

这个令人惊讶的无限对象也能帮助理解有限例子。使用有限近似时，不需要无限多个像素或无限长的计算；有用的启发是不同分辨率之间共同具有的稳定递归模式。

无限数学可以揭示单张有限图形中难以看出的结构。在这个例子中，极限曲线使细化过程的性质变得精确，而实际的声音映射仍是有待研究的设想。