在传统的(t, n)-阈值视觉秘密分享的方案中，相关学者只是针对每一个特定的 t 值来提出一种密钥分享方案，然而却没有分析这一个设计法是否为最佳的设计。为了改善上述情况，本文使用组合数学设计了一个新的没有形变的(3, n)-阈值方案的分享模型，并且探讨如何选择组合数学的参数，以此设计出最佳的分享矩阵，使得重构的图像可以显示出最佳的视觉效果；并且在参与者的人数趋近于无限大时(n ∞)，重构图像上的黑白色对照度将收敛到 1/16，这个结果为目前所知的最佳值。

在传统的(t, n)-阈值视觉秘密分享的方案中，相关学者只是针对每一个特定的 t 值来提出一种密钥分享方案，然而却没有分析这一个设计法是否为最佳的设计。为了改善上述情况，本文使用组合数学设计了一个新的没有形变的(3, n)-阈值方案的分享模型，并且探讨如何选择组合数学的参数，以此设计出最佳的分享矩阵，使得重构的图像可以显示出最佳的视觉效果；并且在参与者的人数趋近于无限大时(n ∞)，重构图像上的黑白色对照度将收敛到 1/16，这个结果为目前所知的最佳值。