一种打印质量评估方法和评估系统

摘要

本发明公开了一种打印质量评估方法和系统，用于对打印图像进行评估，其中方法包括：计算第一数字图像和第二数字图像的误差矩阵；计算相对敏感度函数矩阵；得到优化的相对敏感度函数矩阵；根据优化的相对敏感度函数矩阵与误差矩阵获取感知误差矩阵；根据感知误差矩阵评测打印图像；第一数字图像为通过标准图像采集设备采集到的打印图像的数字文件，第一数字图像为打印图像的原始数字文件或第一数字图像的基准文件。本发明的打印质量评估方法及系统通过匹配对准，解决了打印、扫描过程中产生的几何畸变、噪声等问题，同时通过引入人类视觉模型，使打印质量评估更加符合人类的感知特性，实现了简单、快速、有效的打印质量评估。

说明书

技术领域

本发明涉及一种打印质量评估系统和评估方法，特别是一种评估经过各种处理的打印文档图像质量的方法和系统。

背景技术

可感知性是用来评价打印、扫描过程以及其他经过图像处理的打印图像质量的一个重要的指标。然而，只有当可感知性被明确定义之后，这种评价与衡量才能成为可能。近年来，针对各种经过图像处理的数字图像，例如压缩的图像/视频、嵌入水印的图像/视频，研究者们提出了各种方法来对图像质量进行评估。

为了能够有效的评价打印文档/图像的保真度，评价算法必须对以下集中情况鲁棒：

打印和扫描过程所引入的噪声和失真；

扫描过程中引入的各种仿射变换失真(主要是旋转、平移和尺度变换)；

与原始图像相比，在扫描过程中引起的扫描图像像素值的变化。

更重要的是，这种评价算法应当与人类感知特性相吻合。这就意味着当采用这个评价算法对各种图像(如加入不同强度的水印图像)进行排序时，其次序应当与人类感知习惯相同。

一种简单但被广泛使用的图像保真度评价算法是峰值信噪比(PeakSignal to Noise Ratio，PSNR)和其等价形式均方误差(Mean Square Error，MSE)。然而，这种评价方法并没有充分的考虑到人类的感知特性。同时，这种方法对各种仿射变换失真也非常敏感。这种方法因此并不适合用于保真度的评价。

人类视觉系统模型(Human Visual System，HVS)系统地描述了人类视觉对物体的感知规律与特征，因此可以用来对图像的保真度进行科学的评价。

美国专利No.5,329,379(July 12，1994)提出了一种用来评估压缩视频流的方法，其通过待评价视频流中出现的形状、位移、纹理和颜色对视频流中的各个帧进行评测。

美国专利No.6,704,451(March 9，2004)提出的视频质量评估方法则是基于视频中的各种特征。

美国专利No.6,690,839(February 10，2004)将HVS模型用于视频图像质量的评估，但是这种方法并没有考虑局部亮度、局部对比度和误差累计等因素。

上述的技术方案均只能用于评价数字模式的图像，并且这些方法只能用于计算机的显示器和电视等情况，无法适用于打印文档/图像的质量评估。

但是这些方法仅仅限于对数字格式的图像进行质量评估，它们并不适用于评价打印文档/图像的质量评估。

发明内容

本发明的目的在于提供一种打印质量评估方法及系统，实现对打印文档/图像的简单、快速、有效的质量评估，能处理打印、扫描过程引入的失真鲁棒，并且使评估结果与人类的感知特性相一致。

为了实现上述目的，本发明提供了一种打印质量评估方法，包括：

步骤A，计算第一数字图像和第二数字图像的误差矩阵；

步骤B，计算相对敏感度函数矩阵；

步骤C，根据第一数字图像的频率域特征修改相对敏感度函数矩阵得到优化的相对敏感度函数矩阵；

步骤D，根据优化的相对敏感度函数矩阵与误差矩阵获取感知误差矩阵；

步骤E，根据感知误差矩阵评测打印图像；

第一数字图像为通过标准图像采集设备采集到的打印图像的数字文件，第一数字图像为打印图像的原始数字文件或第一数字图像的基准文件。

上述的方法，其中，步骤A之前还包括：

步骤F，对第一数字图像和第二数字图像进行匹配对准。

上述的方法，其中，步骤F具体包括：

步骤F1，检测第一数字图像和第二数字图像中的特征；

步骤F2，计算第一数字图像和第二数字图像之间的仿射变换关系；

步骤F3，根据仿射变换关系对第一数字图像进行平移，旋转和尺度缩放，实现匹配对准。

上述的方法，其中，步骤A具体包括：

步骤A1，将第一数字图像和第二数字图像都划分成图像子块；

步骤A2，将第一数字图像和第二数字图像的所有图像子块变换到频率域；

步骤A3，对第一数字图像和第二数字图像中的相对应的图像子块进行矩阵相减后获取误差矩阵。

上述的方法，其中，频率域包括但不限于离散余弦变换域、离散傅里叶变换域、快速傅里叶变换域、小波变换域。

上述的方法，其中，步骤A1中具体为：根据人类视觉系统的感知特性和计算效率将第一数字图像和第二数字图像都划分成图像子块。

上述的方法，其中，步骤C中的频率域特征包括但不限于局部亮度和局部对比度。

上述的方法，其中，步骤D具体为：将各图像子块对应的优化的相对敏感度函数矩阵与误差矩阵获取感知误差矩阵的对应元素相乘作为图像子块的感知误差矩阵的对应元素。

上述的方法，其中，步骤E具体包括：

步骤E1，对各图像子块的感知误差矩阵求和得到对应图像子块的得分；

步骤E2，将各图像子块的得分求和得到打印图像的评测得分。

为了更好的实现上述目的，本发明还提供了一种打印质量评估系统，包括：

误差矩阵计算模块，用于计算第一数字图像和第二数字图像的误差矩阵；

相对敏感度函数矩阵计算模块，用于计算相对敏感度函数矩阵；

优化的敏感度函数矩阵计算模块，用于根据第一数字图像的频率域特征修改相对敏感度函数矩阵得到优化的相对敏感度函数矩阵；

感知误差矩阵计算模块，用于根据优化的相对敏感度函数矩阵与误差矩阵获取感知误差矩阵；

评测模块，用于根据感知误差矩阵评测打印图像；

第一数字图像为通过标准图像采集设备采集到的打印图像的数字文件，第一数字图像为打印图像的原始数字文件或第一数字图像的基准文件。

上述的系统，其中，还包括：

匹配对准模块，与误差矩阵计算模块和相对敏感度函数矩阵计算模块连接，用于对第一数字图像和第二数字图像进行匹配对准。

上述的系统，其中，频率域特征包括但不限于局部亮度和局部对比度。

上述的系统，其中，还包括：

打印机，用于打印出所述打印图像；

标准图像采集设备，用于根据打印图像获取第一数字图像。

上述的系统，其中，所述标准图像采集设备包括但不限于扫描仪、数码相机。

本发明的打印质量评估方法及系统通过匹配对准，解决了打印、扫描过程中产生的几何畸变、噪声等问题，同时通过引入人类视觉模型，使打印质量评估更加符合人类的感知特性，实现了简单、快速、有效的打印质量评估。

附图说明

图1为本发明的打印质量评估系统的结构示意图；

图2为本发明的打印质量评估方法的流程示意图；

图3为图2中步骤21的具体流程示意图；

图4为图2中步骤22的具体流程示意图；

图5为图像子块的DCT变换的示意图；

图6为大小为64*64的图像子块的相对敏感度函数矩阵的示意图。

具体实施方式

为方便描述，在此先对本发明中出现的几个概念进行定义。

打印图像，为通过打印机打印出来的文件；

第一数字图像，为通过标准图像采集设备采集到的打印图像的数字文件，如通过扫描仪扫描该打印图像得到的数字文件，或通过数码相机对该打印图像拍照后获取的数字文件，当然也可以通过其他方式获取；这些标准图像采集设备将打印图像转换成第一数字图像时可将误差控制在一定范围内；

第二数字图像，为打印图像的原始数字文件，即输入打印机的数字文件，也可以是该第一数字图像的基准文件，即对该第二数字图像进行一定处理后打印即可获取上述的打印图像，该处理包括嵌入水印、压缩等操作，针对不同的第二数字图像，本发明的打印质量评估系统的处理步骤完全相同。

本发明的打印质量评估系统用于对打印图像进行评估，其输入为第一数字图像和第二数字图像。

本发明的打印质量评估系统通过对第一数字图像和第二数字图像进行处理，获取第一数字图像和第二数字图像之间的感知误差矩阵，并根据感知误差矩阵对打印图像进行评测，该感知误差矩阵是由第一数字图像和第二数字图像之间的频率域误差矩阵和优化的CSF(Contrast Sensitivity Function，相对敏感度函数)矩阵的相应元素相乘获取，该优化的CSF矩阵是通过利用第一数字图像的频率域特征对CSF矩阵优化得到。

本发明的打印质量评估系统如图1所示，包括：

匹配对准模块11，用于接收第一数字图像和第二数字图像，并利用一些特征对第一数字图像和第二数字图像进行匹配对准，获取匹配对准的图像对；

误差矩阵计算模块12，用于将匹配对准后的第一数字图像和第二数字图像变换到频率域后计算第一数字图像和第二数字图像的误差矩阵；

相对敏感度函数矩阵计算模块13，用于根据人类视觉系统模型和图像子块的参数计算相对敏感度函数矩阵；

优化的敏感度函数矩阵计算模块14，用于根据第一数字图像的频率域特征修改相对敏感度函数矩阵得到优化的相对敏感度函数矩阵；

感知误差矩阵计算模块15，用于根据优化的相对敏感度函数矩阵与误差矩阵获取感知误差矩阵，其将优化的相对敏感度函数矩阵与误差矩阵获取感知误差矩阵的对应元素相乘作为感知误差矩阵的对应元素；

评测模块16，根据该感知误差矩阵获取打印图像的评测分数。

本发明的打印质量评估方法如图2所示，具体包括如下步骤：

步骤21，接收第一数字图像和第二数字图像，并利用一些特征对第一数字图像和第二数字图像进行匹配对准，获取匹配对准的图像对，其中的特征可以是图像中的边缘、角点或灰度等；

步骤22，将匹配对准后的第一数字图像和第二数字图像划分成图像子块，变换到频率域，计算第一数字图像和第二数字图像的对应图像子块的误差矩阵；

步骤23，获取对应图像子块的相对敏感度函数矩阵，该相对敏感度函数矩阵应充分考虑打印的各种特性，如纸张的大小、打印分辨率和光照等因素，同时还应该考虑人类视觉系统对图像感知的影响，例如人眼可以感知的最大和最小频率，人眼可以感知的最小光照等因素，因此本步骤中结合人类视觉系统模型和第一数字图像的图像子块参数计算对应图像子块的相对敏感度函数矩阵，其中，该图像子块的参数是由打印文档的特征决定，包括亮度，分辨率以及打印文档的对比度等，同时，人类视觉系统模型充分考虑到了人类视觉系统对图像感知的影响，例如人眼可感知的最大和最小频率，人眼可以感知的最小光照等因素，图6为大小为64*64的图像子块的相对敏感度函数矩阵的示意图；对于获取对应图像子块的相对敏感度函数矩阵可参见Ahumada，A.；Peterson，H.的“Luminance-model-based DCT quantization for color imagecompression”一文，Proc.Of Human Vision，Visual Processing and DigitalDisplay，pages.193-201，1993；

步骤24，根据第一数字图像的频率域特征修改相对敏感度函数矩阵得到优化的相对敏感度函数矩阵，该频率域特征包括第一数字图像的局部亮度、局部对比度等；

步骤25，根据优化的相对敏感度函数矩阵与误差矩阵获取各图像子块的感知误差矩阵，其将各图像子块对应的优化的相对敏感度函数矩阵与误差矩阵的对应元素相乘作为该图像子块的感知误差矩阵的对应元素；

步骤26，根据各图像子块的感知误差矩阵获取打印图像的评测分数，其通过对各图像子块的感知误差矩阵求和得到该图像子块的得分，然后将各图像子块的得分求和得到打印图像的评测得分，本步骤的求和均可以是L_P准则求和。

其中，步骤21如图3所示，具体包括如下步骤：

步骤211，检测第一数字图像和第二数字图像中的特征，如边缘、角点、灰度特征等，通常来讲，边缘和角点对于亮度变换的图像更加鲁棒，边缘可以通过边缘检测算子(如Sobel算子、Canny算子等)检测，角点可通过角点检测算子(如Susan算子)检测；

步骤212，计算第一数字图像和第二数字图像之间的仿射变换关系，如角点，就可以利用相对应的角度计算均方值误差最小的仿射变换；

步骤213，根据仿射变换对第一数字图像进行平移，旋转和尺度缩放，从而使得第一数字图像和第二数字图像匹配对准，在剪切下多余和无效的区域后(通常是图像的边界部分)，就可得到匹配对准的图像对。

其中，步骤22如图4所示，步骤22具体包括如下步骤：

步骤221，将第一数字图像和第二数字图像都划分成N个图像子块，每个图像子块的大小都是n*n个像素，该图像子块的划分考虑人类视觉系统的感知特性和计算效率之间的均衡，如果所选图像子块过大，则计算耗费就会很高；如果图像子块大小选择过小，则第一数字图像的低频信息就会损失掉，本发明中，根据人类视觉系统模型，该图像子块的大小的最佳值为64*64像素；

步骤222，将第一数字图像和第二数字图像的每个图像子块都变换到频率域，如DCT(Discrete Cosine Transform，离散余弦变换)域、DFT(Discrete Fouriertransform，离散傅里叶变换)域、FFT(Fast Fourier transform，快速傅里叶变换)域、wavelet(小波)域等，图5中示出了DCT域的示例；

步骤223，对第一数字图像和第二数字图像中的相对应的图像子块进行矩阵相减，从而得到频率域的误差矩阵。

在频率域上，可以计算第一数字图像和第二数字图像之间的误差矩阵。如果我们分别用I和I’来表示基准图像和评测图像中相应的图像子块，I和I’的频率域变换则分别用F和F’来表示，则误差矩阵E可以通过下式计算得到：

E＝F-F’

获取CSF函数后，以DCT域的图像评估为例对CSF函数优化得到优化的CSF函数，首先利用局部亮度修改相对敏感度函数矩阵：

$>>>CSF>\prime >>=>CSF>>>(>>>c>>00>k>>>>c>00>>>)>>>\alpha >T>>>$>

其中，c_00k是第一数字图像的当前图像子块DCT变换的直流分量，c₀₀则是第一数字图像的中所有图像子块的直流分量的平均值，α_T是一个通过实验得到的参数；

然后，我们根据局部对比度修改相对敏感度函数矩阵：

$>>>CSF>>\prime >\prime >>>=>>CSF>\prime >>max>[>1>,>>>(>>>|>>c>>m>,>n>,>k>>>|>>>CSF>\prime >>>)>>>w>>m>,>n>>>>]>,>m>,>n>=>1>,>.>.>.>,>N>->1>$>

其中，c_m，n，k是当前图像子块的DCT系数，w_m，n则是权重系数，该CSF”即为优化的CSF矩阵。

其中α_T的作用是控制局部亮度对相对敏感度函数矩阵影响程度，这个值越大时，局部亮度对相对敏感度函数矩阵的影响越大，当α_T＝0，则局部亮度对相对敏感度函数矩阵没有影响，合适的α_T值可以通过实验得到；与α_T类似，w_m，n也是用来控制局部对比度对相对敏感度函数矩阵的影响程度的大小，当w_m，n＝0时，修改后的相对敏感度函数矩阵与原相对敏感度函数矩阵相同，其合适的值也是可以通过实验获得。

步骤25中，假设频率域中误差矩阵用E＝(e_i，j)_m，n来表示，而优化的CSF矩阵CSF”用C＝(c_i，j)_m，n来表示，则，感知误差矩阵为W＝(w_i，j)_m，n，其中

w_i，j＝e_i，j·c_i，j(i＝1，...，m；j＝1，...，n)

然后，将感知误差矩阵W中所有的元素用L_P准则进行求和，从而得到当前图像子块的得分。例如，为了得到感知误差矩阵W的得分s，有下式：

$>>s>=>>>(>>\Sigma >>i>=>1>>m>>>\Sigma >>j>=>1>>n>>>>|>>w>>i>,>j>>>|>>p>>)>>>1>p>>>,>i>=>1>,>.>.>.>,>m>;>j>=>1>,>.>.>.>,>n>$>

其中p的值在优选方式中为1。

最后，打印图像的最终评测得分的最终得分可通过将所有图像子块的得分进行求和来得到，和过程同样遵循L_P准则，p的值在优选方式中为1。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。