一种基于图像阶调的自适应绿噪声加网方法

摘要

本发明涉及一种自适应绿噪声加网方法，尤其是涉及一种基于图像阶调的自适应绿噪声加网方法。本发明根据扫描所在行的奇偶不同改变其扫描方向并设计了两个符合人类视觉规律的误差扩散滤波器。通过计算机随机产生0或1两个数中的一个，来选择对应的误差扩散滤波器，最后，本发明突出了求取各个灰度阶调上的最优迟滞系数，根据图像阶调选择对应的最优迟滞系数；因此，本发明具有如下优点：能够有效地解决普通绿噪声加网算法视觉不均匀，使半色调图像网点分散均匀，而且能够细腻地表现出图像细节，使得设备输出的图像在视觉效果和细节层次上能够极大地满足实际印刷数码打样的要求。

说明书

技术领域

本发明涉及一种自适应绿噪声加网方法，尤其是涉及一种基于图像阶调的自适应绿噪声加网方法。

背景技术

图像的硬拷贝复制主要涉及打印机及高档印刷制版设备的加网制版技术。用于图像硬拷贝复制的加网技术又称为数字图像半色调技术。数字半色调技术一般可以分为两大类：调幅加网和调频加网。

调幅加网是将网点有序均匀地排列，通过改变网点的大小来反映阶调的深浅，是一种点聚集的加网方式。但由于不同加网角度的调幅加网叠加时很容易产生光学上的干涉现象，即印刷打印领域中所说的“龟纹”，而且调幅加网在连续的层次变化中很容易产生连续调层次跳变和丢失，因此在打印及高档印刷过程中一般不采用调幅加网。

调频加网是将大小一样的网点以随机或近似随机的方式排列，通过改变单位面积内网点的密度来反映阶调的深浅，是一种点离散的加网方式。调频加网使用面积较小且大小一样的网点进行加网，而且这些小网点由于周长面积比大，所以点增益比较明显；而且由于网点过小，在一些硬件上会出现漏打漏印，出现点丢失。

针对当时现有的误差扩散及其他调频加网方法所存在的这两种问题，文献“Green-noise digital halftoning”(D L Lau, G R Arce, N C Gallagher. Proc IEEE, 1998; 86; 2424-2444)首次提出绿噪声加网算法，它结合了调幅和高频半色调技术的特点，将网点聚集产生簇点，并根据灰度，改变簇点的大小以及簇点之间的距离，从而有效地改善了点增益和点丢失所带来的问题。在绿噪声加网算法的处理中，原稿图像的像素g(m,n)被逐行顺序地处理，处理的过程中，每个像素用一个阈值T进行阈值运算（量化器Quantizer），运算的结果被转换为半色调图像的相应像素b(m,n)。将此结果像素b(m,n)和被求阈值的像素g(m,n)进行比较，并将比较求得的差值e(m,n)用一个误差扩散滤波器扩散至当前处理像素周围的未被处理的像素上，在下一个像素处理时，被求阈值的像素值是原稿像素g(m,n)和被扩散至此像素上的误差的和；与此同时，将此结果像素b(m,n)和其周围已输出的像素值与迟滞系数h和差值e(m,n)相乘并进行一定的矩阵运算，求出输出反馈值d，在下一个像素处理时，阈值是原来阈值T与输出反馈值d的和。按照上述算法实现的绿噪声加网图像质量，通过实际测试，得到图2，从图2可以看出网点在亮调和暗调部分簇点较为明显，呈现明显的颗粒感，给人在视觉上造成不均匀感。同时这种几个网点组成的簇点在表现高频细节方面也显得粗糙，会丢失一些图像细节。因此看出，该绿噪声加网算法存在着潜在的不足。

发明内容

本发明主要是解决现有技术所存在的网点在亮调和暗调部分簇点较为明显，呈现明显的颗粒感，给人在视觉上造成不均匀感。同时这种几个网点组成的簇点在表现高频细节方面也显得粗糙，会丢失一些图像细节等的技术问题；提供了一种能够有效地解决普通绿噪声加网算法视觉不均匀，使半色调图像网点分散均匀，而且能够细腻地表现出图像细节，使得设备输出的图像在视觉效果和细节层次上能够极大地满足实际印刷数码打样的要求。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于图像阶调的自适应绿噪声加网方法，其特征在于，包括以下步骤：

步骤1，将原稿图像的待处理像素g(m,n)与阈值T进行比较，处理的结果转换为半色调图像的像素值b(m,n)；读取待处理像素g(m,n)时的扫描方向根据m的奇偶性选择执行：当m为奇数时，扫描方向为从右到左；当m为偶数时，扫描方向为从左到右；

步骤2，将b(m,n)与g(m,n)进行比较，求得误差值e(m,n)；

步骤3，通过误差扩散滤波器将e(m,n)扩散至当前处理像素周围未处理的像素上，即被扩散的像素值等于原稿图像像素值与被扩散误差之和；

步骤4，根据当前处理像素g(m,n)及其周围已处理像素的输出值与最优迟滞系数h计算阈值反馈值d，改变阈值T；

步骤5，重复步骤1至步骤4，直到将原稿图像上所有像素处理完成后，生成原稿图像的半色调图像。

在上述的一种基于图像阶调的自适应绿噪声加网方法，所述的步骤1中，初定义阈值T为0.5，后阈值T=T+d；

在上述的一种基于图像阶调的自适应绿噪声加网方法，所述的步骤2中，误差值e(m,n)的具体获取步骤如下：

e(m,n)=g(m,n)-b(m,n);

在上述的一种基于图像阶调的自适应绿噪声加网方法，所述的步骤3中，所述误差扩散滤波器为两个，定义为误差扩散滤波器A1和误差扩散滤波器A2，通过随机产生0或1两个数中的一个，来选择对应的误差扩散滤波器执行步骤3，具体扩散步骤如下：

步骤4.1，定义从左向右扫描时，误差扩散滤波器A1传递给当前点右侧像素的误差扩散滤波器的系数值A1(0,1)=4/7，传递给当前点下方像素的误差扩散滤波器的系数值A1(1,0)=3/7，传递给当前点左下角像素的误差扩散滤波器的系数值A1(1,-1)=0，传递给当前点右下角像素的误差扩散滤波器的系数值A1(1,1)=0；误差扩散滤波器A2传递给当前点右侧像素的误差扩散滤波器的系数值A1(0,1)=2/5，传递给当前点下方像素的误差扩散滤波器的系数值A1(1,0)=3/5，传递给当前点左下角像素的误差扩散滤波器的系数值A1(1,-1)=0，传递给当前点右下角像素的误差扩散滤波器的系数值A1(1,1)=0；

从右向左扫描时，误差扩散滤波器A1传递给当前点左侧像素的误差扩散滤波器的系数值A1(0,1)=4/7，传递给当前点下方像素的误差扩散滤波器的系数值A1(1,0)=3/7，传递给当前点左下角像素的误差扩散滤波器的系数值A1(1,-1)=0，传递给当前点右下角像素的误差扩散滤波器的系数值A1(1,1)=0；误差扩散滤波器A2传递给当前点左侧像素的误差扩散滤波器的系数值A1(0,1)=2/5，传递给当前点下方像素的误差扩散滤波器的系数值A1(1,0)=3/5，传递给当前点左下角像素的误差扩散滤波器的系数值A1(1,-1)=0，传递给当前点右下角像素的误差扩散滤波器的系数值A1(1,1)=0；

步骤4.2，根据行数的奇偶不同扫描方向不同，取(i,j)处的图像像素；

步骤4.3，计算输入灰度相对于输出灰度的误差： e(m,n)=g(m,n)-b(m,n);

步骤4.4，使用随机选取的误差扩散滤波器A1或者误差扩散滤波器A2，将误差e(m,n)分别乘以扩散滤波器的系数，然后分别与相应位置的原稿图像像素相加，并将结果代替原稿图像相应的像素值。

在上述的一种基于图像阶调的自适应绿噪声加网方法，所述的步骤4中，当前处理点与周围已处理点的输出值的具体获取步骤如下：

从左向右扫描时，读取当前处理点、当前处理点的左侧像素点、当前处理点的左上角像素点、当前处理点的上方像素点和当前处理点的右上角像素点的输出值；从右向左扫描时，读取当前处理点、当前处理点的右侧像素点、当前处理点的左上角像素点、当前处理点的上方像素点和当前处理点的右上角像素点的输出值；

根据扫描方向对当前处理点与周围已处理点共五个输出值进行存储，为之后的阈值计算做数据准备。

在上述的一种基于图像阶调的自适应绿噪声加网方法，所述的步骤4中，在半色调加网处理之前，预先求取各个灰度级的最优迟滞系数h，具体获取步骤如下：

a)    生成256×256像素的灰度为0，10，20，30，40，50，60，70，

80，90，100，110，120，130，140，150，160，170，180，190，200，210，220，230，240，255一共26个灰度图像；

b)    迟滞系数从0至1.0，每次改变0.05；选取改变后的迟滞系数对

步骤a所生成的26个灰度图像进行带有蛇形扫描及随机选择误差扩散滤波器的绿噪声加网处理，对加网结果与原图求取均方差；其中均方差公式为：

  ;

式中x(m,n)为原灰度图在(m,n)位置的灰度值，y(m,n)为加网处理后的灰度值；

c)    在一个灰度级内，选择最小均方差所对应的迟滞系数，保存为该

灰度级的最优迟滞系数灰度级0，10，20，30，40，50，60，70，80，90，100，110，120，130，140，150，160，170，180，190，200，210，220，230，240，255的最优迟滞系数分别为：1，0.95，0.9，0.8，0.7，0.65，0.4，0.3，0.2，0.2，0.25，0.2，0.15，0.2，0.1，0.15，0.1，0.5，0.15，0.2，0.3，0.55，0.6，0.75，0.9，1；

d)    对上述数据进行一维线性插值，计算各个灰度级的最优迟滞系数。

在上述的一种基于图像阶调的自适应绿噪声加网方法，所述的步骤4中，阈值反馈值d通过将当前处理点与周围已处理点的输出值与最优迟滞系数h、误差e(m,n)相乘，并与变换矩阵做运算得到，从而计算新的阈值：T=T+d;其中，所述矩阵变换具体操作方法为：

1)              在从左向右扫描时变换矩阵，在从右向左扫描时变换

矩阵，设变换矩阵S第i行，第j列的数为S(i-2,j-2)；

2)             d=h*(S(-1,-1)*b(m-1,n-1)+S(-1,0)*b(m-1,n)+S(-1,+1)*b(m-1,n

+1)+S(0,-1)*b(m,n-1)+S(0,0)*b(m,n)+S(1,1)*b(m+1,n+1)),b(i,j)为当前处理点与周围已处理点的输出值。

因此，本发明具有如下优点：能够有效地解决普通绿噪声加网算法视觉不均匀，使半色调图像网点分散均匀，而且能够细腻地表现出图像细节，使得设备输出的图像在视觉效果和细节层次上能够极大地满足实际印刷数码打样的要求。

附图说明

图1是对比文献所公开的绿噪声加网算法原理示意图；

图2是普通绿噪声加网算法网点渐变示意图；

图3是本发明在普通绿噪声加网算法基础上增加行数的奇偶不同扫描方向不同的网点渐变示意图；

图4是本发明中误差扩散滤波器示意图；

图5是添加随机选择误差滤波器绿噪声加网方法阶调渐变示意图；

图6是基于图像阶调的自适应绿噪声加网方法阶调渐变示意图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

一种基于图像阶调的自适应绿噪声加网方法，包括以下步骤：

步骤1，将原稿图像的待处理像素g(m,n)与阈值T进行比较，初定义阈值T为0.5，后阈值T=T+d；处理的结果转换为半色调图像的像素值b(m,n)；读取待处理像素g(m,n)时的扫描方向根据m的奇偶性选择执行：当m为奇数时，扫描方向为从右到左；当m为偶数时，扫描方向为从左到右；

步骤2，将b(m,n)与g(m,n)进行比较，求得误差值e(m,n)；误差值e(m,n)=g(m,n)-b(m,n)；

步骤3，通过误差扩散滤波器将e(m,n)扩散至当前处理像素周围未处理的像素上，即被扩散的像素值等于原稿图像像素值与被扩散误差之和；绿噪声加网算法由于产生了簇点，因此具有一定的调幅加网的特性，会在某几个灰度级出现规律性条纹。这些规律性条纹不仅严重影响了绿噪声加网的半色调图像视觉效果，而且在多色叠合时还可能产生龟纹，如附图3所示。为了解决这个问题，我们设计了两个符合人类视觉规律的误差扩散滤波器。通过计算机随机产生0或1两个数中的一个，来选择对应的误差扩散滤波器，使得网点位置变得更均匀，更随机,如附图5所示。定义误差扩散滤波器A1和误差扩散滤波器A2，来选择对应的误差扩散滤波器执行步骤3，具体扩散步骤如下：

步骤4.1，定义从左向右扫描时，误差扩散滤波器A1传递给当前点右侧像素的误差扩散滤波器的系数值A1(0,1)=4/7，传递给当前点下方像素的误差扩散滤波器的系数值A1(1,0)=3/7，传递给当前点左下角像素的误差扩散滤波器的系数值A1(1,-1)=0，传递给当前点右下角像素的误差扩散滤波器的系数值A1(1,1)=0；误差扩散滤波器A2传递给当前点右侧像素的误差扩散滤波器的系数值A1(0,1)=2/5，传递给当前点下方像素的误差扩散滤波器的系数值A1(1,0)=3/5，传递给当前点左下角像素的误差扩散滤波器的系数值A1(1,-1)=0，传递给当前点右下角像素的误差扩散滤波器的系数值A1(1,1)=0；

从右向左扫描时，误差扩散滤波器A1传递给当前点左侧像素的误差扩散滤波器的系数值A1(0,1)=4/7，传递给当前点下方像素的误差扩散滤波器的系数值A1(1,0)=3/7，传递给当前点左下角像素的误差扩散滤波器的系数值A1(1,-1)=0，传递给当前点右下角像素的误差扩散滤波器的系数值A1(1,1)=0；误差扩散滤波器A2传递给当前点左侧像素的误差扩散滤波器的系数值A1(0,1)=2/5，传递给当前点下方像素的误差扩散滤波器的系数值A1(1,0)=3/5，传递给当前点左下角像素的误差扩散滤波器的系数值A1(1,-1)=0，传递给当前点右下角像素的误差扩散滤波器的系数值A1(1,1)=0；

步骤4.2，根据行数的奇偶不同扫描方向不同，取(i,j)处的图像像素；

步骤4.3，计算输入灰度相对于输出灰度的误差： e(m,n)=g(m,n)-b(m,n);

步骤4.4，使用随机选取的误差扩散滤波器A1或者误差扩散滤波器A2，将误差e(m,n)分别乘以扩散滤波器的系数，然后分别与相应位置的原稿图像像素相加，并将结果代替原稿图像相应的像素值；当前处理点与周围已处理点的输出值的具体获取步骤如下：

从左向右扫描时，读取当前处理点、当前处理点的左侧像素点、当前处理点的左上角像素点、当前处理点的上方像素点和当前处理点的右上角像素点的输出值；从右向左扫描时，读取当前处理点、当前处理点的右侧像素点、当前处理点的左上角像素点、当前处理点的上方像素点和当前处理点的右上角像素点的输出值；

根据扫描方向对当前处理点与周围已处理点共五个输出值进行存储，为之后的阈值计算做数据准备。

上述步骤4.4程序如下：

Begin=0;

nEnd=m-1;

nStep=1;

For(i=0;i<n;i++)

{

For(j=nBegin;j!=nEnd+nStep;x+=nStep)

{根据行数的奇偶不同扫描方向不同

取(i,j)处的图像像素：p=N_ij;

if(p>T)

B_ij=255;

else

B_ij=0;

计算输入灰度相对于输出灰度的误差：Err=N_ij-B_ij;

if(rand()%2)

{使用误差扩散滤波器A1，将误差Err分别乘以图4中的扩散滤波器的系数，然后分别与相应位置的原稿图像像素相加，并将结果代替原稿图像相应的像素值。}

else

{使用误差扩散滤波器A2，将误差Err分别乘以图4中的扩散滤波器的系数，然后分别与相应位置的原稿图像像素相加，并将结果代替原稿图像相应的像素值。}

将当前处理点与周围已处理点的输出值与迟滞系数h=0.5、误差Err相乘，并做一定的矩阵变换，计算得到输出反馈阈值d，计算新的阈值：T=T+d;

}

nStep=-nStep;

nTemp=nBegin;

nBegin=nEnd;

nEnd=nTemp;

}

步骤4，根据当前处理像素g(m,n)及其周围已处理像素的输出值与最优迟滞系数h计算阈值反馈值d，改变阈值T；在半色调加网处理之前，预先求取各个灰度级的最优迟滞系数h，具体获取步骤如下：

a）生成256×256像素的灰度为0，10，20，30，40，50，60，70，

80，90，100，110，120，130，140，150，160，170，180，190，200，210，220，230，240，255一共26个灰度图像；

b）迟滞系数从0至1.0，每次改变0.05；选取改变后的迟滞系数对

步骤a所生成的26个灰度图像进行带有蛇形扫描及随机选择误差扩散滤波器的绿噪声加网处理，对加网结果与原图求取均方差；其中均方差公式为：

  ;

式中x(m,n)为原灰度图在(m,n)位置的灰度值，y(m,n)为加网处理后的灰度值；

c）在一个灰度级内，选择最小均方差所对应的迟滞系数，保存为该

灰度级的最优迟滞系数灰度级0，10，20，30，40，50，60，70，80，90，100，110，120，130，140，150，160，170，180，190，200，210，220，230，240，255的最优迟滞系数分别为：1，0.95，0.9，0.8，0.7，0.65，0.4，0.3，0.2，0.2，0.25，0.2，0.15，0.2，0.1，0.15，0.1，0.5，0.15，0.2，0.3，0.55，0.6，0.75，0.9，1；

d）对上述数据进行一维线性插值，计算各个灰度级的最优迟滞系数。

然后，阈值反馈值d通过将当前处理点与周围已处理点的输出值与最优迟滞系数h、误差e(m,n)相乘，并与变换矩阵做运算得到，从而计算新的阈值：T=T+d;其中，所述矩阵变换具体操作方法为：

1）在从左向右扫描时变换矩阵，在从右向左扫描时变换

矩阵，设变换矩阵S第i行，第j列的数为S(i-2,j-2)；

2）d=h*(S(-1,-1)*b(m-1,n-1)+S(-1,0)*b(m-1,n)+S(-1,+1)*b(m-1,n

+1)+S(0,-1)*b(m,n-1)+S(0,0)*b(m,n)+S(1,1)*b(m+1,n+1)),b(i,j)为当前处理点与周围已处理点的输出值。

步骤5，重复步骤1至步骤4，直到将原稿图像上所有像素处理完成后，生成原稿图像的半色调图像。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。