CN101527774A - 一种图像点阵质量优化方法及装置 - Google Patents

Abstract

本发明公开了一种图像点阵质量优化方法及装置，包括：获取半色调调幅挂网阈值矩阵T，并确定其内的网点个数C_T；从T中依次取出C_T/2个数据项，每次取出所述C_T/2个数据项后，执行下列步骤：根据其在T中的位置坐标，将其放入输出阈值矩阵H的对应位置，并统计出H中的最大值M_H，及将与T大小相同的零矩阵对应位置处的值置1，得到人眼视觉滤波矩阵G；对G进行滤波操作，得到临时矩阵G′；根据G′中与C_T/2个数据项对应位置处的所有元素的最小值的位置坐标，更新输出阈值矩阵H和人眼滤波矩阵G中对应位置处的元素值，并更新M_H的值；直至处理完输出阈值矩阵H中的C_T/2个数据项。通过对图像点阵进行人眼滤波处理，获得良好的图像输出效果。

Description

一种图像点阵质量优化方法及装置

技术领域

本发明涉及图像处理领域，尤指一种用于图像硬拷贝复制的半色调图像点阵质量优化方法及装置。

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挂网制版技术。用于图像硬拷贝复制的挂网技术又称为数字图像半色调技术。数字图像半色调技术可以分为两类，分别是调幅挂网和调频挂网。其中，调幅挂网又称为聚集点有序抖动技术，其特征是所生成的半色调图像的染色点在几何位置上是两两相邻地聚合在一起的，从而形成了一簇一簇的染色区域，这些染色区域又被称为网点，由于聚集点有序抖动技术采用控制网点面积的方法再现原稿图像灰度，因而被称为调幅网点。

现今，图像硬拷贝复制技术中，涉及使用最多和用途最广的是调幅半色调数字挂网技术，通常最初的调幅半色调挂网采用了单细胞加网算法，该算法对网点角度和网点线数的控制精度存在较大的偏差，并且对半色调挂网层次具有不可控性，从而无法精确实现数字半色调电子挂网。

随后应运而生了基于超细胞技术的调幅半色调加网技术，该技术通过在一定数据量大小的矩阵一阈值矩阵内，集成了成百上千的单细胞网点，对网点形状，网点角度，挂网目数以及挂网层次进行更为精准的控制。超细胞调幅挂网技术使得半色调图像处理技术又上了一个崭新的台阶，因此该技术被广泛采用并普及，并由此衍生出更多的控制技术。其中的半色调层次抖动技术是其中一项关键的控制技术，其技术特点在于：通过对阈值矩阵内组成单细胞网点的各个像素值进行重新排列组合，使得阈值矩阵内每个像素值大小各异，从而使得基于阈值矩阵加网时的层次成倍增长。该技术的采用使得在较低的设备分辨率下实现更高网目数成为可能，但也随之带来了诸多问题和难点。

目前，通常一维成像深度设备输出的半色调调幅网点，极易在层次和半色调图像质量上出现因挂网算法的不足而带来的诸多问题，尤其体现在在半色调网点矩阵生成过程中为提高挂网层次而进行抖动优化后，因超细胞机制下，各个单细胞网点内象素排列的微差异大小而导致个别层次出现明显纹理现象，严重时形成撞网；同时由于网点的调幅特性一一网点大小所带来的图像锐化效果的加剧，导致在一维成像深度设备上输出的图像具有较强的颗粒感和纹理效果，致使图像整体成像平滑度不够，视觉效果无法满足要求，影响图像输出质量。该情况尤其体现在设备分辨率一定或较低分辨率下，要求输出的半色调挂网网目数比较高时，因各个单细胞网点尺寸较小，对于网点形状的控制难度增加，导致各个单细胞网点形状的差异机率显著增加，更易于纹理及撞网等问题的发生。

鉴于上述问题的存在，要想在现有较成熟的超细胞调幅挂网技术基础上得以解决，存在一定的难度，至今还没有有效的技术控制方法，有待于进一步改进和完善。

发明内容

本发明实施例提供一种图像点阵质量优化方法及装置，采用模拟人眼视觉滤波器的方式对图像点阵质量进行优化，获得良好的图像输出效果。

一种图像点阵质量优化方法，包括：

获取表征图像点阵的半色调调幅挂网阈值矩阵T，并确定所述阈值矩阵T内的网点个数C_T；所述阈值矩阵T边长为L，大小为W_T＝L×L，且每个元素的值t_i∈[1，W_T]；其中，i∈[0，W_T-1]；

从所述阈值矩阵T中依次取出C_T/2个数据项，直至取完所述阈值矩阵T中的所有数据项，并且每次取出所述C_T/2个数据项后，执行下列步骤：

根据所述C_T/2个数据项在所述阈值矩阵T中的位置坐标，将所述C_T/2个数据项放入输出阈值矩阵H的对应位置处，并统计得到输出阈值矩阵H中所有元素的最大值M_H；以及，根据所述C_T/2个数据项在所述阈值矩阵T中的位置坐标，将与所述阈值矩阵T大小相同的零矩阵的对应位置处的值置1，得到人眼视觉滤波矩阵G；

对所述人眼视觉滤波矩阵G进行滤波操作，得到临时矩阵G′；

根据所述临时矩阵G′中与所述C_T/2个数据项对应位置处的所有元素的最小值的位置坐标，更新所述输出阈值矩阵H中对应位置处的元素值为一个大于所述最大值M_H的值和更新所述人眼滤波矩阵G中对应位置处的元素值为1，并更新最大值M_H的值；

返回重新执行所述滤波操作，直至更新完所述输出阈值矩阵H中的所述C_T/2个数据项。

根据本发明的上述方法，从所述阈值矩阵T中依次取出C_T/2个数据项，具体包括：

从所述阈值矩阵T中按t_i的大小顺序，依次取出C_T/2个数据项。

根据本发明的上述方法，所述对所述人眼视觉滤波矩阵G进行滤波操作，得到临时矩阵G′，具体包括：

采用满足高斯函数关系的滤波器函数计算生成滤波器矩阵V；

计算所述人眼视觉滤波矩阵G与滤波器矩阵V的卷积，得到所述临时矩阵G′。

根据本发明的上述方法，所述采用高斯函数计算生成滤波器矩阵V，具体包括：

滤波器矩阵V通过满足高斯函数关系的滤波器函数 $f\left(z\right)=\frac{1}{\sqrt{2\mathrm{\π\σ}}}{e}^{-{(z-r)}^2/2\mathrm{\σ}}$ 计算得到；

其中，z表示当前点在所述滤波器矩阵V中位置到滤波器矩阵中心点的距离；

σ表示设定的滤波宽度；

r表示滤波半径；

且r与σ满足下列计算关系：

r＝ceil.3σ，所述ceil表示浮点数取整操作；

所述滤波器矩阵V边长等于2r+1。

根据本发明的上述方法，所述根据所述临时矩阵G′中与所述C_T/2个数据项对应位置处的所有元素的最小值的位置坐标，更新所述输出阈值矩阵H中对应位置处的元素值为一个大于所述最大值M_H的值和更新所述人眼滤波矩阵G中对应位置处的元素值为1，并更新M_H的值，具体包括：

根据所述C_T/2个数据项的位置坐标，确定所述临时矩阵G′中对应位置处的所有元素的最小值及所述最小值对应的位置坐标；

根据所述最小值的位置坐标，将所述输出阈值矩阵H中对应位置处的元素值更新为M_H+1，并更新所述M_H的值为M_H+1；以及

根据所述最小值的位置坐标，将人眼滤波矩阵G中对应位置的元素值置1。

一种图像点阵质量优化装置，包括：

获取单元，用于获取半色调调幅挂网阈值矩阵T，并确定所述阈值矩阵T内的网点个数C_T；所述阈值矩阵T边长为L，大小为W_T＝L×L，且每个元素的值t_i∈[1，W_T]；其中，i∈[0，W_T-1]；

矩阵构建单元，用于从所述阈值矩阵T中依次取出C_T/2个数据项，直至取完所述阈值矩阵T中的所有数据项；每次取出所述C_T/2个数据项后，根据所述C_T/2个数据项在所述阈值矩阵T中的位置坐标，将所述C_T/2个数据项放入输出阈值矩阵H的对应位置处，并统计得到输出阈值矩阵H中所有元素的最大值M_H；以及根据所述C_T/2个数据项在所述阈值矩阵T中的位置坐标，将与所述阈值矩阵T大小相同的零矩阵的对应位置处的值置1，得到人眼视觉滤波矩阵G；

滤波单元，用于对所述人眼视觉滤波矩阵G进行滤波操作，得到临时矩阵G′；

数据更新单元，用于根据所述临时矩阵G′中与所述C_T/2个数据项对应位置处的所有元素的最小值的位置坐标，更新所述输出阈值矩阵H中对应位置处的元素值为一个大于所述最大值M_H的值和更新所述人眼滤波矩阵G中对应位置处的元素值为1，并更新最大值M_H的值；

执行单元，用于控制返回所述滤波单元重新执行所述滤波操作，直至更新完所述输出阈值矩阵H中的所述C_T/2个数据项，返回所述矩阵构建单元。

根据本发明的上述装置，所述滤波单元包括：

第一矩阵生成子单元，用于采用满足高斯函数关系的滤波器函数计算生成滤波器矩阵V；

第二矩阵生成子单元，用于计算所述人眼视觉滤波矩阵G与滤波器矩阵V的卷积，得到所述临时矩阵G′。

根据本发明的上述装置，所述数据更新单元包括：

确定子单元，用于根据所述C_T/2个数据项的位置坐标，确定所述临时矩阵G′中对应位置处的所有元素的最小值及所述最小值对应的位置坐标；

第一更新子单元，用于根据所述最小值的位置坐标，将所述输出阈值矩阵H中对应位置处的元素值更新为M_H+1，并更新所述M_H的值为M_H+1；

第二更新子单元，用于根据所述最小值的位置坐标，将人眼滤波矩阵G中对应位置的元素值置1。

本发明实施例提供的图像点阵质量优化方法及装置，通过对获取的半色调调幅挂网阈值矩阵T，进行人眼视觉滤波处理，得到新的输出阈值矩阵H，以改善现有技术中输出半色调调幅点阵时出现的层次过渡不良以及明显纹理等质量问题；在半色调调幅挂网时，在原有调幅网挂网技术的基础上，模拟人眼视觉滤波器效应人眼仿生滤波处理算法对图像点阵进行滤波抖动优化处理，在不用提高设备分辨率的情况下输出层次过渡平滑的一维半色调图像点阵，有效地解决了网点纹理等痼疾，保证在较低分辨率下输出较高分辨率效果下的层次阶调平滑连续的调幅半色调网点，从而获得良好的图像输出效果。

附图说明

图1为本发明实施例中图像点阵质量优化方法的流程图；

图2为本发明实施例中阈值矩阵T中部分数据的示意图；

图3为本发明实施例中生成的人眼视觉滤波矩阵G中部分数据的示意图；

图4为本发明实施例中滤波器矩阵V中部分数据的示意图；

图5为本发明实施例中滤波器卷积运算的图解示意图；

图6为本发明实施例中图像点阵质量优化处理前后的效果对比图；

图7为本发明实施例中图像点阵质量优化装置的结构示意图。

具体实施方式

本发明实施例提供的图像点阵质量优化方法，采用模拟人眼视觉滤波器的人眼仿生滤波处理算法，对半色调调幅挂网阈值矩阵T进行处理，来提升调幅半色调网点的输出质量。本发明方法的流程图如图1所示，其执行步骤如下：

步骤S101：获取表征图像点阵的半色调调幅挂网阈值矩阵T，其特征参数具体为：

(1)阈值矩阵T边长为L，其大小为W_T＝L×L，W_T同时也代表了矩阵T内数据个数的总和。

(2)阈值矩阵T内第i个元素的数值为t_i，其中：t_i∈[1，W_T]，i∈[0，W_T-1]

(3)阈值矩阵T内的网点个数为C_T，根据现有技术，当阈值矩阵T确定后，网点个数C_T亦相应确定。

例如：可以设定L＝190，则W_T＝L×L＝36100。

根据该阈值矩阵T确定出阈值矩阵T内的网点个数为：C_T＝725。

上述给定的阈值矩阵T的一部分可以如图2所示。

步骤S102：构建输出阈值矩阵H和人眼滤波矩阵G。

从获取的半色调调幅挂网阈值矩阵T中，依据t_i值的大小，按顺序依次取出R个数据项V_(x，y)。

其中，V_(x，y)∈[0，t_i]，(x，y)表示数据项V_(x，y)在阈值矩阵T中的位置坐标；

R的值满足：R＝C_T/2。

当第一次从输入矩阵T取出R个数据项后，根据每个数据项在阈值矩阵T中的位置坐标(x，y)，更新初始输出阈值矩阵H中对应位置的h_i值，即将V_(x，y)放入初始输出阈值矩阵H中的对应位置，得到输出阈值矩阵H。

并获取输出阈值矩阵H中的最大值，记为M_H。

其中，初始输出阈值矩阵H为预先设置好的，其大小与阈值矩阵T相同。具体为：

设置一个初始输出阈值矩阵H。其中，初始输出阈值矩阵H的特征参数参数W_H、h_i和C_H的含义与T阈值矩阵T中W_T、t_i和C_T相同，且所有h_i的初始值设置为：h_i＝0。

当不是第一次获取R个数据项，将获取的R个数据项放入上一次得到的输出阈值矩阵H。

根据每个数据项在阈值矩阵T中的位置坐标(x，y)，将初始人眼视觉滤波矩阵G中对应位置处的g_i值进行重置，将上述对应位置处的g_i值重置为：g(x，y)＝1，得到人眼视觉滤波矩阵G。

例如：图3给出了生成的人眼视觉滤波矩阵G的部分数据。

其中，初始人眼视觉滤波矩阵G为预先设置好的，其大小与阈值矩阵T相同。具体为：

设置一个初始人眼视觉滤波矩阵G，其中，该初始人眼视觉滤波矩阵G的特征参数参数W_G、g_i和C_G的含义与T阈值矩阵T中W_T、t_i和C_T相同，g_i的取值范围设置为满足： $g_i=\left\{\begin{array}{c}0\\ 1\end{array}\right.;$ 且所有g_i的初始值设置为：g_i＝0。

步骤S103：对得到人眼视觉滤波矩阵G执行滤波操作，得到临时矩阵G′；具体为：

计算人眼视觉滤波矩阵G与滤波器矩阵V的卷积，得到临时矩阵G′；

$G^{\′}=G\⊗V$

其中，表示卷积运算。

G′为滤波卷积运算后的临时矩阵数据，其值域为[0，1]的浮点数。上述滤波器矩阵V通过滤波器函数计算得到：

滤波器函数f(z)满足高斯函数，即：

$f\left(z\right)=\frac{1}{\sqrt{2\mathrm{\π\σ}}}{e}^{-{(z-r)}^2/2\mathrm{\σ}}$

其中，z表示当前点在滤波器矩阵位置到滤波器矩阵中心点的距离；

σ表示设定的滤波宽度；

r表示滤波半径；

且r与σ满足下列计算关系：

r＝ceil.3σ，其中ceil表示浮点数取整操作。

且滤波器矩阵V边长等于2r+1。

例如，当滤波器设置的滤波宽度为σ＝1.2，则滤波半径r＝ceil.3σ＝4

则滤波器矩阵V边长为：2r+1＝9。

根据上述计算过程可以计算得到滤波器矩阵V。

例如，计算出的滤波器矩阵V可以如图4所示。根据得到的人眼视觉滤波矩阵G与计算出的滤波器矩阵V进行卷积运算的图解示意如图5所示。

步骤S104：根据得到的临时矩阵G′更新输出矩阵H和人眼滤波矩阵G中对应位置的值。

根据步骤S102中取出的R个数据项V_(x，y)的位置坐标，统计临时矩阵G′中各对应位置处的所有元素的最小值。

并根据确定出的最小值的位置坐标，将输出阈值矩阵H中对应位置处的元素值更新为M_H+1；并更新输出阈值矩阵H的最大值M_H值为M_H+1。

同时将人眼滤波矩阵G中对应位置的元素值置1。

步骤S105：判断输出阈值矩阵H中与所取得R个数据项对应的数据是否已处理完；若是，则执行步骤S106；若否，则返回执行步骤S103。

步骤S106：判断是否已处理完阈值矩阵T中的所有数据；若是，则执行步骤S107；若否，则返回执行步骤S102。

步骤S107：结束。

图6为图像点阵质量优化处理前后的效果对比。其中包括了处理前的阈值矩阵T和采用人眼视觉滤波处理后的输出阈值矩阵H所表征的图像在不同层次上的纹理分布差异及效果对比结果。

根据本发明的上述图像点阵质量优化方法，可以构建一种图像点阵质量优化系统，如图7所示，包括：获取单元101、矩阵构建单元102、滤波单元103、数据更新单元104和执行单元105。

获取单元101，用于获取半色调调幅挂网阈值矩阵T，并确定获取到的阈值矩阵T内的网点个数C_T；其中，阈值矩阵T边长为L，大小为W_T＝L×L，且每个元素的值t_i∈[1，W_T]；其中，i∈[0，W_T-1]。

矩阵构建单元102，用于从获取单元101获取到的阈值矩阵T中依次取出C_T/2个数据项，直至取完所述阈值矩阵T中的所有数据项；每次取出所述C_T/2个数据项后，根据取出的C_T/2个数据项在阈值矩阵T中的位置坐标，将取出的C_T/2个数据项放入输出阈值矩阵H的对应位置处，并统计得到输出阈值矩阵H中所有元素的最大值M_H；以及根据取出的C_T/2个数据项在阈值矩阵T中的位置坐标，将与阈值矩阵T大小相同的零矩阵的对应位置处的值置1，得到人眼视觉滤波矩阵G。

滤波单元103，用于对矩阵构建单元102得到的人眼视觉滤波矩阵G进行滤波操作，得到临时矩阵G′。

较佳的，滤波单元103进一步可以包括：第一矩阵生成子单元1031和第二矩阵生成子单元1032。

第一矩阵生成子单元1031，用于采用满足高斯函数关系的滤波器函数计算生成滤波器矩阵V。

第二矩阵生成子单元1032，用于计算矩阵构建单元102得到的人眼视觉滤波矩阵G与第一矩阵生成子单元1031生成的滤波器矩阵V的卷积，得到临时矩阵G′。

数据更新单元104，用于根据滤波单元103得到的临时矩阵G′中与矩阵构建单元102获取的C_T/2个数据项对应位置处的所有元素的最小值的位置坐标，更新矩阵构建单元102得到的输出阈值矩阵H中对应位置处的元素值为一个大于所述最大值M_H的值和更新所述人眼滤波矩阵G中对应位置处的元素值为1，并更新最大值M_H的值；

较佳的，数据更新单元104进一步可以包括：确定子单元1041、第一更新子单元1042和第二更新子单元1043。

确定子单元1041，用于根据所述C_T/2个数据项的位置坐标，确定滤波单元103得到的临时矩阵G′中对应位置处的所有元素的最小值及该最小值对应的位置坐标。

第一更新子单元1042，用于根据确定子单元1041确定出的最小值的位置坐标，将矩阵构建单元102得到的输出阈值矩阵H中对应位置处的元素值更新为M_H+1，并更新输出阈值矩阵H中的最大值M_H的值为M_H+1。

第二更新子单元1043，用于根据确定子单元1041确定出的最小值的位置坐标，将矩阵构建单元102得到的人眼滤波矩阵G中对应位置的元素值置1。

执行单元105，用于控制返回滤波单元103重新执行滤波操作，直至更新完放入输出阈值矩阵H中的取出的C_T/2个数据项，返回矩阵构建单元102。

本发明实施例提供的图像点阵质量优化方法及装置，通过对获取的半色调调幅挂网阈值矩阵T，进行人眼视觉滤波处理，得到新的输出阈值矩阵H，在现有超细胞调幅阈值矩阵生成技术的基础上，引入人眼仿生视觉滤波效应，对已经生成的半色调调幅阈值矩阵进行人眼滤波二次优化处理，以改善、彻底弱化直至消除现有技术中阈值矩阵因生成算法生成并输出半色调调幅点阵时出现的层次过渡不良以及明显纹理等潜在质量问题，能够十分有效地提升调幅半色调网点输出质量。

在进行半色调调幅挂网时，在现有调幅网挂网技术的基础上，模拟人眼视觉滤波器效应而对图像点阵进行滤波抖动优化处理，在不用提高设备分辨率的情况下输出层次过渡平滑的一维半色调图像点阵，有效地解决了因层次抖动而产生的网点纹理、半色调加网图像不均匀以及半色调点阵锐化效应引起的视觉平滑度欠缺等问题，保证在较低分辨率下输出高网目数、较高分辨率效果下的层次阶调平滑连续的调幅半色调网点，提高了网点输出的平整度和均匀性，从而获得良好的图像输出效果。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化、替换或应用到其他类似的装置，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (8)

1、一种图像点阵质量优化方法，其特征在于，包括：

获取表征图像点阵的半色调调幅挂网阈值矩阵T，并确定所述阈值矩阵T内的网点个数C_T；所述阈值矩阵T边长为L，大小为W_T＝L×L，且每个元素的值t_i∈[1，W_T]；其中，i∈[0，W_T-1]；

从所述阈值矩阵T中依次取出C_T/2个数据项，直至取完所述阈值矩阵T中的所有数据项，并且每次取出所述C_T/2个数据项后，执行下列步骤：

根据所述C_T/2个数据项在所述阈值矩阵T中的位置坐标，将所述C_T/2个数据项放入输出阈值矩阵H的对应位置处，并统计得到输出阈值矩阵H中所有元素的最大值M_H；以及，根据所述C_T/2个数据项在所述阈值矩阵T中的位置坐标，将与所述阈值矩阵T大小相同的零矩阵的对应位置处的值置1，得到人眼视觉滤波矩阵G；

对所述人眼视觉滤波矩阵G进行滤波操作，得到临时矩阵G′；

根据所述临时矩阵G′中与所述C_T/2个数据项对应位置处的所有元素的最小值的位置坐标，更新所述输出阈值矩阵H中对应位置处的元素值为一个大于所述最大值M_H的值和更新所述人眼滤波矩阵G中对应位置处的元素值为1，并更新最大值M_H的值；

返回重新执行所述滤波操作，直至更新完所述输出阈值矩阵H中的所述C_T/2个数据项。

2、如权利要求1所述的方法，其特征在于，从所述阈值矩阵T中依次取出C_T/2个数据项，具体包括：

从所述阈值矩阵T中按t_i的大小顺序，依次取出C_T/2个数据项。

3、如权利要求1所述的方法，其特征在于，所述对所述人眼视觉滤波矩阵G进行滤波操作，得到临时矩阵G′，具体包括：

采用满足高斯函数关系的滤波器函数计算生成滤波器矩阵V；

计算所述人眼视觉滤波矩阵G与滤波器矩阵V的卷积，得到所述临时矩阵G′。

4、如权利要求3所述的方法，其特征在于，所述采用高斯函数计算生成滤波器矩阵V，具体包括：

滤波器矩阵V通过满足高斯函数关系的滤波器函数 $f\left(z\right)=\frac{1}{\sqrt{2\mathrm{\π\σ}}}{e}^{-{(z-r)}^2/2\mathrm{\σ}}$

计算得到；

其中，z表示当前点在所述滤波器矩阵V中位置到滤波器矩阵中心点的距离；

σ表示设定的滤波宽度；

r表示滤波半径；

且r与σ满足下列计算关系：

r＝ceil·3σ，所述ceil表示浮点数取整操作；

所述滤波器矩阵V边长等于2r+1。

5、如权利要求1-4任一所述的方法，其特征在于，所述根据所述临时矩阵G′中与所述C_T/2个数据项对应位置处的所有元素的最小值的位置坐标，更新所述输出阈值矩阵H中对应位置处的元素值为一个大于所述最大值M_H的值和更新所述人眼滤波矩阵G中对应位置处的元素值为1，并更新M_H的值，具体包括：

根据所述C_T/2个数据项的位置坐标，确定所述临时矩阵G′中对应位置处的所有元素的最小值及所述最小值对应的位置坐标；

根据所述最小值的位置坐标，将所述输出阈值矩阵H中对应位置处的元素值更新为M_H+1，并更新所述M_H的值为M_H+1；以及

根据所述最小值的位置坐标，将人眼滤波矩阵G中对应位置的元素值置1。

6、一种图像点阵质量优化装置，其特征在于，包括：

获取单元，用于获取半色调调幅挂网阈值矩阵T，并确定所述阈值矩阵T内的网点个数C_T；所述阈值矩阵T边长为L，大小为W_T＝L×L，且每个元素的值t_i∈[1，W_T]；其中，i∈[0，W_T-1]；

矩阵构建单元，用于从所述阈值矩阵T中依次取出C_T/2个数据项，直至取完所述阈值矩阵T中的所有数据项；每次取出所述C_T/2个数据项后，根据所述C_T/2个数据项在所述阈值矩阵T中的位置坐标，将所述C_T/2个数据项放入输出阈值矩阵H的对应位置处，并统计得到输出阈值矩阵H中所有元素的最大值M_H；以及根据所述C_T/2个数据项在所述阈值矩阵T中的位置坐标，将与所述阈值矩阵T大小相同的零矩阵的对应位置处的值置1，得到人眼视觉滤波矩阵G；

滤波单元，用于对所述人眼视觉滤波矩阵G进行滤波操作，得到临时矩阵G′；

数据更新单元，用于根据所述临时矩阵G′中与所述C_T/2个数据项对应位置处的所有元素的最小值的位置坐标，更新所述输出阈值矩阵H中对应位置处的元素值为一个大于所述最大值M_H的值和更新所述人眼滤波矩阵G中对应位置处的元素值为1，并更新最大值M_H的值；

执行单元，用于控制返回所述滤波单元重新执行所述滤波操作，直至更新完所述输出阈值矩阵H中的所述C_T/2个数据项，返回所述矩阵构建单元。

7、如权利要求6所述的装置，其特征在于，所述滤波单元包括：

第一矩阵生成子单元，用于采用满足高斯函数关系的滤波器函数计算生成滤波器矩阵V；

第二矩阵生成子单元，用于计算所述人眼视觉滤波矩阵G与滤波器矩阵V的卷积，得到所述临时矩阵G′。

8、如权利要求7所述的装置，其特征在于，所述数据更新单元包括：

确定子单元，用于根据所述C_T/2个数据项的位置坐标，确定所述临时矩阵G′中对应位置处的所有元素的最小值及所述最小值对应的位置坐标；

第一更新子单元，用于根据所述最小值的位置坐标，将所述输出阈值矩阵H中对应位置处的元素值更新为M_H+1，并更新所述M_H的值为M_H+1；

第二更新子单元，用于根据所述最小值的位置坐标，将人眼滤波矩阵G中对应位置的元素值置1。

Images