CN102435316B - 一种基于图像细节能量的印刷色彩均匀性测量方法 - Google Patents

Abstract

本发明公开了一种基于图像细节能量的印刷色彩均匀性测量方法，该方法按照以下方法进行印刷品色彩均匀性的测量，调整设备参数，使之进行正确的图像采集；利用A/D转换将采集的图像信号，送入计算机，并将图像分割成固定大小；对每个分割的图像区域进行处理计算，采用二维离散小波变换分解函数进行图像分解和提取图像的高频信息，将分割区域图像细节能量矩阵信息进行叠加；计算分割区域图像细节平均能量、分割区域图像细节能量标准差、计算分割区域印刷色彩能量变化指标，在此基础上，计算印刷图像的色彩均匀指数。本发明基于图像细节能量的印刷色彩均匀性测量方法，快速、高效，高精度的测量出印刷产品的均匀性指标，可实现在线检测印刷均匀性。

Description

一种基于图像细节能量的印刷色彩均匀性测量方法

技术领域

本发明属于印刷质量评价技术领域，涉及一种印刷色彩均匀性测量的方法，具体涉及一种基于图像细节能量的印刷色彩均匀性测量方法。

背景技术

印刷色彩的均匀性是评价印刷品质量的一个重要指标，也是实现全阶调印刷色彩再现的基础。一般指为在均匀的光源下由于反射光量的空间变化，使得印刷色彩密度得到变化程度，尤其指在等阶调或实地区域由于墨色的不均匀而引起色彩变化的程度。印刷色彩均匀性的问题在烟盒、酒盒、烟标、酒标产品上表现的尤为突出。现行对印刷色彩均匀性的评价和测量，主要通过计算印刷品色差和人工主观视觉评价两种方法。计算色差法主要是通过计算整个区域的色差值，来测量和评判色彩均匀性的大小，计算工作量比较大，也比较繁琐，而且由于采样点数量的限制，对于印刷色彩均匀性的测量和判断的精度也比较低。人工视觉主观判断，费时、费力；而且由于个人视觉差异，及认知水平的不同，对印刷色彩均匀性的判断往往出现不一致的现象。现有的方法不能实现在线均匀性测量与判断。

发明内容

本发明的目的是提供一种基于图像细节能量的印刷色彩均匀性测量方法，利用图像细节能量的微小变化，准确的、高精度、快速的评价和测量印刷色彩的均匀性，解决了现有测量方法精度低，费时、费力的问题。

本发明所采用的技术方案是，一种基于图像细节能量的印刷色彩均匀性测量方法，具体按照以下步骤实施：

步骤1：用CCD图像传感器，采集印刷图像；

步骤2：将步骤1采集的印刷图像信号通过A/D转换，转换成数字信号送入计算机，并将图像分割成固定大小；

步骤3：利用印刷均匀性测量计算系统对步骤2得到的分割图像区域进行处理计算，采用二维离散小波分解函数和不同的小波基进行不同级数的分解；

步骤4：提取步骤3得到的小波分解后的分割区域印刷图像高频信息，得到图像确定级数上的水平细节矩阵，垂直细节矩阵，对角细节矩阵；

步骤5：将步骤4得到的水平细节矩阵，垂直细节矩阵，对角细节矩阵信息进行叠加，并计算分割区域图像细节平均能量、分割区域图像细节能量标准差、分割区域印刷色彩能量变化指标，计算印刷图像的均匀指数，将印刷图像的均匀指数与印刷品均匀性标准比较，如果印刷图像的均匀指数比印刷品均匀性标准大，则印刷品色彩均匀，反之，则印刷品色彩不均匀。

本发明的特点还在于，

其中步骤2中将图像分割成固定大小，分割图像的尺寸选择在1cm-6cm之间，分割图像个数为整数个；图像像素点离散为≥1024*1024；图像的灰度等级为256。

其中步骤3中采用二维离散小波分解函数和不同的小波基进行不同级数的分解，分解级数选为1到7级，小波基函数选为HAAR，SYM4，SYM5，BIOR3.7，DB1，DB3，DB4，DB5。

其中步骤3中采用二维离散小波分解函数和不同的小波基进行不同级数的分解，采用二维离散小波分解函数Wavedec2。

其中步骤4中提取小波分解的分割区域印刷图像高频信息，采用二维离散小波分解函数Detcoef2提取图像的高频信息。

其中步骤5中，将水平细节矩阵，垂直细节矩阵，对角细节矩阵信息进行叠加，具体按照以下步骤实施：

$E_t=\underset{x,y}{\mathrm{\Σ}}{E}_h^2(x,y)+\underset{x,y}{\mathrm{\Σ}}{E}_v^2(x,y)+\underset{x,y}{\mathrm{\Σ}}{E}_d^2(x,y),$

其中，(x，y)表示细节能量矩阵信息点；E_h、E_v、E_d分别表示图像的水平细节能量信息，垂直细节能量信息，对角细节能量信息。

其中步骤5中，计算分割区域图像细节平均能量E_a，具体按照以下步骤实施：

E_a＝E_t/L，

其中L表示图像细节能量矩阵的大小，E_t表示图像细节能量矩阵信息和。

其中步骤5中，计算分割区域图像细节能量标准差σ²，具体按照以下步骤实施：

${\mathrm{\σ}}^2=\underset{x,y}{\mathrm{\Σ}}{(E_h^2(x,y)+E_v^2(x,y)+E_d^2(x,y)-E_a)}^2/L^2,$

其中，E_h、E_v、E_d分别表示图像的水平细节能量信息，垂直细节能量信息，对角细节能量信息；L表示图像细节能量矩阵的大小；(x，y)表示细节能量矩阵信息点；E_a表示分割区域图像细节平均能量。

其中步骤5中，计算分割区域印刷色彩能量变化指标E_i，具体按照以下步骤实施：

$E_i=\sqrt{\underset{x,y}{\mathrm{\Σ}}{(E_h^2(x,y)+E_v^2(x,y)+E_d^2(x,y)-E_a)}^2}/L^2\·\left(E_t\right),$

其中i为1，2....N，为印刷图像分割区域的数量；E_h、E_v、E_d分别表示图像的水平细节能量信息，垂直细节能量信息，对角细节能量信息；L表示图像细节能量矩阵的大小；E_t表示图像细节能量矩阵信息和；分割区域图像细节平均能量E_a；(x，y)表示细节能量矩阵信息点。

其中步骤5中，计算印刷图像色彩的均匀指数，具体按照以下步骤实施：

$\mathrm{PU}=1-\underset{i}{\mathrm{\Σ}}(E_i-\stackrel{\‾}{E})/100\·\stackrel{\‾}{E}\·N,$

其中，

表示能量变化的平均值；i取1，2....N，表示印刷图像分割区域的数量；E_i表示分割区域印刷色彩能量变化指标。

本发明的有益效果是，利用图像细节能量的微小变化，来测量和评价印刷色彩的均匀性，快速、高效，高精度的测量出印刷产品的均匀性指标，同时可实现在线检测印刷均匀性。

附图说明

图1是本发明基于图像细节能量的印刷色彩均匀性测量方法的计算流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明基于图像细节能量的印刷色彩均匀性测量方法，如图1所示，具体按照以下步骤实施：

(1)调整设备参数，进行图像的正确采集。

(2)利用A/D转换将采集的图像信号，送入计算机，并将图像分割成固定大小，分割图像的尺寸可以选择在1cm-6cm之间，最好选择分割尺寸能使图像分为整数个；图像像素点离散为≥1024*1024；图像的灰度等级为256。

(3)利用印刷均匀性测量计算系统对每个分割的图像区域进行处理计算，采用二维离散小波分解函数和不同的小波基进行不同级数的分解。利用Matlab软件小波工具箱(Wavelet Toolbox)中二维离散小波变换分解函数Wavedec2进行多尺度二维小波分解。分解级数可选为1到7级，小波基函数可选为HAAR，SYM4，SYM5，BIOR3.7，DB1，DB3，DB4，DB5。

(4)提取小波分解的分割区域印刷图像高频信息，得到图像确定级数上的水平细节矩阵，垂直细节矩阵，对角细节矩阵，分别表示为图像的水平细节能量信息E_h，垂直细节能量信息E_v，对角细节能量信息E_d。

提取时，利用Matlab软件小波工具箱(Wavelet Toolbox)中二维离散小波变换分解结构工具Detcoef2提取图像的高频信息。

(5)将分割区域图像细节能量矩阵信息进行叠加，其结果为水平细节能量E_h，垂直细节能量E_v，对角细节能量E_d的平方和E_t，即：

$E_t=\underset{x,y}{\mathrm{\Σ}}{E}_h^2(x,y)+\underset{x,y}{\mathrm{\Σ}}{E}_v^2(x,y)+\underset{x,y}{\mathrm{\Σ}}{E}_d^2(x,y)---\left(1\right)$

其中，(x，y)表示细节能量矩阵信息点；E_h、E_v、E_d表示为图像的水平细节能量信息，垂直细节能量信息，对角细节能量信息；

(6)计算分割区域图像细节平均能量：

E_a＝E_t/L    (2)

其中L表示图像细节能量矩阵的大小，E_t表示图像细节能量矩阵信息和。

(7)计算分割区域图像细节能量标准差：

${\mathrm{\σ}}^2=\underset{x,y}{\mathrm{\Σ}}{(E_h^2(x,y)+E_v^2(x,y)+E_d^2(x,y)-E_a)}^2/L^2---\left(3\right)$

其中，E_h、E_v、E_d分别表示为图像的水平细节能量信息，垂直细节能量信息，对角细节能量信息；L表示图像细节能量矩阵的大小；(x，y)表示细节能量矩阵信息点；E_a表示分割区域图像细节平均能量。

(8)根据均匀性定义，计算分割区域印刷色彩能量变化指标：

$E_i=\sqrt{\underset{x,y}{\mathrm{\Σ}}{(E_h^2(x,y)+E_v^2(x,y)+E_d^2(x,y)-E_a)}^2}/L^2\·\left(E_t\right)---\left(4\right)$

其中i为1，2....N，为印刷图像分割区域的数量。E_h、E_v、E_d分别表示为图像的水平细节能量信息，垂直细节能量信息，对角细节能量信息；L表示图像细节能量矩阵的大小；E_t表示图像细节能量矩阵信息和；分割区域图像细节平均能量E_a；(x，y)表示细节能量矩阵信息点。

(9)根据每个分割区域的能量变化指标，计算印刷图像的均匀指数：

$\mathrm{PU}=1-\underset{i}{\mathrm{\Σ}}(E_i-\stackrel{\‾}{E})/100\·\stackrel{\‾}{E}\·N---\left(5\right)$

其中，

表示能量变化的平均值；i取1，2....N，为印刷图像分割区域的数量；E_i表示为分割区域印刷色彩能量变化指标。

在检测印刷色彩均匀性时，利用计算印刷品的PU跟印刷品均匀性标准比较，如果比印刷品均匀性标准大，印刷品色彩均匀，反之，不均匀。

实施例

现以喷墨纸的印刷品色彩均匀性为例，具体来说明本发明测量及评判印刷色彩均匀性过程。

(1)调整CCD、A/D数据采集卡参数，使之能正确采集转换印刷图像；

(2)取样喷墨纸印刷图像，图像分割大小为3cm*3cm，图像像素点离散为2048*2048，图像的灰度等级为256；

(3)将印刷图像按照3cm*3cm尺寸分割，利用印刷均匀性测量计算系统对每个分割图像区域进行处理计算，采用二维离散小波分解函数和不同的小波基进行不同级数的分解。利用Matlab软件小波工具箱(Wavelet Toolbox)中二维离散小波变换分解函数Wavedec2进行多尺度二维小波分解。分解级数可选为1到7级，小波基函数可选为HAAR，SYM4，SYM5，BIOR3.7，DB1，DB3，DB4，DB5；

具体算法为：选定特定的分解级数J和小波基函数

利用Matlab软件小波工具箱(Wavelet Toolbox)中二维离散小波变换分解函数Wavedec2进行多尺度二维小波分解。Wavedec2函数的具体格式为：

C为图像的输出分解向量，S为图像的相应的记录矩阵。

(4)提取小波分解的分割区域印刷图像高频信息，得到图像的确定级数上的水平细节矩阵，垂直细节矩阵，对角细节矩阵，分别表示为图像的水平细节能量信息E_h，垂直细节能量信息E_v，对角细节能量信息E_d。

具体算法为，利用Matlab软件小波工具箱(Wavelet Toolbox)中二维离散小波变换分解结构工具Detcoef2提取从图像的输出分解向量C和图像的记录矩阵S的高频信息。E_h＝Detcoef2(‘h’，c，s，J)；E_v＝Detcoef2(‘v’，c，s，J)；E_d＝Detcoef2(‘d’，c，s，J)；其中h，V，c分别表示水平，垂直，对角方向。

(5)将分割区域图像细节能量矩阵信息进行叠加，其结果为水平细节能量E_h，垂直细节能量E_v，对角细节能量E_d的平方和E_t，即：

$E_t=\underset{x,y}{\mathrm{\Σ}}{E}_h^2(x,y)+\underset{x,y}{\mathrm{\Σ}}{E}_v^2(x,y)+\underset{x,y}{\mathrm{\Σ}}{E}_d^2(x,y)---\left(6\right)$

其中，x，y表示细节能量矩阵信息点。

(6)计算分割区域图像细节平均能量：

E_a＝E_t/L        (7)

其中L表示图像细节能量矩阵的大小；

(7)计算分割区域图像细节能量标准差：

${\mathrm{\σ}}^2=\underset{x,y}{\mathrm{\Σ}}{(E_h^2(x,y)+E_v^2(x,y)+E_d^2(x,y)-E_a)}^2/L^2---\left(8\right)$

(8)根据均匀性定义，计算分割区域印刷色彩能量变化指标：

$E_i=\sqrt{\underset{x,y}{\mathrm{\Σ}}{(E_h^2(x,y)+E_v^2(x,y)+E_d^2(x,y)-E_a)}^2}/L^2\·\left(E_t\right)---\left(9\right)$

其中i为1，2....N，为印刷图像分割区域的数量；

(9)根据每个分割区域的能量变化指标，计算印刷图像色彩的均匀指数：

$\mathrm{PU}=1-\underset{i}{\mathrm{\Σ}}(E_i-\stackrel{\‾}{E})/100\·\stackrel{\‾}{E}\·N---\left(10\right)$

其中，

表示能量变化的平均值；

(10)为了检验该方法的正确性，是否符合人眼的视觉评价系统，将本发明的方法跟人眼的视觉系统做了相关性分析，结果如下：

表1喷墨纸印刷色彩均匀性与人眼视觉评价系统相似度

表1中数据表示采用该方法分析的喷墨纸印刷均匀性与人眼视觉系统的相似度。结果表明，采用HAAR，SYM4，SYM5，BIOR3.7，DB1，DB3，DB4，DB5小波基并进行1-7级的分解，4到7级小波分解的测量结果跟人眼有很好的相似度，且数据基本一致，可以代替人眼进行测量。

除了喷墨纸印刷色彩均匀性的评价外，将测量方法应用到新闻纸，双胶纸上及铜版纸上印刷墨斑的测量，最终测量结果跟人眼有很好的相似度，反映了印刷品色彩均匀性的实际情况，最佳的参数应为下表2。

表2最佳参数值

Claims (10)

1.一种基于图像细节能量的印刷色彩均匀性测量方法，其特征在于，具体按照以下步骤实施：

步骤1：用CCD图像传感器，采集印刷图像；

步骤2：将步骤1采集的印刷图像信号通过A/D转换，转换成数字信号送入计算机，并将图像分割成固定大小；

步骤3：利用印刷均匀性测量计算系统对步骤2得到的分割图像区域进行处理计算，采用二维离散小波分解函数和不同的小波基进行不同级数的分解；

步骤4：提取步骤3得到的小波分解后的分割区域印刷图像高频信息，得到图像确定级数上的水平细节矩阵，垂直细节矩阵，对角细节矩阵；

步骤5：将步骤4得到的水平细节矩阵，垂直细节矩阵，对角细节矩阵信息进行叠加，并计算分割区域图像细节平均能量、分割区域图像细节能量标准差、分割区域印刷色彩能量变化指标，计算印刷图像的均匀指数，将印刷图像的均匀指数与印刷品均匀性标准比较，如果印刷图像的均匀指数比印刷品均匀性标准大，则印刷品色彩均匀，反之，则印刷品色彩不均匀。

2.根据权利要求1所述的基于图像细节能量的印刷色彩均匀性测量方法，其特征在于，所述步骤2中将图像分割成固定大小，分割图像的尺寸选择在1cm-6cm之间，分割图像个数为整数个；图像像素点离散为≥1024*1024；图像的灰度等级为256。

3.根据权利要求1所述的基于图像细节能量的印刷色彩均匀性测量方法，其特征在于，所述步骤3中采用二维离散小波分解函数和不同的小波基进行不同级数的分解，分解级数选为1到7级，小波基函数选为HAAR，SYM4，SYM5，BIOR3.7，DB1，DB3，DB4，DB5。

4.根据权利要求1所述的基于图像细节能量的印刷色彩均匀性测量方法，其特征在于，所述步骤3中采用二维离散小波分解函数和不同的小波基进行不同级数的分解，采用二维离散小波分解函数Wavedec2。

5.根据权利要求1所述的基于图像细节能量的印刷色彩均匀性测量方法，其特征在于，所述步骤4中提取小波分解的分割区域印刷图像高频信息，采用二维离散小波分解函数Detcoef2提取图像的高频信息。

6.根据权利要求1所述的基于图像细节能量的印刷色彩均匀性测量方法，其特征在于，所述步骤5中，将水平细节矩阵，垂直细节矩阵，对角细节矩阵信息进行叠加，具体按照以下步骤实施：

$E_t=\underset{x,y}{\mathrm{\Σ}}{E}_h^2(x,y)+\underset{x,y}{\mathrm{\Σ}}{E}_v^2(x,y)+\underset{x,y}{\mathrm{\Σ}}{E}_d^2(x,y),$

其中，E_t表示图像细节能量矩阵信息和，（x，y）表示细节能量矩阵信息点；E_h、E_v、E_d分别表示图像的水平细节能量信息，垂直细节能量信息，对角细节能量信息。

7.根据权利要求1所述的基于图像细节能量的印刷色彩均匀性测量方法，其特征在于，所述步骤5中，计算分割区域图像细节平均能量E_a，具体按照以下步骤实施：

E_a＝E_t/L，

其中L表示图像细节能量矩阵的大小，E_t表示图像细节能量矩阵信息和。

8.根据权利要求1所述的基于图像细节能量的印刷色彩均匀性测量方法，所述步骤5中，计算分割区域图像细节能量标准差σ²，具体按照以下步骤实施：

${\mathrm{\σ}}^2=\underset{x,y}{\mathrm{\Σ}}(E_h^2(x,y)+E_v^2(x,y)+E_d^2(x,y)-E_a{)}^2/L_2,$

其中，E_h、E_v、E_d分别表示图像的水平细节能量信息，垂直细节能量信息，对角细节能量信息；L表示图像细节能量矩阵的大小；（x，y）表示细节能量矩阵信息点；E_a表示分割区域图像细节平均能量。

9.根据权利要求1所述的基于图像细节能量的印刷色彩均匀性测量方法，所述步骤5中，计算分割区域印刷色彩能量变化指标E_i，具体按照以下步骤实施：

$E_i=\sqrt{\underset{x,y}{\mathrm{\Σ}}(E_h^2(x,y)+E_v^2(x,y)+E_d^2(x,y)-E_a{)}^2}/L^2\·\left(E_t\right),$

其中i为1，2….N，为印刷图像分割区域的数量；E_h、E_v、E_d分别表示图像的水平细节能量信息，垂直细节能量信息，对角细节能量信息；L表示图像细节能量矩阵的大小；E_t表示图像细节能量矩阵信息和；分割区域图像细节平均能量E_a；（x，y）表示细节能量矩阵信息点。

10.根据权利要求1所述的基于图像细节能量的印刷色彩均匀性测量方法，所述步骤5中，计算印刷图像的均匀指数PU，具体按照以下步骤实施：

$\mathrm{PU}=1-\underset{i}{\mathrm{\Σ}}(E_i-\stackrel{\‾}{E})/100\·\stackrel{\‾}{E}\·N,$

其中，

表示能量变化的平均值；i取1，2….N，表示印刷图像分割区域的数量；E_i表示分割区域印刷色彩能量变化指标。