CN104112260A - 一种基于查找表的逆半色调方法 - Google Patents

Abstract

本发明涉及一种基于查找表的逆半色调方法。建表阶段首先输入训练图像集和模板，再根据模板尺寸建立空值查找表。最后利用模板按光栅扫描方式对半色调图像的每个像素进行处理，提取模板索引和像素概率索引，与原始多级灰度图像对应的像素灰度值，一起构成查找表的一个表项。重建阶段首先输入半色调图像、查找表及模板；然后利用模板按光栅扫描方式对半色调图像的每个像素进行处理，提取模式索引和像素概率索引值，根据模式索引和像素概率索引值找到查找表中对应项的灰度值作为测试图像像素的灰度值。如果索引项为空，则利用动态邻域均值法估计该表项值，并更新查找表。本发明能改善重建图像的质量，消除图像模糊现象。算法简单，易实现。

Description

一种基于查找表的逆半色调方法

技术领域

 本发明涉及计算机图像处理领域，特别涉及一种半色调图像的重建方法，可用于扫描图像、传真图像等各种半色调图像的恢复与处理。

背景技术

随着打印机、扫描仪及传真机的普及，半色调图像广泛地应用于社会的各个领域。因此，为了实现半色调图像文档的电子化，适应于半色调图像的逆技术显得非常必要。一种传统的方法是对半色调图像进行滤波，将其转化为对应的灰度图像，但经过这种方法处理后，图像会变得模糊，很多图像细节会丢失。另一种传统方法对半色调图像建立目标函数，采用迭代求解的方法来求解最优重建图像，可获得较为清晰的重建图像，然而求解效率差，而且将会出现部分畸变。现有的研究表明基于查找表的逆半调方法是一种非常好的方法。针对基于查找表的逆半调方法，Chung, K. L，Y Huang，Chang, P C，Mese M等人给出了多种方法，这些方法包括基于边缘查找表的逆半色调方法，基于矢量和纹理查找表的逆半色调技术，基于LMS/MMSE的逆半色调技术，基于查找表和高斯滤波的逆半色调技术，基于树结构的查找表逆半色调技术等。这些逆半色调技术各有特色，但重建后的图像质量较差，有待进一步改善。

发明内容

本发明的目的是：提供一种对半色调图像进行逆向重建的方法，其能够进行高质量的逆半色调处理。

为了实现本发明的目的，采用以下技术方案实现：

一种基于查找表的逆半色调方法，包括：

在建表阶段，首先输入训练图像集和模板。其次，根据模板大小建立空值查找表。最后，利用模板按光栅扫描方式对半色调图像的每个像素及其邻域进行处理，提取模板索引和像素概率索引，与原始多级灰度图像对应的灰度值，一起构成查找表的一个表项。

在重建阶段，首先输入半色调图像、查找表及模板；然后利用模板按光栅扫描方式对半色调图像的每个像素进行处理，提取模板索引和像素概率索引值，根据模板索引和像素概率索引值找到查找表中对应项的灰度值作为重建图像对应像素的灰度值。如果灰度值为空，则利用动态邻域均值法估计灰度值，并更新查找表。

所述模板为一组适用于Floy误差分散半色调图像的最优模板，如下：

及适用于Bayer分散抖动的最优模板如下，其中，中心位置(3,3)，参数K=16及K=19，

 。

所述动态邻域估计法：利用当前半色调图像中像素的邻域动态估计像素灰度值，估计方法为：选定大小为3×3的邻域，然后计算当前半色调像素邻域中像素均值，以此作为估计值。

所述像素概率索引计算方法：将被处理像素邻域中像素概率的均值区间[0 1]分成大小相等的区间。设区间数为n _m ，则区间长度s _m =1/(n _m -1) 。同样，将局部区域中像素概率的方差区间[0 0.5]分成大小相等的区间，其区间数是n _v ，则区间长度s _v =1/(n _v -1) 。设图像像素F(x, y)邻域的像素概率均值为μ(x,y)和方差为σ(x,y)，则像素概率索引的计算方法为：

J=fix(μ(x, y)/s _m +1)*n _v + fix(σ(x, y)/s _v +1)

所述像素概率的均值和方差的计算方法：图像像素邻域大小为7×7，设图像位置(i,j)的像素概率为p(i,j)，则像素概率的均值和方差计算公式为：

均值：

方差：

其中，μ满足0≤μ≤1；σ满足σ≤0.5。

所述像素概率计算方法：设像素邻域大小为5×5，n _b 为(i, j)位置像素邻域内黑色像素的个数，n _w 为邻域内白色像素的个数。则像素概率的计算方法为：p(i, j)=n _b /(n _w +n _b )。

本发明方法包括两个阶段：建表阶段和重建阶段。

建表阶段包括的步骤如下：

步骤T1. 选定n幅半调图像及其连续图像对作为建立查找表的训练图像集，并选定模板T。

步骤T2. 建立空表LUT[]，并初始化LUT[I,J]=0，N[I,J]=0。LUT[]是用于存储半调图像到多级灰度值的映射表，N[]用于暂时存储模板索引I和像素索引J所对应的多级灰度值的个数。

步骤T3. 用模板T在每幅半调图像中按光栅扫描方式逐个像素覆盖，提取模板索引I、像素概率索引J及其对应连续灰度值g，执行N[I,J]=N[I,J]+1和LUT[I,J]=LUT[I,J]+g。当训练图像集中所有图像都经过训练后，执行LUT[I,J]=LUT[I,J]/N[I,J]。

重建阶段包括的步骤如下：

步骤C1. 输入半色调图像、表LUT及模板T。

步骤C2. 用模板T在半调图像中按光栅扫描方式逐个像素覆盖，提取半调模式索引I、像素概率索引J。

步骤C3. 根据I和J，查找LUT，获得对应的灰度值g作为半色调图像中当前被处理像素值的估计。如果灰度值g为空，则采用动态邻域估计法获得像素的灰度值。由被估计值构成的图像即为重建的逆半色调图像。

本发明由于采用了上述的逆半色调方法，能够很大程度上改善重建图像的质量，消除图像模糊现象。算法简单，易实现，图像重建速度快。

下面结合附图对本发明作进一步的说明。

附图说明

图1为建立查找表的示意图；

图2为半色调图像重建示意图；

图3为模板示意图；

图4为图像像素概率计算示意图。

具体实施方式

本发明提出一种基于查找表的逆半色调方法。图1为建立查找表的示意图，通过提取半色调图像的模板索引和概率索引来建立查找表。图2为半色调图像重建示意图。重建时，提取像素的模板索引值和概率索引值，然后查询查找表来获得半色调图像像素的多级灰度估计值。像素概率索引考虑了邻域像素的分布特性，能得到高质量的连续调图像。

1. 步骤T1和C1中的模板采用如图3所示的模板，其中K=16 表示模板中“1”个数，加下划线的元素表示被处理像素。

2. 步骤T3和C2中，模板索引I计算方法如下：

从模板上方第一行开始从左至右，从上至下对具有”1”的元素赋予权值，分别为：2⁰, 2¹, 2², …, 2 ^K-1。当模板按光栅扫描顺序以滑动窗口形式覆盖半色调图像中的局部区域时，设元素“1”按同样方式对应的像素为S₁,…,S_K，则半调模式索引I的计算公式为：

3. 步骤T3和C2中，像素概率索引J提取方法如下

构造方法为：将被处理像素的局部区域中像素概率均值分布区间[0 1]分成大小相等的区间，设区间数为n _m ，则区间大小s _m =1/(n _m -1)。同样，将局部区域中像素概率方差分布区间[0 0.5]分成大小相等的区间，其区间数是n _v ，则区间大小s _v =1/(n _v -1)。计算图像像素F(x, y)邻域的像素概率均值μ(x,y)和方差σ(x,y)，则像素概率索引J的计算公式为：

J=fix(μ(x, y)/s _m +1)*n _v + fix(σ(x, y)/s _v +1)

4. 所涉及的像素概率计算公式为：

，

其中，n _b 为(i, j)位置像素邻域内黑色像素的个数；n _w 为邻域内白色像素的个数。像素邻域大小为5×5，如图4所示，“O”表示被处理元素。p(i, j)(0≤p(i, j)≤1)表示位置(i, j)像素邻域中黑色像素的密度，反映其邻域中黑色像素的分布情况。p(i, j)越大，则黑色像素越多，否则白色像素越多。p(i, j)=1时表明像素邻域全为黑色像素；p(i, j)=0时表明像素邻域全为白色像素；当p(i, j)=0.5时表明黑白像素个数相等。

5. 所涉及的像素概率的均值和方差的计算方法

像素局部区域定义为7×7大小的图像局部区域，可以用图像局部区域中图像向素概率的均值和方差来区分不同的黑白像素的分布情况。图像像素概率的均值和方差计算公式为：

                                    

                             

其中，μ满足0≤μ≤1。μ越接近0.5，说明黑白色像素的分布越均匀，且数量越相当；μ趋近于0(1)，则说明半调图像的像素大部分为白(黑)色，μ=0(1)表明半调图像为全白(黑)。方差σ满足0≤σ≤0.5，表明图像像素概率分布的均匀程度，其值越小，则黑白色像素的分布越均匀，含有越多的半调特征信息。

6. 所涉及步骤C3中动态邻域均值法

利用当前半色调图像中像素的邻域估计像素灰度值，估计方法为：选定大小为3×3的邻域，然后计算邻域中像素的均值，以此作为估计值。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种基于查找表的逆半色调方法，其特征在于，包括：

在建表阶段，首先输入训练图像集和模板，其次，根据模板大小建立空值查找表，最后，利用模板按光栅扫描方式对半色调图像的每个像素及其邻域进行处理，提取模板索引和像素概率索引，与原始多级灰度图像对应的灰度值，一起构成查找表的一个表项；

在重建阶段，首先输入半色调图像、查找表及模板；然后利用模板按光栅扫描方式对半色调图像的每个像素进行处理，提取模板索引和像素概率索引值，根据模板索引和像素概率索引值找到查找表中对应项的灰度值作为重建图像对应像素的灰度值，如果灰度值为空，则利用动态邻域均值法估计灰度值，并更新查找表。

2.根据权利要求1所述的方法，其特征在于，所述模板为一组适用于Floy误差分散半色调图像的最优模板，如下：

及适用于Bayer分散抖动的最优模板如下，其中，中心位置(3,3)，参数K=16及K=19，

。

3.根据权利要求1或2所述的方法，其特征在于，所述动态邻域估计法：利用当前半色调图像中像素的邻域动态估计像素灰度值，估计方法为：选定大小为3×3的邻域，然后计算当前半色调像素邻域中像素均值，以此作为估计值。

4.根据权利要求3所述的方法，其特征在于，所述像素概率索引的计算方法：将被处理像素邻域中像素概率的均值区间[0 1]分成大小相等的区间，设区间数为n _m ，则区间长度s _m =1/(n _m -1)，同样，将局部区域中像素概率的方差区间[0 0.5]分成大小相等的区间，其区间数是n _v ，则区间长度s _v =1/(n _v -1)，设图像像素F(x, y)邻域的像素概率均值为μ(x,y)和方差为σ(x,y)，则像素概率索引的计算方法为：

J=fix(μ(x, y)/s _m +1)*n _v + fix(σ(x, y)/s _v +1)。

5.根据权利要求4所述的方法，其特征在于，所述像素概率的均值和方差的计算方法：图像像素邻域大小为7×7，设图像位置(i,j)的像素概率为p(i,j)，则像素概率的均值和方差计算公式为：

均值：

方差：

其中，μ满足0≤μ≤1；σ满足σ≤0.5。

6.根据权利要求5所述的方法，其特征在于，所述像素概率的计算方法：设像素邻域大小为5×5，n _b 为(i, j)位置像素邻域内黑色像素的个数，n _w 为邻域内白色像素的个数，则像素概率的计算方法为：p(i, j)=n _b /(n _w +n _b ) 。