CN107133936B - 数字半色调方法 - Google Patents

Abstract

本发明提供了一种数字半色调方法，包括如下步骤：步骤S1，将连续调图像进行双边滤波处理，得到平滑图像；步骤S2，对平滑图像进行超像素分割评估，得到该平滑图像的最佳分区数量K；步骤S3，根据最佳分区数量K对平滑图像进行超像素分割，得到K个超像素块；步骤S4，分别在每个超像素块中进行基于动态误差扩散系数的数字半色调转换，得到转换后的K个半色调像素块；步骤S5，将K个半色调像素块进行拼合，得到半色调图像并进行输出。采用本发明的方法能够避免量化误差在不同的图像区域之间继续传递和积累，使得到的半色调图像边界清晰，不会发生视觉蠕虫等视觉不良现象。

Description

数字半色调方法

技术领域

本发明属于图像硬拷贝复制领域，具体涉及一种数字半色调方法。

背景技术

通常情况下，印刷二值设备只能通过黑白网格来表现图像，而原始图像通常是具有灰度层次的连续调图像。

半色调技术是一种将连续调图像转换为二值化图像，从而让印刷二值设备能够印刷形成对应图像的技术。由于二值化图像的表现效果比连续调图像差，因此评价半色调技术的重要指标就是评价其转换得到的半色调图像的视觉效果。

目前，半色调技术中采用的算法主要为Floyrd-Steinberg误差扩散算法。该算法的主要原理为，在对整幅图像进行半色调处理时，首先对当前待处理的像素点进行二值化，并将其量化误差值按照一定的规则(同一方向上的误差扩散系数为固定值)分配到邻域像素上。这种算法虽然保证了整副图像的灰度信息不变，但在误差扩散的过程中不考虑图像中的区域或边界信息，导致量化误差不断地向处理方向累积，最终造成半色调图像边界模糊。并且，当这种量化误差累积到一定程度时，得到的图像中也容易产生视觉蠕虫，带来不良视觉感受。

另外，上述误差扩散过程中，误差扩散系数以及扩散方向均基于像素之间的位置相关性来确定，而不考虑像素之间的灰度相关性。这种固定的误差扩散方向以及大小容易使得量化误差不断向右方及后方扩散，从而导致最终的半色调图像产生结构性纹理等弊端。同时，这种固定的误差扩散方法还容易导致临近的像素之间灰度差异性难以体现，使最终得到的半色调图像中对比度下降。

发明内容

为解决上述问题，提供一种能够在半色调转换的过程中考虑到图像边界、像素之间灰度相关性的半色调方法，本发明采用了如下技术方案：

本发明提供了一种数字半色调方法，用于对作为原始图像的连续调图像进行转换得到半色调图像，其特征在于，包括如下步骤：

步骤S1，将连续调图像进行双边滤波处理，得到平滑图像；

步骤S2，对平滑图像进行超像素分割评估，得到该平滑图像的最佳分区数量K；

步骤S3，根据最佳分区数量K对平滑图像进行超像素分割，得到K个超像素块；

步骤S4，分别在每个超像素块中进行基于动态误差扩散系数的数字半色调转换，得到转换后的K个半色调像素块；

步骤S5，将K个半色调像素块进行拼合，得到半色调图像并进行输出。

本发明提供的数字半色调方法，还可以具有这样的技术特征，其中，步骤S1中的双边滤波处理包括如下子步骤：

步骤S1-1，设定U(x)为连续调图像，U_BF(x)为平滑图像，设定U(x)中的当前点为x点，该当前点x的临近点为y点，则X＝(X1,X2)表示当前点x的位置，Ω_x,y(M)表示以x点为中心的邻域，其中M为邻域窗半径_，Ω_x,y(M)＝{(x,y)+(i,j)}，M≤i,j≤M，并设定空间距离权系数参数σ和d；

步骤S1-2，根据下式(1)计算当前点x与临近点y之间的几何邻近度w_d(x,y)：

步骤S1-3，根据下式(2)计算当前点x与临近点y之间的光度相似性w_r(x,y)：

步骤S1-4，根据下式(3)对连续调图像进行滤波处理：

上述式(3)中，C_d,r为归一化系数。

本发明提供的数字半色调方法，还可以具有这样的技术特征，其中，步骤S2中的超像素分割评估包括如下子步骤：

步骤S2-1，预先设定多个互不相同的预设分区数量，并分别根据每个预设分区数量进行超像素分区，得到与预设分区数量一一对应的多个待评估分区图像；

步骤S2-2，分别对每个待评估分区图像中的超像素分区进行半色调处理，并将一个待评估分区图像中的半色调处理后的超像素分区进行拼合，得到分别与多个预设分区数量一一对应的待评估半色调图像；

步骤S2-3，分别对步骤S2-2中的待评估半色调图像的峰值信噪比、结构相似度以及归一化均方误差进行计算；

步骤S2-4，根据步骤S2-3中计算得到的峰值信噪比、结构相似度以及归一化均方误差，根据预定评估方式选择一个最佳的预设分区数量作为最佳分区数量K。

本发明提供的数字半色调方法，还可以具有这样的技术特征，其中，预定评估方式为：

设定与峰值信噪比、结构相似度以及归一化均方误差分别对应的三个权重参数，并将峰值信噪比、结构相似度以及归一化均方误差分别与其对应的权重参数相乘，最后将结果相加得到评估值，选择最佳评估值所对应的预设分区数量作为最佳分区数量K。

本发明提供的数字半色调方法，还可以具有这样的技术特征，其中，步骤S3中的超像素分割包括如下子步骤：

步骤S3-1，将连续调图像的中的总像素点数记为N，将连续调图像预先分为K个初始超像素块，则每个初始超像素块中的像素点数Size＝N/K，

步骤S3-2，分别将每个初始超像素块的中心点设定为种子点，则相邻的种子点之间的距离

步骤S3-3，依次将各个种子点设为当前种子点x_i，i＝1,2，……K，并依次将与当前种子点x_i距离最近的种子点设为y_i点，根据下式(4)及式(5)依次计算得到当前种子点x_i和与该当前种子点x_i距离最近的种子点y_i之间的颜色相似度d_lab以及空间相似度d_xy：

上式(4)中，d_l为连续调图像中像素之间的亮度差异，a_i为当前种子点x_i的红绿色度，b_i为当前种子点x_i的蓝黄色度，l_i为当前种子点x_i的亮度，a_k为y_i点的红绿色度，b_k为y_i点的蓝黄色度，l_k为y_i点的亮度；

步骤S3-4，根据颜色相似度d_lab以及空间相似度d_xy，根据下式(6)依次对当前种子点x_i附近的像素点进行聚类，从而将连续调图像分为K个超像素块：

上式(6)中，D_i为两像素的相似度衡量参数，S是各个种子点的间距，m为平衡参数，用于衡量颜色相似度d_lab以及空间相似度d_xy在相似度衡量中的比重。

本发明提供的数字半色调方法，还可以具有这样的技术特征，其中，步骤S4中的在每个超像素块中进行的数字半色调转换包括如下子步骤：

步骤S4-1，遍历当前超像素块中的每个像素三邻域，依次计算每个像素三邻域的平均灰度值，用该平均灰度值作为像素三邻域中的每个像素点的矩阵灰度值，并将每个像素点的矩阵灰度值汇总记为矩阵Ave；

步骤S4-2，选择当前超像素块中位置位于左上侧的像素点作为起始点，根据预定的动态误差扩散规则，采用Floyrd-Steinberg误差扩散法从起始点开始按照从左至右、从上而下的顺序依次对当前超像素块中的所有像素点进行二值化处理，得到当前超像素块对应的半色调像素块。

本发明提供的数字半色调方法，还可以具有这样的技术特征，其中，像素三邻域为3×3个像素所构成的大小为9像素的像素域。

本发明提供的数字半色调方法，还可以具有这样的技术特征，其中，步骤S4-2中，将当前的待处理像素点记为点O，该点O右方的像素点记为点R，下方的像素点记为点D，左下方的像素点记为点LD，右方的像素点记为点RD，

则预定的动态误差扩散规则为：

分别计算点R、点D、点LD及点RD的实际灰度值与该四个点在矩阵Ave中的对应矩阵灰度值之间的差值，并分别记为E_R、E_D、E_LD、E_RD，

当差值E_R、E_D、E_LD、E_RD均相等时，根据垂直方向大于对角线方向的原则，将动态误差系数7/16、5/16、3/16和1/16分别依次分配给点R、点D、点LD及点RD，

当差值E_R、E_D、E_LD、E_RD不完全相等时，按照四个差值从小到大的顺序，将动态误差系数7/16、5/16、3/16和1/16分别依次进行分配，并在有部分相同的差值时按照垂直方向大于对角线方向的原则进行分配。

发明作用与效果

根据本发明的数字半色调方法，由于在半色调处理前先进行超像素分割，将连续调图像分为多个超像素块以后再在每个超像素块中分别进行半色调处理，因此能够避免量化误差在不同的图像区域之间传递和积累，从而保证最终得到的半色调图像边界清晰，并且不会发生视觉蠕虫现象。另外，超像素分割的最佳分区数量通过超像素分割评估来确定，因此能够保证该超像素分割所采用的分区数量为最优数量，进一步提升最终得到的半色调图像的图像质量。

附图说明

图1是本发明的数字半色调方法的流程图；

图2为本发明实施例所涉及的分区图像；

图3为样本图像在不同的预设分区数量条件下所得到的半色调图像的峰值信噪比数据走势图；

图4为样本图像在不同的预设分区数量条件下所得到的半色调图像的结构相似度数据走势图；

图5为样本图像在不同的预设分区数量条件下所得到的半色调图像的归一化均方误差数据走势图；

图6为本发明实施例所采用的样本图像的原始连续调图像；

图7为采用本发明实施例的方法对样本图像进行转换后得到的半色调图像。

具体实施方式

以下结合附图及实施例来说明本发明的具体实施方式。

<实施例>

图1是本发明的数字半色调方法的流程图。

如图1所示，本发明的数字半色调方法包括如下步骤：

步骤S1，将连续调图像进行双边滤波处理，得到平滑图像。该步骤中，双边滤波处理是一种将高斯滤波与邻域滤波相结合的图像处理方法，具体包括如下子步骤：

步骤S1-1，设定U(x)为连续调图像，U_BF(x)为平滑图像，设定U(x)中的当前点为x点，该当前点x的临近点为y点，则X＝(X1,X2)表示当前点x的位置，Ω_x,y(M)表示以x点为中心的邻域，其中M为邻域窗半径_，Ω_x,y(M)＝{(x,y)+(i,j)}，M≤i,j≤M，并设定空间距离权系数参数σ和d。

其中，σ，d为空间距离权系数参数，其值决定了图像的平滑程度。当σ，d的值较大时，表示窗口中高斯函数所包含的像素点越多，图像将变得更加平滑，反之亦然。在实际应用时，可根据图像的实际情况具体设定σ，d的值。

步骤S1-2，根据下式(1)计算当前点x与临近点y之间的几何邻近度w_d(x,y)：

步骤S1-3，根据下式(2)计算当前点x与临近点y之间的光度相似性w_r(x,y)：

步骤S1-4，根据下式(3)对连续调图像进行滤波处理：

上述式(3)中，C_d,r为归一化系数。

采用这样的滤波处理，就能够将当前点x与临近点y之间的几何距离关系以及二者的灰度值相似程度同时考虑进来，能够更有效地消除连续调图像中的噪点等干扰因素。

步骤S2，对上述步骤S1得到的平滑图像进行超像素分割评估，从而得到该平滑图像的最佳分区数量K。该步骤中，超像素分割评估是一种采用不同的预设分区数量来进行评估的方法，具体包括如下子步骤：

步骤S2-1，预先设定多个预设分区数量，这些预设分区数量之间的值各不相同，并分别根据每个预设分区数量进行超像素分区，得到与预设分区数量一一对应的多个待评估分区图像。

图2为本发明实施例所涉及的分区图像。

其中，图2(a)为不经过双边滤波而直接进行超像素分割所得到的分区图像，图2(b)为经过双边滤波并设定预设分区数量为7而得到的待评估分区图像，图2(c)为经过双边滤波并设定预设分区数量为16而得到的待评估分区图像。

如图2(a)所示，如果不经过双边滤波处理，直接对原始的连续调图像进行超像素分割，由于连续调图像中通常存在一些噪点，因此这样的做法容易导致产生许多微小分区，并且各个分区的边界均不够规整，使后续处理难度增大。

如图2(b)及图2(c)所示，经过双边滤波处理后，得到的分区图像中分区边界更为规整，且区域大小较为接近。另外，分区数量越多，则得到的分区更为细腻，不容易将差异较大的图像部分分为同一个区，更有利于得到高质量的图像。

当然，分区数量上升将导致后续处理量增大，因此需要对不同数量的分区图像进行评估，从而确定最佳分区数量K。

步骤S2-2，分别对每个待评估分区图像中的超像素分区进行半色调处理，并将一个待评估分区图像中的半色调处理后的超像素分区进行拼合，得到分别与多个预设分区数量一一对应的待评估半色调图像，其中，对超像素分区进行半色调处理采用基于动态误差扩散系数的数字半色调转换处理，详细过程后述。

步骤S2-3，分别对步骤S2-2中的待评估半色调图像的峰值信噪比(PSNR)、结构相似度(SSIM)以及归一化均方误差(NMSE)进行计算。

上述三个参数中，PSNR值大小与半色调图像的质量成正比，NMSE值则相反，SSIM值越接近1则说明半色调图像与原始图像越相似。

本实施例中采用了三个图像(图像标题分别为Lena、Barara及Boat)作为样本图像，分别对该三个样本图像在双边滤波后得到的平滑图像进行了不同预设分区数量条件下的超像素分割，并针对不同预设分区数量条件下所得到的待评估半色调图像进行了待评估半色调图像的峰值信噪比、结构相似度以及归一化均方误差的计算。

图3为样本图像在不同的预设分区数量条件下所得到的半色调图像的峰值信噪比数据走势图，图4为样本图像在不同的预设分区数量条件下所得到的半色调图像的结构相似度数据走势图，图5为样本图像在不同的预设分区数量条件下所得到的半色调图像的归一化均方误差数据走势图。

如图3、图4及图5所示，对于该三个样本图像，不同的预设分区数量将导致PSNR、SSIM及NMSE这三个参数的走势差异。并且，不同的参数之间的走势没有很明显的相关性，因此难以直接从该三个参数的参数值来得到预设分区数量的优劣情况。

步骤S2-4，根据步骤S2-3中计算得到的峰值信噪比、结构相似度以及归一化均方误差，根据预定评估方式，选择一个最优的预设分区数量作为最佳分区数量K。

本实施例中，针对同一个样本图像在同一个预设分区数量条件下得到的待评估半色调图像，分别根据PSNR、SSIM及NMSE这三个参数对最终图像效果影响的差异性设定了对应的三个权重参数，并将权重参数分别与对应的参数值相乘，最后将结果相加得到评估值，根据该评估值的优劣即可评估不同的预设分区数量的优劣，从而得到最佳评估值所对应的最佳分区数量K。另外，该三个权重参数可根据实际需求进行不同的设定。

步骤S3，根据步骤S2得出的最佳分区数量K对平滑图像进行超像素分割，得到K个超像素块。其中，超像素分割通过以下子步骤进行：

步骤S3-1，将连续调图像的中的总像素点数记为N，并将连续调图像预先分为K个初始超像素块，则每个初始超像素块中的像素点数Size＝N/K；

步骤S3-2，分别将每个初始超像素块的中心点设定为种子点，则相邻的种子点之间的距离

步骤S3-3，依次将各个种子点设为当前种子点x_i，i＝1,2，……k，并依次将与当前种子点x_i距离最近的种子点设为y_i点，根据下式(4)及式(5)依次计算得到当前种子点x_i和与该当前种子点距离最近的种子点y_i之间的颜色相似度(即色差)d_lab以及空间相似度(即欧氏距离)d_xy：

上式(4)中，d_l为连续调图像中像素之间的亮度差异，a_i为当前种子点x_i的红绿色度，b_i为当前种子点x_i的蓝黄色度，l_i为当前种子点x_i的亮度，a_k为y_i点的红绿色度，b_k为y_i点的蓝黄色度，l_k为y_i点的亮度；

步骤S3-4，根据颜色相似度d_lab以及空间相似度d_xy，根据下式(6)依次对当前种子点x_i附近的像素点进行聚类，从而将连续调图像分为K个超像素块：

上式(6)中，D_i为两像素的相似度衡量参数，S是各个种子点的间距，m为平衡参数，用于衡量颜色相似度d_lab以及空间相似度d_xy在相似度衡量中的比重。在本实施例中，为了提高运行速度，对每个当前种子点x_i进行聚类时，只在以该当前种子点x_i为中心的2S×2S区域内搜素相似像素点。

步骤S4，分别在步骤S3得到的每个超像素块中进行基于动态误差扩散系数的数字半色调转换，得到转换后的K个半色调像素块，其中基于动态误差扩散系数的数字半色调转换包括如下子步骤：

步骤S4-1，遍历当前超像素块中的每个像素三邻域(即3×3个像素所组成的邻域)，依次计算每个像素三邻域的平均灰度值(该3×3像素，即9个像素的平均灰度值)，用该平均灰度值作为像素三邻域中的每个像素点的矩阵灰度值，并将每个像素点的矩阵灰度值汇总，记为矩阵Ave；

步骤S4-2，选择当前超像素块中位置位于左上侧的像素点作为起始点，根据预定的动态误差扩散规则，采用Floyrd-Steinberg误差扩散法从起始点开始按照从左至右、从上而下的顺序依次对当前超像素块中的所有像素点进行二值化处理，得到当前超像素块对应的半色调像素块。

上述步骤S4-2采用的Floyrd-Steinberg误差扩散法的过程与现有技术基本相同。但是，其中不同之处在于，在将当前像素点的误差扩散至周围的像素点时，不是固定方向采用固定扩散系数值的规则，而是采用了预定的动态误差扩散规则，具体如下：

将当前的待处理像素点记为点O，该点O右方的像素点记为点R，下方的像素点记为点D，左下方的像素点记为点LD，右方的像素点记为点RD，分别计算点R、点D、点LD及点RD的实际灰度值与该四个点在矩阵Ave中的对应矩阵灰度值之间的差值，并分别记为E_R、E_D、E_LD、E_RD，然后判断E_R、E_D、E_LD、E_RD的绝对值大小。

当E_R、E_D、E_LD、E_RD均相等时，根据垂直方向大于对角线方向的原则，将动态误差系数7/16、5/16、3/16和1/16分别依次分配给点R、点D、点LD及点RD(即，1/16分配给点RD，3/16分配给点LD，5/16分配给点D，7/16分配给点R)。

当差值E_R、E_D、E_LD、E_RD不完全相等时，按照四个差值从大到小的顺序，将动态误差系数1/16、3/16、5/16和7/16分别依次进行分配，并在有部分相同时按照垂直方向大于对角线方向的原则进行分配。

也就是说，将该四个差值从小到大排列，并将动态误差系数按照1/16、3/16、5/16和7/16依次分配给该四个差值所对应的点。即，将最小的动态误差系数1/16分配给排在第一(也就是最大)的差值所对应的点，将动态误差系数3/16分配给排在第二(也就是第二大)的差值所对应的点，以此类推，直到将最大的动态误差系数7/16分配给排在第四的差值所对应的点。

另外，在上述不完全相等的过程中，如果出现了部分相等(例如，其中的两个或三个相等)的情况，则差值排序时仍然遵照垂直方向大于对角线方向的原则(即，当二者值相等时，按照E_R、E_D、E_LD、E_RD的先后顺序排列)。例如，E_D、E_LD的值相等时，则将E_D排在E_LD前；当E_D、E_RD的值相等时，则将E_D排在E_LD前。

经过上述步骤S4-1、步骤S4-2的处理，当前超像素块就完成了半色调转换，得到了对应的半色调像素块。然后，选择下一个超像素块作为新的当前超像素块，继续进行上述基于动态误差扩散的半色调转换，直到K个超像素块都完成转换。

步骤S5，将步骤S4得到的K个半色调像素块进行拼合，得到原始的连续调图像所对应的半色调图像，并进行相应的输出。

图6为本发明实施例所采用的样本图像的原始连续调图像，图7为采用本发明实施例的方法对样本图像进行转换后得到的半色调图像。

如图6及图7所示，采用本实施例的方法对样本图像Lena进行处理，最终得到了符合印刷二值设备需求的半色调图像。该半色调图像不存在视觉蠕虫等传统的半色调方法所存在的问题，并且其中边界部分得到了很好的保留，图像整体对比度良好。

实施例作用与效果

根据本实施例的数字半色调方法，由于在半色调处理前先进行超像素分割，将连续调图像分为多个超像素块以后再在每个超像素块中分别进行半色调处理，因此能够避免量化误差在不同的图像区域之间传递和积累，从而保证最终得到的半色调图像边界清晰，并且不会发生视觉蠕虫现象。另外，超像素分割的最佳分区数量通过超像素分割评估来确定，因此能够保证该超像素分割所采用的分区数量为最优数量，进一步提升最终得到的半色调图像的图像质量。

本实施例中，由于采用了将高斯滤波与邻域滤波相结合的双边滤波处理来对原始的连续调图像进行处理，得到平滑图像，因此能够有效消除连续调图像中的噪点等干扰因素，使后续的超像素分割更容易进行。

由于采用了针对不同的预设分区数量进行预先半色调处理、计算相关参数的评估方法，因此能够针对实际的最终结果进行超像素分割评估，使评估的结果能够更有效地反映最终半色调图像的质量。并且，在该评估过程中采用了针对峰值信噪比、结构相似度以及归一化均方误这三个参数设定不同的权重参数的方式来计算评估值，因此能够使该评估值能够更好地综合该三个参数值的结果，从整体上反映图像的质量。

本实施例中，对超像素块内进行半色调处理采用了基于动态误差扩散的数字半色调转换，该转换方法在传统的Floyrd-Steinberg误差扩散法基础上进行了改进，采用了动态误差扩散规则来对动态误差系数进行分配，因此与传统的固定方向固定扩散系数值相比，能够在转换过程中参考相邻像素之间灰度值的相关性来进行误差扩散，避免了量化误差累积问题，不仅能够消除结构性纹理等弊端，同时也提高了最终得到的半色调图像的整体对比度。

Claims (6)

1.一种数字半色调方法，用于对作为原始图像的连续调图像进行转换得到半色调图像，其特征在于，包括如下步骤：

步骤S1，将所述连续调图像进行双边滤波处理，得到平滑图像；

步骤S2，对所述平滑图像进行超像素分割评估，得到该平滑图像的最佳分区数量K；

步骤S3，根据所述最佳分区数量K对所述平滑图像进行超像素分割，得到K个超像素块；

步骤S4，分别在每个所述超像素块中进行基于动态误差扩散系数的数字半色调转换，得到转换后的K个半色调像素块；

步骤S5，将所述K个半色调像素块进行拼合，得到所述半色调图像并进行输出；

其中，基于动态误差扩散系数的数字半色调转换包括如下子步骤：

步骤S4-1，遍历当前超像素块中的每个像素三邻域，依次计算每个像素三邻域的平均灰度值，用该平均灰度值作为像素三邻域中的每个像素点的矩阵灰度值，并将每个像素点的矩阵灰度值汇总，记为矩阵Ave；

步骤S4-2，选择当前超像素块中位置位于左上侧的像素点作为起始点，根据预定的动态误差扩散规则，采用Floyrd-Steinberg误差扩散法从起始点开始按照从左至右、从上而下的顺序依次对当前超像素块中的所有像素点进行二值化处理，得到当前超像素块对应的半色调像素块；

上述步骤S4-2采用的Floyrd-Steinberg误差扩散法的过程与现有技术基本相同，但是，其中不同之处在于，在将当前像素点的误差扩散至周围的像素点时，不是固定方向采用固定扩散系数值的规则，而是采用了预定的动态误差扩散规则，具体如下：

将当前的待处理像素点记为点O，该点O右方的像素点记为点R，下方的像素点记为点D，左下方的像素点记为点LD，右方的像素点记为点RD，分别计算点R、点D、点LD及点RD的实际灰度值与该四个点在矩阵Ave中的对应矩阵灰度值之间的差值，并分别记为E_R、E_D、E_LD、E_RD，然后判断E_R、E_D、E_LD、E_RD的绝对值大小，

当E_R、E_D、E_LD、E_RD均相等时，根据垂直方向大于对角线方向的原则，将动态误差系数7/16、5/16、3/16和1/16分别依次分配给点R、点D、点LD及点RD，当差值E_R、E_D、E_LD、E_RD不完全相等时，按照四个差值从大到小的顺序，将动态误差系数1/16、3/16、5/16和7/16分别依次进行分配，并在有部分相同时按照垂直方向大于对角线方向的原则进行分配。

2.根据权利要求1所述的数字半色调方法，其特征在于：

其中，步骤S1中的所述双边滤波处理包括如下子步骤：

步骤S1-1，设定U(x)为所述连续调图像，U_BF(x)为所述平滑图像，设定U(x)中的当前点为x点，该当前点x的临近点为y点，则X＝(X1,X2)表示当前点x的位置，Ω_x,y(M)表示以x点为中心的邻域，其中M为邻域窗半径_，Ω_x,y(M)＝{(x,y)+(i,j)}，M≤i,j≤M，并设定空间距离权系数参数σ和d；

步骤S1-2，根据下式(1)计算所述当前点x与所述临近点y之间的几何邻近度w_d(x,y)：

步骤S1-3，根据下式(2)计算所述当前点x与所述临近点y之间的光度相似性w_r(x,y)：

步骤S1-4，根据下式(3)对所述连续调图像进行滤波处理：

上述式(3)中，C_d,r为归一化系数。

3.根据权利要求1所述的数字半色调方法，其特征在于：

其中，步骤S2中的所述超像素分割评估包括如下子步骤：

步骤S2-1，预先设定多个互不相同的预设分区数量，并分别根据每个所述预设分区数量进行超像素分区，得到与所述预设分区数量一一对应的多个待评估分区图像；

步骤S2-2，分别对每个所述待评估分区图像中的超像素分区进行半色调处理，并将一个所述待评估分区图像中的半色调处理后的所述超像素分区进行拼合，得到分别与所述多个预设分区数量一一对应的待评估半色调图像；

步骤S2-3，分别对步骤S2-2中的所述待评估半色调图像的峰值信噪比、结构相似度以及归一化均方误差进行计算；

步骤S2-4，根据步骤S2-3中计算得到的所述峰值信噪比、所述结构相似度以及所述归一化均方误差，根据预定评估方式选择一个最佳的所述预设分区数量作为所述最佳分区数量K。

4.根据权利要求3所述的数字半色调方法，其特征在于：

其中，所述预定评估方式为：

设定与所述峰值信噪比、所述结构相似度以及所述归一化均方误差分别对应的三个权重参数，并将所述峰值信噪比、所述结构相似度以及所述归一化均方误差分别与其对应的所述权重参数相乘，最后将结果相加得到评估值，选择最佳评估值所对应的所述预设分区数量作为所述最佳分区数量K。

5.根据权利要求1所述的数字半色调方法，其特征在于：

其中，步骤S3中的所述超像素分割包括如下子步骤：

步骤S3-1，将所述连续调图像的中的总像素点数记为N，并将该连续调图像预先分为K个初始超像素块，则每个所述初始超像素块中的像素点数Size＝N/K，

步骤S3-2，分别将每个所述初始超像素块的中心点设定为种子点，则相邻的所述种子点之间的距离

步骤S3-3，依次将各个所述种子点设为当前种子点x_i，i＝1,2，……K，并依次将与所述当前种子点x_i距离最近的所述种子点设为y_i点，根据下式(4)及式(5)依次计算得到所述当前种子点x_i和与该当前种子点x_i距离最近的种子点y_i之间的颜色相似度d_lab以及空间相似度d_xy：

上式(4)中，d_l为所述连续调图像中像素之间的亮度差异，a_i为所述当前种子点x_i的红绿色度，b_i为所述当前种子点x_i的蓝黄色度，l_i为所述当前种子点x_i的亮度，a_k为所述y_i点的红绿色度，b_k为所述y_i点的蓝黄色度，l_k为所述y_i点的亮度；

步骤S3-4，根据所述颜色相似度d_lab以及所述空间相似度d_xy，根据下式(6)依次对所述当前种子点x_i附近的像素点进行聚类，从而将所述连续调图像分为K个超像素块：

上式(6)中，d_l代表灰度连续调图像中像素之间亮度差异，D_i为两像素的相似度衡量参数，S是各个种子点的间距，m为平衡参数，用于衡量所述颜色相似度d_lab以及所述空间相似度d_xy在相似度衡量中的比重。

6.根据权利要求1所述的数字半色调方法，其特征在于：

其中，所述像素三邻域为3×3个像素所构成的大小为9像素的像素域。