CN108320271A - 一种顾及边缘信息的多级误差扩散图像网目调方法和系统 - Google Patents
一种顾及边缘信息的多级误差扩散图像网目调方法和系统 Download PDFInfo
- Publication number
- CN108320271A CN108320271A CN201810204305.2A CN201810204305A CN108320271A CN 108320271 A CN108320271 A CN 108320271A CN 201810204305 A CN201810204305 A CN 201810204305A CN 108320271 A CN108320271 A CN 108320271A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- formula
- mesh
- marginal information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009792 diffusion process Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 42
- 238000013139 quantization Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 238000005498 polishing Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000001404 mediated effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 9
- 230000003750 conditioning effect Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000002620 method output Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种顾及边缘信息的多级误差扩散图像网目调方法和系统，属于数字图像硬拷贝输出技术领域。本发明公开的方法首先将输入图像进行非线性分解，然后针对每幅分解图像，利用顾及边缘信息的多尺度误差扩散网目调方法进行网目调处理，得到多幅二值网目调图像，最后将各二值网目调图像进行合并，得到多级网目调图像。本发明所述的方法不仅能够有效缓解误差扩散网目调方法容易产生规律性纹理的问题，使网目调图像阶调层次与输入图像保持一致，同时能够保持输入图像的边缘结构信息，此外本发明算法得到出多级网目调图像可直接应用于多位打印机进行打印输出。
Description
技术领域
本发明属于图像硬拷贝输出技术领域，具体涉及一种顾及边缘信息的多级误差扩散图像网目调方法和系统。
背景技术
图像、文字信息传播需要经过采集、处理和输出三大过程，其中图像输出是信息再现的重要方式。图像输出技术按照输出方式可分为硬拷贝输出和软拷贝输出，其中硬拷贝输出的主要形式为打印输出。由于图像采集设备采集得到的图像色彩阶调丰富，而打印输出设备在进行打印输出时，只能通过有限且较少的记录状态(通常是两种)来实现输入图像的再现，因此为了准确再现输入图像的阶调，在打印输出时需要使用图像网目调方法将阶调丰富的连续调图像转化与打印设备输出阶调数目相匹配的网目调图像。因此图像网目调方法直接影响着打印输出的质量，成为了图像输出技术的关键技术之一。
目前，根据图像网目调技术的处理过程可以将其分为三大类：相邻过程、点过程和迭代过程。相邻过程网目调成像技术依次对输入图像的像素点进行处理，已处理的像素点的处理结果将影响到输入图像中未处理的像素点，最后得到网目调图像；点过程网目调成像技术是使用预先设置好的阈值矩阵，按照一定的规则进行平铺，得到一个与输入图像大小相同的阈值模板，通过直接比较相同坐标位置上阈值模板的值和输入图像的像素灰度值，最后得到网目调成像输出结果，由于采用阈值矩阵周期性平铺，网目调图像中容易产生周期性纹理，影响视觉效果；迭代过程网目调成像技术在相邻过程或者点过程网目调成像技术的基础上，循环调整网目调输出结果中的打印点的位置，得到优化后的网目调图像，但在逐个调整打印点过程中需要大量的计算，增加了时间开销，其应用范围较窄。不同类型的网目调技术，其网目调处理速度和网目调成像效果上有较大的区别，它们在不同的输出环境和输出目的下均有应用。
综上，现有的网目调算法基本上都存在方向性纹理，边缘模糊等问题；此外，随着打印机研制技术的飞速发展，多级打印已经成为趋势，，而目前主流的网目调技术输出为二值图像，不能直接应用于多级打印机进行打印输出，因此急需一种多级网目调技术来将输入图像转换成多级网目调图像。
发明内容
有鉴于此，本发明的目的在于提供一种顾及边缘信息的多级误差扩散图像网目调方法。使用该方法得到的网目调图像结果阶调层次与输入图像保持一致，边缘信息保持良好，并且可以直接运用于多级打印机进行打印输出。
为了实现上述发明目的，本发明所采用的技术方案是：一种顾及边缘信息的多级误差扩散图像网目调方法，包括以下步骤：
步骤1，对输入图像进行归一化，然后再进行非线性分解，得到n幅与输入图像大小相同的分解图像，其中n为打印机的输出状态数目；
步骤2，利用顾及边缘信息的多尺度误差扩散网目调方法将分解后的图像进行网目调处理，得到n幅二值网目调图像；
步骤3，将步骤2中处理得到的n幅二值网目调图像进行合并，得到最终多级网目调输出图像。
进一步的，步骤1中对输入图像进行归一化和非线性分解的公式如下，
式中，Xinput(i,j)为输入图像中坐标为(i,j)的像素的灰度值，X(i,j)为输入图像归一化后坐标为(i,j)的像素的灰度值；X0(i,j)＝1，m＝1,2,…,n-1，i,j＝0,1,…,N-1，n为打印机的输出状态数目，Xm(i,j)为输入图像非线性分解后第m个图像中坐标为(i,j)的像素的灰度值，若为2位打印机，则n＝22＝4，N为输入图像的长和宽，若图像长和宽不相等，则首先对图像进行复制补齐。
进一步的，步骤2的具体实现方式如下，
步骤2.1，初始化网目调输出图像为全黑，即将图像中所有的像素点的灰度值设置为0；
步骤2.2，提取分解后图像的边缘信息；
步骤2.2.1，计算分解后图像Xm(i,j)3×3邻域的平均灰度计算如公式(3)，
步骤2.2.2，计算图像像素空间局部变化率Vm(i,j)，即像素点各个方向的梯度加权和，计算公式如公式(4)，
式中，W(k,l)为空间权重函数：
步骤2.2.3，计算像素点的显著程度，即像素点与其邻域内像素点平均灰度的差异程度，计算公式如公式(6)，
步骤2.2.4，将图像的局部平均灰度、空间局部变化率和像素显著程度综合，计算图像的边缘信息，
式中：α为归一化参数；Eedge(i,j)∈[0,1]；
步骤2.3，将下一层中相邻的四个像素的灰度值之和作为其上一层像素的灰度值，创建图像金字塔，并统计网目调图像中所需白点数目，即所创建的图像金字塔最顶层元素的灰度值；
式中，ik,jk＝0,1,…,2k-1，k＝r-1,r-2,…,0，r为图像金字塔的层数，Xm,k(ik,jk)为非线性分解后第m个图像的金字塔第k层图像；
步骤2.4，利用公式(9)从图像金字塔第二层中搜索灰度与边缘信息综合值最大的像素点，然后找出该点对应下一层图像区域中灰度值最大的像素点，依次进行搜索，得到输入图像的像素点，并将网目调图像中该点对应的像素点设置为白，即像素值设为1，同时白点数目减少1；若达到所需的白点数，则停止搜索，输出最终的网目调结果；否则进行步骤2.5和步骤2.6；
(i*,j*)＝arg[max(β1×Xm(i,j)+β2×Eedge(i,j))] (9)
式中(i*,j*)为使β1×Xm(i,j)+β2×Eedge(i,j)最大的(i,j)序列，β1，β2分别为图像灰度值与边缘信息的权重，β1∈(0,1)，β2∈(0,1)且β1+β2＝1；
步骤2.5，计算分解后图像的像素点量化后产生的误差，利用动态非时序误差扩散滤波器将该误差扩散至其邻域像素；
步骤2.6，将图像中已处理点的灰度值设置为0，同时反向更新图像金字塔，返回执行步骤2.4。
进一步的，步骤2.5中利用如下公式计算原始图像的像素点的量化后产生的误差，
E＝0-Xm(i*,j*) (10)
其中，E为量化后产生的误差，Xm(i*,j*)是由步骤2.4搜索得到的第m个图像中的像素点。
其中动态非时序误差扩散滤波器的表达式如下，
式中，为误差扩散滤波器中扩散系数之和，C为滤波器中对应位置的系数；Xm(i*,j*)是由步骤2.4搜索得到的第m个图像中的像素点；如果误差扩散域中某点为已处理点，则将该系数C设置为0，否则为初始滤波器中对应位置的系数，于此同时动态地更新N，从而动态更新误差扩散滤波器。
进一步的，步骤3中将n幅二值网目调图像按照公式(12)进行合并，得到最终多级网目调输出图像，
式中，Bm为第m个二值网目调图像，n为打印机的输出状态数目。
此外，本发明还提供一种顾及边缘信息的多级误差扩散图像网目调系统，包括如下模块：
非线性分解模块，用于对输入图像进行归一化，然后再进行非线性分解，得到n幅与输入图像大小相同的分解图像，其中n为打印机的输出状态数目；
网目调处理模块，用于利用顾及边缘信息的多尺度误差扩散网目调方法将分解后的图像进行网目调处理，得到n幅二值网目调图像；
网目调图像合并及输出模块，用于将网目调处理模块中处理得到的n幅二值网目调图像进行合并，得到最终多级网目调输出图像。
进一步的，非线性分解模块中对输入图像进行归一化和非线性分解的公式如下，
式中，Xinput(i,j)为输入图像中坐标为(i,j)的像素的灰度值，X(i,j)为输入图像归一化后坐标为(i,j)的像素的灰度值；X0(i,j)＝1，m＝1,2,…,n-1，i,j＝0,1,…,N-1，n为打印机的输出状态数目，Xm(i,j)为输入图像非线性分解后第m个图像中坐标为(i,j)的像素的灰度值，若为2位打印机，则n＝22＝4，N为输入图像的长和宽，若图像长和宽不相等，则首先对图像进行复制补齐。
进一步的，网目调处理模块包括如下子模块，
图像初始化子模块，用于初始化网目调输出图像为全黑，即将图像中所有的像素点的灰度值设置为0；
边缘信息提取子模块，用于提取分解后图像的边缘信息，包括以下单元；
第一单元，计算分解后图像Xm(i,j)3×3邻域的平均灰度计算如公式(3)，
第二单元，计算图像像素空间局部变化率Vm(i,j)，即像素点各个方向的梯度加权和，计算公式如公式(4)，
式中，W(k,l)为空间权重函数：
第三单元，计算像素点的显著程度，即像素点与其邻域内像素点平均灰度的差异程度，计算公式如公式(6)，
第四单元，将图像的局部平均灰度、空间局部变化率和像素显著程度综合，计算图像的边缘信息，
式中：α为归一化参数；Eedge(i,j)∈[0,1]；
金字塔创建子模块，用于将下一层中相邻的四个像素的灰度值之和作为其上一层像素的灰度值，创建图像金字塔，并统计网目调图像中所需白点数目，即所创建的图像金字塔最顶层元素的灰度值；
式中，ik,jk＝0,1,…,2k-1，k＝r-1,r-2,…,0，r为图像金字塔的层数，Xm,k(ik,jk)为非线性分解后第m个图像的金字塔第k层图像；
网目调输出子模块，用于利用公式(9)从图像金字塔第二层中搜索灰度与边缘信息综合值最大的像素点，然后找出该点对应下一层图像区域中灰度值最大的像素点，依次进行搜索，得到输入图像的像素点，并将网目调图像中该点对应的像素点设置为白，即像素值设为1，同时白点数目减少1；若达到所需的白点数，则停止搜索，输出最终的网目调结果；
(i*,j*)＝arg[max(β1×Xm(i,j)+β2×Eedge(i,j))] (9)
式中(i*,j*)为使β1×Xm(i,j)+β2×Eedge(i,j)最大的(i,j)序列，β1，β2分别为图像灰度值与边缘信息的权重，β1∈(0,1)，β2∈(0,1)且β1+β2＝1；
误差扩散子模块，用于计算分解后图像的像素点量化后产生的误差，利用动态非时序误差扩散滤波器将该误差扩散至其邻域像素；
金字塔反向更新子模块，用于将图像中已处理点的灰度值设置为0，同时反向更新图像金字塔。
进一步的，误差扩散子模块中利用如下公式计算原始图像的像素点的量化后产生的误差，
E＝0-Xm(i*,j*) (10)
其中，E为量化后产生的误差，Xm(i*,j*)是由网目调输出子模块搜索得到的第m个图像中的像素点；
其中动态非时序误差扩散滤波器的表达式如下，
式中，为误差扩散滤波器中扩散系数之和，C为滤波器中对应位置的系数；Xm(i*,j*)是由网目调输出子模块搜索得到的第m个图像中的像素点；如果误差扩散域中某点为已处理点，则将该系数C设置为0，否则为初始滤波器中对应位置的系数，于此同时动态地更新N，从而动态更新误差扩散滤波器。
进一步的，网目调图像合并及输出模块中将n幅二值网目调图像按照公式(12)进行合并，得到最终多级网目调输出图像，
式中，Bm为第m个二值网目调图像，n为打印机的输出状态数目。
本发明的优点和有益效果在于：本发明首先对图像进行归一化，方便了网目调过程中打印点的统计；图像的非线性分解保持了图像的各个阶调层次细节；采用本发明所述的方法，可以缓解误差扩散网目调方法产生规律性纹理的问题，确保网目调图像与输入图像具有相同的阶调层次，保持输入图像的边缘信息，网目调输出效果良好，并且本发明输出的多级网目调图像可以直接应用于多级打印机进行打印输出。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例中顾及边缘信息的多尺度误差扩散网目调方法流程图。
图3为本发明实施例中创建图像金字塔的示意图。
图4为本发明实施例中图像边缘提取方法的流程图。
图5为本发明实施例中最终网目调输出图像实例(以2位打印输出为例)，其中，图5(a)为原始输入图像，图5(b)为传统误差扩散网目调方法输出结果，图5(c)为顾及边缘信息的多级误差扩散网目调方法输出结果。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
如图1，本发明所采用的技术方案是一种顾及边缘信息的多级误差扩散图像网目调方法，包括以下步骤：
(1)按照公式(1)对输入图像归一化，然后再进行非线性分解，得到n幅与输入图像大小相同的分解图像，分解方法为公式(2)：
式中，Xinput(i,j)为输入图像中坐标为(i,j)的像素的灰度值，X(i,j)为输入图像归一化后坐标为(i,j)的像素的灰度值，X0(i,j)＝1，m＝1,2,…,n-1，i,j＝0,1,…,N-1，n为打印机的输出状态数目，Xm(i,j)为输入图像非线性分解后第m个图像中坐标为(i,j)的像素的灰度值，若为2位打印机，则n＝22＝4，N为输入图像的长和宽，若图像长和宽不相等，则首先对图像进行复制补齐。
(2)利用顾及边缘信息的多尺度误差扩散网目调方法(如图2)将分解后的图像Xm(i,j)进行网目调处理，得到n幅二值网目调图像，处理过程如下：
a.初始化网目调输出图像为全黑，即将图像中所有的像素点的灰度值设置为0；
b.提取分解后图像Xm(i,j)的边缘信息，提取过程如图4，计算方法如下：
计算图像3×3邻域的平均灰度计算如公式(3)，
计算图像像素空间局部变化率Vm(i,j)，即像素点各个方向的梯度加权和，计算公式如公式(4)，
式中，W(k,l)为空间权重函数：
计算像素点的显著程度，即像素点与其邻域内像素点平均灰度的差异程度，计算公式如公式(6)，
将图像的局部平均灰度、空间局部变化率和像素显著程度综合，计算图像的边缘信息，
式中：α为归一化参数；Eedge(i,j)∈[0,1]。
c.按照公式(8)，将下一层中相邻的四个像素的灰度值之和作为其上一层像素的灰度值，创建图像金字塔(图3为本发明实施例中创建图像金字塔的示意图)，并统计网目调图像中所需白点数目，即所创建的图像金字塔最顶层元素的灰度值Xr-1；
式中，ik,jk＝0,1,…,2k-1，k＝r-1,r-2,…,0，r为图像金字塔的层数，Xm,k(ik,jk)为非线性分解后第m个图像的金字塔第k层图像。
d.从图像金字塔第二层中搜索灰度与边缘信息综合值最大的像素点，如式(9)所示，然后找出该点对应下一层图像区域中灰度值最大的像素点，依次进行搜索，得到输入图像的像素点，并将网目调图像中该点对应的像素点设置为白，即像素值设为1，同时白点数目减少1，即Xr-1减少1。若达到所需的白点数，即Xr-1小于0.5，则停止搜索，输出最终的网目调结果；否则进行步骤e和f；
(i*,j*)＝arg[max(β1×Xm(i,j)+β2×Eedge(i,j))] (9)
式中(i*,j*)为使β1×Xm(i,j)+β2×Eedge(i,j)最大的(i,j)序列，β1，β2分别为图像灰度值与边缘信息的权重，β1∈(0,1)，β2∈(0,1)且β1+β2＝1。
e.计算分解后图像Xm(i,j)的像素点量化后产生的误差E，计算公式为式(10)，利用动态非时序误差扩散滤波器F(如式(11)所示)将该误差扩散至其邻域像素，扩散方式为量化误差乘以动态非时序误差滤波器，并将乘积加到当前处理像素点Xm(i*,j*)扩散邻域内对应位置像素灰度值上；
E＝0-Xm(i*,j*) (10)
式中，为误差扩散滤波器中扩散系数之和，C为滤波器中对应位置的系数，如果误差扩散域中某点为已处理点，则将该系数C设置为0，否则为初始滤波器中对应位置的系数，于此同时动态地更新N，从而动态更新误差扩散滤波器，Xm(i*,j*)为由步骤d搜索得到的第m个图像中的像素点。
f.将图像中已处理点的灰度值设置为0，同时按照过程c中图像金字塔的创建方式，反向更新图像金字塔，然后返回执行步骤d。
(3)将步骤(2)中处理得到的n幅二值网目调图像按照公式(12)进行合并，得到最终多级网目调输出图像。
式中，Bm为第m个二值网目调图像。
此外，本发明实施例还提供一种顾及边缘信息的多级误差扩散图像网目调系统，包括如下模块：
非线性分解模块，用于对输入图像进行归一化，然后再进行非线性分解，得到n幅与输入图像大小相同的分解图像，其中n为打印机的输出状态数目；
非线性分解模块中对输入图像进行归一化和非线性分解的公式如下，
式中，Xinput(i,j)为输入图像中坐标为(i,j)的像素的灰度值，X(i,j)为输入图像归一化后坐标为(i,j)的像素的灰度值；X0(i,j)＝1，m＝1,2,…,n-1，i,j＝0,1,…,N-1，n为打印机的输出状态数目，Xm(i,j)为输入图像非线性分解后第m个图像中坐标为(i,j)的像素的灰度值，若为2位打印机，则n＝22＝4，N为输入图像的长和宽，若图像长和宽不相等，则首先对图像进行复制补齐。
网目调处理模块，用于利用顾及边缘信息的多尺度误差扩散网目调方法将分解后的图像进行网目调处理，得到n幅二值网目调图像；包括如下子模块，
图像初始化子模块，用于初始化网目调输出图像为全黑，即将图像中所有的像素点的灰度值设置为0；
边缘信息提取子模块，用于提取分解后图像的边缘信息，包括以下单元；
第一单元，计算分解后图像Xm(i,j)3×3邻域的平均灰度计算如公式(3)，
第二单元，计算图像像素空间局部变化率Vm(i,j)，即像素点各个方向的梯度加权和，计算公式如公式(4)，
式中，W(k,l)为空间权重函数：
第三单元，计算像素点的显著程度，即像素点与其邻域内像素点平均灰度的差异程度，计算公式如公式(6)，
第四单元，将图像的局部平均灰度、空间局部变化率和像素显著程度综合，计算图像的边缘信息，
式中：α为归一化参数；Eedge(i,j)∈[0,1]；
金字塔创建子模块，用于将下一层中相邻的四个像素的灰度值之和作为其上一层像素的灰度值，创建图像金字塔，并统计网目调图像中所需白点数目，即所创建的图像金字塔最顶层元素的灰度值；
式中，ik,jk＝0,1,…,2k-1，k＝r-1,r-2,…,0，r为图像金字塔的层数，Xm,k(ik,jk)为非线性分解后第m个图像的金字塔第k层图像；
网目调输出子模块，用于利用公式(9)从图像金字塔第二层中搜索灰度与边缘信息综合值最大的像素点，然后找出该点对应下一层图像区域中灰度值最大的像素点，依次进行搜索，得到输入图像的像素点，并将网目调图像中该点对应的像素点设置为白，即像素值设为1，同时白点数目减少1；若达到所需的白点数，则停止搜索，输出最终的网目调结果；
(i*,j*)＝arg[max(β1×Xm(i,j)+β2×Eedge(i,j))] (9)
式中(i*,j*)为使β1×Xm(i,j)+β2×Eedge(i,j)最大的(i,j)序列，β1，β2分别为图像灰度值与边缘信息的权重，β1∈(0,1)，β2∈(0,1)且β1+β2＝1；
误差扩散子模块，用于计算分解后图像的像素点量化后产生的误差，利用动态非时序误差扩散滤波器将该误差扩散至其邻域像素；
利用如下公式计算原始图像的像素点的量化后产生的误差，
E＝0-Xm(i*,j*) (10)
其中，E为量化后产生的误差，Xm(i*,j*)是由网目调输出子模块搜索得到的第m个图像中
的像素点；
其中动态非时序误差扩散滤波器的表达式如下，
式中，为误差扩散滤波器中扩散系数之和，C为滤波器中对应位置的系数；Xm(i*,j*)是由网目调输出子模块搜索得到的第m个图像中的像素点；如果误差扩散域中某点为已处理点，则将该系数C设置为0，否则为初始滤波器中对应位置的系数，于此同时动态地更新N，从而动态更新误差扩散滤波器。
金字塔反向更新子模块，用于将图像中已处理点的灰度值设置为0，同时反向更新图像金字塔。
网目调图像合并及输出模块，用于将网目调处理模块中处理得到的n幅二值网目调图像进行合并，得到最终多级网目调输出图像。
将n幅二值网目调图像按照公式(12)进行合并，得到最终多级网目调输出图像，
式中，Bm为第m个二值网目调图像，n为打印机的输出状态数目。
如图5所示，图5(a)为原始输入图像，图5(b)为传统误差扩散网目调方法输出结果，图5(c)为顾及边缘信息的多级误差扩散网目调方法输出结果，可以看出顾及边缘信息的多级误差扩散网目调方法可以有效地抑制方向性纹理和伪轮廓的产生，并且对输入图像的边缘信息有较好的保持，且适用于多级打印输出。
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。
Claims (10)
1.一种顾及边缘信息的多级误差扩散图像网目调方法，其特征在于，包括如下步骤：
步骤1，对输入图像进行归一化，然后再进行非线性分解，得到n幅与输入图像大小相同的分解图像，其中n为打印机的输出状态数目；
步骤2，利用顾及边缘信息的多尺度误差扩散网目调方法将分解后的图像进行网目调处理，得到n幅二值网目调图像；
步骤3，将步骤2中处理得到的n幅二值网目调图像进行合并，得到最终多级网目调输出图像。
2.如权利要求1所述的一种顾及边缘信息的多级误差扩散图像网目调方法，其特征在于：步骤1中对输入图像进行归一化和非线性分解的公式如下，
式中，Xinput(i,j)为输入图像中坐标为(i,j)的像素的灰度值，X(i,j)为输入图像归一化后坐标为(i,j)的像素的灰度值；X0(i,j)＝1，m＝1,2,…,n-1，i,j＝0,1,…,N-1，n为打印机的输出状态数目，Xm(i,j)为输入图像非线性分解后第m个图像中坐标为(i,j)的像素的灰度值，若为2位打印机，则n＝22＝4，N为输入图像的长和宽，若图像长和宽不相等，则首先对图像进行复制补齐。
3.如权利要求2所述的一种顾及边缘信息的多级误差扩散图像网目调方法，其特征在于：步骤2的具体实现方式如下，
步骤2.1，初始化网目调输出图像为全黑，即将图像中所有的像素点的灰度值设置为0；
步骤2.2，提取分解后图像的边缘信息；
步骤2.2.1，计算分解后图像Xm(i,j)3×3邻域的平均灰度计算如公式(3)，
步骤2.2.2，计算图像像素空间局部变化率Vm(i,j)，即像素点各个方向的梯度加权和，计算公式如公式(4)，
式中，W(k,l)为空间权重函数：
步骤2.2.3，计算像素点的显著程度，即像素点与其邻域内像素点平均灰度的差异程度，计算公式如公式(6)，
步骤2.2.4，将图像的局部平均灰度、空间局部变化率和像素显著程度综合，计算图像的边缘信息，
式中：α为归一化参数；Eedge(i,j)∈[0,1]；
步骤2.3，将下一层中相邻的四个像素的灰度值之和作为其上一层像素的灰度值，创建图像金字塔，并统计网目调图像中所需白点数目，即所创建的图像金字塔最顶层元素的灰度值；
式中，ik,jk＝0,1,…,2k-1，k＝r-1,r-2,…,0，r为图像金字塔的层数，Xm,k(ik,jk)为非线性分解后第m个图像的金字塔第k层图像；
步骤2.4，利用公式(9)从图像金字塔第二层中搜索灰度与边缘信息综合值最大的像素点，然后找出该点对应下一层图像区域中灰度值最大的像素点，依次进行搜索，得到输入图像的像素点，并将网目调图像中该点对应的像素点设置为白，即像素值设为1，同时白点数目减少1；若达到所需的白点数，则停止搜索，输出最终的网目调结果；否则进行步骤2.5和步骤2.6；
(i*,j*)＝arg[max(β1×Xm(i,j)+β2×Eedge(i,j))] (9)
式中(i*,j*)为使β1×Xm(i,j)+β2×Eedge(i,j)最大的(i,j)序列，β1，β2分别为图像灰度值与边缘信息的权重，β1∈(0,1)，β2∈(0,1)且β1+β2＝1；
步骤2.5，计算分解后图像的像素点量化后产生的误差，利用动态非时序误差扩散滤波器将该误差扩散至其邻域像素；
步骤2.6，将图像中已处理点的灰度值设置为0，同时反向更新图像金字塔，返回执行步骤2.4。
4.如权利要求3所述的一种顾及边缘信息的多级误差扩散图像网目调方法，其特征在于：步骤2.5中利用如下公式计算原始图像的像素点的量化后产生的误差，
E＝0-Xm(i*,j*) (10)
其中，E为量化后产生的误差，Xm(i*,j*)是由步骤2.4搜索得到的第m个图像中的像素点；
其中动态非时序误差扩散滤波器的表达式如下，
式中，为误差扩散滤波器中扩散系数之和，C为滤波器中对应位置的系数；Xm(i*,j*)是由步骤2.4搜索得到的第m个图像中的像素点；如果误差扩散域中某点为已处理点，则将该系数C设置为0，否则为初始滤波器中对应位置的系数，于此同时动态地更新N，从而动态更新误差扩散滤波器。
5.如权利要求4所述的一种顾及边缘信息的多级误差扩散图像网目调方法，其特征在于：步骤3中将n幅二值网目调图像按照公式(12)进行合并，得到最终多级网目调输出图像，
式中，Bm为第m个二值网目调图像，n为打印机的输出状态数目。
6.一种顾及边缘信息的多级误差扩散图像网目调系统，其特征在于，包括如下模块：
非线性分解模块，用于对输入图像进行归一化，然后再进行非线性分解，得到n幅与输入图像大小相同的分解图像，其中n为打印机的输出状态数目；
网目调处理模块，用于利用顾及边缘信息的多尺度误差扩散网目调方法将分解后的图像进行网目调处理，得到n幅二值网目调图像；
网目调图像合并及输出模块，用于将网目调处理模块中处理得到的n幅二值网目调图像进行合并，得到最终多级网目调输出图像。
7.如权利要求6所述的一种顾及边缘信息的多级误差扩散图像网目调系统，其特征在于：非线性分解模块中对输入图像进行归一化和非线性分解的公式如下，
式中，Xinput(i,j)为输入图像中坐标为(i,j)的像素的灰度值，X(i,j)为输入图像归一化后坐标为(i,j)的像素的灰度值；X0(i,j)＝1，m＝1,2,…,n-1，i,j＝0,1,…,N-1，n为打印机的输出状态数目，Xm(i,j)为输入图像非线性分解后第m个图像中坐标为(i,j)的像素的灰度值，若为2位打印机，则n＝22＝4，N为输入图像的长和宽，若图像长和宽不相等，则首先对图像进行复制补齐。
8.如权利要求7所述的一种顾及边缘信息的多级误差扩散图像网目调系统，其特征在于：网目调处理模块包括如下子模块，
图像初始化子模块，用于初始化网目调输出图像为全黑，即将图像中所有的像素点的灰度值设置为0；
边缘信息提取子模块，用于提取分解后图像的边缘信息，包括以下单元；
第一单元，计算分解后图像Xm(i,j)3×3邻域的平均灰度计算如公式(3)，
第二单元，计算图像像素空间局部变化率Vm(i,j)，即像素点各个方向的梯度加权和，计算公式如公式(4)，
式中，W(k,l)为空间权重函数：
第三单元，计算像素点的显著程度，即像素点与其邻域内像素点平均灰度的差异程度，计算公式如公式(6)，
第四单元，将图像的局部平均灰度、空间局部变化率和像素显著程度综合，计算图像的边缘信息，
式中：α为归一化参数；Eedge(i,j)∈[0,1]；
金字塔创建子模块，用于将下一层中相邻的四个像素的灰度值之和作为其上一层像素的灰度值，创建图像金字塔，并统计网目调图像中所需白点数目，即所创建的图像金字塔最顶层元素的灰度值；
式中，ik,jk＝0,1,…,2k-1，k＝r-1,r-2,…,0，r为图像金字塔的层数，Xm,k(ik,jk)为非线性分解后第m个图像的金字塔第k层图像；
网目调输出子模块，用于利用公式(9)从图像金字塔第二层中搜索灰度与边缘信息综合值最大的像素点，然后找出该点对应下一层图像区域中灰度值最大的像素点，依次进行搜索，得到输入图像的像素点，并将网目调图像中该点对应的像素点设置为白，即像素值设为1，同时白点数目减少1；若达到所需的白点数，则停止搜索，输出最终的网目调结果；
(i*,j*)＝arg[max(β1×Xm(i,j)+β2×Eedge(i,j))] (9)
式中(i*,j*)为使β1×Xm(i,j)+β2×Eedge(i,j)最大的(i,j)序列，β1，β2分别为图像灰度值与边缘信息的权重，β1∈(0,1)，β2∈(0,1)且β1+β2＝1；
误差扩散子模块，用于计算分解后图像的像素点量化后产生的误差，利用动态非时序误差扩散滤波器将该误差扩散至其邻域像素；
金字塔反向更新子模块，用于将图像中已处理点的灰度值设置为0，同时反向更新图像金字塔。
9.如权利要求8所述的一种顾及边缘信息的多级误差扩散图像网目调系统，其特征在于：误差扩散子模块中利用如下公式计算原始图像的像素点的量化后产生的误差，
E＝0-Xm(i*,j*) (10)
其中，E为量化后产生的误差，Xm(i*,j*)是由网目调输出子模块搜索得到的第m个图像中的像素点；
其中动态非时序误差扩散滤波器的表达式如下，
式中，为误差扩散滤波器中扩散系数之和，C为滤波器中对应位置的系数；Xm(i*,j*)是由网目调输出子模块搜索得到的第m个图像中的像素点；如果误差扩散域中某点为已处理点，则将该系数C设置为0，否则为初始滤波器中对应位置的系数，于此同时动态地更新N，从而动态更新误差扩散滤波器。
10.如权利要求9所述的一种顾及边缘信息的多级误差扩散图像网目调系统，其特征在于：网目调图像合并及输出模块中将n幅二值网目调图像按照公式(12)进行合并，得到最终多级网目调输出图像，
式中，Bm为第m个二值网目调图像，n为打印机的输出状态数目。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810204305.2A CN108320271A (zh) | 2018-03-13 | 2018-03-13 | 一种顾及边缘信息的多级误差扩散图像网目调方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810204305.2A CN108320271A (zh) | 2018-03-13 | 2018-03-13 | 一种顾及边缘信息的多级误差扩散图像网目调方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108320271A true CN108320271A (zh) | 2018-07-24 |
Family
ID=62901963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810204305.2A Pending CN108320271A (zh) | 2018-03-13 | 2018-03-13 | 一种顾及边缘信息的多级误差扩散图像网目调方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108320271A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345489A (zh) * | 2018-10-31 | 2019-02-15 | 福州大学 | 基于图像像素邻域灰度信息的误差扩散方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1863267A (zh) * | 2005-05-10 | 2006-11-15 | 致伸科技股份有限公司 | 以一维多阶网点分配为基础的数字半色调方法 |
| US7315398B2 (en) * | 2003-12-19 | 2008-01-01 | Xerox Corporation | Multi-level error diffusion with color image data |
| CN105391913A (zh) * | 2014-08-20 | 2016-03-09 | 佳能株式会社 | 图像处理装置及图像处理方法 |
-
2018
- 2018-03-13 CN CN201810204305.2A patent/CN108320271A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7315398B2 (en) * | 2003-12-19 | 2008-01-01 | Xerox Corporation | Multi-level error diffusion with color image data |
| CN1863267A (zh) * | 2005-05-10 | 2006-11-15 | 致伸科技股份有限公司 | 以一维多阶网点分配为基础的数字半色调方法 |
| CN105391913A (zh) * | 2014-08-20 | 2016-03-09 | 佳能株式会社 | 图像处理装置及图像处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 易尧华等: ""顾及边缘信息的多尺度误差扩散半色调算法"", 《包装工程》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345489A (zh) * | 2018-10-31 | 2019-02-15 | 福州大学 | 基于图像像素邻域灰度信息的误差扩散方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Celik | Spatial entropy-based global and local image contrast enhancement | |
| Dash et al. | Adaptive contrast enhancement and de-enhancement | |
| US20030012437A1 (en) | Histogram adjustment features for use in imaging technologies | |
| CN104463804B (zh) | 一种基于直觉模糊集的图像增强方法 | |
| CN110232661A (zh) | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 | |
| Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
| CN110853119B (zh) | 一种鲁棒的基于参考图片的妆容迁移方法 | |
| CN106056141B (zh) | 一种使用空间稀疏编码的目标识别与角度粗估计算法 | |
| Arriaga-Garcia et al. | Adaptive sigmoid function bihistogram equalization for image contrast enhancement | |
| CN108681995A (zh) | 一种基于变分贝叶斯估计的去运动模糊的方法 | |
| CN106557729A (zh) | 用于处理人脸图像的设备和方法 | |
| CN102831609B (zh) | 一种基于Graphcut的开关式抠图技术 | |
| CN101600039B (zh) | 半色调图像转换方法、打印方法及产生半色调屏蔽的方法 | |
| Velho et al. | Stochastic screening dithering with adaptive clustering | |
| Wei et al. | Non-homogeneous haze removal via artificial scene prior and bidimensional graph reasoning | |
| He et al. | Non-local sparse regularization model with application to image denoising | |
| CN108320271A (zh) | 一种顾及边缘信息的多级误差扩散图像网目调方法和系统 | |
| Ding et al. | Sparse codes fusion for context enhancement of night video surveillance | |
| Zhang | A selection of image processing techniques: from fundamentals to research front | |
| CN116563133A (zh) | 基于模拟曝光和多尺度融合的低照度彩色图像增强方法 | |
| Zhao et al. | Automatic windowing for mri with convolutional neural network | |
| CN110475041A (zh) | 一种灰度图像处理方法、装置及打印机 | |
| CN108564534A (zh) | 一种基于检索的图像对比度调整方法 | |
| Mikhov et al. | Fuzzy logic approach to improving the digital images contrast | |
| Ghous et al. | Efficient image enhancement using improved RIQMC based ROHIM model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180724 |
|
| RJ01 | Rejection of invention patent application after publication |