CN108810314A - 基于多灰度图像边缘增强的无序误差扩散数字半色调方法 - Google Patents

基于多灰度图像边缘增强的无序误差扩散数字半色调方法 Download PDF

Info

Publication number
CN108810314A
CN108810314A CN201810595657.5A CN201810595657A CN108810314A CN 108810314 A CN108810314 A CN 108810314A CN 201810595657 A CN201810595657 A CN 201810595657A CN 108810314 A CN108810314 A CN 108810314A
Authority
CN
China
Prior art keywords
pixel
image
error
unordered
enhancing
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
Application number
CN201810595657.5A
Other languages
English (en)
Inventor
何自芬
吴启科
张印辉
唐海艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN201810595657.5A priority Critical patent/CN108810314A/zh
Publication of CN108810314A publication Critical patent/CN108810314A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits
    • H04N1/405—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels
    • H04N1/4051—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels producing a dispersed dots halftone pattern, the dots having substantially the same size
    • H04N1/4052—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels producing a dispersed dots halftone pattern, the dots having substantially the same size by error diffusion, i.e. transferring the binarising error to neighbouring dot decisions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits
    • H04N1/409—Edge or detail enhancement; Noise or error suppression
    • H04N1/4092—Edge or detail enhancement

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开基于多灰度图像边缘增强的无序误差扩散数字半色调方法，包括将连续调图像的像素转换成灰度图像像素g(m,n)；计算由上一个像素产生的量化误差e(m‑i,n‑j)按扩散路线乘以比例系数所得值与当前像素的像素值g(m, n)的和得修改值d(m,n)；以光栅扫描并判断每一输入图像的像素g(m,n)是否为边缘像素并生成对应量化阈值T；根据量化阈值T对修改值d(m,n)量化并输出对应半色调图像的像素二进制值b (m,n)；计算量化误差e(m,n)并扩散到相邻四个未经处理像素点上。本发明能够有效减少传统误差扩散方法半色调图像中的“蠕虫”效应，且一定程度上保留图像的边缘细节特性，具有较好的视觉感知效应。

Description

基于多灰度图像边缘增强的无序误差扩散数字半色调方法
技术领域
本发明属于图像处理技术领域，具体涉及能够有效减少传统误差扩散方法半色调图像中的“蠕虫”效应，且一定程度上保留图像的边缘细节特性，具有较好的视觉感知效应的基于多灰度图像边缘增强的无序误差扩散数字半色调方法。
背景技术
数字半色调技术就是在类似日常生活中所见的激光打印机及激光制版机等二值或多色二值设备上，模拟人眼的视觉低通特性来仿造原多灰度图像的阶调变化，将原连续调图像转化为合适人眼观察的二值半色调图像的技术。数字半色调技术不仅影响着激光雕刻及激光打印图像的输出质量，而且与数据信息隐藏和数字水印技术也是密切相关的，同时与医学影像、图像的压缩存储与传输等领域也密不可分。
目前，一般将数字半色调技术分为“误差扩散法”、“抖动法”以及“迭代优化法”三大类。国内外的广大研究学者近年来对半色调方法的改进都将重心放在了误差扩散方法和迭代优化方法身上。就数字半色调方法总体研究状况而言，基于迭代优化的数字半色调方法虽然在生成的半色调图像的质量上是最好的，但是效率太低，运行成本较高，难以满足生产的实际性需求。而误差扩散方法是通过对灰度图像中的某一像素点处理，然后将得到的量化误差按照一定的权重系数传递给该像素邻域的未经处理的像素来进行误差扩散的。误差扩散方法得到的二值图像的效果有了大幅度的提升，且效率高，运行成本低，但是生成的半色调图像质量有两点问题还没有完全克服，即：“生成的半色调图像中的平滑渐变区中的非期望性纹理还没有完全消除”，以及“在图像的边缘部分容易出现模糊、不连续等现象特别是对于具有复杂边缘的图像法而言”。
经典的误差扩散方法当属Floyd-Steinberg误差扩散方法（FLOYED R W,STEINBERG L.An adaptive algorithm for spatial grey scale.Society forInformation Display,1976,17(2):75-77）（以下简称F-S误差扩散方法），它的误差滤波核具有四个误差扩散权重系数，分别是h 10 =7/16、h 11 =1/16、h 01 =5/16、h- 10 =3/16。然而，由于其水平和垂直两个方向上的扩散系数永远最大，并且在扩散过程中，每个方向的扩散系数没有变化，是恒定的，这样就导致了积累误差，从而会引发轮廓失真。此外，传统误差扩散方法还存在诸如：在半色调图像的暗调及高光区域会存在滞后的现象，这都是与误差扩散过程中的处理方向密切相关的，除此之外还存在“伪轮廓”等现象。
发明内容
本发明的目的在于提供能够有效减少传统误差扩散方法半色调图像中的“蠕虫”效应，且一定程度上保留图像的边缘细节特性，具有较好的视觉感知效应的基于多灰度图像边缘增强的无序误差扩散数字半色调方法。
本发明目的是这样实现的，包括图像转换、修改值计算、边缘判断、半色调输出、量化误差扩散步骤，具体包括：
A、图像转换：将连续调图像的像素转换成灰度图像像素g(m,n)；
B、修改值计算：计算由上一个像素产生的量化误差e(m-i,n-j)，按照对应扩散路线乘以相关比例系数所得的值与当前正在处理像素的像素值g(m,n)的和得到修改值d(m,n)；
C、边缘判断：以光栅扫描的方式扫描并判断每一个输入图像的像素g(m,n)是否为边缘像素并且生成对应的量化阈值T；
D、半色调输出：根据量化阈值T对修改值d(m,n)进行量化并输出对应的半色调图像的像素二进制值b(m,n)；
E、量化误差扩散：计算量化误差e(m,n)并扩散到相邻的四个未经处理的像素点上。
本发明将“基于梯度的边缘检测法”、“无序阈值调制法”以及“误差扩散法”三个部分有机结合起来，并采用光栅扫描的方式对原图像中的每个像素点从上往下，从左往右逐个进行处理，然后通过基于梯度的边缘检测方法判断输入的图像中某个像素点是否为边界点，再用边缘增强量化器强化图像边缘，之后将无序的思想与误差扩散方法结合进行图像的半色调化处理。本发明不但有效地减少了来自传统误差扩散方法所生成半色调图像中的蠕虫效应，而且还对半色调图像的边缘细节区域起到了增强效果。经实验，本发明的PSNR值、WSNR值及UQI值相较F-S误差扩散方法而言，分别提升了1.4～1.8dB，1.3～1.6dB以及0.03～0.04。
附图说明
图1为本发明流程示意图；
图2为本发明的梯度值定义示意图；
图3为实验例中boat原图像；
图4为实验例中boat经F-S误差扩散方法生成的半色调图像；
图5为实验例中boat经本发明生成的半色调图像；
图6为实验例中trees原图像；
图7为实验例中trees经F-S误差扩散方法生成的半色调图像；
图8为实验例中trees经本发明生成的半色调图像；
图9为实验例中man原图像；
图10为实验例中man经F-S误差扩散方法生成的半色调图像；
图11为实验例中man经本发明生成的半色调图像；
图中：Q-阈值量化器，H-误差扩散滤波核。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明，但不以任何方式对本发明加以限制，依据本发明的教导所作的任何变更或替换，均属于本发明的保护范围。
本发明包括图像转换、修改值计算、边缘判断、半色调输出、量化误差扩散步骤，具体包括：
A、图像转换：将连续调图像的像素转换成灰度图像像素g(m,n)；
B、修改值计算：计算由上一个像素产生的量化误差e(m-i,n-j)，按照对应扩散路线乘以相关比例系数所得的值与当前正在处理像素的像素值g(m,n)的和得到修改值d(m,n)；
C、边缘判断：以光栅扫描的方式扫描并判断每一个输入图像的像素g(m,n)是否为边缘像素并且生成对应的量化阈值T；
D、半色调输出：根据量化阈值T对修改值d(m,n)进行量化并输出对应的半色调图像的像素二进制值b(m,n)；
E、量化误差扩散：计算量化误差e(m,n)并扩散到相邻的四个未经处理的像素点上。
所述B步骤中修改值d(m,n)按下式计算：
，
其中：h(i,j)为滤波器系数，N为扩散像素点坐标集合。
所述集合N为：，
所述滤波器系数h(i,j)分别为h(1,1)=1/16，h(0,1)=5/16，h(-1,1)=3/16，h(1,0)=7/16。
所述C步骤包括如下步骤：
C1、计算梯度值：；
C2、边缘判断：，
其中：r为比例缩放因子，Y n 为随机数。
所述C1步骤中相邻的四个量化误差扩散像素点的梯度值分别为：
，
，
，
。
所述C2步骤中r=1/64，随机数Y n 由以下二次迭代方程确定：Y n =4Y n （1- Y n--1 ），其中：Y n 的初始值用Y 0 表示，且Y 0 ∈［0,1］。
所述D步骤中半色调图像的像素二进制值b(m,n) 按下式计算：
，
其中：k 2 =1.5。
所述E步骤中量化误差e(m,n) 按下式计算：e(m,n)=d(m,n)-b(m,n)。
实验例：
1、实验条件
为了验证本发明的有效性，实验采用配置为2.56GHz CPU、4G内存、64位的win7笔记本电脑，所用到的软件是Matlab2014a，基于以上平台实现了本发明的效果验证。
2、本发明实验过程
2.1 将连续调图像的像素转换成灰度图像像素g(m,n)。
2.2 计算由上一个像素产生的量化误差e(m-i,n-j)，按照对应扩散路线乘以相关比例系数所得的值与当前正在处理像素的像素值g(m,n)的和得到修改值d(m,n)；
，
其中：h(i,j)为滤波器系数，N为扩散像素点坐标集合，
，
h(i,j)分别为h(1,1)=1/16，h(0,1)=5/16，h(-1,1)=3/16，h(1,0)=7/16。
2.3 以光栅扫描的方式扫描并判断每一个输入图像的像素g(m,n)是否为边缘像素并且生成对应的量化阈值T。
2.3.1相邻的四个量化误差扩散像素点的梯度值分别为：
，
，
，
。
2.3.2若其中的一个梯度值大于预定义阈值25，则当前处理的像素点为边缘像素点且量化阈值为T=128；否则，量化阈值T将被设置成其他值：
，
其中：r为比例缩放因子，r=1/64；Yn为随机数，由以下二次迭代方程确定：
Y n =4Y n （1- Y n--1 ），
其中：Y n 的初始值用Y 0 表示，且Y 0 ∈［0,1］。
2.4 根据量化阈值T对修改值d(m,n)进行量化并输出对应的半色调图像的像素二进制值b(m,n)；b(m,n) 按下式计算：
，
其中：k 2 =1.5。
2.5 计算量化误差e(m,n)并扩散到相邻的四个未经处理的像素点上， e(m,n)=d (m,n)-b(m,n) 。
3、定性分析
为了说明本发明的实际效果，实验过程中采用了256×256像素的灰度图像boat、trees、man分别进行实验。实验图像中有以平滑区域为主的man图像、高频成分丰富的boat图像以及包括低频区域与高频区域成分的trees图像。实验对比了两种方法：F-S误差扩散方法和本发明。boat图像的实验效果分别如图3~5，trees图像的实验效果分别如图6~8，man图像的实验效果分别如图9~11。从图3~11可看出，本发明有效地减少了半色调图像中的“蠕虫”效应，且一定程度上保留了图像的边缘细节特性，具有较好的视觉感知效应。
4、定量分析
对数字半色调方法的好坏进行评价，仅凭眼睛去观察后主观评分是不太具有说服力的，因为每个人的观察结果会有偏差甚至是大的误差，因此很有必要利用客观的图像质量评价方法来对输出图像进行评价。在图像的质量评价指标方面选择了PSNR（峰值信噪比）、WSNR（权值信噪比）及UQI（通用质量评价参数），其结果如表1所示。
表1 不同图像分别采用两种方法的客观数据对比
采用的方法 PSNR/dB WSNR/dB UQI
F-S误差扩散方法（boat图） 27.19 26.37 0.101
本发明（boat图） 28.63 27.64 0.150
F-S误差扩散方法（trees图） 25.91 24.30 0.063
本发明（trees图） 27.52 25.83 0.090
F-S误差扩散方法（man图） 26.57 24.86 0.070
本发明（man图） 28.36 26.42 0.109
从表1的实验数据分析可知，本发明基于多灰度图像边缘增强的无序误差扩散数字半色调方法，从PSNR值、WSNR值以及UQI值相对于F-S误差扩散方法而言，分别提升了1.4～1.8dB，1.3～1.6dB以及0.03～0.04。
因此，从定量和定性的分析结果可得出结论：本发明输出的图像质量优于F-S误差扩散方法。

Claims (8)

1.基于多灰度图像边缘增强的无序误差扩散数字半色调方法，其特征在于包括图像转换、修改值计算、边缘判断、半色调输出、量化误差扩散步骤，具体包括：
A、图像转换：将连续调图像的像素转换成灰度图像像素g(m,n)；
B、修改值计算：计算由上一个像素产生的量化误差e(m-i,n-j)，按照对应扩散路线乘以相关比例系数所得的值与当前正在处理像素的像素值g(m,n)的和得到修改值d(m,n)；
C、边缘判断：以光栅扫描的方式扫描并判断每一个输入图像的像素g(m,n)是否为边缘像素并且生成对应的量化阈值T；
D、半色调输出：根据量化阈值T对修改值d(m,n)进行量化并输出对应的半色调图像的像素二进制值b(m,n)；
E、量化误差扩散：计算量化误差e(m,n)并扩散到相邻的四个未经处理的像素点上。
2.根据权利要求1所述基于多灰度图像边缘增强的无序误差扩散数字半色调方法，其特征在于所述B步骤中修改值d(m,n)按下式计算：
，
其中：h(i,j)为滤波器系数，N为扩散像素点坐标集合。
3.根据权利要求2所述基于多灰度图像边缘增强的无序误差扩散数字半色调方法，其特征在于所述集合N为：
，
所述滤波器系数h(i,j)分别为h(1,1)=1/16，h(0,1)=5/16，h(-1,1)=3/16，h(1,0)=7/16。
4.根据权利要求2所述基于多灰度图像边缘增强的无序误差扩散数字半色调方法，其特征在于所述C步骤包括如下步骤：
C1、计算梯度值：；
C2、边缘判断：，
其中：r为比例缩放因子，Y n 为随机数。
5.根据权利要求4所述基于多灰度图像边缘增强的无序误差扩散数字半色调方法，其特征在于所述C1步骤中相邻的四个量化误差扩散像素点的梯度值分别为：
，
，
，
。
6.根据权利要求4所述基于多灰度图像边缘增强的无序误差扩散数字半色调方法，其特征在于所述C2步骤中r=1/64，随机数Y n 由以下二次迭代方程确定：Y n =4Y n （1- Y n--1 ），其中：Y n 的初始值用Y 0 表示，且Y 0 ∈［0,1］。
7.根据权利要求4、5或6所述基于多灰度图像边缘增强的无序误差扩散数字半色调方法，其特征在于所述D步骤中半色调图像的像素二进制值b(m,n) 按下式计算：
，
其中：k 2 =1.5。
8.根据权利要求7所述基于多灰度图像边缘增强的无序误差扩散数字半色调方法，其特征在于所述E步骤中量化误差e(m,n) 按下式计算：
。
CN201810595657.5A 2018-06-11 2018-06-11 基于多灰度图像边缘增强的无序误差扩散数字半色调方法 Pending CN108810314A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810595657.5A CN108810314A (zh) 2018-06-11 2018-06-11 基于多灰度图像边缘增强的无序误差扩散数字半色调方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810595657.5A CN108810314A (zh) 2018-06-11 2018-06-11 基于多灰度图像边缘增强的无序误差扩散数字半色调方法

Publications (1)

Publication Number Publication Date
CN108810314A true CN108810314A (zh) 2018-11-13

Family

ID=64088262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810595657.5A Pending CN108810314A (zh) 2018-06-11 2018-06-11 基于多灰度图像边缘增强的无序误差扩散数字半色调方法

Country Status (1)

Country Link
CN (1) CN108810314A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111901497A (zh) * 2019-06-28 2020-11-06 厦门汉印电子技术有限公司 一种灰度图像处理方法、装置及打印机
CN115499556A (zh) * 2022-09-19 2022-12-20 浙江工业大学 一种基于机器学习迭代的数字印刷加网方法
CN115499556B (zh) * 2022-09-19 2024-05-28 浙江工业大学 一种基于机器学习迭代的数字印刷加网方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111901497A (zh) * 2019-06-28 2020-11-06 厦门汉印电子技术有限公司 一种灰度图像处理方法、装置及打印机
CN111901497B (zh) * 2019-06-28 2023-06-02 厦门汉印电子技术有限公司 一种灰度图像处理方法、装置及打印机
CN115499556A (zh) * 2022-09-19 2022-12-20 浙江工业大学 一种基于机器学习迭代的数字印刷加网方法
CN115499556B (zh) * 2022-09-19 2024-05-28 浙江工业大学 一种基于机器学习迭代的数字印刷加网方法

Similar Documents

Publication Publication Date Title
Celik Spatial mutual information and PageRank-based contrast enhancement and quality-aware relative contrast measure
CN105931201B (zh) 一种基于小波变换的图像主观视觉效果增强方法
CN103295191B (zh) 多尺度视觉自适应图像增强方法及评价方法
CN1287584C (zh) 图像编码装置、图像编码方法及图像处理装置
CN108038833B (zh) 一种梯度相关性检测的图像自适应锐化方法和存储介质
CN100452826C (zh) 图像处理方法、图像处理装置、和图像形成装置
CN110232650B (zh) 一种彩色图像水印嵌入方法、检测方法及系统
CN110298792B (zh) 低光照图像增强与去噪方法、系统及计算机设备
CN106651816B (zh) 数字图像的半色调处理方法和系统
CN108810314A (zh) 基于多灰度图像边缘增强的无序误差扩散数字半色调方法
Chung et al. A gradient-based adaptive error diffusion method with edge enhancement
Li et al. Texture-aware error diffusion algorithm for multi-level digital halftoning
Tao et al. An effective and robust underwater image enhancement method based on color correction and artificial multi-exposure fusion
CN109493358A (zh) 一种基于人眼视觉模型的误差反馈半色调算法
Gooran et al. 3D surface structures and 3D halftoning
CN108737686A (zh) 基于图像系数变更的边缘增强误差扩散数字半色调方法
CN109859138A (zh) 一种基于人眼视觉特性的红外图像增强方法
CN102158630B (zh) 一种基于图像阶调的自适应绿噪声加网方法
CN114359083A (zh) 一种面向干扰环境的高动态热红外图像自适应预处理方法
CN108921886B (zh) 一种纹理信息融合多尺度结构化森林数字图像半色调方法
TWI394094B (zh) 半色調影像處理之順序矩陣與擴散權重的共同優化方法與系統
JP4404457B2 (ja) ハーフトーン化方法およびハーフトーン化装置並びにハーフトーン化プログラムを記録したコンピュータ読み取り可能な記録媒体
CN111105378A (zh) 一种图像清晰度处理方法
CN101959000B (zh) 图像数据处理的方法和装置
JP4067538B2 (ja) 画像処理方法、画像処理装置、画像形成装置、コンピュータプログラム、及び記録媒体

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181113