CN111667402B - 一种高精确激光雕刻橡胶制版中的二值变灰度方法 - Google Patents

Abstract

一种高精确激光雕刻橡胶制版中的二值变灰度方法，步骤1、对待灰度处理的网点进行边界点的标注；步骤2、根据标注的边界点计算网点的覆盖率；步骤3、根据标注的边界点和网点的覆盖率对网点进行削顶和加斜肩；边界点的标注的具体方法为，选择一个边界点作为起始点，每当遇到一个黑点判断该黑点是否为网点的边界点，沿着网点的边界点进行遍历，直至查找到所有的边界点，提高二值变灰度处理的质量和速度，找出网点的边界，并计算其面积大小，这样就能够准确地削顶和加支撑，同时，也能够保障一块实地的削顶和加斜肩是一致的、统一的。

Description

一种高精确激光雕刻橡胶制版中的二值变灰度方法

技术领域

本发明涉及激光雕刻橡胶制版技术领域，具体说的是一种高精确激光雕刻橡胶制版中的二值变灰度方法。

背景技术

柔性版印刷是使用柔性印版，通过网纹辊传递油墨的方法进行印刷，是凸版印刷工艺的一种。柔性版是一种光敏橡胶或树脂型的印版^[1]。在柔性印版中，直接激光雕刻橡胶板优势突出，具有制版工艺简单、速度快、污染少的特点，具有广阔的发展前景。

直接激光雕刻橡胶板的制版，包括数字图像排版和加网点、二值变灰度、激光雕刻和制版清洗等工艺，其中的二值变灰度处理，是将由0、1组成的二值图像，转换为由0-255构成的灰度图像。灰度值决定激光雕刻的凸凹深浅。二值变灰度处理是直接激光雕刻橡胶板质量的重要保证。

在叙述二值变灰度处理之前，我们首先介绍相关的一些概念。

对于一个二值图像，首先这个二值图像由很多像素构成，我们称其中的每个像素为像素点，简称为点。每个像素点其值或者为0，或者为1，像素点值为0的点也称为白点，像素点值为1的点也称为黑点。

同时，一个二值图像是一个由像素点构成的矩形平面。如果将左上角像素点定义为原点(0,0)，则二值图像中的每个像素点都有一个坐标位置。同时，最左边的像素点，左边没有相邻的像素点，最右边的像素点，右边没有相邻的像素点，最上边的像素点，上面没有相邻的像素点，最下面的的像素点，下面没有相邻的像素点。此显而易见。除此之外，每个像素点都有上下左右四个相邻像素点。

网点是印刷行业术语，是表现连续调图像层次与颜色变化的基本单元，是构成印刷图像的基础，它起着传递版面阶调的作用。网点是约定范围内的黑点构成的，这个约定的大小范围称为网点范围。网点的状态和行为特征将影响到最终的印刷品能否正确地还原原稿的阶调和色彩变化。

对于一个网点，可以根据公式(1)计算该网点的面积或者覆盖率：

网点(面积)覆盖率

其中，N_b为网点范围中黑色像素点的个数，N为网点范围内的总像素个数。

网点大小是通过网点的面积或者覆盖率决定的，也称着墨率。一般习惯上喜欢用“成”作为衡量单位，比如10％覆盖率的网点就称为“一成网点”、覆盖率20％的网点称为“二成网点”。另外，覆盖率0％的网点称为“绝网”，覆盖率100％的网点称为“实地”。为叙述便利，我们有时会将覆盖率100％的网点称为实地，而将其他网点仍然称为网点。

虽然直接激光雕刻橡胶板具有工艺简单、速度快、污染少的优点，但是，由于橡胶的柔软性，在印刷受力的情况下，网点覆盖率低的网点，往往会倾斜，并在多次使用的情况下，容易发生折断，从而不仅影响印刷的精美度和质量，也影响印制板的使用寿命。

为了防止直接激光雕刻橡胶板在印刷的过程中发生网点覆盖率低网点的倾斜和折断，保证印刷质量，二值变灰度处理主要包括了两个处理：

(1)削顶：对于网点覆盖率较小的网点，按照一定比例降低其网点的高度；

(2)加支撑，也称为加斜肩或加斜坡。在加工覆盖率低的网点(小网点)时，增加斜坡，也就是增加支撑，可以防止网点倾斜脱落，从而可以提高网点的精度和强度。

为保证印刷的精美度和质量，相同大小的网点应当具有相同的削顶，同一个网点应当具有相同的斜肩。

对于一个二值图像中的一个黑点，如果该点的上下左右四个相邻点至少有一个点为白点或者没有像素点，则定义该黑点为边界点。

一种常用的二值变灰度处理方法是：针对一个二值图像，从上到下从左到右进行遍历，每遇到一个黑点，则以该黑作为网点的中心点，按照公式(1)计算该网点的(面积或者)覆盖率，并根据此覆盖率进行削顶和加斜肩。如果该黑点是边界点，则以该点为中心，进行加斜肩。

这种二值变灰度处理方法的优点是简单，但缺点是精度低和速度慢。我们举例来说明。

在图2中，有一个网点I和一个实地II，对于实地II上位置1、2、3的三个黑点，由于它们同属于实地II，因此它们的削顶和加斜肩应当是一样的，否则将出现印刷不均匀，从而影响印刷的精度质量和印制板的强度。我们来看看依据上述常用方法的处理结果。

对于图2，假定网点的直径为24个像素，由于24*24不存在绝对的中心像素点位置，我们以位置(13,13)为中心点，如图3所示，假定网点为方形，网点I不在位置1和位置2为中心的网点之中，则容易计算出，位置1的网点面积为：1/4＝0.25。位置2的网点面积为：179/(12*12)＝0.31。以位置2为中心的网点的黑点个数为179。

假定网点I与网点II的直线距离为8，则位置点3的网点面积为：(288+44)/(12*12)＝0.58。

由此可见，位置3是位置1网点面积的2倍多，从而它们的削顶和加斜肩将有较大的差异。

二值变灰度处理速度主要是由遍历像素点决定的。假定网点范围的长度为R(个像素)，如果网点范围为正方形，则该网点范围的面积为R²。假定一个图像的像素个数为N，则上述常用方法需要遍历的像素点为N*R²。如果网点范围不是正方形而是圆，圆的半径为r，则上述常用方法需要遍历的像素点为N*πr²。网点范围半径是在加网点时确定的，通常在30-50之间。由此能够看出，上述需要遍历的像素点虽然是O(N)，但其系数为R²或者为πr²，依然很大，从而需要遍历的像素点很多。我们都知道，对于图像处理来说，需要遍历的像素点越多，运算量越大，速度越慢。

通过上述计算，能够确认，常用的二值变灰度处理方法具有精度低和速度慢的缺点。

发明内容

为解决上述技术问题，一种高精确激光雕刻橡胶制版中的二值变灰度方法，提高二值变灰度处理的质量和速度，找出网点的边界，并计算其面积大小，这样就能够准确地削顶和加支撑，同时，也能够保障一块实地的削顶和加斜肩是一致的、统一的。

为实现上述技术目的，所采用的技术方案是：一种高精确激光雕刻橡胶制版中的二值变灰度方法，包括以下步骤：

步骤1、对待灰度处理的网点进行边界点的标注；

步骤2、根据标注的边界点计算网点的覆盖率；

步骤3、根据标注的边界点和网点的覆盖率对网点进行削顶和加斜肩；

边界点的标注的具体方法为，选择一个边界点作为起始点，每当遇到一个黑点判断该黑点是否为网点的边界点，沿着网点的边界点进行遍历，直至查找到所有的边界点，具体包括以下步骤：

步骤1.1、选择一个边界点G0作为起始点，判断该边界点G0的相邻边界点的个数，如果边界点G0的相邻边界点的个数为1，按步骤1.1.1处理，如果边界点G0的相邻边界点的个数大于等于2，按步骤1.1.2处理；

步骤1.1.1、将边界点G0设置为特殊点并标注，按唯一一个相邻边界点的方向行进，并将该相邻边界点作为新的边界点G0进行标注，直至某一个边界点G0的相邻边界点的个数大于等于2，继续按步骤1.1.2处理；

步骤1.1.2、从边界点G0开始，选择边界点GO的相邻边界点S作为出发点开始遍历，边界点G0以相邻边界点S作为原点顺时针查找相邻边界点S的第一个相邻边界点，将该第一个相邻边界点作为新的边界点S，原来的相邻边界点作为边界点G0，重复上述步骤1.1.2，沿网点的边界循环遍历，直至边界点S回到出发点或超出网点范围，完成所有边界点的标注。

沿着网点边界行走过程中，记录了所有边界点所在的区域范围，统计网点范围内的所有黑点和白点，并判断同一行或者一列内两个边界点之间的点为黑点或者白点，

如果为黑点，则此处网点覆盖率依据公式(1)进行计算：

网点的覆盖率

其中，N_b为网点范围中黑色像素点的个数，N为网点范围内的总像素个数；

如果为白点，则此处网点覆盖率依据公式(2)进行计算：

网点的覆盖率

其中，N_w为网点大小范围中白色像素的个数，N为网点范围的总像素个数。

步骤1.1.2中相邻边界点S的确定方法为，选择边界点G0垂直下方方向相邻的点，以该相邻的点为起点以边界点G0为原点逆时针方向查找，直至找到一个边界点，则此边界点为起始点S。

本发明有益效果是：本发明方法能够明显提高直接激光雕刻橡胶板制版中二值图像转换为灰度图像的质量和速度，防止重复标记边界点，标记方法及根据边界计算的面积准确迅速，从而提高直接激光雕刻橡胶板制版的质量和速度。

附图说明

图1为本发明的执行步骤流程图；

图2为网点和实地的示意图；

图3为图3黑点的中心位置(13,13)示意图；

图4为图2中位置4处的放大像素图；

图5为一个像素点及其8个相邻像素点的示意图；

图6为相邻只有一个边界点的一种情况示意图；

图7为相邻只有一个边界点的另一种情况示意图；

图8为网点的一种情况示意图；

图9为网点的另一种情况示意图；

图10为覆盖率较小图像的削顶及加斜肩效果图；

图11为覆盖率较大图像的加斜肩效果图。

具体实施方式

下面结合附图对本发明进行进一步的详细说明。通过足够详细地描述这些实施示例，使得本领域技术人员能够实践本发明。

本发明提出了一种高精确激光雕刻橡胶制版中的二值变灰度方法，该方法的思路为：

对于一个二值图像，我们从上到下从左到右开始遍历。每当遇到一个黑点，开始判断该黑点是否为网点边界点，也即判断该黑点的上下左右是否有一个白点或者没有像素点。每当遍历到一个边界点，可以认为该边界点是某个网点的边界点。从该网点的这个边界点开始，按照某一个方向，沿着该网点的边界点，一步一步行走(遍历)，如果能够回到出发点，则说明这是一个网点，如果超出了网点范围，则说明这是一个实地。

所谓的行走(遍历)一步，就是对网点的一个边界点进行处理，处理之后，选择转移到相邻的另一个边界点，然后再准备进行同样的处理，同时，对被处理的边界点，进行标识。

此遍历方法称为standing walking算法。

对于一个网点，当遍历结束之后，我们则标识了该网点的所有边界点，此时就可以精确计算该网点的面积(覆盖率)。得到网点面积之后，就可以根据网点的边界点和面积进行网点的削顶和加支撑。

具体而言，本发明包括如下3个步骤：

步骤1：标识网点的性质和边界点

所述的步骤1用来确定二值图像中的一个边界点是属于一个网点还是属于一个实地，并对边界点进行标注。

在展开叙述本发明之前，首先对图像中一个像素点与其相邻像素点间的相互位置关系进行分析。

一个图像由多个像素点构成，像素点是图像中的最小单位。对于二值图像，一个像素点或者是0或者是1，通常0表示白色，1表示黑色。如前所述，我们简称像素点为点，同时，称像素点值为0的点为白点，像素点值为1的点为黑点。对于灰度图像，一个像素点由0-255的一个值表示。图2为二值图像，其中位置4部分放大的像素构成如图4所示。

在图4中，白色部分也是像素点，只是因为分割线是白色的而无法肉眼分辨。

对于图像中的任意一个像素点p，p都有8个相邻的像素点，随意选择右方像素点为起始位置，可以按照顺时针方向对8个相邻点进行从A到H排序。假定像素点p的坐标位置为中心坐标(0,0)，假定坐标为X轴方向向右，Y轴方向向下，那么围绕该像素点的8个相邻点的顺序位置和坐标如图5所示。

同时，可以定义一个像素点p有四个边(A、C、E、G)和四个角(B、D、F、H)。

所述的步骤1自上而下、自左而右遍历待处理图像的每一个像素点。对于每一个被遍历的点，根据定义，判断其是否是网点的边界点。也就是说，每当遇到一个黑点，则判断该点的上下左右四个相邻点是否有一个点为白点或者没有像素点，如有则是边界点。如果不是边界点，则检查下一个点，从而使得在后续的遍历判断时，跳过已标识的点。

因此，所述的步骤1其处理过程为：

自上而下、自左而右遍历待处理图像的每一个像素点，如果一个像素点是边界点，同时该边界点还没有标识，则将这个边界点作为原始边界点，进行处理。这个处理称为边界点处理。边界点处理之后，继续遍历，直至遍历整个图像。

能够看出来，在边界点的处理是步骤1的主要内容。

边界点处理的思路为：将这个边界点作为原始边界点开始，对这个边界点的所有相邻点进行遍历、统计和分析处理，这个处理的目的是寻找到下一个合适的相邻边界点。找到之后，选择找到的这个相邻边界点，将这个边界点当作原始边界点那样，继续进行它的相邻点的遍历、统计和分析处理，然后再找它的下一个相邻边界点。以此类推。就这样，一个边界点一个边界点的进行行走(遍历)。如果回到原始边界点，则是网点，如果行走到离原始边界点的距离超过网点范围，则判断其为实地。

具体而言，边界点处理包括二个子步骤1.1和1.2。

步骤1.1：根据边界点寻找网点的起始处理点和终止点选择一个边界点作为起始点，每当遇到一个黑点判断该黑点是否为网点的边界点，沿着网点的边界点进行遍历，直至查找到所有的边界点并进行标注记录。

所述的步骤1.1包括两个子步骤1.1.1和1.1.2。

步骤1.1.1：遍历边界点G0的8个相邻点，边界点G0的相邻边界点的个数为1，进行统计和初步处理。

对边界点G0周围的8个相邻点进行遍历，在遍历过程中，对这8个相邻点中的黑点进行判断和统计计数，同时，如果是黑点，则判断该黑点是否是一个边界点，如果是，则进行记录和统计。

针对记录和统计结果，分两种情况进行处理。一种情况是，边界点G0有2个及2个以上的相邻边界点，另一种情况是只有一个相邻边界点。

如果边界点G0有2个及2个以上的相邻边界点，则转入步骤1.1.2，下面讨论只有一个相邻边界点情况下的处理。

边界点G0只有一个相邻边界点，也就是只有一个黑点与之相连。一个网点，如果其中任意一个黑点的相邻黑点计数不超过2，则称该网点为单线网点。那么要么边界点G0所在网点是单线网点，要么边界点G0所在的网点部分是一个单线。

图6、图7是边界点G0只有一个相邻边界点的两种情况示例，其中图6为单线网点情况，图7为G0所在的网点部分是一个单线情况。

无论上述哪种情况，都将边界点G0设置为非黑点非白点的特殊点(比如点1)并记录，将点G0唯一的相邻黑点G1当作G0，继续同样处理，循环重复。那么，最终要么找不到相邻的黑点，从而标识出一个单线网点，要么找到一个黑点，该点的相邻点有不止一个黑点。

如果标识出单线网点，此为正常的网点，将特殊点设置为黑点，将转到点2进行下一步处理，直至所有相邻边界点的个数为1的边界点标注完成。

对于非单线网点，此时找到一个边界点，该点的相邻点有不止一个黑点，此时保持特殊点设置不变，转入步骤1.1.2。

步骤1.1.2：边界点G0的相邻边界点的个数大于等于2，寻找边界点G0的起始处理点和处理方向

此时，边界点G0有2个及2个以上的相邻边界点。

如前所述，边界点G有8个相邻点(也可能包含一个非黑非白特殊点，如步骤1.1.1所述)，选择一个垂直下方方向相邻的点，开始遍历。

以该邻点为起点以边界点G0为原点逆时针方向查找，直至找到一个边界点，则此边界点为起始点S。

与此类似，以该邻点为起点以边界点G0为原点顺时针方向查找，直至找到一个边界点，则此边界点为终点E。

因为边界点G的相邻点有2个及2个以上的边界点，因此，一定能够找到边界点G的起始点S和终点E，且S不等于E。

步骤1.2：沿网点边界进行行走(walking)，直至回到原点或者超出范围。

从边界点G0开始，开始沿网点边界进行行走遍历W。选择起始点S作为从G点出发开始遍历W的第一个点。

对于S点，依据图5所示的一个像素点与其相邻像素点的位置关系，确定G0点相对于S点的位置，选择G0点做S点的相邻点遍历的起始位置。显然，根据定义，G0点一定是黑点。

边界点G0以相邻边界点S作为原点顺时针查找相邻边界点S的第一个相邻边界点，同时遍历的过程中，对经过的黑点计数，直至找到一个边界点。如果找到一个边界点，也就是说，遍历W从G0点出发开始遍历的第二个点。此时，遍历W向前走了一步。

然后，将上一步的边界点S当作边界点G0，将新找到的边界点当作新的起始点S，进行同样的处理，从而再找到下一个边界点。

就这样一步一步循环。

如果找到的下一个边界点为终点E，则说明沿着网点行走了一周并返回到终点。如果找到的下一个黑点与最初的原点G0的距离超过网点范围，则判定该区域为实地。

在遍历过程中，记录这些网点的边界点。同时，通过大小比较，也记录下这些边界点所在的区域范围，以便进行后续的计算。

步骤2：根据标注的边界点计算网点的覆盖率

在上述沿着网点边界行走过程中，记录了边界点所在的区域范围。假定图像的左上角为原点[0,0]，则左右范围记为[X_min,X_max]，上下范围记为[Y_min,Y_max]。

我们统计区域范围[X_min,Y_min][X_max,Y_max]内的所有黑点和白点，并判断同一行或者一列内两个边界点之间的点为黑点或者白点。

如果为黑点，则此处网点覆盖率依据公式(1)进行计算：

网点的覆盖率

其中，N_b为网点范围中黑色像素点的个数，N为网点范围内的总像素个数；

如果为白点，则此处网点覆盖率依据公式(2)进行计算：

网点覆盖率

其中，N_w为网点大小范围中白色像素的个数，N为网点大小范围的总像素个数。

步骤3：根据标注的边界点和网点的覆盖率对网点进行削顶削顶和加斜肩将根据二值图像生成一个灰度图像，该灰度图像与二值图像大小一致。

根据削顶要求，对二值图像中区域范围[X_min,Y_min][X_max,Y_max]内的所有黑点，产生相应的灰度值，将该值赋给灰度图像的对应位置。

步骤4：根据标注的边界点和网点的覆盖率对网点加斜肩如前所述，已经记录网点的每个边界点。我们以每一个边界点为圆心，以斜肩的最大长度为半径，画一个圆的范围，对二值图像中该范围内的每一个白点，计算其斜肩值，并将该值赋给灰度图像的对应位置。

本发明提出了一种高精确激光雕刻橡胶制版中的二值图像转换为灰度图像的方法，该方法主要应用于高精确激光雕刻橡胶制版，其方法核心是精确标识网点的边界，在此基础上计算网点的面积，从而保证了网点精确统一的削顶和加支撑。精确统一的削顶是指，对于同一个网点的黑点，其削顶量是相同的。精确的加支撑是指，对于一个网点，该点所加的支撑具有如下特点：如果两个点是该网点的支撑，同时它们距离该网点的最小距离相同，那么它们所加的支撑(斜肩)相同。

该方法不仅保证了直接激光雕刻橡胶板的高精度质量，还提高了处理速度。

本发明包括如下4个步骤：

包括4个步骤，具体步骤如下：

步骤1：标识网点的性质和边界

所述的步骤1用来确定二值图像中的一个边界点是属于一个网点还是属于一个实地，并对边界点进行标识。

所述的步骤1自上而下、自左而右遍历待处理图像的每一个像素点。对于每一个被遍历的点，根据定义，判断其是否是网点的边界点。也就是说，每当遇到一个黑点，则判断该点的上下左右四个相邻点是否有一个点为白点或者没有像素点，如有则是边界点。如果是边界点，则判断该边界点是属于网点还是实地。如果不是边界点，则检查下一个点。

在判断边界点是属于网点还是实地的时候，我们会将这个网点或者实地标识出来，从而使得在后续的遍历判断时，跳过已标识的点。

因此，所述的步骤1其处理过程为：

自上而下、自左而右遍历待处理图像的每一个像素点，如果一个像素点是边界点，同时该边界点还没有标识，则将这个边界点作为原始边界点，进行处理。这个处理称为边界点处理。边界点处理之后，继续遍历，直至遍历整个图像。

如果回到原始边界点，则是网点，如果行走到离原始边界点的距离超过网点范围，则判断其为实地。

对于图8和图9所示图像，当自上而下、自左而右遍历时，像素点1将是遇到的第一个边界点。

具体而言，边界点处理包括二个子步骤1.1和1.2。

步骤1.1：根据边界点寻找网点的起始处理点和终止点对于要处理的一个边界点G0，所述的步骤1.1对边界点G0的相邻点进行遍历、记录和统计，并根据统计结果进行分类处理。这里，像素点1即为边界点G0。

所述的步骤1.1包括两个子步骤1.1.1和1.1.2。

步骤1.1.1：遍历边界点G0的8个相邻点，进行统计和初步处理对边界点G0周围的8个相邻点进行遍历，在遍历过程中，对这8个相邻点中的黑点进行判断和统计计数，同时，如果是黑点，则判断该黑点是否是一个边界点，如果是，则进行记录和统计。

针对记录和统计结果，分两种情况进行处理。一种情况是，边界点G0有2个及2个以上的相邻边界点，另一种情况是只有一个相邻边界点。

如果边界点G0有2个及2个以上的相邻边界点，则转入步骤1.1.2。

对一个点周围的8个相邻点进行遍历的一个简单可行方法是，建立一个二维常量数组。不失一般性，假定这个点为图5中的点p。点p的8个相邻像素点可以C语言定义为：

此定义的数组下标值与图5中相邻点的位置相对应，即：对于位置0，direction[0]为{1,0}，对于位置1，direction[1]为{1,1}，如此等等。

边界点G0的8个相邻点坐标位置即为G的坐标位置加上direction相对应元素。即，假定G0点的坐标位置为{x,y}，则G的0位置相邻点坐标为{x+direction[0][0],y+direction[0][1]}＝{x+1,y}，1位置相邻点坐标为{x+direction[1][0],y+direction[1][1]}＝{x+1,y+1}，以此类推。

因此，遍历边界点G0的8个相邻点即利用G0的坐标循环遍历direction中的元素即可。

对图6所示图像，网点从像素点1开始遍历，像素点1标注后行进至像素点2，像素1标注过不再记录，像素点2还是只有一个相邻像素点，继续进行标注，直至标注至像点8。

对图7所示图像，网点从像素点1开始遍历，像素点1标注后行进至像素点2，像素1标注过不再记录，像素点2有两个相邻像素点3.4，则转入步骤1.1.2。

对于图8所示图像，像素点1为边界点G0，对其8个相邻点进行遍历和记录统计，像素点1的相邻黑点为像素点2、3、4、5，共计4个，其中的相邻边界点为像素点2和5，共计2个。因为有两个相邻边界点2和5，则转入步骤1.1.2。

图9所示的为覆盖率较高、相邻网点重叠的情况。对于图9，像素点1为找到的第一个边界点G0，通过遍历相邻点，并进行记录和统计，其相邻点黑点个数为5，边界点个数为2。因为有两个相邻边界，转入步骤1.1.2。

步骤1.1.2：寻找边界点G的起始处理点和处理方向

此时，边界点G0有2个及2个以上的相邻边界点。

如前所述，边界点G0有8个相邻点(也可能包含一个非黑非白特殊点，如步骤1.1.1所述)，选择一个垂直下方方向相邻的点，开始遍历。

对于图8，像素点1为边界点G0，选择垂直下方方向相邻的点4，以相邻的点4围绕边界点1，按照逆时针方向开始遍历，寻找边界点，则找到边界点2，则点2为起始处理点S。然后，再从垂直下方方向相邻的点4开始，围绕边界点1，继续按照顺时针方向开始遍历，直至找到一个边界点5，将边界点5定义为终点E。

对于图9，像素点1为找到的第一个边界点G，选择垂直下方方向相邻的点4，点4为白点，以相邻的点4围绕边界点1，逆时针方向寻找边界点，则找到边界点3，则点3为起始处理点S。然后，再从垂直下方方向相邻的点4开始，围绕边界点1，继续按照顺时针方向，直至找到一个边界点5，将边界点5定义为终点E。

步骤1.2：沿网点边界进行行走(walking)，直至回到原点或者超出范围。

从边界点G0开始，开始沿网点边界进行行走遍历W。选择起始点S作为从G点出发开始遍历W的第一个点。

对于S点，依据图5所示的一个像素点与其相邻像素点的位置关系，确定G点相对于S点的位置，选择G点做S点的相邻点遍历的起始位置。显然，根据定义，G点一定是黑点。

对于图8，从边界点1开始，黑点2为出发点，开始遍历。同时，根据点1和点2，给出网点范围的初始值。记录边界点1和2。可以采用网点边界点数组的方式进行记录。

对于黑点2，确定黑点1相对于黑点2的相对位置，然后选择黑点1做黑点2的相邻点遍历的起始位置。

如前所述，我们可以利用数组direction元素的顺序标识一个像素点与其相邻像素点的相对位置，它们的相对关系如图5所示。对于由利用数组direction及图5表示的一个像素点与其相邻像素点的相对位置关系，有如下关系成立：

如果像素点p的一个相邻像素点p1的位置为l，l∈[A,H]为标识相对位置的整数，从A至F标注为[0,7]，l的相对坐标为[x1,y1]，则像素点p相对于像素点p1的位置为l1为：

l1＝(l+4)mod 8

对l1的相对坐标[x2,y2]，有

x2＝-x1,y2＝-y1

对于图7(1)，黑点2相对于边界点1的位置为0，黑点2坐标为(1,0)，因此，黑点1相对于黑点2计算数字为4，位置为E，坐标为(-1,0)。

然后，选择边界点1作为围绕黑点2遍历的起始位置，按照顺时针方向，直至找到边界点。显然，此时找到的边界点为黑点10。

此时，即为遍历了一个点，也就是向前走了一步。同时，对点10进行记录并修改网点的范围。

然后，按照同样方式，将新找到的边界点10设置为新的边界点S，原边界点2则相当于边界点G0，作为边界点10的起始点，寻找下一个边界点，则找到边界点11。

按照上述方法，循环往复，一步一步，逐渐找到边界点12、13、14、…、20、21。

每找到一个边界点，就比较这个点是否是终点5。在找到点21之后，再找到的下一个边界点为5，通过比较得知，此为终点。

此时，已经判断出网点并确定其范围。循环结束。转入步骤2。

对于图9，从边界点1开始，选择边界点3作为第一个点，开始遍历。在开始遍历之前，对点1和3进行记录，也就是说，将点1和2放入网点边界点数组。同时，根据点1和点3，给出网点范围的初始值。

黑点3相对于黑点1的位置为1，坐标为(1,1)，因此，黑点1相对于黑点3的位置为5，坐标为(-1,-1)。

然后，选择黑点1作为围绕黑点3遍历的起始位置，按照顺时针方向，直至找到边界点。显然，此时找到的边界点为点10。此时，对点10进行记录并修改网点的范围。

然后，按照同样方式，将新找到的边界点10设置为新的点S，原边界点3则相当于边界点G，作为边界点10的起始点，寻找下一个边界点，则找到边界点11。

按照上述方法，循环往复，一步一步，逐渐找到边界点12、13、14、…、20、21、22、23、24、25…。

每找到一个边界点，就比较这个点是否是终点5。可以看出，循环遍历将沿着白色区域，从右到左从上到下一步一步找到终点5，然后，循环结束。转入步骤2。

步骤2：计算网点的覆盖率

在上述沿着网点边界行走过程中，通过比较，确定了边界点的区域范围。假定上下范围记为[X_min,X_max]，左右范围记为[Y_min,Y_max]。

统计区域范围[X_min,X_max][Y_min,Y_max]内的所有黑点和白点，并判断同一行或者一列内两个边界点之间的点为黑点或者白点。

如果为黑点，则此处网点覆盖率依据公式(1)进行计算。

如果为白点，则此处网点覆盖率依据公式(2)进行计算：

网点覆盖率

其中，N_w为网点大小范围中白色像素的个数，N为网点大小范围的总像素个数。

对于图8，任意一行上两个边界点间的点为黑点，因此应当按照公式(1)进行计算。经过对区域范围内的黑点进行统计，可知其黑点个数为48。假定其半径为16，则其网点覆盖率为：

网点覆盖率

对于图9，任意一行上两个边界点间的点为白点，因此应当按照公式(2)进行计算。经过对区域范围内的白点进行统计，可知其白点个数为214。同样假定其半径为16，则其网点覆盖率为：

网点覆盖率

步骤3：对网点进行削顶

削顶和加斜肩，将根据二值图像生成一个灰度图像，该灰度图像与二值图像大小一致。

根据削顶要求，对二值图像中区域范围[X_min,X_max][Y_min,Y_max]内的所有黑点，产生相应的灰度值，将该值赋给灰度图像的对应位置。

通常削顶计算公式为：

削顶值＝maxUnderCut*(1-(blackPercentage/maxPercentage)) (3)

其中：blackPercentage为网点的覆盖率，由步骤2计算所得，MaxPercentage为最大消顶比率，网点的覆盖率超出这个值就不消顶，MaxUndercut为最大消顶值，黑白比0％的时候的消顶值。MaxPercentage和MaxUndercut可以通过配置文件预先定义，以便根据不同图像进行调整。

由公式3可以看出，网点的覆盖率越小，削顶值越大，顶削的越多，网点的覆盖率越大，削顶值越小，顶削的越小。

假定MaxPercentage＝30，MaxUndercut＝30。对于图8，由于blackPercentage＝6，因此，其削顶值＝30*(1-6/30)＝24。

对于图9，因为其blackPercentage＝73>20，所以，其不用削顶。

步骤4：对网点加斜肩

如前所述，已经记录网点的每个边界点。我们以每一个边界点为圆心，以斜肩的最大长度为半径，画一个圆的范围，对二值图像中该范围内的每一个白点，计算其斜肩值，并将该值赋给灰度图像的对应位置。

由于削顶不同，加斜肩支撑也因此而不同。削顶越多，有网点高度降低，所加的支撑范围就缩小。削顶越少，网点高度就高，所加的支撑范围就大。

为提高速度和提高加斜肩支撑，可以通过配置的方式，分段自定义支撑下降高度。

举例来说，假如对于覆盖率为[0,10]范围，其支撑下降高度以此为30、33、38、43、50、63、78、98、121、146、....。对于覆盖率为[60,80]范围，其支撑下降高度以此为35、45、60、80、105、120、130、140、155、185、....。

对于图10，由于其覆盖率为6，因此，其加斜肩支撑依次降低30、33、38、43、50、.....。一个覆盖率较小图像的削顶及加斜肩支撑效果图如图10所示。

对于图11，由于其覆盖率为73，因此，其加斜肩支撑依次降低35、45、60、80.....。一个覆盖率较大图像的加斜肩支撑效果图如图11所示。

Claims (3)

1.一种高精确激光雕刻橡胶制版中的二值变灰度方法，包括以下步骤：

步骤1、对待灰度处理的网点进行边界点的标注；

步骤2、根据标注的边界点计算网点的覆盖率；

步骤3、根据标注的边界点和网点的覆盖率对网点进行削顶和加斜肩；

其特征在于：边界点的标注的具体方法为，选择一个边界点作为起始点，每当遇到一个黑点判断该黑点是否为网点的边界点，沿着网点的边界点进行遍历，直至查找到所有的边界点，具体包括以下步骤：

步骤1.1、选择一个边界点G0作为起始点，判断该边界点G0的相邻边界点的个数，如果边界点G0的相邻边界点的个数为1，按步骤1.1.1处理，如果边界点G0的相邻边界点的个数大于等于2，按步骤1.1.2处理；

步骤1.1.1、将边界点G0设置为特殊点并标注，按唯一一个相邻边界点的方向行进，并将该相邻边界点作为新的边界点G0进行标注，直至某一个边界点G0的相邻边界点的个数大于等于2，继续按步骤1.1.2处理；

步骤1.1.2、从边界点G0开始，选择边界点GO的相邻边界点S作为出发点开始遍历，边界点G0以相邻边界点S作为原点顺时针查找相邻边界点S的第一个相邻边界点，将该第一个相邻边界点作为新的边界点S，原来的相邻边界点S作为边界点G0，重复上述步骤1.1.2，沿网点的边界循环遍历，直至边界点S回到出发点或超出网点范围，完成所有边界点的标注。

2.如权利要求1所述的一种高精确激光雕刻橡胶制版中的二值变灰度方法，其特征在于：沿着网点边界行走过程中，记录了所有边界点所在的区域范围，统计网点范围内的所有黑点和白点，并判断同一行或者一列内两个边界点之间的点为黑点或者白点，

如果为黑点，则此处网点覆盖率依据公式(1)进行计算：

网点的覆盖率

其中，N_b为网点范围中黑色像素点的个数，N为网点范围内的总像素个数；如果为白点，则此处网点覆盖率依据公式(2)进行计算：

网点的覆盖率

其中，N_w为网点大小范围中白色像素的个数，N为网点范围的总像素个数。

3.如权利要求1所述的一种高精确激光雕刻橡胶制版中的二值变灰度方法，其特征在于：步骤1.1.2中相邻边界点S的确定方法为，选择边界点G0垂直下方方向相邻的 点，以该相邻的点为起点以边界点G0为原点逆时针方向查找，直至找到一个边界点，则此边界点为起始点S。

Images