DE69934799T2

DE69934799T2 - Verfahren und vorrichtung for bildklassifizierung und detektion von gerasterten bildbereichen

Info

Publication number: DE69934799T2
Application number: DE69934799T
Authority: DE
Inventors: J. Ron Menlo Park KARIDI; Niklas Alameda NORDSTROM
Original assignee: Electronics for Imaging Inc
Current assignee: Electronics for Imaging Inc
Priority date: 1998-07-07
Filing date: 1999-07-07
Publication date: 2007-10-11
Anticipated expiration: 2019-07-08
Also published as: EP1093697B1; WO2000002378A1; DE69934799D1; US6185335B1; CA2331373A1; EP1093697A1; BR9912527A; AU4974099A; JP2003505893A; AU741883B2

Description

Hintergrund der Erfindung
Technisches Gebiet
Die Erfindung bezieht sich auf Bildverarbeitung. Genauer gesagt bezieht sich die Erfindung auf eine Bildklassifizierung und Halbtonerfassung, insbesondere im Hinblick auf digitalisierte Dokumente, die z. B. durch digitales Abtasten gewonnen werden, und die Wiedergabe derartiger Bilder auf digitalen Farbdruckern.
Beschreibung der verwandten Technik
Elektronische Dokumente enthalten eine Vielzahl von Informationstypen in verschiedenen Formaten. Eine typische Seite eines solchen Dokuments könnte sowohl Text (d. h. Textinformationen) als auch Bilder (d. h. Bildinformationen) enthalten. Diese verschiedenen Informationstypen werden angezeigt und wiedergegeben gemäß einem bestimmten Formatierungsschema, wobei ein solches Formatierungsschema eine bestimmte Erscheinung und Auflösung bereitstellt, die für eine derartige Informations- und Druckvorrichtung geeignet ist. Zum Beispiel kann Text wiedergegeben werden aus einem residenten Schriftartsatz und Bilder können wiedergegeben werden als Kontinuierlich-Ton- (contone; continuous tone) oder Halbton-Darstellungen. In Fällen, in denen ein Halbton verwendet wird, sind Informationen über das spezifische Raster und seine Charakteristika (wie z. B. Zeilen pro Zoll (lpi = lines per inch)) ebenfalls wichtig.
Es ist erwünscht, jeden Informationstyp auf am besten geeignete Weise zu verarbeiten, sowohl im Hinblick auf Verarbeitungseffizienz als auch im Hinblick auf Wiedergabe auflösung. Es ist daher nützlich, in der Lage zu sein, verschiedene Informationsformate innerhalb jeder Seite eines Dokuments zu identifizieren. Zum Beispiel ist es wünschenswert, Halbtonabschnitte eines Dokuments zu identifizieren und nach Bedarf die Halbtoninformationen zu entrastern (descreen), um eine ästhetisch ansprechendere Aufbereitung z. B. von einem Bild zu liefern, das durch solche Informationen dargestellt ist.
Diesbezüglich sind verschiedene Schemata zum Ausführen einer Halbtonerfassung bekannt. Siehe z. B. T. Hironori, False Halftone Picture Processing Device, japanische Veröffentlichung Nr. JP 60076857 (1. Mai 1985); I. Yoshinori, I. Hiroyuki, K. Mitsuru, H. Masayoshi, H. Toshio, U. Yoshiko, Picture Processor, japanische Veröffentlichung Nr. JP 2295358 (6. Dezember 1990); M. Hiroshi, Method and Device For Examining Mask, japanische Veröffentlichung Nr. JP 8137092 (31. Mai 1996); T. Mitsugi, Image Processor, japanische Veröffentlichung Nr. JP 5153393 (18. Juni 1993); J.-N. Shiau, B. Farrell, Improved Automatic Image Segmentation, europäische Patentanmeldung Nr. 521662 (7. Januar 1993); H. Ibaraki, M. Kobayashi, H. Ochi, Halftone Picture Processing Apparatus, europäisches Patent Nr. 187724 (30. September 1992); Y. Sakano, Image Area Discriminating Device, europäische Patentanmeldung Nr. 291000 (17. November 1988); J.-N. Shiau, Automatic Image Segmentation For Color Documents, europäische Patentanmeldung Nr. 621725 (26. Oktober 1994); D. Robinson, Apparatus and Method For Segmenting An Input Image In One of A Plurality of Modes, US-Patent Nr. 5,339,172 (16. August 1994); T. Fujisawa, T. Satoh, Digital Image Processing Apparatus For Processing A Variety of Types of Input Image Data, US-Patent Nr. 5,410,619 (25. April 1995); R. Kowalski, D. Bloomberg, High Speed Halftone Detection Technique, US-Patent Nr. 5,193,122 (9. März 1993); K. Yamada, Image Processing Apparatus For Estimating Halftone Images From Bilevel and Pseudo Halftone Images, US-Patent Nr. 5,271,095 (14. Dezember 1993); S. Fox, F. Yeskel, Universal Thresholder/Discriminator, US- Patent Nr. 4,554,593 (19. November 1985); H. Ibaraki, M. Kobayashi, H. Ochi, Halftone Picture Processing Apparatus, US-Patent Nr. 4,722,008 (26. Januar 1988); J. Stoffel, Automatic Multimode Continuous Halftone Line Copy Reproduction, US-Patent Nr. 4,194,221 (18. März 1980); T. Semasa, Image Processing Apparatus and Method For Multi-Level Image Signal, US-Patent Nr. 5,361,142 (1. November 1994); J.-N. Shiau, Automatic Image Segmentation For Color Documents, US-Patent Nr. 5, 341, 226 (23. August 1994); R. Hsieh, Halftone Detection and Delineation, US-Patent Nr. 4,403,257 (6. September 1983); J.-N. Shiau, B. Farrell, Automatic Image Segmentation Using Local Area Maximum and Minimum Image Signals, US-Patent Nr. 5,293,430 (8. März 1994); und T. Semasa, Image Processing Apparatus and Method For Multi-Level Image Signal, US-Patent Nr. 5,291,309 (1. März 1994).
Während es in der Technik viel Inhalt gibt, der verschiedene Probleme anspricht, die einer Halbtonerzeugung und -erfassung zugeordnet sind, war bislang keine schnelle und effiziente Technik erhältlich für eine wirksame Bildklassifizierung und zur Erfassung von Halbtonsegmenten und anderen Komponenten eines Dokuments. Genauer gesagt erfassen solche Techniken Halbtoninformationen nicht wirksam und klassifizieren Bildregionen nicht wirksam, wie bekannt ist, insbesondere im Hinblick auf effiziente Algorithmen basierend auf Faktoren wie z. B. Begrenzungssätzen für Bildinformationen innerhalb einer einzelnen Bildebene und FarbÜbersprech-Differenzen für Bildinformationen über mehrere Bildebenen.
Es wäre vorteilhaft, eine verbesserte Technik zur Bildklassifizierung und Halbtonerfassung zu schaffen.
Es wäre ferner vorteilhaft, eine Technik zu schaffen, die die Fähigkeit aufweist, Halbtonkomponenten eines Dokuments zu erfassen, ohne vorbestimmte Informationen über die Halbtontechnik zu haben, die verwendet wird, um das ursprüngliche Bild zu erzeugen, und ferner ohne detaillierte Informationen über die spezifischen Charakteristika dieser Halbtontechnik zu haben, wie z. B. den Rastertyp, der verwendet wird, das Schwellenarray oder die LPI.
Zusammenfassung der Erfindung
Die Erfindung schafft ein Verfahren zur Bildklassifizierung und Halbtonerfassung gemäß Anspruch 1.
Bei einem ersten Ausführungsbeispiel der Erfindung wird eine Bildklassifizierung und Halbtonerfassung basierend auf der Größe eines Begrenzungssatzes ausgeführt, und ferner basierend auf Bildinformationen, die in einer einzigen Bildebene enthalten sind (d. h. in einer Farbebene). Dieses Ausführungsbeispiel der Erfindung basiert auf der kennzeichnenden Eigenschaft von Bildern, dass Halbtonbereiche innerhalb des Bildes einen größeren Begrenzungssatz aufweisen als Nichthalbtonbereiche innerhalb des Bildes.
Es wird z. B. ein Fenster der Größe K × K betrachtet. Bei diesem Beispiel wird eine Schwelle T1 adaptiv bestimmt und alle Pixel mit einem Wert < T1 werden als dunkel deklariert, während alle anderen Pixel als hell deklariert werden. Diese Schwelle kann auf eine von vielen Weisen gesetzt werden, die z. B. eine Histogrammtechnik umfassen können: ein Histogramm aus Werten kann in dem aktuellen Fenster berechnet werden. Ein rechter Spitzenbereich und ein linker Spitzenbereich finden sich dann in dem Histogramm. Wenn diese beiden Bereiche verschmelzen, wird die Schwelle auf den Medianwert gesetzt, ansonsten wird die Schwelle auf das Ende der größeren Spitze gesetzt.
Als eine Alternative zu der adaptiven Schwelle kann eine andere Technik, basierend auf einem Gewichtungsunterstützungsentscheidungsmechanismus, verwendet werden, um die Pixel als dunkel oder hell zu markieren.
Wenn eine andere Schwelle T2 gegeben ist und ein Fenster in dem Bild, wird die Anzahl von vertikalen Klassenänderungen und horizontalen Klassenänderungen, die in dem Fenster auftreten, gezählt, wobei „Klassenänderung" eine Änderung von einem dunklen Pixel zu einem hellen Pixel oder von einem hellen Pixel zu einem dunklen Pixel bezeichnet. Der Prozentsatz von hellen Pixeln in dem Fenster wird als p bezeichnet, während der Prozentsatz von dunklen Pixeln als q bezeichnet wird. Die erwartete Anzahl von vertikalen und horizontalen Änderungen an einem K × K Fenster beträgt 4 p q K (K-1).
Der Typ eines aktuellen Pixels wird bestimmt durch Vergleichen der tatsächlichen Anzahl von Klassenänderungen mit dem wahrscheinlichkeitsbasierten Schätzwert. Wenn das Verhältnis dieser zwei Zahlen höher ist als eine Schwelle T2, dann wird das Pixel als ein Halbtonpixel deklariert.
Bei einem zweiten, gleichermaßen bevorzugten Ausführungsbeispiel der Erfindung wird eine Farb-Übersprech-Differenzkorrelation verwendet, um Halbtonpixel zu erfassen. Dies ist im Gegensatz zu den meisten Techniken gemäß dem Stand der Technik, bei denen Halbtonerfassungs- und Bildregionklassifizierungsverfahren separat auf jede Farbkomponente angewendet werden.
Bei diesem Ausführungsbeispiel liegt für jedes Pixel mit R-, G- und B-Komponenten in einem Bild ein umliegendes K × K Fenster vor (K ungerade). Die RGB-Werte der Pixel in diesem Fenster sind bezeichnet durch R(i), G(i) und B(i), wobei i = 0, ..., k·k–1; und die RGB-Durchschnitte werden bezeichnet durch aR, aG und aB. Es wurde empirisch bestimmt, dass eine Fenstergröße von K = 3 oder K = 5 die besten Ergebnisse im Hinblick auf Kosten/Verhalten liefert.
Die euklidischen Normen der Vektoren R(), G(), B() werden bezeichnet durch |R|, |G|, |B|, und die nachfolgenden Summen werden berechnet:

xRG = Σ((R(i)-R)(G(i)-G)) xaRG = Σ((R(i)-aR)(G(i)-aG))

xGB = Σ((G(i)-G)(B(i)-B)) xaGB = Σ((G(i)-aG)(B(i)-aB))

xBR = Σ((B(i)-B)(R(i)-R)) xaBR = Σ((B(i)-aB)(R(i)-aR))
Die normierten Ergebnisse xRG/(|R| |G|), ... entsprechen einem Kosinus des Winkels zwischen Komponenten in dem Fenster. Dieser Winkel ist relativ klein für Contone- und Textbildinformationen und größer für Standard-Halbtonbildraster, die beim Farbdrucken verwendet werden, wobei jedes Farbraster im Hinblick auf die Seitenausrichtung unterschiedlich geneigt ist.
Die Entscheidung dahingehend, ob ein Pixel zu dem Halbtonbereich gehört oder nicht, wird getroffen durch Vergleichen der obigen Ergebnisse mit einer vorbestimmten Schwelle, die üblicherweise 0,6–0,7 beträgt.
Diese Erfassungstechnik ist nicht so effizient beim Erfassen von Zeilenrastern oder Rastern, die genau gleich für alle Komponenten sind, und ist nicht auf Bereiche von einem Bild anwendbar, in dem eine einzige Tinte verwendet wird.
Kurze Beschreibung der Zeichnungen
1 ist ein schematisches Blockdiagramm eines Bildverarbeitungssystems, das ein Bildklassifizierungs- und Halbtonerfassungsmodul gemäß der Erfindung umfasst;
2 ist ein Flussdiagramm eines Bildrekonstruktionswegs, der einen Bildklassifizierungs- und Halbtonerfassungsschritt gemäß der Erfindung umfasst;
3 ist ein Flussdiagramm, das eine Begrenzungstechnik zur Bildklassifizierung und Halbtonerfassung gemäß der Erfindung darstellt;
4 ist ein Flussdiagramm, das eine Kreuzkorrelationstechnik zur Bildklassifizierung und Halbtonerfassung gemäß der Erfindung darstellt; und
5 ist ein Flussdiagramm, das eine kombinierte Begrenzungsrfassungs-/Kreuzkorrelationstechnik für eine Bildklassifizierung und Halbtonerfassung gemäß der Erfindung darstellt.
Detaillierte Beschreibung der Erfindung
Die Erfindung schafft ein Verfahren zur Bildklassifizierung und Halbtonerfassung. Das Verfahren liefert zwei unabhängige Techniken, die kombiniert werden können, um ein robustes Bildklassifizierungs- und Halbtonerfassungsschema zu liefern. Diese Techniken werden hierin als die Begrenzungstechnik und die Kreuzkorrelationstechnik bezeichnet und werden nachfolgend detailliert erörtert.
1 ist ein schematisches Blockdiagramm eines Bildverarbeitungssystems, das ein Bildklassifizierungs- und Halbtonerfassungsmodul gemäß der Erfindung umfasst. Bildinformationen werden zu dem System geliefert, entweder als Scanner-RGB 15 (z. B. in dem Fall eines digitalen Farbkopierers) oder von dem Speicher 10. Ferner kann ein abgetastetes Bild durch eine Abschneidefunktion 12 abgeschnitten werden, was zu einem Videosignal 11 führt. Die Bildinformationen können ferner JPEG-Daten 14 umfassen.
Die Bildinformationen werden wie nötig dekomprimiert und entblockt, aufwärtsabgetastet und in RGB umgewandelt 16. Die Bildinformationen werden dann zu einem Bildrekonstruktionsweg 21 geliefert (unten in Verbindung mit 2 detaillierter erörtert).
Das verarbeitete Bild in RGB oder CMYK 22 kann zu einer Druckmaschine 24 und einem Speicher 19 geleitet (geroutet) werden. Eine Komprimierung 23 wird typischerweise auf rekonstruierte Bildinformationen angewandt, die in dem Speicher gespeichert werden sollen.
2 ist ein Flussdiagramm eines Bildrekonstruktionswegs, der einen Bildklassifizierungs- und Halbtonerfassungsschritt gemäß der Erfindung umfasst. Scanner-RGB 13 wird typischerweise zu dem Bildrekonstruktionsweg 21 eingegeben. Die Daten werden zuerst einer vorläufigen Farbeinstellung 30 und einer Staub- und Hintergrundentfernung 31 unterzogen. Danach wird eine Halbtonerfassung 33 durchgeführt (wie es unten detaillierter erörtert ist) und wird das Bild entrastert 34. Danach wird das Bild skaliert 35, wird eine Textverbesserung durchgeführt 36 und werden die Bilddaten farbumgewandelt 37, wobei eine Ausgabe von RGB oder CMYK 22 erzeugt wird, wie es für die Systemdruckmaschine geeignet ist.
Begrenzungstechnik
Bei einem ersten Ausführungsbeispiel der Erfindung wird eine Halbtonerfassung basierend auf der Größe eines Begrenzungssatzes und ferner basierend auf Bildinformationen durchgeführt, die innerhalb einer einzigen Bildebene (d. h. innerhalb einer Farbebene) enthalten sind. Dieses Ausführungsbeispiel der Erfindung basiert auf der kennzeichnenden Eigenschaft von Bildern, dass Halbtonbereiche innerhalb des Bildes einen größeren Begrenzungssatz als Nichthalbtonbereiche innerhalb des Bildes aufweisen. Wenn Ressourcen knapp sind, wie beispielsweise eine Rechenzeit oder ein Speicher, ist es von Vorteil, diese Technik auf die Intensitätskomponente anzuwenden, anstatt dieselbe getrennt auf jede der Komponenten R, G, B anzuwenden.
3 ist ein Flussdiagramm, das die Begrenzungstechnik darstellt. Die Begrenzungstechnik kann wie folgt ausgedrückt werden:
In der Nachbarschaft jedes Pixels die Nachbarschaftspixel in zwei Klassen trennen, d. h. dunkel und hell (100).
In einer Nachbarschaft (die anders als die oben beschriebene Nachbarschaft sein kann, die verwendet wird, um die Pixel in Klassen zu trennen) die Größe der Begrenzung zwischen den zwei Klassen messen (110). Die Größe der Begrenzung wird gemäß einem wahrscheinlichkeitsbasierten Modell geschätzt (115). Falls das Verhältnis zwischen der tatsächlichen (gemessenen) Größe und der geschätzten Größe kleiner als eine Schwelle T2 ist, die adaptiv berechnet wird (120), dann ist das Pixel kein Halbtonpixel (130); falls das Verhältnis zwischen der tatsächlichen (gemessenen) Größe und der geschätzten Größe größer oder gleich der Schwelle T2 ist (120), dann ist das Pixel ein Halbtonpixel (140) und werden Entraster-Techniken auf dasselbe angewandt (150).
Man betrachte beispielsweise ein Fenster der Größe K × K. Bei diesem Beispiel wird eine Schwelle T1 adaptiv bestimmt und alle Pixel mit einem Wert < T1 werden als dunkel deklariert, während alle anderen Pixel als hell deklariert werden. Diese Schwelle kann in irgendeiner von mehreren Weisen gesetzt werden, einschließlich beispielsweise einer Histogrammtechnik: ein Histogramm von Werten kann in dem aktuellen Fenster berechnet werden. Ein rechter Spitzenbereich und ein linker Spitzenbereich finden sich dann in dem Histogramm. Falls diese zwei Bereiche verschmelzen, wird die Schwelle auf den Medianwert gesetzt, andernfalls wird die Schwelle auf das Ende der größeren Spitze gesetzt.
Als eine Alternative zu der adaptiven Schwelle kann eine Technik, die auf einem Gewichtungsunterstützungsentscheidungsmechanismus basiert, verwendet werden, um die Pixel als dunkel oder hell zu markieren.
Histogrammtechnik
Ein Histogramm von Werten kann in dem aktuellen Fenster berechnet werden, das Histogramm wird analysiert und eine Schwelle wird bestimmt, durch die die Klasse eines Pixels unter Betrachtung wie folgt gesetzt wird:
Falls der Pixelwert kleiner als die Schwelle ist, ist das Pixel dunkel; und
Falls der Pixelwert größer oder gleich der Schwelle ist, dann ist das Pixel hell.
Bei dieser Technik finden sich ein rechter Spitzenbereich und ein linker Spitzenbereich in dem Histogramm. Falls diese zwei Bereiche sich schneiden, wird die Schwelle auf den Medianwert gesetzt, andernfalls wird die Schwelle auf das Ende der größeren Spitze gesetzt.
Tabelle 1 unten ist eine Pseudocodeauflistung, die eine Histogrammanalyse für die Begrenzungstechnik zeigt: Tabelle 1. Histogrammanalyse für die Begrenzungstechnik
Gewichtungsunterstützungstechnik
Die folgenden Definitionen werden in Verbindung mit einer Erörterung der Gewichtungsunterstützungstechnik hierin verwendet:

W = win-width (Fensterbreite), was die Breite des Fensters zu einer Seite ist. Falls beispielsweise das Fenster ein 5 × 5-Fenster ist, dann gibt es zwei Pixel an jeder Seite des mittleren (untersuchten) Pixels und die Fensterbreite beträgt W = 2.
WL = win-length (Fensterlänge), was die Länge des Fensters ist und gleich (2·W)+1 ist.
WS = win-size (Fenstergröße), was die Fenstergröße ist und gleich WL·WL ist.
N_compares = 2·WL·(WL–1)
VB = vertikale Begrenzung, was die Anzahl von Pixeln ist, die von einer unterschiedlichen Klasse als das Pixel direkt über denselben sind.
HB = horizontale Begrenzung, was die Anzahl von Pixeln ist, die von einer unterschiedlichen Klasse als das Pixel direkt zu der Linken derselben sind.
BT = Begrenzungsschwelle (boundary threshold), was ein Parameter ist, der durch die Anwendung gesetzt ist.
LC = Hell-Klasse (light class), was die Anzahl von hellen Pixeln ist.
DC = Dunkel-Klasse (dark class), was die Anzahl von dunklen Pixeln ist.

Algorithmus.
Es gilt.

center = Intensität des mittleren Pixels;
cnt_d = Anzahl von Pixeln innerhalb des Fensters, die dunkler als das mittlere Pixel sind;
cnt_l = Anzahl von Pixeln innerhalb des Fensters, die heller als das mittlere Pixel sind;
avg_d = Durchschnitt von Intensitäten, die dunkler als das mittlere Pixel sind;
avg_l = Durchschnitt von Intensitäten, die heller als das mittlere Pixel sind;
avg = Durchschnitt von Intensitäten in dem Fenster; und
dev = Standardabweichung von Intensitäten in dem Fenster.

Dann:

threshold = (avg_d + avg_l)/2; und
D1 = (center-avg_d)/(avg_l-center) ≤ 1/2
D2 = center<threshold-8
D3 = cnt_d/cnt_l ≤ 1/3
D4 = cnt_d/cnt_l ≤ 1/2
D5 = center<50
D6 – cnt_d<cnt_l
L1 = (avg_l-center)/(avg-avg_d) ≥ 1/2
L2 = center>threshold+8
L3 = cnt_l/cnt_d ≤ 1/3
L4 = cnt_l/cnt_d ≤ 1/2
L5 = cint>200
L6 = cnt_l<cnt_d

Dann:

D_support = 5·D1+4·D2+3·D3+2(D4+D5)+D6; und
L_support = 5·L1+4·L2+3·L3+2 (L4+L5)+L6.
Falls (D_support < L_support), dann ist das mittlere Pixel hell;
Falls (D_support = L_support) und (cnt_L < cnt_D), dann ist das Pixel hell;
Andernfalls ist das mittlere Pixel dunkel.

In dem Fall, dass eine der Klassen zu klein ist (LC < W oder DC < W) (3: 300), ist das Pixel kein Halbton (310). Folglich wird der untersuchte Bereich nicht entrastert, um einen Verlust von Schattendetails zu vermeiden.
Vergleich mit dem Schätzungsmodell
Nachdem alle der Pixel unter Verwendung entweder der Histogrammtechnik oder der Gewichtungsunterstützungstechnik markiert wurden, wird basierend auf der Größe des Begrenzungssatzes zwischen hellen Pixeln und dunklen Pixeln eine endgültige Entscheidung bezüglich des Typs des Pixels getroffen (Halbton oder Nichthalbton).
Um die Größe des Begrenzungssatzes in einem Fenster zu messen, das WL × WL misst, 2·WL·(WL–1) ausschließliche ODER-Verknüpfungen durchführen, wobei WL(WL–1) ausschließliche ODER-Verknüpfungen für die vertikale Begrenzung angewendet werden und WL(WL–1) ausschließliche ODER-Verknüpfungen für die horizontale Begrenzung sind.
Es sei bezeichnet N_compares = 2·WL·(WL–1). Ein probabilistisches Modell wird dann für eine Zweiklassenbestückungsverteilung eingebracht. Der Einfachheit halber ist dann unter Annahme eines binomischen Modells die erwartete Anzahl von Klassenänderungen gleich N_compares·(pq + qp), wobei:

p = Wahrscheinlichkeit (dunkles Pixel), und
q = 1–p = Wahrscheinlichkeit (helles Pixel).
p durch DC/WS annähern, q durch LC/WS, dann beträgt die erwartete Größe der Begrenzung, die durch Boundary_expected bezeichnet ist, N_compares·2 pq.

Gemäß der obigen Erörterung folgt, dass: Boundary_expected = (2·N_compares)(LC/WS)(DC/WS)

Ein externer Parameter BT ermöglicht einen Freiheitsgrad bei einem Anpassen (Fitting) an das binomische Modell.
BT ist eine Zahl zwischen 0 und 1, wobei ein Wert näher an 1 einer guten binomischen Näherung entspricht.
Falls Boundary_size = VB + HB < Boundary_expected·BT, das Pixel als Nichthalbton markieren;
Ansonsten das Pixel als Halbton markieren.

Beispiel – Begrenzungstechnik
Klassenabbildung:

x = dunkel, o = hell.
W = 2;
WL = 5;
WS = 25;
DC = 10;
LC = 15;
N_Compares = 40;
VB = 8;
HB = 8;
BT = 0,95.
Boundary_expected = 2·40·15/25·10/25 = 19,2

Der Wert 19,2·0,95 = 18,24 ist nicht kleiner 16. Deshalb ist das Pixel kein Halbtonpixel.
Kreuzkorrelation.
Bei einem zweiten, gleichermaßen bevorzugten Ausführungsbeispiel der Erfindung wird eine Farb-Übersprech-Differenzkorrelation verwendet, um Halbtonpixel zu erfassen. Dies ist im Gegensatz zu den meisten Techniken gemäß dem Stand der Technik, bei denen Halbtonerfassungs- und Bildregionklassifizierungsverfahren separat auf jede Farbkomponente angewendet werden.
Bei diesem Ausführungsbeispiel liegt für jedes Pixel mit R-, G- und B-Komponenten in einem Bild ein umliegendes K × K Fenster vor (K ungerade). Die RGB-Werte der Pixel in diesem Fenster sind bezeichnet durch R(i), G(i) und B(i), wobei i = 0, ..., k·k–1; und die RGB-Durchschnitte werden bezeichnet durch aR, aG und aB. Es wurde empirisch bestimmt, dass eine Fenstergröße von K = 3 oder K = 5 die besten Ergebnisse im Hinblick auf Kosten/Verhalten liefert.
Die euklidischen Normen der Vektoren R(), G(), B() werden bezeichnet durch |R|, |G|, |B|, und die nachfolgenden Summen werden berechnet:

xRG = Σ((R(i)-R)(G(i)-G)) xaRG = Σ((R(i)-aR)(G(i)-aG))

xGB = Σ((G(i)-G)(B(i)-B)) xaGB = Σ((G(i)-aG)(B(i)-aB))

xBR = Σ((B(i)-B)(R(i)-R)) xaBR = Σ((B(i)-aB)(R(i)-aR))
Die normierten Ergebnisse xRG/(|R| |G|), ... entsprechen einem Kosinus des Winkels zwischen Komponenten in dem Fenster. Dieser Winkel ist relativ klein für Contone- und Textbildinformationen und größer für Standard-Halbtonbildraster, die beim Farbdrucken verwendet werden, wobei jedes Farbraster im Hinblick auf die Seitenausrichtung unterschiedlich geneigt ist.
Die Entscheidung dahingehend, ob ein Pixel zu dem Halbtonbereich gehört oder nicht, wird getroffen durch Vergleichen der obigen Ergebnisse mit einer vorbestimmten Schwelle, die üblicherweise 0,6–0,7 beträgt. Diese Erfassungstechnik ist nicht so effizient beim Erfassen von Zeilenrastern oder Rastern, die genau gleich für alle Komponenten sind, und ist nicht auf Bereiche von einem Bild anwendbar, in dem eine einzige Tinte verwendet wird.
Dieses Ausführungsbeispiel der Erfindung berechnet die Korrelation zwischen der R-Ebene, der G-Ebene und der B-Ebene innerhalb einer Quadratnachbarschaft eines aktuellen Pixels. Ein niedriger Korrelationsfaktor gibt einen Halbtonbereich (HT-Bereich) an, der Halbtonraster aufweist, die nicht für alle Farben gleich sind. Dieses Verfahren wird gewöhnlich in Verbindung mit dem Begrenzungssatzverfahren (oben erörtert) verwendet und ist ein Komplementärhalbtonerfassungsverfahren.
Die Berechnung ist durch die folgenden Parameter gesteuert:

W = Fenstergröße = die Größe eines Nachbarschaftsfensters.
MN = minimale Norm = Schwelle für minimale Norm innerhalb eines Einzelkomponentenfensters.
T = Korrelationsschwelle = Schwelle zum Klassifizieren eines einzigen Pixels.
A = W × W = Fläche eines Fensters.

4 ist ein Flussdiagramm, das eine Kreuzkorrelationstechnik für eine Bildklassifizierung und Halbtonerfassung gemäß der Erfindung darstellt. Man betrachte ein Fenster der Größe W × W, mit RGB-Komponenten Rij, Gij, Bij und Mittenpixelkomponenten R,G,B (400). Die folgende Erörterung beschreibt, wie dieses Ausführungsbeispiel der Erfindung bestimmt, ob das aktuelle Pixel als ein Halbtonkandidat markiert werden sollte oder nicht.
Berechnungen:
Die Variationsnorm innerhalb jedes Einzelkomponentenfensters berechnen (410): N(R), N(G), N(B). Es seien bezeichnet Rij = Rij – R, Gij = Gij – G, Bij = Bij – B,
Korrelationsfaktoren berechnen (420).

• Cor(R,G) = 2 falls N(R) ≤ MN oder N (G) ≤ MN
• Cor (R, G) = |ΣRij Gij|/(N(R)N(G)) andernfalls

Auf ähnliche Weise N(G), N(B), Cor(G,B), Cor(B,R) definieren.
Korrelationsfaktoren mit einer Schwelle T vergleichen (430). Ein Pixel wird als ein Halbtonkandidat markiert (450), falls zumindest einer der Korrelationsfaktoren Cor(R,G), Cor(G,B), Cor(B,R) kleiner als T ist (440). Falls nicht, d. h. falls alle derselben größer oder gleich T sind, wird das aktuelle Pixel als Nichthalbton markiert (460).
Beispiele – Korrelationstechnik
Beispiel 1.

Es gilt W = 3, MN = 20,00, T = 0,35

Nachbarschaft:

N(R) = 292,26, N(G) = 287,95, N(B) = 18,97.
Cor(R,G) = 0,243, Cor(G,B) = 2, Cor(B,R) = 2.

Weil 0,243 < T = 0,35 ist, wird das mittlere Pixel (80, 191, 200) als ein HT-Kandidat markiert.
Beispiel 2.

N(R) = 249,1, N(G) = 154,45, N(B) = 11,22.
Cor(R,G) = 0,99, Cor(G,B) = 2, Cor(B,R) = 2.

Weil alle Korrelationsfaktoren größer als 0,35 sind, wird das Pixel als Nichthalbton markiert.
Kombinierte Begrenzungserfassungs-/Kreuzkorrelationstechnik
Wie es oben erörtert ist, können die Begrenzungserfassungstechnik und die Kreuzkorrelationstechnik kombiniert werden. 5 ist ein Flussdiagramm, das eine kombinierte Begrenzungserfassungs-/Kreuzkorrelationstechnik für eine Bildklassifizierung und Halbtonerfassung gemäß der Erfindung darstellt. Die Begrenzungserfassungstechnik wird vorzugsweise zuerst angewandt (500), wobei entweder die Histogrammtechnik (520) oder die Gewichtungsunterstützungstechnik (510) verwendet wird. Falls durch die Begrenzungserfassungstechnik erfasst wird, dass das Pixel kein Halbtonpixel ist (525), wird dann die Kreuzkorrelationstechnik angewandt (530). Falls zumindest eine Technik das Pixel als ein Halbtonpixel erfasst, dann wird das Pixel als ein Halbtonpixel markiert (550). Falls weder die Begrenzungserfassungstechnik noch die Kreuzkorrelationstechnik das Pixel als ein Halbtonpixel erfasst (525, 535), dann wird das Pixel als ein Nichthalbtonpixel markiert (540). Diese kombinierte Technik ist extrem genau, aber ist rechenaufwendig. Jedoch liefert diese Technik zwei Bestimmungsebenen hinsichtlich eines Pixeltyps und verbessert somit die Bildqualität durch ein zuverlässiges Anwenden von Entraster-Techniken auf Halbtonpixel.

Claims

Ein Verfahren zur Bildklassifizierung und Halbtonerfassung, wobei das Verfahren folgende Schritte aufweist: Auswählen eines Untersuchungspixels; Trennen (100) von Nachbarpixeln in helle und dunkle Klassen in einer ersten Nachbarschaft des Untersuchungspixels; Messen (110) einer Größe einer Begrenzung zwischen den hellen und dunklen Klassen in einer zweiten Nachbarschaft des Untersuchungspixels; Berechnen (115) einer erwarteten Größe der Begrenzung zwischen den hellen und dunklen Klassen; Berechnen (120) eines Verhältnisses zwischen der gemessenen Begrenzungsgröße und der berechneten Begrenzungsgröße; Bestimmen (130), dass das Untersuchungspixel kein Halbtonpixel ist, falls das berechnete Verhältnis kleiner als eine erste Schwelle ist; und Bestimmen (140), dass das Untersuchungspixel ein Halbtonpixel ist, falls das berechnete Verhältnis größer oder gleich der ersten Schwelle ist.
Das Verfahren gemäß Anspruch 1, bei dem das Messen (110) einer Größe einer Begrenzung ein Zählen der Anzahl von vertikalen Klassenänderungen und horizontalen Klassenänderungen aufweist, die in der zweiten Nachbarschaft auftreten.
Das Verfahren gemäß Anspruch 1, bei dem die Hell/Dunkel-Trennung (110) unter Verwendung Irgendeiner von einer Histogrammtechnik (520) und einer Gewichtungsunterstützungstechnik (510) durchgeführt wird.
Das Verfahren gemäß Anspruch 1, bei dem das Trennen (110) von Nachbarpixeln folgende Schritte aufweist: Berechnen eines Histogramms von Werten in der ersten Nachbarschaft; Setzen einer zweiten Schwelle basierend auf dem Histogramm; und Klassifizieren eines Nachbarpixels als dunkel, falls der Nachbarpixelwert kleiner als die zweite Schwelle ist, und Klassifizieren des Nachbarpixels als hell, falls der Nachbarpixelwert größer oder gleich der zweiten Schwelle ist.
Das Verfahren gemäß Anspruch 4, bei dem das Setzen der zweiten Schwelle folgende Schritte aufweist: Finden eines rechten Spitzenbereichs und eines linken Spitzenbereichs in dem Histogramm; Setzen der zweiten Schwelle auf einen Median, falls der rechte Spitzenbereich und der linke Spitzenbereich sich schneiden, andernfalls Setzen der zweiten Schwelle auf das Ende des Größeren von dem rechten Spitzenbereich und dem linken Spitzenbereich.
Verfahren gemäß Anspruch 1, bei dem das Trennen (100) von Nachbarpixeln folgende Schritte aufweist: Durchführen der folgenden Berechnungen für jedes Nachbarpixel: center = Intensität des Nachbarpixels; cnt_d = Anzahl von Pixeln innerhalb der ersten Nachbarschaft, die dunkler als das Nachbarpixel sind; cnt_l = Anzahl von Pixeln innerhalb der ersten Nachbarschaft, die heller als das Nachbarpixel sind; avg_d = Durchschnitt von Intensitäten, die dunkler als das Nachbarpixel sind; avg_l = Durchschnitt von Intensitäten, die heller als das Nachbarpixel sind; avg = Durchschnitt von Intensitäten in der ersten Nachbarschaft; dev = Standardabweichung von Intensitäten in der ersten Nachbarschaft; threshold = (avg_d + avg 1)/2; D1 = (center-avg_d)/(avg _l-center) ≤ 1/2 D2 = center<threshold-8 D3 = cnt_d/cnt_l ≤ 1/3 D4 = cnt_d/cnt_l ≤ 1/2 D5 = center<50 D6 – cnt_d<cnt_l L1 = (avg_l-center)/(avg-avg_d) ≥ 1/2 L2 = center>threshold+8 L3 = cnt_l/cnt_d ≤ 1/3 L4 = cnt_l/cnt_d ≤ 1/2 L5 = cint>200 L6 = cnt_l<cnt_d D_support = 5·D1+4·D2+3·D3+2(D4+D5)+D6; L_support = 5·L1+4·L2+3·L3+2(L4+L5)+L6; und Klassifizieren des Nachbarpixels als hell, falls (D_support < L_support) oder falls ((D_support = L_support) und (cnt_l<cnt_d)), andernfalls Klassifizieren des Nachbarpixels als dunkel.
Das Verfahren gemäß Anspruch 1, bei dem: die zweite Nachbarschaft ein Fenster von WL × WL Pixeln aufweist; das Messen (110) einer Größe der Begrenzung folgende Schritte aufweist: Berechnen einer Größe der vertikalen Begrenzung, VB, durch ein Durchführen von WL(WL–1) ausschließlichen ODER-Verknüpfungen von Pixeln in dem Fenster in eine vertikale Richtung; Berechnen einer Größe der horizontalen Begrenzung, HB, durch ein Durchführen von WL(WL–1) ausschließlichen ODER-Verknüpfungen von Pixeln in dem Fenster in eine horizontale Richtung; Berechnen der Begrenzungsgröße als VB + HB; Berechnen einer erwarteten Größe des Begrenzungssatzes als: Boundary_expected = 2 × N_compares × (LC/WS) × (DC/WS), wobei: WS = WL·WL; LC = die Anzahl von hellen Pixeln in dem Fenster; und DC = die Anzahl von dunklen Pixeln in dem Fenster.
Das Verfahren gemäß Anspruch 1, das ferner folgenden Schritt aufweist: Anwenden einer Kreuzkorrelationstechnik (530) in einer dritten Nachbarschaft des Untersuchungspixels, um Halbtonpixel zu erfassen.
Das Verfahren gemäß Anspruch 8, bei dem das Anwenden der Kreuzkorrelationstechnik ein Berechnen (420) einer Korrelation zwischen einer R-Ebene, einer G-Ebene und einer B-Ebene innerhalb der dritten Nachbarschaft aufweist, und wobei ein niedriger Korrelationsfaktor einen Halbtonbereich angibt, der Halbtonraster aufweist, die nicht für alle Farben die gleichen sind.
Das Verfahren gemäß Anspruch 9, das ferner folgende Schritte aufweist: Berechnen (410) einer Variationsnorm innerhalb eines einzigen Komponentenfensters, wobei Rij = Rij-R, Gij = Gij_G, Bij = Bij_B:
Berechnen von Korrelationsfaktoren:
Definieren von N(G), N(B), Cor(G, B), Cor(B, R) auf ähnliche Weise; Vergleichen von Korrelationsfaktoren mit einer Schwelle; Markieren des Untersuchungspixels als ein Halbtonpixel, falls zumindest einer der Korrelationsfaktoren Cor(R,G), Cor(G,B), Cor(B,R) kleiner als die Schwelle ist und Markieren des Untersuchungspixels als kein Halbtonpixel, falls alle Korrelationsfaktoren größer oder gleich der Schwelle sind.