顾及边缘信息的多尺度误差扩散半色调算法

作者:易尧华;刘磊;刘菊华;梁正宇; 刊名:包装工程 上传者:张文敏

【摘要】目的为了解决传统多尺度误差扩散半色调算法会导致半色调结果图像阶调变暗和边缘模糊的问题,提出一种顾及边缘信息的多尺度误差扩散半色调算法。方法根据当前像素邻域内像素点的处理状态,设计动态非时序误差扩散滤波器;利用图像局部平均灰度与空间变化率提取图像边缘信息,结合图像边缘信息与灰度信息确定半色调处理顺序。结果半色调处理结果视觉效果均匀,阶调信息和边缘结构信息与原图像一致性良好,峰值信噪比、加权信噪比和结构相似度分别提高了0.7~1.2 d B,0.9~1.5 d B,0.11~0.18。结论该算法解决了多尺度误差扩散算法的图像阶调变暗和边缘模糊的问题,有效提高了半色调输出质量。

全文阅读

由于图像输出设备(如印刷机、打印机等)通常为二值设备[1],进行图像输出时需要对连续调图像进行半色调处理,将连续调图像转换为半色调二值图像[23]。调频半色调方法是将大小相同的记录网点以尽可能随机的方式排列,通过改变单位面积内网点的数量来反映图像阶调。经典的调频半色调算法是由Floyd和Steinberg提出的误差扩散算法[4],该算法以其优良的半色调成像质量成为目前最流行的半色调处理算法之一。经典误差扩散算法采用时序误差扩散滤波器,按照固定顺序扫描图像像素进行量化,量化误差只能向固定方向扩散,不考虑图像的内容信息,只保证半色调图像与原始图像的平均灰度一致,因此很容易造成半色调输出结果边缘退化,出现方向性纹理,伪轮廓与蠕虫等问题。针对以上问题,Jarvis,Stevenson,Arce[5]与Stucki[6]等通过扩大滤波器的扩散范围来消除蠕虫现象的影响。Ulichney[2],Zhang[7]与Asano[8]相继提出“蛇”形扫描法、Hilbert曲线扫描法与Sierpinsky曲线扫描法,通过改变图像像素的处理顺序,在一定程度上减少了方向性纹理,但仍无法消除由时序误差扩散滤波器带来的伪轮廓问题。EschbachR[9]提出了参数控制的边缘增强误差扩散算法。KwakNJ[10]在此基础上提出基于人眼视觉系统特性的边缘增强方法,在一定程度上强化了图像的边缘信息。IoannisKatsavou-nidis提出多尺度误差扩散半色调算法(MED)[1112],该算法不指定扫描顺序,而是根据图像像素点的灰度值来确定半色调处理顺序,同时采用非时序误差扩散滤波器,在一定程度上缓解了方向性纹理和伪轮廓的产生。FungYH等[1315]在该算法基础上,通过判断图像中少数点类型以强化图像边缘,提高算法效率,但仍然存在半色调图像视觉效果不均匀、图像阶调变暗与图像边缘模糊等问题。文中在多尺度误差扩散半色调算法的基础上,设计动态非时序误差扩散滤波器,扩大误差扩散范围,防止误差泄漏,同时受KwakNJ启发,根据人眼系统的特性,利用图像的局部平均灰度和空间变化率提取图像的边缘信息,结合图像边缘信息与灰度信息确定半色调处理顺序,有效地解决了多尺度误差扩散半色调算法存在的半色调图像阶调变暗与边缘模糊等不足。1多尺度误差扩散半色调算法多尺度误差扩散半色调算法基本原理是:首先将半色调输出结果设为全黑,然后根据连续调图像建立图像四叉树,从低分辨率尺度向高分辨尺度搜索图像中灰度最大的像素点,将半色调图像中的该点设置为白点,并进行误差扩散,迭代执行该过程,直至半色调图像与连续调图像的平均灰度相等。该算法主要分为5个步骤。1)初始化半色调图像为全黑,即像素值全部设为0。2)建立图像四叉树,得到不同分辨率尺度下的图像Xk。(7)(8)(7)(8)111002,2ijXi,jXiijj(10)(28)(28)(28)??(10)(10),0,121;1,20kkij=k-k=r-r-(43)(43)(1)式中:Xr为原始连续调图像;X0为最低分辨率尺度图像,只有一个像素,其值为整幅图像的灰度值总和,控制半色调输出图像中白点总个数(NDotNum)。3)从第2层图像X1中搜索灰度值最大的像素点,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,得到原始图像Xr的像素点(ik,jk),并将半色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NDotNum减少1。若NDotNum小于0.5,则停止搜索,得到最终的半色调结果,否则进行步骤4)和5)。4)计算原始图像Xr的像素点

参考文献

引证文献

问答

我要提问