[發(fā)明專(zhuān)利]一種隨機(jī)中心聚集圖像網(wǎng)目調(diào)方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810203984.1
• 申請(qǐng)日: 2018-03-13
• 公開(kāi)（公告）號(hào): CN108389259B
• 公開(kāi)（公告）日: 2020-05-26
• 發(fā)明（設(shè)計(jì)）人: 易堯華;劉艷鶴;劉磊;梁正宇;何婧婧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢大學(xué)
• 主分類(lèi)號(hào): G06T17/20
• 分類(lèi)號(hào): G06T17/20
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 王琪

本發(fā)明公開(kāi)了一種隨機(jī)中心聚集圖像網(wǎng)目調(diào)方法和系統(tǒng)，屬于圖像硬拷貝復(fù)制領(lǐng)域。首先，本發(fā)明采用藍(lán)噪聲網(wǎng)目調(diào)算法對(duì)一定灰度值的灰度色塊進(jìn)行網(wǎng)目調(diào)處理，獲得均勻隨機(jī)分布的種子點(diǎn)。然后，借助Delaunay三角形網(wǎng)格劃分種子點(diǎn)區(qū)域，利用向量法確定每一個(gè)像素點(diǎn)所屬的三角形。之后，通過(guò)面積法獲得像素點(diǎn)在三角形內(nèi)部的位置參數(shù)，計(jì)算閾值。為了降低閾值矩陣中閾值的重復(fù)性，本發(fā)明利用貝爾表對(duì)初始閾值矩陣中的閾值進(jìn)行調(diào)整。最后，按照從左到右、從上到下的順序排列閾值矩陣，比較閾值矩陣和輸入圖像對(duì)應(yīng)位置處的閾值大小，得到網(wǎng)目調(diào)圖像。本發(fā)明所述的方法可以減少網(wǎng)目調(diào)圖像中的規(guī)律性紋理，改善網(wǎng)目調(diào)圖像的視覺(jué)效果。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像硬拷貝復(fù)制領(lǐng)域，涉及一種網(wǎng)目調(diào)處理方法，具體涉及一種隨機(jī)中心聚集圖像網(wǎng)目調(diào)方法和系統(tǒng)。

背景技術(shù)

數(shù)字網(wǎng)目調(diào)技術(shù)是連接圖像輸入和輸出環(huán)節(jié)的關(guān)鍵技術(shù)，它利用數(shù)學(xué)、計(jì)算機(jī)等工具，在犧牲一定分辨率的基礎(chǔ)上，將連續(xù)調(diào)圖像處理為二值圖像，即網(wǎng)目調(diào)圖像。網(wǎng)目調(diào)圖像的質(zhì)量對(duì)圖像的輸出效果有很大影響，根據(jù)網(wǎng)點(diǎn)的分布規(guī)律，可以將網(wǎng)目調(diào)算法分為調(diào)幅、調(diào)頻、混合三大類(lèi)。

調(diào)幅網(wǎng)目調(diào)算法通過(guò)調(diào)整網(wǎng)點(diǎn)大小再現(xiàn)圖像的階調(diào)層次，由于網(wǎng)點(diǎn)周期性分布，所以在圖像輸出時(shí)會(huì)存在規(guī)律性紋理。調(diào)頻網(wǎng)目調(diào)算法利用大小相等但頻率變化的網(wǎng)點(diǎn)表現(xiàn)圖像的明暗程度，但是調(diào)頻網(wǎng)點(diǎn)尺寸小，周長(zhǎng)面積比大，網(wǎng)點(diǎn)擴(kuò)大嚴(yán)重，不利于圖像階調(diào)再現(xiàn)。在混合網(wǎng)目調(diào)算法中，網(wǎng)點(diǎn)的大小和出現(xiàn)頻率同時(shí)可變，網(wǎng)目調(diào)處理結(jié)果優(yōu)于調(diào)幅和調(diào)頻算法。在目前已有的算法中，通常利用藍(lán)噪聲網(wǎng)目調(diào)算法或誤差擴(kuò)散方法獲得隨機(jī)分布網(wǎng)點(diǎn)，但是藍(lán)噪聲網(wǎng)目調(diào)算法獲得的網(wǎng)點(diǎn)分布隨機(jī)均勻程度還是不太理想，因此輸出圖像時(shí)存在明顯的人工紋理；此外，現(xiàn)有算法獲得閾值矩陣中的重復(fù)閾值數(shù)量較多，不利于網(wǎng)目調(diào)圖像的階調(diào)再現(xiàn)，以上問(wèn)題最終影響圖像的視覺(jué)效果。

發(fā)明內(nèi)容

針對(duì)上述問(wèn)題，本發(fā)明提出一種隨機(jī)中心聚集圖像網(wǎng)目調(diào)方法，首先利用藍(lán)噪聲網(wǎng)目調(diào)算法獲得隨機(jī)均勻分布的種子點(diǎn)，然后借助Delaunay三角形網(wǎng)格進(jìn)行網(wǎng)目調(diào)區(qū)域劃分，讓網(wǎng)點(diǎn)隨機(jī)聚集分布并保持良好的形狀，從而減少輸出圖像中的有害紋理。

為了實(shí)現(xiàn)上述發(fā)明目標(biāo)，本發(fā)明所采用的技術(shù)方案是：一種隨機(jī)中心聚集圖像網(wǎng)目調(diào)方法，包括以下步驟：

步驟1，利用藍(lán)噪聲網(wǎng)目調(diào)算法對(duì)灰度色塊進(jìn)行網(wǎng)目調(diào)處理，得到二值圖像，將其看成一個(gè)元素為1(種子點(diǎn))和0(非種子點(diǎn))的矩陣Arr1；

步驟2，對(duì)矩陣Arr1進(jìn)行處理，增加種子點(diǎn)分布的隨機(jī)均勻性；

步驟3，采用三角網(wǎng)生長(zhǎng)法對(duì)步驟2中的所有種子點(diǎn)構(gòu)建Delaunay三角形網(wǎng)格；

步驟4，根據(jù)像素點(diǎn)在三角形中的位置計(jì)算閾值；

步驟5，對(duì)閾值進(jìn)行調(diào)整以增加非重復(fù)閾值的數(shù)量；

步驟6，將閾值矩陣按照從左到右、從上到下的順序依次對(duì)輸入圖像進(jìn)行二值化處理，得到網(wǎng)目調(diào)圖像。

進(jìn)一步的，步驟2對(duì)種子點(diǎn)進(jìn)行如下處理以增加種子點(diǎn)分布的隨機(jī)均勻性，

(1)將矩陣Arr1按照2×2的方式拼接得到大矩陣；

(2)利用高斯濾波函數(shù)對(duì)矩陣Arr1中的每個(gè)元素進(jìn)行7×7鄰域?yàn)V波，計(jì)算每個(gè)元素周?chē)姆N子點(diǎn)密度，高斯濾波函數(shù)表述如下：

其中，x、y分別表示鄰域像素點(diǎn)到中心像素點(diǎn)的水平和垂直距離，σ是標(biāo)準(zhǔn)差；

(3)遍歷矩陣Arr1中的像素，如果種子點(diǎn)周?chē)姆N子點(diǎn)密度最大，則將該點(diǎn)置為非種子點(diǎn)；如果非種子點(diǎn)周?chē)姆N子點(diǎn)密度最小，則將該點(diǎn)置為種子點(diǎn)；依次迭代循環(huán)，直到最小密度點(diǎn)和最大密度點(diǎn)位置重合為止，結(jié)束循環(huán)，得到隨機(jī)均勻分布的種子點(diǎn)，將結(jié)果保存到矩陣Arr2中。