[发明专利]一种随机中心聚集图像网目调方法和系统

说明书

本发明公开了一种随机中心聚集图像网目调方法和系统，属于图像硬拷贝复制领域。首先，本发明采用蓝噪声网目调算法对一定灰度值的灰度色块进行网目调处理，获得均匀随机分布的种子点。然后，借助Delaunay三角形网格划分种子点区域，利用向量法确定每一个像素点所属的三角形。之后，通过面积法获得像素点在三角形内部的位置参数，计算阈值。为了降低阈值矩阵中阈值的重复性，本发明利用贝尔表对初始阈值矩阵中的阈值进行调整。最后，按照从左到右、从上到下的顺序排列阈值矩阵，比较阈值矩阵和输入图像对应位置处的阈值大小，得到网目调图像。本发明所述的方法可以减少网目调图像中的规律性纹理，改善网目调图像的视觉效果。

技术领域

本发明属于图像硬拷贝复制领域，涉及一种网目调处理方法，具体涉及一种随机中心聚集图像网目调方法和系统。

背景技术

数字网目调技术是连接图像输入和输出环节的关键技术，它利用数学、计算机等工具，在牺牲一定分辨率的基础上，将连续调图像处理为二值图像，即网目调图像。网目调图像的质量对图像的输出效果有很大影响，根据网点的分布规律，可以将网目调算法分为调幅、调频、混合三大类。

调幅网目调算法通过调整网点大小再现图像的阶调层次，由于网点周期性分布，所以在图像输出时会存在规律性纹理。调频网目调算法利用大小相等但频率变化的网点表现图像的明暗程度，但是调频网点尺寸小，周长面积比大，网点扩大严重，不利于图像阶调再现。在混合网目调算法中，网点的大小和出现频率同时可变，网目调处理结果优于调幅和调频算法。在目前已有的算法中，通常利用蓝噪声网目调算法或误差扩散方法获得随机分布网点，但是蓝噪声网目调算法获得的网点分布随机均匀程度还是不太理想，因此输出图像时存在明显的人工纹理；此外，现有算法获得阈值矩阵中的重复阈值数量较多，不利于网目调图像的阶调再现，以上问题最终影响图像的视觉效果。

发明内容

针对上述问题，本发明提出一种随机中心聚集图像网目调方法，首先利用蓝噪声网目调算法获得随机均匀分布的种子点，然后借助Delaunay三角形网格进行网目调区域划分，让网点随机聚集分布并保持良好的形状，从而减少输出图像中的有害纹理。

为了实现上述发明目标，本发明所采用的技术方案是：一种随机中心聚集图像网目调方法，包括以下步骤：

步骤1，利用蓝噪声网目调算法对灰度色块进行网目调处理，得到二值图像，将其看成一个元素为1(种子点)和0(非种子点)的矩阵Arr1；

步骤2，对矩阵Arr1进行处理，增加种子点分布的随机均匀性；

步骤3，采用三角网生长法对步骤2中的所有种子点构建Delaunay三角形网格；

步骤4，根据像素点在三角形中的位置计算阈值；

步骤5，对阈值进行调整以增加非重复阈值的数量；

步骤6，将阈值矩阵按照从左到右、从上到下的顺序依次对输入图像进行二值化处理，得到网目调图像。

进一步的，步骤2对种子点进行如下处理以增加种子点分布的随机均匀性，

(1)将矩阵Arr1按照2×2的方式拼接得到大矩阵；

(2)利用高斯滤波函数对矩阵Arr1中的每个元素进行7×7邻域滤波，计算每个元素周围的种子点密度，高斯滤波函数表述如下：

其中，x、y分别表示邻域像素点到中心像素点的水平和垂直距离，σ是标准差；

(3)遍历矩阵Arr1中的像素，如果种子点周围的种子点密度最大，则将该点置为非种子点；如果非种子点周围的种子点密度最小，则将该点置为种子点；依次迭代循环，直到最小密度点和最大密度点位置重合为止，结束循环，得到随机均匀分布的种子点，将结果保存到矩阵Arr2中。