[发明专利]一种基于人眼视觉模型的误差反馈半色调算法

说明书

本发明涉及一种基于人眼视觉模型的误差反馈半色调算法，本发明方法是针对现有经典数字半色调算法的改进，采用人眼视觉模型与打印机模型相结合的方式，实现对经典数字半色调算法的改进，解决了传统经典误差扩散算法出现的人工痕迹、边缘模糊、边缘过渡不连续等问题，从而达到更好的图像复现效果，在图像硬拷贝领域具有一定的应用价值。

技术领域

本发明涉及图像硬拷贝复制技术领域，尤其是一种基于人眼视觉模型的误差反馈半色调算法。

背景技术

数字半色调技术又称数字加网，是在二值输出设备上实现连续调图像再现的一门技术。大多数打印设备都只能够输出二值信息或有限的几个阶调，因此需要用半色调技术来模拟连续调图像。半色调技术早期经历了模拟半色调阶段，从十九世纪中期到二十世纪初一度成为印刷工业的主导技术，随着数字化设备的出现，数字半色调技术应运而生。在过去的几十年，数字半色调技术形成了较为完善的理论体系，形成了一系列的方法，主要包括抖动法、误差扩散法和迭代法。

目前应用较广泛的是误差扩散法，其中比较经典的方法是Floyrd-Steinberg 误差扩散算法，其主要实现方式为将灰度图的当前像素值与阈值进行比较，获得二值输出，并将输入输出的像素差值扩散到当前像素的邻域上。连续调图像中某一点的像素的误差扩散处理方式主要分为以下步骤(如附图1所示)：首先，将连续调图像的像素与量化误差相加，得到当前输入；再将输入值与阈值进行比较得到二值输出；最后将输入与输出的误差按照一定的规律扩散到未处理的邻域上。

误差扩散法虽能够更加完整的保留原图像的阶调信息，且具有较高的打印分辨率。但在多灰度级图像中存在具有相关性的人工痕迹，严重的会出现蠕虫效应。还会出现边缘模糊、边缘过渡不连续的现象。另外，打印点的重叠效应会使上述现象更为明显，会产生不良的视觉效果。

发明内容

本发明的目的在于弥补现有技术的不足之处，针对经典误差扩散算法出现的人工痕迹、边缘模糊、边缘过渡不连续等问题，提供了一种基于人眼视觉模型的误差反馈半色调算法，意在改善经典半色调存在的不足，提高算法对连续调图像的处理效果，从而达到更好的视觉效果。

本发明的目的是通过以下技术手段实现的：

一种基于人眼视觉模型的误差反馈半色调算法，其特征在于：包括以下步骤：

步骤1，获取数字图像灰度数据，将连续调图像的像素值进行归一化处理；

步骤2，将打印机模型引入传统误差扩散方法中，将经过打印机模型后的输出值和量化输入值的差作为误差扩散方法中反馈的量化误差，达到降低点增益现象的效果；

步骤3，采用经过打印机模型的F-S误差扩散方法，获得二值输出b(m,n)，并将获得的半调图像b(m,n)与原始图像f(m,n)分别经过人眼视觉模型(HVS)，获得与

步骤4，将经过人眼视觉模型响应后的半色调图像与原始图像做差，获得人眼视觉差可以表示为

步骤5，根据当前区域的像素灰度特征计算视觉差的反馈系数H(m,n)；

步骤6，采用正负反馈的方式，将视觉差反馈给原图像，深化图像的纹理结构，其具体的反馈原则为：当前像素值f(m,n)大于其邻域3×3的平均像素值时，采用正反馈的方式；当前像素值f(m,n)小于其邻域3×3的平均像素值时，采用负反馈的方式；当当前像素值与其邻域像素值相差不大或为0时，说明该像素所在区域比较平滑，纹理特征不明显，此时采用较小的反馈系数或者不反馈来保证图像在平滑区域的连续性；

步骤7，再次采用F-S误差扩散法实现对获得视觉差反馈的图像进行处理，获得二值输出；

步骤8，采用阈值调制的方式来降低半色调图像中的人工纹理，在阈值常量中添加高斯白噪声，其表达式为：