[发明专利]一种多模态半色调图像的逆半色调化方法

说明书

本发明公开了一种多模态半色调图像的逆半色调化方法，首先生成不同模态的半色调图像，构建逆半色调数据集和模态风格转换数据集；然后构建模态风格转换网络，实现其它模态的半色调图像到误差扩散型半色调图像转换；接着构建误差扩散型半色调图像到连续调图像转换的逆半色调转换网络，实现误差扩散型半色调图像的逆半色调化；最后，对于任意模态类型的半色调图像，先通过模态风格转换网络转换为误差扩散型风格的半色调图像，再通过逆半色调转换网络转换为连续调图像。本发明方法针对多模态半色调图像的逆半色调化，提出了通过多种转换网络的逆半色调化方法，具有结构统一、转换效果好的特点。

技术领域

本发明属于印刷图像处理技术领域，涉及一种多模态半色调图像的逆半色调化方法。

背景技术

半色调技术是一种将连续调的图像转换成二值阶调的图像，但人眼在一定的距离下观察仍呈现出连续调图像视觉效果的技术，所生成的二值图像被称为半色调图像。采用半色调技术，可以供无法再现连续调图像的各种二值输出设备输出视觉上近似的连续调图像，其被广泛应用于印刷、打印、电子显示等领域。

实际生活中产生了许多的半色调图像。为了进一步应用半色调图像，如对半色调图像转换加网、半色调图像数字化管理、印刷图像分类识别，需要将其转换为连续调图像，这被称为逆半色调化。之所以要进行逆半色调化，是因为现有的图像处理、分析及识别的软件和方法主要都是针对连续调图像的。

连续调图像在转换为半色调图像的过程中丢失了许多信息且在半色调化的过程中引入了半色调噪声，因此逆半色调化是一个病态图像的恢复过程。目前的逆半色调化方法主要有低通滤波法、反褶积法、迭代法、变换域法、稀疏表示法和查表法等，这些方法可以在一定程度上恢复出连续调图像，但恢复出的图像质量不高，且无法较好的联合三通道的彩色半色调图像恢复彩色图像。近年，深度学习技术被逐渐引用逆半色调技术领域，取得了较好的恢复效果，但仍然存在着以下问题：一是一种方法只能实现一种类型的半色调图像逆半色调化，无法完成多模态半色调图像的逆半色调化；二是无法较好恢复出半色调图像中的细节信息，且半色调噪声去除不够彻底。本发明针对以上问题，提供了一种有效的解决方法。

发明内容

本发明的目的是提供一种多模态半色调图像的逆半色调化方法，具有通过非线性降采样、融合多通道恢复的逆半色调化方法，从不同频带中去除半色调噪声并增强恢复图像中的细节信息的特点。

本发明所采用的技术方案是，一种多模态半色调图像的逆半色调化方法，具体按照以下步骤实施：

步骤1、采集不同类型的连续调图像，并利用不同种类的半色调方法生成不同模态的半色调图像，并构建半色调数据集和模态风格转换数据集；

步骤2、构建误差扩散型半色调图像到连续调图像转换的逆半色调转换网络，并利用逆半色调数据集D₁进行训练和验证，实现误差扩散型半色调图像的逆半色调化；

步骤3、构建不同模态类型的半色调图像到误差扩散型半色调图像转换的模态风格转换网络，并利用模态风格转换数据集D₂进行训练和验证；实现不同模态的半色调图像到误差扩散型半色调图像转换；

步骤4、对于输入的任一类型的其它模态的半色调图像，先用步骤3构建并训练好的模态风格转换网络将其转换为误差扩散型风格的半色调图像，再用步骤2构建并训练好的逆半色调转换网络将其转换为对应的连续调图像。

步骤1中不同种类的半色调方法包括误差扩散法、点扩散法抖动法和直接二值搜索法；其中半色调数据集由误差扩散法半色调图像和对应的连续调图像组成，用D₁表示；模态风格转换数据集由其它模态的半色调图像和其对应的误差扩散型的半色调图像组成，用D₂表示。

D₁和D₂可按照一定的比例随机划分为训练集和测试集。