[发明专利]一种基于最小显色误差激光打印机模型绿噪声半色调算法

摘要

本发明公开了一种基于最小显色误差激光打印机模型绿噪声半色调算法，属于图像硬拷贝复制领域的半色调网点生成方法。由于打印机具有点增益和点丢失的非线性扭曲存在，需要使用打印机模型对非线性扭曲进行模拟。而目前的打印机模型通常使用密度或者反射率来换算测量结果，由于密度和反射率并不符合人眼视觉灰度的线性变化，所以通常需要多次打印测量才能确定打印机模型的参数。本发明将打印输出结果转换为孟塞尔明度值，计算打印机模型的最优参数，得到最小显色误差的激光打印机模型，并应用到绿噪声半色调算法中。只需要一次打印测量，所生成的最优参数对应的打印机模型就较好地抑制了打印机的非线性扭曲。

主权项

1.一种基于最小显色误差激光打印机模型绿噪声半色调算法，其特征在于，包括以下步骤：步骤1：通过计算测试图像的最小显色误差，来获得对应的最优参数T₁、T₂组合；其具体实现包括以下子步骤：步骤1.1：绘制包含由黑到白等灰度值变化的20个色块的灰度图像作为测试图像I_s；步骤1.2：选用绿噪声半色调算法对测试图像I_s进行半色调处理，获得半色调处理结果图像I_h；步骤1.3：将半色调处理结果图像I_h使用目标激光打印机进行打印输出，获得输出结果图像I_p；步骤1.4：使用色度计或密度计测量输出结果图像I_p，将测量数据转换为灰度值，获得20个色块测量灰度值数组arrPG；其中所述的将测量数据转换为灰度值，其具体实现包括以下子步骤：步骤1.4.1：将测量数据转换为CIE1931XYZ色度系统中的亮度因数Y；其中：若使用色度计对打印输出结果进行测量，则测量得到打印输出结果的亮度因数Y；若使用密度计对打印输出结果进行测量，则根据光学反射密度定义公式推导出的密度D与亮度因数Y的函数关系，计算出亮度因数Y：D=lg[Y0/(Yρ0)]⇒Y=Y010Dρ0]]>    (式壹)其中，Y₀为孟塞尔系统第10级明度的亮度因数，Y₀=102.75，ρ₀为孟塞尔系统第10级明度的反射率，ρ₀=1，D为某区域的光学反射密度，Y为该区域的亮度因数；步骤1.4.2：将亮度因数Y转换为孟塞尔明度V，根据亮度因数Y与孟塞尔明度V的函数关系，计算孟塞尔明度V：V=2.217Y^0.352-1.324    (式贰)步骤1.4.3：将孟塞尔明度V转换为灰度值G，G=V-VpVs-Vp]]>    (式叁)其中，V为待转换为孟塞尔明度，V_p为纸白对应的孟塞尔明度，V_s为100%网点打印效果对应的孟塞尔明度；步骤1.5：针对半色调处理结果图像I_h，在[0,1]范围内以0.1为步长，不断地改变式肆中参数将单个像素分割成10×10个小点，计算单个像素曝光时在各个小点的光能量分布值P(x_i,y_i)：P(xi,yi)=exp-∂[(xi-xc)2+(yi-yc)2]/l2]]>    (式肆)其中，(x_c,y_c)为像素点(m,n)的曝光中心，(x_i,y_i)为该像素曝光中心周围的各个小点，l为激光打印机两个相邻设备打印点的中心距，l=10；步骤1.6：统计曝光像素及其八邻域的各个小点的光能量，计算曝光像素本身区域、相邻区域、对角区域的平均光能量值A_center、A_nerb、A_diag，其通用计算公式为：A=∫yi-l/2yi+l/2∫xi-l/2xi+l/2P(x,y)dxdyl×l]]>    (式伍)其中，(x_i-l/2,x_i+l/2)、(y_i-l/2,y_i+l/2)分别为单位面积区域的横纵坐标取值范围；步骤1.7：逐点判断半色调处理结果图像I_h中的各个像素的八邻域是否为打印点，计算各个像素区域上的叠加光能量L：L=uA_center+vA_nerb+wA_diag    (式陆)其中，u由当前像素是否被曝光决定，A_center为当前像素在本身像素点区域的平均光能量值，v为当前像素的邻近区域中将被曝光的像素个数，A_nerb为邻近方向的打印像素点在当前像素区域的平均光能量值，w为当前像素的对角区域中将被曝光的像素个数，A_diag为对角的打印点在当前像素区域的平均光能量值；步骤1.8：在[0,3]范围内以0.1为步长，依次改变式柒中参数T₁、T₂，并代入式柒中计算各个像素的模拟输出灰度值pp=0L<T1L-T1T2-T1T1≤L<T21T2≤L]]>    (式柒)其中，如果在变换阈值过程中，T₁>T₂，则此次变换跳过，直接进入下一次变换；步骤1.9：计算同一灰度色块内的所有像素对应的模拟灰度值p的平均值，获得20个灰度色块的模拟灰度值数组arrIG；步骤1.10：计算测量灰度值数组arrPG和模拟灰度值数组arrIG之间的均方根误差RMSE：RMSE=Σi=1n(arrPGi-arrIGi)2n]]>    (式捌)其中，n为灰度色块的个数，n=20；步骤1.11：判断，RMSE是否是最小值如果否，则回转执行所述的步骤1.5；如果是：则顺序执行下述步骤1.12；步骤1.12：选择最小显色误差RMSE_min对应的参数T₁、T₂作为最优参数；步骤2：将最优参数T₁、T₂载入到绿噪声半色调算法中，对图像进行半色调处理；其具体实现包括以下子步骤：步骤2.1：代入最优参数并根据式肆及式伍分别计算单个打印点在本身像素区域、邻近区域和对角区域的光能量值A_center、A_nerb和A_diag，并保存；步骤2.2：设待处理图像为一幅大小为M×N的灰度图像，x_m,n表示待处理图像的像素点(m,n)处的灰度值，其中x_m,n∈[0,1]，0为黑，1为白；将周围八邻域已处理像素点的误差值与误差扩散滤波器卷积得到误差值，当前点的输入像素的灰度值与误差值之差作为输入阈值量化器灰度值u_m,n：um,n=xm,n-Σk,j∈SFk,jem-k,n-j]]>    （式玖）其中，S是误差扩散滤波器F(·)的系数模板范围，k、j为F(·)的系数模板的行列值；步骤2.3：采用迟滞滤波器H(·)对像素点(m,n)处相邻的已处理像素点的模拟灰度值进行权值运算，再乘以迟滞系数h作为反馈，加入输入阈值量化器灰度值u_m,n中，则像素点(m,n)的输出值b_m,n：bm,n=Q(um,n)=1um,n-hΣp,q∈RHp,qbm-p,n-q′>0.50else]]>    （式拾）其中，R是迟滞滤波器H(·)的系数模板范围，输出值1为打印点，0为不打印点；p、q为H(·)的系数模板的行列值；步骤2.4：将光能量值A_center、A_nerb和A_diag代入式陆，计算像素点(m,n)区域上的光能量叠加值，其中式陆中的u、v、w的取值由像素点(m,n)八邻域中已处理点的输出值决定。u=1bm,n=00bm,n=1]]>    (式十一)（式十二）（式十三）步骤2.5：将最优参数T₁、T₂代入式柒中计算当前点的模拟灰度值b′_m,n；步骤2.6：计算当前点的误差值e_m,n为模拟像素值与输入阈值量化器灰度值的差值e_m,n：e_m,n=b′_m,n-u_m,n    (式十四)步骤2.7：按步骤2.1至步骤2.6所述，从待处理图像左上角点开始处理，按左到右、从上到下的顺序，直至待处理图像右下角点结束。