一种随机中心聚集图像网目调方法和系统技术方案

本发明专利技术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，本发明专利技术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，本发明专利技术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。本发明专利技术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。

A method and system for random center clustering image mesh adjustment

The invention discloses a method and a system for mesh tuning of randomly centered aggregated images, belonging to the field of image hard copy reproduction. Firstly, the blue noise mesh tuning algorithm is used for mesh tuning of gray color blocks with a certain gray value to obtain uniform and randomly distributed seed points. Then, Delaunay triangle mesh is used to divide the seed point area, and vector method is used to determine the triangle to which each pixel belongs. After that, the location parameters of the pixels in the triangle are obtained by the area method, and the threshold is calculated. In order to reduce the repeatability of the threshold value in the threshold matrix, the Bell table is used to adjust the threshold value in the initial threshold matrix. Finally, the threshold matrix is arranged in the order from left to right and from top to bottom, and the threshold value of the threshold matrix and the corresponding position of the input image are compared to obtain the mesh tone image. The method can reduce the regular texture in mesh tone image and improve the visual effect of mesh tone image.

【技术实现步骤摘要】
一种随机中心聚集图像网目调方法和系统
本专利技术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。
技术介绍
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。
技术实现思路
针对上述问题，本专利技术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。为了实现上述专利技术目标，本专利技术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。进一步的，步骤3的具体实现方式如下，步骤3.1，在上、下、左、右四个方向上将矩阵Arr2分别扩展5个像素得到矩阵Arr3；步骤3.2，将矩阵Arr3左上角像素点P1作为起始点，在剩余点集中找出距离该点最近的种子点P3，连接两点，得到初始基线P1P3；步骤3.3，根据空外接圆准则和最大化最小角准则寻找三角形的第三个顶点P2，按照逆时针方向依次存储点P1、P2、P3；步骤3.3.1，遍历所有种子点，利用公式2判断点P是否在向量的右侧区域，公式表述如下：Temp＝(x-x1)(y3-y1)-(y-y1)(x3-x1)(2)其中，x和y分别表示点P的纵横坐标值，xi、yi表示点Pi的纵横坐标(i＝1,2)；如果Temp>0，则说明点P满足条件，进入下一步，反之，继续遍历循环；步骤3.3.2，利用余弦公式计算∠P1PP3的余弦值：如果cos∠P1PP3是最小值，说明此时的∠P1PP3最大，满足最小角最大准则，将点P记为P2，按照逆时针方向依次存储点P1、P2、P3；反之，回转执行步骤3.3.1继续寻找第三个顶点；步骤3.4，分别以P1P2、P2P3为初始基线，得到第二个、第三个Delaunay三角形；步骤3.5，重复步骤3.3和步骤3.4，直到所有种子点完成Delaunay三角网构建为止。进一步的，步骤4的具体实现方式如下，步骤4.1，设当前像素点M的坐标为(j，i)，将三角形的三条边看成三个向量，利用叉乘运算确定像素点所属的三角形：Temp0＝(j-x4)(y5-y4)-(i-y4)(x5-x4)(4)Temp1＝(j-x5)(y6-y5)-(i-y5)(x6-x5)(5)Temp2＝(j-x6)(y4-y6)-(i-y6)(x4-x6)(6)其中，xk、yk表示点Pk的纵横坐标(k＝4,5,6)；如果Temp0、Temp1和Temp2均小于等于零，则说明像素点(j，i)在三角形P4P5P6内；步骤4.2，利用面积法计算三角形的高以及像素点到三角形三条边的垂直距离；S＝|(x5-x4)(y6-y4)-(x6-x4)(y5-y4)|(7)S4＝|(j-x6)(y5-y6)-(x5-x6)(i-y6)|(8)S5＝|(j-x4)(y6-y4)-(x6-x4)(i-y4)|(9)S6＝|(j-x5)(y4-y5)-(x4-x5)(i-y5)|(10)其中，S、S4、S5、S6分别表示△P4P5P6、△MP5P6、△MP4P6、△MP4P5面积的2倍值；H4＝S/L56(11)H5＝S/L64(12)H6＝S/L45(13)其中，L45、L56、L64分别表示边P4P5、P5P6、P6P4的长度，H4、H5、H6分别表示边P5P6上的高、边P6P4上的高和边P4P5上的高；h4＝S4/L56(14)h5＝S5/L64(15)h6＝S6/L45(16)其中，h4、h5、h6分别表示点M到边P5P6、P6P4、P4P5的垂直距离；步骤4.3，根据上述步骤获得的像素点位置参数计算阈值：在公式17中，Q代表阈值，ak、rk为阈值生成参数，ak控制着网点在Hk(k＝4,5,6)方向上的伸长率，影响网点形状；rk决定各网点在不同方向上的接触情况；步骤4.4，将Q的取值区间转化到0～255之间，得到阈值Q′并保存在阈值矩阵Arr4中；Q′＝(Q-Qmin)/(Qmax-Qmin)×255(18)其中，Qmin表示阈值中的最小值，Qmax表示阈值中的最大值。进一步的，步骤5利用8×8的贝尔表对阈值进行调整，具体实现方式如下，步骤5.1，确定阈值矩阵Arr4中的每个元素在贝尔表中的横纵坐标x、y，根据元素在贝尔表中的对应值Bay[x,y]计算得到新的阈值Arr5[i,j]；x＝i％8，y＝j％8(19)Arr5[i,j]＝Arr4[i,j]+0.1×64×Bay[x,y](20)步骤5.2，采用冒泡法按照从小到大的顺序对矩阵Arr5中的阈值进行排序，计算非重复阈值的个数Sum，根据每个阈值对应的排序号Num得到阈值Q″，将计算结果保存在阈值矩阵Arr6中，该矩阵为最终的目标阈值矩阵，Q″＝(INT)(Num/Sum×255+0.5)(21)其中，INT表示取整操作。此外，本专利技术还提供一种随机中心聚集图像网目调系统，包括如下模块：种子点获取模块，用于利用蓝噪声网目调算法对灰度色块进行网目调处理，得到二值图像本文档来自技高网...

【技术保护点】
1.一种随机中心聚集图像网目调方法，其特征在于，包括如下步骤：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。

【技术特征摘要】
1.一种随机中心聚集图像网目调方法，其特征在于，包括如下步骤：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。2.如权利要求1所述的一种随机中心聚集图像网目调方法，其特征在于：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。3.如权利要求2所述的一种随机中心聚集图像网目调方法，其特征在于：步骤3的具体实现方式如下，步骤3.1，在上、下、左、右四个方向上将矩阵Arr2分别扩展5个像素得到矩阵Arr3；步骤3.2，将矩阵Arr3左上角像素点P1作为起始点，在剩余点集中找出距离该点最近的种子点P3，连接两点，得到初始基线P1P3；步骤3.3，根据空外接圆准则和最大化最小角准则寻找三角形的第三个顶点P2，按照逆时针方向依次存储点P1、P2、P3；步骤3.3.1，遍历所有种子点，利用公式2判断点P是否在向量的右侧区域，公式表述如下：Temp＝(x-x1)(y3-y1)-(y-y1)(x3-x1)(2)其中，x和y分别表示点P的纵横坐标值，xi、yi表示点Pi的纵横坐标(i＝1,2)；如果Temp>0，则说明点P满足条件，进入下一步，反之，继续遍历循环；步骤3.3.2，利用余弦公式计算∠P1PP3的余弦值：如果cos∠P1PP3是最小值，说明此时的∠P1PP3最大，满足最小角最大准则，将点P记为P2，按照逆时针方向依次存储点P1、P2、P3；反之，回转执行步骤3.3.1继续寻找第三个顶点；步骤3.4，分别以P1P2、P2P3为初始基线，得到第二个、第三个Delaunay三角形；步骤3.5，重复步骤3.3和步骤3.4，直到所有种子点完成Delaunay三角网构建为止。4.如权利要求3所述的一种随机中心聚集图像网目调方法，其特征在于：步骤4的具体实现方式如下，步骤4.1，设当前像素点M的坐标为(j，i)，将三角形的三条边看成三个向量，利用叉乘运算确定像素点所属的三角形：Temp0＝(j-x4)(y5-y4)-(i-y4)(x5-x4)(4)Temp1＝(j-x5)(y6-y5)-(i-y5)(x6-x5)(5)Temp2＝(j-x6)(y4-y6)-(i-y6)(x4-x6)(6)其中，xk、yk表示点Pk的纵横坐标(k＝4,5,6)；如果Temp0、Temp1和Temp2均小于等于零，则说明像素点(j，i)在三角形P4P5P6内；步骤4.2，利用面积法计算三角形的高以及像素点到三角形三条边的垂直距离；S＝|(x5-x4)(y6-y4)-(x6-x4)(y5-y4)|(7)S4＝|(j-x6)(y5-y6)-(x5-x6)(i-y6)|(8)S5＝|(j-x4)(y6-y4)-(x6-x4)(i-y4)|(9)S6＝|(j-x5)(y4-y5)-(x4-x5)(i-y5)|(10)其中，S、S4、S5、S6分别表示△P4P5P6、△MP5P6、△MP4P6、△MP4P5面积的2倍值；H4＝S/L56(11)H5＝S/L64(12)H6＝S/L45(13)其中，L45、L56、L64分别表示边P4P5、P5P6、P6P4的长度，H4、H5、H6分别表示边P5P6上的高、边P6P4上的高和边P4P5上的高；h4＝S4/L56(14)h5＝S5/L64(15)h6＝S6/L45(16)其中，h4、h5、h6分别表示点M到边P5P6、P6P4、P4P5的垂直距离；步骤4.3，根据上述步骤获得的像素点位置参数计算阈值：在公式17中，Q代表阈值，ak、rk为阈值生成参数，ak控制着网点在Hk(k＝4,5,6)方向上的伸长率，影响网点形状；rk决定各网点在不同方向上的接触情况；步骤4.4，将Q的取值区间转化到0～255之间，得到阈值Q′并保存在阈值矩阵Arr4中；Q′＝(Q-Qmin)/(Qmax-Qmin)×255(18)其中，Qmin表示阈值中的最小值，Qmax表示阈值中的最大值。5.如权利要求4所述的一种随机中心聚集图像网目调方法，其特征在于：步骤5利用8×8的贝尔表对阈值进行调整，具体实现方式如下，步骤5.1，确定阈值矩阵Arr4中的每个元素在贝尔表中的横纵坐标x、y，根据元素在贝尔表中的对应值Bay[x,y]计算得到新的阈值Arr5[i,j]；x＝i％8，y＝j％8(19)Arr5[i,j]＝Arr4[i,j]+0.1×64×Bay[x,y](20)步骤5.2，采用冒泡法按照从小到大的顺序对矩阵Arr5中的阈值进行排序，计算非重复阈值的个数Sum，根据每个阈值对应的排序号Num得到阈值Q″，将计算结果保存在阈值矩阵Arr6中，该矩阵为最终的目标阈值矩阵，Q″＝(INT)(Num/Sum×255+0.5)(21)其中，INT表示取整操作。6.一种随机中心聚集图像网目调系统，其特征在于，包括如下模块：...

【专利技术属性】
技术研发人员：易尧华，刘艳鹤，刘磊，梁正宇，何婧婧，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42