本发明专利技术公开一种基于误差扩散的实数域高动态范围蓝噪声采样方法、系统，属于计算机图像处理领域。本发明专利技术首先计算最优密度动态范围以及最优误差扩散系数和阈值调制系数，并生成最优系数查找表；将输入信号进行归一化，再缩放到最优密度动态范围中，得到待采样信号密度；根据采样目标计算待采样信号的离散化参数，并将待采样信号离散化到栅格上，得到离散信号；按一定顺序扫描上述离散信号，将每个栅格位置的待采样离散信号值与已采样相邻栅格扩散的量化误差累积后，通过量化运算产生当前栅格的采样点结果，并将输出信号的量化误差按最优误差扩散系数扩散到邻域中尚未处理的栅格。本发明专利技术产生连续域采样结果，实现了可控制采样点数量的蓝噪声采样。采样点数量的蓝噪声采样。采样点数量的蓝噪声采样。
【技术实现步骤摘要】
基于误差扩散的实数域高动态范围蓝噪声采样方法、系统
[0001]本专利技术提供一种对图像的采样方法，具体涉及一种基于浮点数运算的连续域误差扩散的蓝噪声采样方法，属于计算机图形学和数字图像处理领域。
技术介绍
[0002]在计算机图形学和数字图像处理领域，采样是很多研究和应用中都会用到的基础构件。在计算机绘制和数字成像中，包括渲染、半色调、点画、可视化、动画等，都依赖于好的采样方法。另外，采样在数字几何处理中也有较多的应用，在基于点的建模、重网格化、表面纹理映射、物体分布、运动规划等方面都起到重要的作用。在这些应用中，采样点分布的性质将极大地影响结果的质量和准确性，如何高效地生成高质量的采样点分布变得十分重要。
[0003]研究者们发现质量最好的随机采样点分布通常具有一种蓝噪声性质，即：其频谱中低频部分能量低，没有可见的人工纹理，并且其能量径向对称，有很好的各项同性。具有蓝噪声性质的采样点分布能呈现令人满意的视觉效果，适合于大量的实际应用。过去的三十年里，研究人员提出了很多优秀的蓝噪声采样算法。从原始的泊松圆盘采样方法(参考文献：L.
‑
Y.Wei.“Parallel Poisson disk sampling”.ACM Transactions on Graphics,2008,27(3):20:1
–
20:9.)，基于迭代的优化方法(参考文献：M.Balzer,T.and O.Deussen.“Capacity
‑
constrained point distributions:A variant of Lloyd
’
s method”.ACM Transactions on Graphics,2009,28(3):1
–
8)，到基于样本或规则的生成方法(参考文献：A.G.Ahmed,T.Niese,H.Huang and O.Deussen.“An adaptive point sampler on a regular lattice”.ACM Transactions on Graphics,2017,36(4):1
–
13)等一系列改进了的采样算法，以它们各自不同的优势满足不同的应用需求。但是这些方法中，有的是采样点分布性质好但效率低，有的是生成速度快但采样点的分布不够均匀和各项同性，会出现一些可辨别的重复性结构。总体来说，现有技术通常具有以下缺点：时间效率低，空间代价高，或者采样点个数、频谱特征不可控，或是只适用于一种特定的采样数据域等。
[0004]在数字半色调领域，误差扩散法(参考文献：B.Zhou and X.Fang.“Improving mid
‑
tone quality of variable
‑
coefficient error diffusion using threshold modulation”.ACM Transactions on Graphics,2003,22(3):437
–
444)是对二维图像进行重要性采样的一种简单高效的算法，在颜色量化、空间分布、印刷工业、显示系统中应用都十分广泛。该算法基本原理是将图像像素值逐一与量化阈值比较，然后将量化误差按比例系数扩散到相邻像素上进行补偿，使最终的二值输出模拟原图像的灰度变化。误差扩散算法的关键在于找到一个适当的扫描路径和一组优化的误差扩散系数，使得生成的采样点集具有蓝噪声特性。因为采样时仅需考虑某一邻域内的点，其算法效率很高。
[0005]但传统的误差扩散方法的局限性表现在如下几个方面：1.仅适用于印刷工业中256个灰度级的图像半色调处理，也就是采样密度范围和采样精度都是有限的，这是限制其在数学和图形学中的应用的首要因素；2.在蓝噪声质量上，传统的误差扩散方法仅在个别
密度级上表现出优秀的蓝噪声质量；3.传统的误差扩散方法只适用于二维离散图像，产生的结果是与输入图像等分辨率的二维图像，因此不能产生超出图像分辨率的采样点数量，也无法精确控制采样点数量；4.传统的误差扩散方法在计算的输入、输出、中间过程全部采用整数，会在计算过程中丢弃产生的小数部分，使得计算结果并不精确。
技术实现思路
[0006]本专利技术提供一种基于误差扩散的实数域高动态范围蓝噪声采样方法、系统，将误差扩散方法从离散域扩展到连续域，从而以较低的计算代价快速产生连续域采样点分布效果、同时保持蓝噪声特性的采样方法。
[0007]本专利技术提供的技术方案如下：
[0008]一种基于浮点数运算的连续域误差扩散蓝噪声采样方法，其特征在于，其步骤包括：
[0009]1)计算最优密度动态范围以及最优误差扩散系数和阈值调制系数，并生成最优系数查找表；
[0010]2)将输入信号进行归一化，再缩放到最优密度动态范围中，得到待采样信号密度；
[0011]3)根据采样目标计算待采样信号的离散化参数，并将待采样信号离散化到栅格上，得到离散信号；
[0012]4)按一定顺序扫描上述离散信号，将每个栅格位置的待采样离散信号值与已采样相邻栅格扩散的量化误差累积后，通过量化运算产生当前栅格的采样点结果，并将输出信号的量化误差按最优误差扩散系数扩散到邻域中尚未处理的栅格。
[0013]进一步，步骤1)具体实现方法为：选取某一较低密度作为最优密度动态范围上界，得到最优密度动态范围；在最优密度动态范围中按固定间隔取得一组关键密度级别，通过优化计算在各关键密度级别上产生的采样结果的傅里叶变换频谱表现，生成一个最优误差扩散系数和阈值调制系数查找表，使给定任意信号密度时能够通过查表快速计算出该密度对应的最优误差扩散系数和阈值调制系数。
[0014]进一步，步骤2)具体实现方法为：不论输入信号是整数值还是小数值，将其除以信号密度的最大值后得到实数域的归一化信号密度；将归一化密度乘以最优密度动态范围上界，将其缩放到最优密度动态范围中。
[0015]进一步，步骤3)具体实现方法为：
[0016]3‑
1)计算离散化参数：将输入的连续信号转换为宽为w高为h的离散信号场时，已知其宽高比为a，则可记w＝a
·
h；若输出目标为令输入信号取均匀最大密度时产生N0个采样点，则若输出目标为指定最终输出采样点数为N，则其中d0为最优密度动态范围上界，为待采样信号的平均密度；进一步可计算出w＝a
·
h。
[0017]3‑
2)离散化信号：若输入的待采样信号为连续二维密度场，则直接将其划分成w
×
h的离散栅格，每个离散栅格上的待采样离散信号密度为该栅格区域内密度场的积分值；若输入的待采样信号为离散二维密度场，则先将其表达为二维图像的形式，而后采用图像插值放缩方法调整图像的宽高至w
×
h，插值后每个新像素的像素值即为对应离散栅格的待采样离散信号密度。
[0018]进一步，步骤4)具体实现方法为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于浮点数运算的连续域误差扩散蓝噪声采样方法，其特征在于，其步骤包括：1)计算最优密度动态范围以及最优误差扩散系数和阈值调制系数，并生成最优系数查找表；2)将输入信号进行归一化，再缩放到最优密度动态范围中，得到待采样信号密度；3)根据采样目标计算待采样信号的离散化参数，并将待采样信号离散化到栅格上，得到离散信号；4)按一定顺序扫描上述离散信号，将每个栅格位置的待采样离散信号值与已采样相邻栅格扩散的量化误差累积后，通过量化运算产生当前栅格的采样点结果，并将输出信号的量化误差按最优误差扩散系数扩散到邻域中尚未处理的栅格。2.如权利要求1所述的基于浮点数运算的连续域误差扩散蓝噪声采样方法，其特征在于，步骤1)具体实现方法为：选取某一较低密度作为最优密度动态范围上界，得到最优密度动态范围；在最优密度动态范围中按固定间隔取得一组关键密度级别，通过优化计算在各关键密度级别上产生的采样结果的傅里叶变换频谱表现，生成一个最优误差扩散系数和阈值调制系数查找表，使给定任意信号密度时能够通过查表快速计算出该密度对应的最优误差扩散系数和阈值调制系数。3.如权利要求1所述的基于浮点数运算的连续域误差扩散蓝噪声采样方法，其特征在于，步骤2)具体实现方法为：不论输入信号是整数值还是小数值，将其除以信号密度的最大值后得到实数域的归一化信号密度；将归一化密度乘以最优密度动态范围上界，将其缩放到最优密度动态范围中。4.如权利要求1所述的基于浮点数运算的连续域误差扩散蓝噪声采样方法，其特征在于，步骤3)具体实现方法为：3
‑
1)计算离散化参数：将输入的连续信号转换为宽为w高为h的离散信号场时，已知其宽高比为a，w＝a
·
h；若输出目标为令输入信号取均匀最大密度时产生N0个采样点，则若输出目标为指定最终输出采样点数为N，则其中d0为最优密度动态范围上界，为待采样信号的平均密度；3
‑
2)离散化信号：若输入的待采样信号为连续二维密度场，则直接将其划分成w
×
h的离散栅格，每个离散栅格上的待采样离散信号密度为该栅格区域内密度场的积分值；若输入的待采样信号为离散二维密度场，则先将其表达为二维图像的形式，而后采用图像插值放缩方法调整图像的宽高至w
×
h，插值后每个新像素的像素值即为对应离散栅格的待采样离散信号密度。5.如权利要求1所述的基于浮点数运算的连续域误差扩散蓝噪声采样方法，其特征在于，步骤4)具体实现方法为：4
‑
1)计算待量化信号密度值：将当前栅格位置(i，j)上的待采样离散信号密度d
′
(i，j)与之前所有已采样相邻栅格扩散到该位置的误差累积相加，得到待量化的信号密度值p(i，j)＝d
′
(i，j)+∑
k，l
C(k，l)
·
e(k，l)，其中，(k，l)为(i，j)的已采样相邻栅格，C(k，l)为从(k，l)到(i，j)的最优误差扩散系数，e(k，l)为(k，l)上产生的量化误差，二者均是在扫描前序栅格(k，l)时计算得到，计算方法同步骤4
‑
4)；4
‑
2)计算量化阈值：实数信号密度d
′
(i，j)的最近邻上下关键密度级别为d
u
和d
l
，从步<...
【专利技术属性】
技术研发人员：周秉锋，韩健红，冯洁，
申请(专利权)人：北京大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。