数字图像的半色调处理方法和系统与流程

本发明涉及图像处理领域，具体而言，涉及一种数字图像的半色调处理方法和系统。

背景技术：

数字图像半色调处理是利用有限的色调对原始连续色调图像进行表示的技术，利用了人类视觉系统低通滤波的属性，使得半色调处理的结果与原始图像在感官上比较类似，但是，目前如何提升对数字图像进行处理的效率和处理效果，成为了亟待解决的问题。

相关技术中，主要是基于优化迭代的图像半色调算法，以与输入图像整体灰度值相同的二值噪声图像为初始半色调结果，然后随机交换当前结果中的黑白像素点，判断新的结果在色调、结构、对比度上是否与输入图像更接近，当满足判断条件时，则交换两个像素点；否则，保持现有像素点不变继续测试交换其他黑白像素点。

但是，现有技术中的方法，黑白像素点交换过程是通过模拟退火算法进行优化直至收敛的，该方法对图像处理时需要时间比较长，导致对图像的处理效率比较低，并且图像的处理效果不能很好的保持原图像的特征。

技术实现要素：

有鉴于此，本发明实施例的目的在于提供一种数字图像的半色调处理方法和系统，以实现有效的保持输入图像的亮度和对比度信息，同时节约了对图像处理的时间。

第一方面，本发明实施例提供了一种数字图像的半色调处理方法，所述方法包括：

获取待处理图像，并对所述待处理图像进行分析得到所述待处理图像的特征信息，其中，所述特征信息包括：像素点的局部亮度信息、对比度信息和所述待处理图像的结构信息；

根据所述像素点的局部亮度信息和对比度信息，计算所述待处理图像的量化阈值；

计算各所述像素点的量化误差，并将所述量化误差扩散到各所述像素点的邻域内，计算量化误差扩散后的各所述像素点的量化误差灰度值；

根据所述量化阈值和各所述像素点的量化误差灰度值，对所述待处理图像进行二值化，得到二值化后所述待处理图像中各像素点的二值化灰度值，并对所述二值化后的像素点的所述二值化灰度值进行误差传递，得到半色调处理图像。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，获取待处理图像，并对所述待处理图像进行分析得到所述待处理图像的特征信息，包括：

计算所述待处理图像的梯度，并根据所述待处理图像的梯度得到所述待处理图像的结构信息；

根据所述待处理图像的结构信息，通过以下公式计算所述像素点的局部亮度信息和对比度信息：

其中，w_i,j表示邻域内像素点的权重，σ＝1.5，L[m,n]表示所述像素点的局部亮度信息，C[m,n]表示对比度信息，m和n分别表示像素点的横纵坐标，f[m+i,n+j]表示所述待处理图像的初始灰度值。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据所述像素点的局部亮度信息和对比度信息，计算所述待处理图像的量化阈值，包括：

通过以下公式计算所述量化阈值：

t[m,n]＝127.5-f[m,n]×C[m,n]×(f[m,n]-L[m,n])，

其中，t[m,n]表示量化阈值，127.5为量化阈值的默认阈值，L[m,n]表示所述像素点的局部亮度信息，C[m,n]表示对比度信息，m和n分别表示像素点的横纵坐标，f[m,n]表示所述待处理图像的初始灰度值。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，在所述获取待处理图像，并对所述待处理图像进行分析得到所述待处理图像的特征信息步骤之后，所述方法还包括：根据所述待处理图像的结构信息计算误差扩散系数；

其中，通过以下公式计算误差扩散系数：

其中，s和t分别表示目标像素点的横纵坐标，w[s,t]表示误差扩散系数，d_st为当前像素点与目标像素点之间的距离，I_st表示目标像素点的灰度值，表示结构信息对d_st调整后的指数。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，计算各所述像素点的量化误差，并将所述量化误差扩散到各所述像素点的邻域内，计算量化误差扩散后的各所述像素点的量化误差灰度值，包括：

通过以下公式计算各像素点的量化误差灰度值：

u[m,n]＝f[m,n]+∑_s,tw[s,t]×e[m-s,n-t]，

其中，m和n分别表示像素点的横纵坐标，s和t分别表示目标像素点的横纵坐标，u[m,n]表示量化误差灰度值，f[m,n]表示所述待处理图像的初始灰度值，w[s,t]表示误差扩散系数，e[m-s,n-t]表示量化误差。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，根据所述量化阈值和各所述像素点的量化误差灰度值，对所述待处理图像进行二值化，得到二值化后所述待处理图像中各像素点的二值化灰度值，并对所述二值化后的像素点的所述二值化灰度值进行误差传递，得到半色调处理图像，包括：

判断各所述像素点的量化误差灰度值是否大于所述量化阈值；

如果是，则确认所述像素点为白色；

如果否，则确认所述像素点为黑色；

根据所述误差扩散系数，将二值化后产生的新的量化误差扩散到邻域内未处理的像素点，得到半色调处理后的图像。

第二方面，本发明实施例提供了一种数字图像的半色调处理系统，所述系统包括：

特征信息获取模块，用于获取待处理图像，并对所述待处理图像进行分析得到所述待处理图像的特征信息，其中，所述特征信息包括：像素点的局部亮度信息、对比度信息和所述待处理图像的结构信息；

量化阈值计算模块，根据所述像素点的局部亮度信息和对比度信息，计算所述待处理图像的量化阈值；

量化误差灰度值计算模块，用于计算各所述像素点的量化误差，并将所述量化误差扩散到各所述像素点的邻域内，计算量化误差扩散后的各所述像素点的量化误差灰度值；

半色调处理模块，用于根据所述量化阈值和各所述像素点的量化误差灰度值，对所述待处理图像进行二值化，得到二值化后所述待处理图像中各像素点的二值化灰度值，并对所述二值化后的像素点的所述二值化灰度值进行误差传递，得到半色调处理图像。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述系统还包括：

误差扩散系数计算模块，用于通过以下公式计算误差扩散系数：

其中，s和t分别表示目标像素点的横纵坐标，w[s,t]表示误差扩散系数，d_st为当前像素点与目标像素点之间的距离，I_st表示目标像素点的灰度值，表示结构信息对d_st调整后的指数。

结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述量化误差灰度值计算模块包括：

量化误差灰度值计算单元，用于通过以下公式计算各像素点的量化误差灰度值：

u[m,n]＝f[m,n]+∑_s,tw[s,t]×e[m-s,n-t]，

其中，m和n分别表示像素点的横纵坐标，s和t分别表示目标像素点的横纵坐标，u[m,n]表示量化误差灰度值，f[m,n]表示所述待处理图像的初始灰度值，w[s,t]表示误差扩散系数，e[m-s,n-t]表示量化误差。

结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述半色调处理模块包括：

判断模块，用于判断各所述像素点的量化误差灰度值是否大于所述量化阈值；

第一确认模块，用于当所述判断模块的判断结果为是时，则确认所述像素点为白色；

第二确认模块，用于当所述判断模块的判断结果为否时，则确认所述像素点为黑色；

半色调处理单元，用于根据所述误差扩散系数，将二值化后产生的新的量化误差扩散到邻域内未处理的像素点，得到半色调处理后的图像。

本发明实施例提供的一种数字图像的半色调处理方法和系统，通过对待处理图像的像素点的局部亮度信息、对比度信息和结构信息进行提取，并根据局部亮度信息和对比度信息计算出量化阈值，根据量化阈值和各像素点的量化误差灰度值对待处理图像进行二值化，并对二值化后的像素点进行误差传递，从而得到半色调处理图像，该方法有效的保持了输入图像的亮度和对比度信息，同时节约了对图像处理的时间。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例所提供的一种数字图像的半色调处理方法的流程图；

图2示出了本发明实施例所提供的一种数字图像的半色调处理方法的另一流程图；

图3示出了本发明实施例所提供的一种数字图像的半色调处理系统的结构示意图；

图4示出了本发明实施例所提供的半色调处理模块的结构示意图。

图标：

附图3中，各标号所代表的部件列表如下：

30-特征信息获取模块； 31-量化阈值计算模块；

32-量化误差灰度值计算模块； 33-半色调处理模块。

附图4中，各标号所代表的部件列表如下：

40-判断模块； 41-第一确认模块；

42-第二确认模块； 43-半色调处理单元。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

考虑到相关技术中，主要是基于优化迭代的图像半色调算法，以与输入图像整体灰度值相同的二值噪声图像为初始半色调结果，然后随机交换当前结果中的黑白像素点，判断新的结果在色调、结构、对比度上是否与输入图像更接近，当满足判断条件时，则交换两个像素点；否则，保持现有像素点不变继续测试交换其他黑白像素点。但是，现有技术中的方法，黑白像素点交换过程是通过模拟退火算法进行优化直至收敛的，该方法对图像处理时需要时间比较长，导致对图像的处理效率比较低，并且图像的处理效果不能很好的保持原图像的特征。基于此，本发明实施例提供了一种数字图像的半色调处理方法和系统，下面通过实施例进行描述。

实施例1

本实施例提供的数字图像的半色调处理方法，有效的保持了输入图像的亮度和对比度信息，同时节约了对图像处理的时间，提高了图像处理的效率。

参见图1，本实施例提供了一种数字图像的半色调处理方法，该方法包括：

步骤S101，获取待处理图像，并对待处理图像进行分析得到待处理图像的特征信息，其中，特征信息包括：像素点的局部亮度信息、对比度信息和待处理图像的结构信息。

参见图2，步骤S101进一步地包括步骤S201至步骤S202：

步骤S201,计算待处理图像的梯度，并根据待处理图像的梯度得到待处理图像的结构信息；

步骤S202,根据待处理图像的结构信息，通过以下公式计算像素点的局部亮度信息和对比度信息：

其中，w_i,j表示邻域内像素点的权重，σ＝1.5，L[m,n]表示像素点的局部亮度信息，C[m,n]表示对比度信息，m和n分别表示像素点的横纵坐标，f[m+i,n+j]表示待处理图像的初始灰度值。

其中，计算输入图像每个像素的局部亮度信息：以每个像素为中心，取其周围7x7邻域内像素灰度的平均值作为其局部亮度信息，邻域内像素的权重w由归一化后的二维高斯函数确定，即

σ＝1.5为高斯函数的标准差。

计算输入图像每个像素的局部对比度信息：取像素周围7x7的邻域，计算邻域内像素的灰度值与当前像素的局部亮度之间的平方差，利用平方差的平均值作为当前像素的局部对比度信息，即

其中w_i,j为归一化的二维高斯函数。

步骤S102，根据像素点的局部亮度信息和对比度信息，计算待处理图像的量化阈值。

步骤S102具体包括下列步骤(1)：

(1)通过以下公式计算量化阈值：

t[m,n]＝127.5-f[m,n]×C[m,n]×(f[m,n]-L[m,n])，

其中，t[m,n]表示量化阈值，127.5为量化阈值的默认阈值，L[m,n]表示所述像素点的局部亮度信息，C[m,n]表示对比度信息，m和n分别表示像素点的横纵坐标，f[m,n]表示所述待处理图像的初始灰度值。

利用计算得到的像素局部亮度信息和对比度信息对误差扩散的量化阈值进行调节；假设输入灰度图像的每个像素用8个bit进行表示，其灰度值取值范围为0-255，因此默认二值量化的阈值为127.5，因此，引入像素的局部亮度和对比度信息后，调节以后的量化阈值为：

t[m,n]＝127.5-f[m,n]×C[m,n]×(f[m,n]-L[m,n])。

步骤S103，计算各像素点的量化误差，并将量化误差扩散到各像素点的邻域内，计算量化误差扩散后的各像素点的量化误差灰度值。

步骤S103具体包括：通过以下公式计算各像素点的量化误差灰度值：

u[m,n]＝f[m,n]+∑_s,tw[s,t]×e[m-s,n-t]，

其中，m和n分别表示像素点的横纵坐标，s和t分别表示目标像素点的横纵坐标，u[m,n]表示量化误差灰度值，f[m,n]表示所述待处理图像的初始灰度值，w[s,t]表示误差扩散系数，e[m-s,n-t]表示量化误差。

量化误差灰度值u[m,n]包括两部分内容，一是初始输入图像的灰度值f[m,n]，另一就是扩散到当前像素的量化误差e，从而得到经过量化误差扩散的当前像素量化误差灰度值u[m,n]。

步骤S104，根据量化阈值和各像素点的量化误差灰度值，对待处理图像进行二值化，得到二值化后待处理图像中各像素点的二值化灰度值，并对二值化后的像素点的二值化灰度值进行误差传递，得到半色调处理图像。

步骤S104进一步地包括：步骤(1)至步骤(4)：

(1)判断各像素点的量化误差灰度值是否大于量化阈值，当判断结果为是时，执行步骤(1)，当判断结果为否时，执行步骤(3)；

(2)确认像素点为白色；

(3)确认像素点为黑色；

(4)根据误差扩散系数，将二值化后产生的新的量化误差扩散到邻域内未处理的像素点，得到半色调处理后的图像。

根据量化阈值和各经过量化误差扩散后的像素点的量化误差灰度值，对该待处理图像进行二值化，具体过程如下：

按照扫描线顺序对待处理图像像素点进行二值量化：在处理某个像素点时，比较当前像素点的量化误差灰度值u[m,n]与阈值t[m,n]之间的大小，并根据大小关系判断在输出结果中当前像素应该为黑色还是白色，即当u[m,n]≥t[m,n]二值化灰度值为g[m,n]＝255，否则则为g[m,n]＝0。

为了保持图像的整体色调，当前像素量化操作完成以后，即二值化完成之后，需要将产生的新的量化误差e[m,n]＝u[m,n]-g[m,n]扩散到邻域内未处理像素。

除此之外，该方法还包括：根据待处理图像的结构信息计算误差扩散系数；

其中，通过以下公式计算误差扩散系数：

其中，s和t分别表示目标像素点的横纵坐标，w[s,t]表示误差扩散系数，d_st为当前像素点与目标像素点之间的距离，I_st表示目标像素点的灰度值，表示结构信息对d_st调整后的指数。

为了使邻域内的像素接受不同程度的量化误差，引入了扩散系数w[s,t]，扩散系数的设置遵从原则：与距离较远的像素比临近的像素应该吸收较多的误差。为了保证图像的色彩关系：量化误差为正时，灰度值较大的像素应该吸收较多的误差；量化误差为负时，灰度值较小的像素应该吸收较多的误差。因此，扩散系数为

其中d_st为误差扩散源像素与目标像素之间的距离；量化误差为正时，I_st＝f[s,t]，为负时，I_st＝255-f[s,t]。此外，为了保持低对比度区域的结构信息，利用图像结构信息对扩散系数中距离d_st的指数进行调整。调整后的指数k为：

综上所述，本实施例提供了一种数字图像的半色调处理方法，通过对待处理图像的像素点的局部亮度信息、对比度信息和结构信息进行提取，并根据局部亮度信息和对比度信息计算出量化阈值，根据量化阈值和各像素点的量化误差灰度值对待处理图像进行二值化，并对二值化后的像素点进行误差传递，从而得到半色调处理图像，该方法有效的保持了输入图像的亮度和对比度信息，同时节约了对图像处理的时间。

实施例2

参见图3，本实施例提供了一种数字图像的半色调处理系统，该系统包括：特征信息获取模块30，用于获取待处理图像，并对待处理图像进行分析得到待处理图像的特征信息，其中，特征信息包括：像素点的局部亮度信息、对比度信息和待处理图像的结构信息；

量化阈值计算模块31，根据像素点的局部亮度信息和对比度信息，计算待处理图像的量化阈值；

量化误差灰度值计算模块32，用于计算各像素点的量化误差，并将量化误差扩散到各像素点的邻域内，计算量化误差扩散后的各像素点的量化误差灰度值；

半色调处理模块33，用于根据量化阈值和各像素点的量化误差灰度值，对待处理图像进行二值化，得到二值化后待处理图像中各像素点的二值化灰度值，并对二值化后的像素点的二值化灰度值进行误差传递，得到半色调处理图像。

该系统还包括：误差扩散系数计算模块，用于通过以下公式计算误差扩散系数：

其中，s和t分别表示目标像素点的横纵坐标，w[s,t]表示误差扩散系数，d_st为当前像素点与目标像素点之间的距离，I_st表示目标像素点的灰度值，表示结构信息对d_st调整后的指数。

量化误差灰度值计算模块32包括：

量化误差灰度值计算单元，用于通过以下公式计算各像素点的量化误差灰度值：

u[m,n]＝f[m,n]+∑_s,tw[s,t]×e[m-s,n-t]，

其中，其中，m和n分别表示像素点的横纵坐标，s和t分别表示目标像素点的横纵坐标，u[m,n]表示量化误差灰度值，f[m,n]表示所述待处理图像的初始灰度值，w[s,t]表示误差扩散系数，e[m-s,n-t]表示量化误差。

参见图4，半色调处理模块33包括：

判断模块40，用于判断各像素点的量化误差灰度值是否大于量化阈值；

第一确认模块41，用于当判断模块的判断结果为是时，则确认像素点为白色；

第二确认模块42，用于当判断模块的判断结果为否时，则确认像素点为黑色；

半色调处理单元43，用于根据误差扩散系数，将二值化后产生的新的量化误差扩散到邻域内未处理的像素点，得到半色调处理后的图像。

综上所述，本实施例提供了一种数字图像的半色调处理系统，通过对待处理图像的像素点的局部亮度信息、对比度信息和结构信息进行提取，并根据局部亮度信息和对比度信息计算出量化阈值，根据量化阈值和各像素点的量化误差灰度值对待处理图像进行二值化，并对二值化后的像素点进行误差传递，从而得到半色调处理图像，该方法有效的保持了输入图像的亮度和对比度信息，同时节约了对图像处理的时间。

本发明实施例所提供的数字图像的半色调处理方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。