基于图像像素邻域灰度信息的误差扩散方法与流程

本发明涉及显示器图像处理
技术领域：
，具体涉及一种提高电润湿电子纸显示器图像显示质量基于图像像素邻域灰度信息的误差扩散方法。
背景技术：
：电润湿电子纸显示器采用反射式技术，具有响应速度快、可视角大、能耗低且可实现视频显示优点，具有广泛的应用前景。然而，目前电润湿电子纸驱动芯片与驱动方式造成灰度等级实现受到限制，为实现高灰度图像在低灰度显示屏上显示，传统解决方案是直接取图像高位数据，但低灰阶数据的舍去会导致细节丢失，图像出现阶跃跳变。误差扩散算法是一种半色调技术，通过将当前像素误差扩散到邻域未处理像素，能够有效改善图像质量。但是传统误差扩散算法会导致图像边缘模糊、细节丢失、人工纹理等现象。技术实现要素：有鉴于此，本发明的目的在于提供一种基于图像像素邻域灰度信息的误差扩散方法，改善中间色调纹理，保留边缘信息和纹理细节，提高电润湿电子纸显示效果。为实现上述目的，本发明采用如下技术方案：一种基于图像像素邻域灰度信息的误差扩散方法，其特征在于，包括以下步骤：步骤s1:逐像素行遍历图像中的每一个像素；步骤s2:在每个像素进行误差扩散前，计算像素邻域平均灰度、人眼视觉感知误差和像素邻域相似度；步骤s3:计算像素产生的量化误差，并将像素产生的量化误差加到输入像素产生校正输入像素；步骤s4:将像素邻域平均灰度、人眼视觉感知误差和像素邻域相似度三者乘积加到校正输入像素，得到量化输入像素；步骤s5:通过量化输入像素与阈值比较得到最终输出像素。进一步的，所述像素邻域平均灰度计算公式如下：式中，a×b为邻域大小，i(m+i,n+j)为像素点(m,n)为中心邻域内的灰度值。进一步的，所述人眼视觉感知误差的计算公式如下：式中，i(m,n)为像素点(m,n)的灰度值。进一步的，所述像素邻域相似度计算公式如下：其中，np为邻近像素区域大小,即a×b；表示当前像素与邻近区域像素之间的均偏差；h为控制因子，控制对函数的影响来保留细节平滑噪声。进一步的，所述步骤s3具体为：步骤s31:计算像素产生的量化误差：e(m,n)＝i′(m,n)-b(m,n)其中，e(m,n)表示量化误差，i′(m,n)表示校正输入像素，b(m,n)表示最终输出像素；步骤s32:计算校正输入像素：其中，i(m,n)为像素点(m,n)的灰度值，w(i,j)为误差扩散滤波器。进一步的，所述步骤s4具体为：步骤s41:像素邻域平均灰度、人眼视觉感知误差和像素邻域相似度三者乘积的计算公式如下:其中，α是控制调节阈值信息的系数，当前像素灰度值如果大于邻域平均灰度值，则阈值调节信息为正，当前像素灰度值小于邻域平均灰度值，则阈值调节信息为负；步骤s42:根据下式计算量化输入像素：i″(m,n)＝i′(m,n)+e(m,n)进一步的，所述步骤s5具体为：最终输出像素的计算公式如下：b(m,n)＝q[i″(m,n)]＝q[e(m,n)+i′(m,n)]进一步的，所述步骤s1具体为：所述逐像素行遍历为从左到右、从上到下的遍历方式，或者为蛇形遍历方式。本发明与现有技术相比具有以下有益效果：本发明利用像素邻域平均灰度、视觉感知误差和像素邻域相似度对图像每个像素的量化阈值作调整，其利用图像像素分布特征修复了现有误差扩散算法问题，扩大了误差扩散算法在显示领域的运用问题。附图说明图1是本发明一实施例输出图像实例,其中图1a为原图像，图1b为经典误差扩散算法输出结果，图1c为本发明方法输出结果。具体实施方式下面结合附图及实施例对本发明做进一步说明。本实例提供一种基于图像像素邻域灰度信息的误差扩散算法，包括以下步骤：按蛇形扫描方式逐像素行遍历每个像素；步骤1，在每个像素进行误差扩散前，计算像素邻域平均灰度、人眼视觉感知误差和像素邻域相似度；步骤2，计算像素产生的量化误差，并将像素产生的量化误差加到输入像素产生校正输入像素；步骤3，将步骤1像素邻域平均灰度、人眼视觉感知误差和像素邻域相似度三者乘积加到校正输入像素产生量化输入像素；步骤4，通过量化输入像素与阈值比较得到最终输出像素。具体地，在对图像逐像素行扫描时，判断当前像素属于奇数行还是偶数行；若当前处理像素属于奇数像素行，则从左到右遍历，且对该像素行采用表1a所示误差扩散模板；若当前处理像素属于偶数像素行，则从右到左遍历，且对该像素行采用表1b所示误差扩散模板。表1ax7351表1b7x153计算像素邻域平均灰度、人眼视觉感知误差和像素邻域相似度，包括以下步骤：步骤1.1，计算当前像素为中心的邻域平均灰度本实例选用的邻域大小为3×3。步骤1.2，结合像素邻域相似度n(m,n)来提取图像像素结构信息。当前像素与邻近八个像素之间的相似度计算公式如下，本实例选用a＝3，b＝3，np＝9，h＝3。步骤1.3，计算当前像素人眼视觉感知误差δi(m,n)，即当前像素与邻域平均灰度的差异。式中，i(m,n)为像素点(m,n)的灰度值。计算未处理像素分配的量化误差e(m,n)，计算公式如下，e(m,n)＝i′(m,n)-b(m,n)式中，i′(m,n)表示校正输入像素，b(m,n)表示最终输出像素。将先前像素产生的量化误差加到输入像素i(m,n)得到校正输入像素i′(m,n)，计算公式如下，式中，w(i,j)为误差扩散滤波器，本实例采用的滤波器是floyd-stein滤波器，具体如表1所示。计算像素邻域平均灰度、人眼视觉感知误差和像素邻域相似度三者乘积，计算公式如下，式中，α是控制调节阈值信息的系数，本实例中α取0.1。将像素邻域平均灰度、人眼视觉感知误差和像素邻域相似度三者乘积加到校正输入像素得到量化输入像素i″(m,n)，计算公式如下，i″(m,n)＝i′(m,n)+e(m,n)将量化输入像素与阈值比较得到最终输出像素b(m,n)，计算公式如下，b(m,n)＝q[i″(m,n)]＝q[e(m,n)+i′(m,n)]如图1所示，图1a为原始输入图像，图1b为传统误差扩散方法输出结果，图1c为基于像素邻域灰度信息的误差扩散方法输出结果，可以看出基于像素邻域灰度信息的误差扩散方法可以有效地抑制方向性纹理和伪轮廓的产生，并且对输入图像的边缘信息和纹理细节有较好的保持。以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。当前第1页12