印刷技術的自適應混合加網方法

2023-09-12 02:28:25 1

專利名稱：印刷技術的自適應混合加網方法
技術領域：
本發明涉及圖像硬拷貝複製領域，屬於印刷技術領域中的混合加網方法。
背景技術：
目前，高保真印刷主要用來印刷高檔次的色彩豐富的精品印刷品，由於其常採用大於四色的印刷，傳統的調幅加網無法勝任高保真印刷，而調頻加網有如下不足:孤立的小面積網點在傳遞中容易丟失、網點擴大嚴重中間調粗糙等問題在實際生產中的使用受到了限制，因此混合加網成為高保真印刷加網的首選。美國Peter 1.Majewicz的發明專利HYBRID HALFTONING中提出的混合加網方法是:Y或BK顏色通道採用隨機調頻加網，其他通道採用混合加網的方式完成加網，或至少一個顏色通道用混合加網，其他通道隨機調頻加網，其中的混合加網是指高光和暗調部分用隨機調頻加網，中間調部分用位置隨機的調幅加網的加網方法。該加網方法有效避免了龜紋現象，適合高保真印刷的加網。但由於不同色版採用不同的加網方式，使得印刷過程中，不同色版的網點擴大差別較大，不利於印刷過程中的質量控制，另一方面，由於中間調採用了調幅網點，網點搭界導致的網點擴大突然躍變問題仍無法很好解決。乘同餘偽隨機函數Xn+1 =Xn*a (mo dM)具有簡便、速度快、周期長、生成的隨機數有良好的統計特性等特點，使用範圍較廣，可用來產生隨機網點。該方法中，選擇合適的Xn、a、M這三個參數是決定能否快速產生符合要求的隨機數的關鍵，通常的要求是M=2S, a=8k±3XQ=2t+l，其中S、k、t均為正整數，且a取與2(s/2)最接近的值，M的值為所需隨機數周期的4倍，且M與Xtl互為素數，a與Xtl互為素數。基於以上理論，周嘯等研究了用Xn+1=Xn*a (modM)產生調頻加網的隨機點時的加網效率，提出:選擇較小的M值或者選擇較小的Xn和a的初始值時，加網效率較高，但沒有說明產生滿足加網需求的有效隨機數數量的解決方案；徐錦林等提出用乘同餘偽隨機函數產生256以內的隨機數的修正方案，解決了產生加網要求的有效隨機數的數量問題，即M取1024附近的素數，a取適當的正整數，此方法產生的隨機數只有25%是有效的，即只有25%的數據在256範圍內，因此效率低。

發明內容
針對以上情況，本發明的目的在於提供一種基於限定參數乘同餘偽隨機函數的新的混合加網方法。本加網方法是由大、小聚集點組成的混合加網，大小聚集點的位置隨機，黑白網點對稱，可不用考慮加網角度問題，有效解決調幅加網龜紋及玫瑰斑問題，可有效降低由於網點搭界導致的中間調網點擴大突然躍變的問題，有效改善調頻加網的孤立的小網點在傳遞中的丟失、以及中間調粗糙等問題，實現了黑白網點的對稱，對印刷套準精度要求不高，有利於二值圖像硬拷貝輸出的質量控制。本發明為了實現上述目的，可使用以下方案:本發明提供了一種印刷技術中的自適應混合加網方法，其特徵在於，包含以下具體步驟:(1)輸入原稿數字圖像，通過分色模塊對彩色數字圖像進行分色，獲得複數個分通道的單通道灰度圖像，如果已經是單通道灰度圖，就不用分色；(2)根據輸出設備解析度(DPI)及單通道灰度圖解析度(PPI)之間的比值確定再現一個像素灰度所需設備二值點的數量，構建以設備二值點所對應的方塊矩陣網格，對矩陣網格中設備二值點的位置進行排序編碼，矩陣網格中包含的設備二值點數量為輸出設備解析度與單通道灰度圖解析度的比值的平方；(3)從單通道灰度圖像讀取灰度圖像的像素值，根據灰度圖像的像素值計算混合加網中所需聚集點的直徑的值；(4)構建複數個網點生成模型，根據聚集點的直徑的值選擇網點生成模型，不同的網點生成模型分別生成白色聚集點和黑色聚集點；(5)限定乘同餘偽隨機函數Xn+1=Xn*a(modM)中參數M的取值範圍,參數M值的選擇是在與二值輸出設備點數量的數相關的區間內進行隨機篩選的一個素數，或根據不同的情況乘以一定的係數從而在不同的相關區間內隨機篩選一個素數，參數a值的選取是按a=8k±3的規則，k為正整數，初始值Xtl取I到100之間的自然數，乘同餘偽隨機函數為遞歸函數，其中表示乘積；(6)通過乘同餘偽隨機函數產生的隨機數代表矩陣網格中的編碼位置，並對該產生編碼位置的數作判定和處理直到符合生成聚集點的條件，作為中心位置生成聚集點，完成對該像素的加網(或二值化)；(7)重複(3)到(6)步，遍歷灰度圖像，完成對整幅灰度圖像的加網；(8)重複(2)到(7)步對所有單通道的灰度圖完成加網，得到所有單通道的二值圖像，二值圖像可以通過直接制印版或者製成加網膠片並經過曬版機曬版製作成印刷版上印刷機印刷來製作印刷品，或者在數字印刷機上直接印刷製成印刷品。在本發明所涉及的自適應混合加網方法，對矩陣網格按行從左到右，按列從上到下的順序將I到設備二值點數量的數對矩陣網格的位置進行編碼。另外，乘同餘偽隨機函數的參數M的取值範圍是隨機選取在區間N*N (N*N+100)篩選出的素數系列中的一個值，或在區(4*N*N-100) 4*N*N篩選出的素數系列中的一個值，N為輸出設備解析度與單通道灰度圖解析度之間的比值和矩陣網格的行數和列數，N*N為一個像素對應的方塊矩陣網格中包含的設備二值點的個數。另外，根據不同灰度級像素值計算出的聚集點的直徑分別對應15個網點生成模型，為第I網點生成模型，第2網點生成模型，第3網點生成模型，第4網點生成模型，第5網點生成模型，第6網點生成模型，第7網點生成模型，第8網點生成模型，第9網點生成模型，第10網點生成模型，第11網點生成模型，第12網點生成模型，第13網點生成模型，第14網點生成模型，第15網點生成模型。另外，讀取單通道灰度圖像素灰度值，並根據單通道灰度圖像素灰度值計算聚集點的直徑，即、d=rOUnd((I/2)1/2)，d為聚集點的直徑，I為讀取的單通道灰度圖像素灰度值，round O表示4舍5入取整的函數。另外，當大聚集點直徑小於等於4時，乘同餘偽隨機函數的參數M的值隨機選取區間N*N (N*N+100)篩選出的素數系列的一個值，當大聚集點直徑在5到8之間時，M的值選取區間(4*N*N-100) 4*N*N篩選出的素數系列的一個值，N為輸出設備解析度與單通道灰度圖解析度之間的比值和構成述矩陣的行數和列數，N*N為一個像素對應的方塊矩陣網格包含的設備二值點的個數。另外，網點模型中大小聚集點的生成順序為先生成直徑較大的大聚集點，之後生成直徑較小的小聚集點；網點生成模型中的小聚集點的大小一般設定為最終印刷輸出設備能夠穩定再現的最小尺寸，由少數幾個設備二值點聚集而成，聚集點的直徑表示，在單聯通的聚集點內最長的設備二值點的排列，大聚集點的直經為大於等於3，小聚集點的直徑為小於3，一個像素加網結束前，最終剩餘的設備二值點數無法滿足生成一個聚集數為3的小聚集點所需設備二值點時，直接由剩餘設備二值點聚集，即生成聚集數為I或者2的小聚集點；相同網點生成模型生成的網點，其大聚集點大小形狀一樣，位置隨機，小聚集點數量隨像素灰度值的變化而變化，位置隨機；第I網點生成模型和第15網點生成模型生成的網點，只包含小聚集點，其餘網點生成模型生成的網點均由I個大聚集點和多個小聚集點組成；第I網點生成模型到第7網點生成模型是生成白色聚集點，第9網點模型到第15網點生成模型是生成黑色聚集點，第8網點生成模型可隨機生成黑、白聚集點，保證黑點到白點的柔和過渡；第2網點生成模型和第14網點生成模型的大聚集點直徑是3，第3網點生成模型和第13網點生成模型的大聚集點直徑是4，第4網點生成模型和第12網點生成模型的大聚集點直徑是5，第5網點生成模型和第11網點生成模型的大聚集點直徑是6，第6網點生成模型第10網點生成模型的大聚集點直徑是7，第7網點生成模型和第9網點生成模型的大聚集點直徑是8，第8網點生成模型的大聚集點直徑是8，隨機生成黑白聚集點。另外，利用Xn+1=Xn*a(modM)生成可用的隨機數，其代表的位置作為產生大聚集點的中心點生成大聚集點；網點生成模型的大聚集點的直徑是3時，隨機數代表的點的位置要在小於等於N-1列大於等於第2列以及小於等於N-1行大於等於第2行的範圍內；網點生成模型的大聚集點的直徑是4時，隨機數代表的點的位置要在小於等於N-1列大於等於第3列以及小於等於N-1行大於等於第3行的範圍內；網點生成模型的大聚集點的直徑是5時，隨機數代表的點的位置要在小於等於N-2列大於等於第3列以及小於等於N-2行大於等於第3行的範圍內；網點生成模型的大聚集點的直徑是6時，隨機數代表的點的位置要在小於等於N-3列大於等於第3列以及小於等於N-3行大於等於第3行的範圍內；網點生成模型的大聚集點的直徑是7時，隨機數代表的點的位置要在小於等於N-3列大於等於第4列以及小於等於N-3行大於等於第4行的範圍內；網點生成模型網點的大聚集點直徑是8時，隨機數代表的點的位置要在小於等於N-4列大於等於第4列以及小於等於N-4行大於等於第4行的範圍內，N為依據輸出設備解析度與單通道灰度圖解析度的比值和構成矩陣網格的行數和列數；確定隨機數代表的點為大聚集點的中心點後，按照網點生成模型指定的聚集點生成方式，完成大聚集點的生長；乘同餘偽隨機函數繼續產生隨機數,若該隨機數代表的點八鄰域範圍內四角被佔用的數量小於等於1，該點作為小聚集點的中心點，生成一個小聚集點；否則，返回隨機函數，繼續生成下一個隨機數代表的點，重複以上循環生成小聚集點直到完成一個像素的加網。另外，通過乘同餘偽隨機函數產生編碼位置的隨機數作判定和處理的方法是，當參數M隨機選取區間(4*N*N-100) 4*N*N之間素數中的某個值時，若Xn+1=Xn*a (modM)函數生成的隨機Xn+1大於N*N時，將[Xn+1/4]作為進入下一步判斷的隨機數，若[Xn+1/4]所對應的編碼位置不可用，即不適合作為聚集點的中心點，則繼續生成下一個隨機數，若[Xn+1/4]所對應的編碼位置可用，則按照程序要求生成聚集點後，繼續生成下一個隨機數，[Xn+1/4]表示Xn+1除以4的值按四捨五入取整；當M值隨機選取N*N (N*N+100)之間的素數系列中的一個值時，Xn+1=Xn*a(modM)函數產生的隨機數Xn+1大於N*N的值時，將Xn+1的值賦給Xn，繼續選取下一個隨機數，若Xn+1小於N*N，判斷Xn+1所代表的位置是否可以作為聚集點的中心點，若可以，則按照程序要求生成聚集點後，將Xn+1的值賦給Xn，繼續生成下一個隨機數，否則，直接將xn+1的值賦給xn，繼續生成下一個隨機數，如此循環直到完成一個像素的加網。進一步，根據數字印刷機的輸出解析度以及原圖解析度的比值，以及比值的平方的值來確定乘同餘偽隨機函數xn+1=xn* (modM)中參數M的選擇範圍,乘同餘偽隨機函數的參數M的取值範圍是隨機選取在區間N*N (N*N+100)篩選出的素數系列中的一個值，或在區(4*N*N-100) 4*N*N篩選出的素數系列中的一個值。發明效果本發明提供的自適應混合加網的方法，其具有步驟:輸入原稿數字圖像，輸出分通道的單通道灰度圖像，根據輸出設備解析度與灰度圖像的解析度關係構建方塊矩陣網格並對矩陣網格位置進行編碼，通過篩選素數的方式限定乘同餘偽隨機函數的參數，在具備更好的周期性，讀取灰度圖像的像素值，並計算像素中聚集點的直徑，構建不同的網點生成模型，將不同直徑的聚集點對應相應的網點生成模型並生成相應的黑色或白色聚集點，能夠具備更好的黑白對稱性和對二值圖像質量的控制性，根據不同直徑的聚集點選擇不同的區間所限制參數的乘同餘偽隨機函數產生的隨機數進行條件判定和處理得到的對應編碼位置作為中心位置生成聚焦點，完成對該像素的加網，能夠具有更好的遍歷性，不但結合了調幅加網和調頻加網的優點還能夠提高隨機數的利用率，遍歷灰度圖像，完成對整幅灰度圖像的加網，對所有通道的灰度圖完成加網，得到所有通道灰度圖的二值圖像，結合上述的步驟本發明提供的混合加網方法可避免由於網點搭界導致的中間調網點擴大突然躍變的問題，有效改善調頻加網的孤立的小網點在傳遞中的容易丟失、以及中間調粗糙、網點擴大嚴重等問題，實現了黑白網點的對稱，對印刷套準精度要求不高，有利於二值圖像硬拷貝輸出的質量控制。


圖1是本發明基於限定參數的乘同餘偽隨機的混合加網方法的印刷技術方法流程圖。圖2是一個網格中256個設備二值點位置的排序圖。圖3是分通道的單通道灰度圖加網流程圖。圖4是網點生成模型5生成網點流程圖(大聚集點的生成)。圖5是網點生成模型5生成網點流程圖(小聚集點的生成)。圖6是大小聚集點示意圖。圖7是大聚集點直徑為6時的生成模式。圖8是灰梯尺圖用AM、FM、HYBRID HALFTONING以及本發明的加網方法加網的效果圖。具體實施方法以下結合附圖對本發明的涉及的印刷技術中的自適應混合加網方法進行詳細的說明。
實施例圖1為本發明基於限定參數的乘同餘偽隨機的混合加網方法的印刷技術方法流程圖。步驟S1-1:由輸入原稿數字圖像，通過分色模塊對彩色數字圖像進行分色，獲得數個分通道的單通道灰度圖像，若圖已經是分色之後的灰度圖，就不需要分色了，獲取數個單通道灰度圖像。步驟S1-2:構建N*N方塊矩陣網格，對矩陣網格中N*N的位置從左到右從上到下進行排序編碼(以N=16為例，見附圖2)，其中表示乘積。根據輸出設備解析度(DPI)及灰度圖解析度(PPI)的比值N確定再現一個像素灰度時所需的設備二值點的數量N*N (N=DPI/PPI)。步驟S1-3:從步驟Sl-1單通道灰度圖像讀取灰度圖像的像素值，根據灰度圖像的像素值計算像素中聚集點的直徑的值，即、d=r0und((I/2)1/2)，d為聚集點的直徑，I為讀取的單通道灰度圖像素灰度值，roundO表示4舍5入取整的函數。步驟S1-4:建立15個網點生成模型，為網點生成模型1，網點生成模型2，網點生成模型3，網點生成模型4，網點生成模型5，網點生成模型6，網點生成模型7，網點生成模型8，網點生成模型9，網點生成模型10，網點生成模型11，網點生成模型12，網點生成模型13，網點生成模型14，網點生成模型15。網點生成模型I和網點生成模型15生成的網點，只包含小聚集點，其餘網點生成模型生成的網點均由I個大聚集點和多個小聚集點組成。網點生成模型到第7網點生成模型是生成白色聚集點，第9網點模型到第15網點生成模型是生成黑色聚集點，第8網點生成模型可隨機生成黑、白聚集點，保證黑點到白點的柔和過渡；第2網點生成模型和第14網點生成模型的大聚集點直徑是3，第3網點生成模型和第13網點生成模型的大聚集點直徑是4，第4網點生成模型和第12網點生成模型的大聚集點直徑是5，第5網點生成模型和第11網點生成模型的大聚集點直徑是6，第6網點生成模型第10網點生成模型的大聚集點直徑是7,第7網點生成模型和第9網點生成模型的大聚集點直徑是8，第8網點生成模型的大聚集點直徑是8，隨機生成黑白聚集點。步驟S1-5:根據設備二值點的數量N*N限定乘同餘偽隨機函數Xn+1=Xn*a(modM)的參數M。當大聚集點的直徑小於等於4時，隨機在N*N (N*N+100)的區間內篩選一個素數為參數M的值。當大聚集點直徑是5到8時，在4*N*N-100 4*N*N的區間內隨機篩選出一個素數為參數M的值，參數a值的選取是按a=8k±3的規則，k為正整數，初始值XO取I到100之間的自然數，乘同餘偽隨機函數為遞歸函數。步驟S1-6:通過乘同餘偽隨機函數產生Xn+1=Xn*a(modM)的隨機數所代表的矩陣網格中的編碼位置，並對該產生編碼位置的素數作判定和處理直到符合生成聚集點的條件，作為中心位置生成聚集點，網點模型中大小聚集點的生成順序為先生成直徑較大的大聚集點，之後生成直徑較小的小聚集點，完成對該像素的加網。步驟S1-7:判斷該分通道的單通道灰度圖像的像素點加網是否遍歷，如果沒有遍歷，則回到步驟S1-3，即、讀取另一個像素灰度圖像值，並根據S1-2再次構建新的方塊矩陣網格，以相同的方式編碼，完成從步驟S1-2和步驟S1-3到步驟S1-6，再次對該分通道的單通道灰度圖像的像素點加網的遍歷性進行判斷，直到完成該單通道灰度圖像的所有像素的加網。步驟S1-8:判斷是否對所有分通道的灰度圖完成加網，如果沒有完成，則循環步驟S1-2到步驟S1-7，直到將所有分通道的灰度圖完成加網，並生成二值圖像，二值圖像可以通過直接制印版或者製成加網膠片並經過曬版機曬版製作成印刷版上印刷機印刷來製作印刷品，或者在數字印刷機上直接印刷製成印刷品。圖2為一個矩陣網格中256個設備二值點位置的排序圖。如圖2所示，當輸出設備解析度及灰度圖解析度的比值N=16時，則再現一個像素灰度所需的設備二值點的個數為16*16=256，並根據步驟S1-2根據行的從左至右，根據列的從上到下的順序將I到256的數字一一對應矩陣網格的位置，完成矩陣網格中256個設備二值點的編碼和排序。圖3為單通道灰度圖加網流程圖。如圖3所示，單通道灰度圖加網流程圖先由步驟Sl-1得到數字灰度圖像，然後進入步驟S1-3讀取灰度圖像的像素值的步驟，以輸出設備解析度與灰度圖解析度比值N=16，再現一個像素灰度需要設備二值點的個數N*N=256為例。步驟S3-01:讀取像素灰度值I。步驟S3-02:判斷該像素灰度值I是否等於128，進入網點生成模型8。步驟S3-03:判斷該像素灰度值I否大於128。步驟S3-03，:如果該像素灰度值I大於128，則將256-1的值賦予I』。步驟S3-04:利用公式d=round((I/2)1/2),計算該像素中聚集點的直徑d,其中roundl函數是4舍5入取整的函數，根據該公式計算出的聚集點的直接可以用來選擇網點生成模型。步驟S3-05:判斷該像素中聚集點的直徑d是否小於3，即、1〈=12，進入網點生成模型I。步驟S3-06:判斷該像素中聚集點的直徑d是否等於3，即、13〈=1〈=24，進入網點生成模型2。步驟S3-07:判斷該像素中聚集點的直徑d是否等於4，即、25〈=1〈=40，進入網點生成模型3。步驟S3-08:判斷該像素中聚集點的直徑d是否等於5，即、41〈=1〈=60，進入網點生成模型4。步驟S3-09:判斷該像素中聚集點的直徑d是否等於6，即、61〈=1〈=84，進入網點生成模型5。步驟S3-10:判斷該像素中聚集點的直徑d是否等於7，即、85〈=1〈=112，進入網點生成模型6。
步驟S3-11:判斷該像素中聚集點的直徑d是否等於8，S卩、113〈=1〈=127，進入網點生成模型7。當該像素灰度值I大於128，則將256-1的值賦予I』，相應地有以下步驟。步驟S3-04』:利用公式d』 =ceil((I』 /2)1/2)，計算該像素中聚集點的直徑d』，其中ceil函數是向上取整的函數，根據該公式計算出的聚集點的直徑可以用來選擇網點生成模型。步驟S3-05，:判斷該像素中聚集點的直徑d』是否小於3，S卩、I』〈=12，進入網點生成模型15。步驟S3-06，:判斷該像素中聚集點的直徑d』是否等於3，即、13〈=1』〈=24，進入網點生成模型14。步驟S3-07，:判斷該像素中聚集點的直徑d』是否等於4，即、25〈=1』〈=40，進入網點生成模型13。步驟S3-08，:判斷該像素中聚集點的直徑d』是否等於5，即、41〈=1』〈=60，進入網點生成模型12。步驟S3-09，:判斷該像素中聚集點的直徑d』是否等於6，即、61〈=1』〈=84，進入網點生成模型11。步驟S3-10，:判斷該像素中聚集點的直徑d』是否等於7，即、85〈=1』〈=112，進入網點生成模型10。步驟S3-11，:判斷該像素中聚集點的直徑d』是否等於8，即、113〈=1』〈=127，進入網點生成模型9。步驟S4-01:網點生成模型I對該像素進行加網。步驟S4-02:網點生成模型2對該像素進行加網。步驟S4-03:網點生成模型3對該像素進行加網。步驟S4-04:網點生成模型4對該像素進行加網。步驟S4-05:網點生成模型5對該像素進行加網。步驟S4-06:網點生成模型6對該像素進行加網。步驟S4-07:
網點生成模型7對該像素進行加網。步驟S4-08:網點生成模型8對該像素進行加網。步驟S4-09:網點生成模型9對該像素進行加網。步驟S4-10:網點生成模型10對該像素進行加網。步驟S4-11:網點生成模型11對該像素進行加網。步驟S4-12:網點生成模型12對該像素進行加網。步驟S4-13:網點生成模型13對該像素進行加網。步驟S4-14:網點生成模型14對該像素進行加網。步驟S4-15:網點生成模型15對該像素進行加網。網點生成模型I和網點生成模型15生成的網點，只包含小聚集點，其餘模型生成的網點均由I個大聚集點和多個小聚集點組成。最後，如圖3所示的單通道灰度圖加網流程圖經過步驟S1-8的判斷，生成二值圖像。圖4為網點生成模型5生成網點流程圖(大聚集點的生成)。由於，大小聚集點的生成順序為，網點生成模型中包括大小聚集點的生成模型，先生成大聚集點，使其的位置有更大隨意性，之後生成小聚集點，用同一個模型生成的網點，其大聚集點大小形狀一樣，位置隨機。以輸出設備解析度與灰度圖解析度比值N=16，一個像素灰度實現的設備二值點的個數N*N=256為例。例如，當讀取的圖像像素灰度值61〈=1〈=84時，根據公式d=round((I/2)1/2)計算得出d=6,則進入步驟S1-4的網點生成模型5。由於有像素中聚集點的直徑d=6，由步驟S1-5限定和選取乘同餘偽隨機函數Xn+1=Xn*a(modM)的參數M和a值，以及初始值當大聚集點直徑是5到8時，S卩、當d=6 時，M 選取 4*N*N-100〈M〈4*N*N 區間中的任意一個素數，即、[929，937，941，947，953，967，971，977，983，991，997，1009，1013，1019，1021]，a 選取[29，35] (29 和 35 兩個數)中的任一個數，即、公式a=8k±3，29=8X4-3 ；35=8X4+30另外，當大聚集點直徑小於等於4時，M 選取 N*N〈M〈N*N+100 區間中的素數系列中[257，263，269，271，277，281，283，293，307，311，317，331，337，347，349，353，359]任意一個數，a 隨機選取[13，19，21]其中一個數，13=8 X 2-3, 19=8 X 2+3, 21=8 X 3-3,限制條件是:當M>289時，a任意選取後兩個數中的一個，M 13 col < 3 row 13的判定,其中「 I I 』』代表「或」運算。另外，當像素中大聚集點取其它直徑的值時，在該像素矩陣網格中的中心位置是否能夠產生該大聚集點的具有以下規則:(I)當該像素中網點的大聚集點直徑是3時，隨機數代表的中心位置要滿足如下要求:在小於等於15列大於等於第2列以及小於等於15行大於等於第2行的範圍內。(2)當該像素中網點的大聚集點直徑是4時，隨機數代表的中心位置要滿足如下要求:在小於等於14列大於等於第3列以及小於等於14行大於等於第3行的範圍內。(3)當該像素中網點的大聚集點直徑是5時，隨機數代表的中心位置要滿足如下要求:在小於等於14列大於等於第3列以及小於等於14行大於等於第3行的範圍內。(4)當該像素中網點的大聚集點直徑是7時，隨機數代表的中心位置要滿足如下要求:在小於等於13列大於等於第4列以及小於等於13行大於等於第4行的範圍內。(5)當該像素中網點的大聚集點直徑是8時，隨機數代表的中心位置要滿足如下要求:在小於等於13列大於等於第5列以及小於等於13行大於等於第5行的範圍內。步驟S6-06:
當判斷col > 13 I I col < 3 I I row 13為非時,表明該中心點位置可以產生直徑為6的，形狀對稱的大聚集點，即、生成包含24個設備二值點的大聚集點。另外，組成大聚集點的設備二值點的個數和該大聚集點的直徑的對應關係為 大聚集點直徑是3，包括5個設備二值點大聚集點直徑是4時，包含12個設備二值點；大聚集點直徑是5時，包含18個設備二值點；大聚集點直徑是6時，包含24個設備二值點；大聚集點直徑是7時，包含32個設備二值點；大聚集點直徑是8時，包含40個設備二值點。此外，網點生成模型5生成的是白色的聚集點，其它網點生成模型生成的聚集點的顏色具有以下規則:網點生成模型I到網點生成模7是生成白色聚集點，網點生成模型9到網點生成模型15是生成黑色聚集點，網點生成模型8可隨機生成黑、白聚集點，保證黑點到白點的柔和過渡，本加網方式可實現全階調加網的黑白對稱。步驟S6-06』:當判斷col > 13 I Icol <3 row 13 為是時，將 Xn+1 的值賦值給 Xn,再次使用乘同餘偽隨機函數Xn+1=Xn*a(modM)產生新的隨機數，並對該隨機數所表示的在矩陣網格中的中心點位置進行生成小聚集點條件的判別。步驟S6-07:當生成完一個包含24個設備二值點的大聚集點後，像素灰度值I將減去24並賦值給變量GrayValue，即該像素灰度值I減去已生成的大聚集點的設備二值點的數量。步驟S6-08:將GrayValue的值除以3，所得到的值向下取整，得到的數為產生獨立的小聚集點的個數，即，本實施例中小聚集點由3個設備二值點組成，S卩、公式nSdot=floor (GrayValue/3),其中`,nSdot表示獨立的小聚集點的個數。小聚集點的大小一般設定為最終印刷輸出設備能夠穩定再現的最小尺寸，由少數幾個設備二值點聚集而成，聚集點的直徑表示，在單聯通的聚集點內最長的設備二值點的排列，大聚集點的直經為大於等於3，小聚集點的直徑小於3。同時，將GrayValue除以3求同餘，即、pSpot=GrayValue (Mod3)(在圖5中為公式rem(GrayValue, 3)表示)，得到pSpot的值表示數量小於3而無法組成小聚集點的剩餘設備二值點的個數。該步驟可以得到產生獨立的小聚集點的數量和數量小於3而無法組成小聚集點的剩餘設備二值點的個數。步驟S6-09:判斷pSpot的值是否等於2，若等於2，則進入小聚點生成模型2 ;若該值不等於2，則進入下一個判定。步驟S6-10:使用小聚集點生成模型2來完成對該像素的加網。小聚點生成模型2指的是當在該像素中生成所有的由3個設備二值點聚集的小聚集點之後，只需使用由2個設備二值點聚集的直徑為2的小聚集點來完成對該像素的加網。步驟S6-11:判斷pSpot的值是否等於1，若等於1，則進入小聚點生成模型I ;若該值不等於1，則進入小聚點生成模型O。
步驟S6-12:使用小聚集點生成模型I來完成對該像素的加網。小聚點生成模型I指的是當在該像素中生成所有的由3個設備二值點聚集的小聚集點之後，只需使用由I個設備二值點聚集的直徑為I的小聚集點來完成對該像素的加網。步驟S6-13:使用小聚集點生成模型O來完成對該像素的加網。小聚點生成模型O指的是當在該像素中生成所有的由3個設備二值點聚集的小聚集點之後即完成對該像素的加網。圖5為網點生成模型5生成網點流程圖(小聚集點的生成)。如圖5所示，以小聚點模型I為例，當pSpot的值為I時，先產生直徑為3的小聚點，該小聚點由3個設備二值點組成，小聚集點數量隨像素灰度值的變化，小聚集點位置隨機，小聚集點的中心生長點不能放在第一行、最後一行、第一列和最後一列，因為高光部分包括很少的黑點，暗調部分包括很少的白點，因此通過這樣的限定，使得圖像中高光和暗調部分，網點不搭界，中間調部分網點儘可能少搭界。當在該像素中生成所有的由3個設備二值點聚集的小聚集點之後，最後使用由I個設備二值點聚集的直徑為I的小聚集點來完成對該像素的加網。具有以下步驟:步驟S6-1201:將Xn+1的值賦給Xn。步驟S6-1202:將經過步驟S6-11的隨機數賦值帶入乘同餘偽隨機函數Xn+1=Xn*a(modM)繼續產生新的隨機數，此時由於，灰度圖像值I減去了 24，並將該值賦值給了 GrayValue，此時根據公式，聚集點直徑小於等於4時，M選取N*N〈M〈N*N+100的區間中的素數序列中的任意一個數，即、下列序列中任意一數:[257，263，269，271，277，281，283，293，307，311，317，331，337，347，349，353，359]，參數 a 的限定為，隨機選取[13，19,21]其中一個數，13=8 X 2-3, 19=8 X 2+3, 21=8 X 3-3,限制條件是:當M>289時，a任意選取後兩個數中的一個，M<289時，a任意選取前兩個數中的一個。步驟S6-1203:對新產生的隨機數Xn+1進行判斷，是否小於等於256。步驟S6-1204:若新產生的隨機數Xn+1小於等於256，就將Xn+1的值賦值給變量J2，J2即表示該小聚集點放置在矩陣網格的位置。步驟S6-1204』:若新產生的隨機數Xn+1大於256，則將Xn+1的值除以4，即、Xn+1/4，將結果按照四捨五入取整，並將該值賦給變量J2，J2即表示該小聚集點的中心點在矩陣網格的位置。步驟S6-1205:判斷在J2的位置是否被佔用，以及在J2的位置所在的設備二值點的4個領域中是否有任意一點已被佔用，即、有已生成的設備二值點。該步驟的目的是為了確定小聚集點中心點，S卩、為保證聚集點之間儘可能不搭界，對小聚集點的中心點加以限制。若隨機數代表的點被佔用或其4鄰域範圍內有大於等於I個點被佔用，則該隨機點不可作為中心點使用，回到步驟S6-11繼續產生隨機數。
其中，設備二值點的領域指的是，與該設備二值點網格共邊的設備二值點網格。步驟S6-1206:判斷其8鄰域範圍的4個角點是否有點被佔用，若被佔用數量大於1，則該中心點不可用來生成小聚集點，回到步驟S6-11繼續產生隨機數。其中，設備二值點的角點指的是，與該設備二值點網格有共同端點的設備二值點網格。步驟S6-1207:生成聚集點數為3的直徑為2的小聚集點。其所代表位置的點作為小聚集點的中心生成點，在其上或下方選擇一點，在其左或右方選擇一點，生成一個包含3個設備二值點的小聚集點，其選擇生成規則為:若中心點的8鄰域範圍有一個角點被佔用，則小聚集點往其相反方向生長，即中心點位置為中間的J2，假設其左上角位置(J2)-17已被佔用，則聚集點只能佔用其下方的(J2+16)和右方的位置(J2+l)生成聚集點，其餘角點被佔用時，以此類推；若中心點的8鄰域範圍沒有點被佔用，則隨機選擇中心點上或下方一個點,再隨機選擇其左方或右方的一個點，生成小聚集點。步驟S6-1208:生成完成一個聚集點數為3的小聚集點後，將變量nSdot的值減去1，並再次賦值給 nSdotο步驟S6-1209:判斷變量nSdot的值是否為O。若為0，則表明在該像素中生成聚集點數為3的小聚集點過程結束，完成了所有的聚集點數為3的小聚集點；若不為0，則回到步驟S6-11重新生成隨機數。步驟S6-1210:在生成完所有的聚集點數為3的小聚集點以後，將當如Xn+1的值賦給Xn。步驟S6-1211:利用乘同餘偽隨機函數Xn+1=Xn*a(modM)繼續產生新的隨機數，該隨機數為聚集數為I的小聚集點在該像素的矩陣網格中的位置。步驟S6-1212:判定由該隨機數所產生的位置是否能在該像素的矩陣網格的範圍內，S卩、判定Xn+1的值是否小於等於256。步驟S6-1213:當Xn+1的值是小於等於256時，將Xn+1的值賦給變量J2，J2即表示該小聚集點放置在矩陣網格的位置。步驟S6-1213』:當Xn+1的值大於256時，則將Xn+1的值除以4，即、Xn+1/4，將結果按照四捨五入取整，並將該值賦給變量J2，J2即表示該小聚集點放置在矩陣網格的位置。步驟S6-1214:對J2所代表的該小聚集點放置在矩陣網格的位置作判定，判定該點是否已被佔用，即J2的值是否與前述的變量J2的值重合。若J2表示的設備二值點已被佔用，則返回到步驟S6-1210，繼續生成新的隨機數；若該設備二值點未被佔用，則進入下一步驟。
步驟S6-1215:由於該設備二值點未被佔用，在J2值所表示的二值點生成聚集點數為I的小聚點，即、完成了該像素點的加網。圖6為大小聚集點示意圖。如圖6所示，大聚集點由多個設備二值點聚集而成，其直徑數值表示大聚集點最長的直徑部分包含的設備二值點的數量，大聚集點的形狀為鑽石型，在橫、縱兩個方向上都可表示直徑，並且呈對稱的形狀。當像素灰度值1=63時，根據公式d=r0und((I/2)1/2)計算得出:d=6，即、進入網點生成模型5，步驟S4-05對該像素進行加網，由網點生成模型的生成聚集點的規則，先生成大聚集點，即、生成由設備二值點的數量為24的聚集的直徑為6的大聚集點用同一個模型生成的網點，其大聚集點大小形狀一樣，位置隨機。先利用乘同餘偽隨機函數Xn+1=Xn*a(modM)(參數的限定規則如上文)產生的隨機數表示的聚集點的中心位置，當Xn+1=115的時候，該大聚集點的中心點在矩陣網格中的位置編碼為115的設備二值點處，按照網格模型指定的生成模式，完成大聚集點的生長。在生成完大聚集點之後，生成小聚集點。首先將像素灰度值I減去已生成大聚集點的 24 個設備二值點，即、1=61-24=37,並根據公式:nSdot=f10r (37/3) =12，nSpot=37mod3=1。nSdot=12，即、生成12個聚集數為3的，直徑為2的小聚集點。該小聚集點的形狀是中心位置設備二值點在橫、縱方向上各有一個設備二值點與此共邊，聚集成一個聚集數為3的直徑為2小聚集點。小聚集點生成的中心位置滿足以下條件:設備二值點的4個領域中是否有任意一點已被佔用，以及判斷其8鄰域範圍的4個角點是否有點被佔用，若被佔用數量大於I,則該中心點不可用來生成小聚集點；nSpot=l,即、進入小聚點生成模型I,在生成完12個聚集數為3的小聚集點後，在未被使用的矩陣網格上的設備二值點中隨機生成I個點，完成對該像素的加網。圖7為大聚集點直徑為6時的生成模式。如圖7所示，生成模式如下(其中j2=115，模型中的數據代表矩陣網格中該數據對應的位置):reminder (j2_32:j2_31)=1;reminder(j2_17:j2_14) =1;reminder(j2_2:j2+3) =1;reminder(j2+14:j2+19) =1;reminder (j2+31:j2+34)=1;reminder(j2+48:j2+49) =1;在上述表示大聚集點生成模式的第I行中，j2表示的是點的位置，當reminder O的值等於I時，j2-32:j2-31代表的位置點，即、j2-32到j2_31的點被改成白點。第二行表示第一行中上述兩點的下一行中被塗白的點的位置，並以下各行的意義依次類推。在第3、第4行中，這兩行都包括了 6個點，中間的兩點是大聚集點的中心位置，即中心位置有四個點，其中位置j2是這四個中心點的左上角位置，即大聚集點直徑為偶數時，大聚集點的生長點均是其四個中心點的左上角位置點，並按照模型中的數據告訴程序哪些點需要由黑點變為白點。生成白聚集點時，首先將網格矩陣中的點都塗黑，然後按照網點模型將相應的點塗白，黑聚集點，反之亦然。另外，j2即為上述步驟中的J2變量，Xn+1的值已賦給J2。大聚集點由多個設備二值點聚集而成，其直徑數值表示大聚集點最長的直徑部分包含的設備二值點的數量，如圖7所示的第3、4行和第3、4列。按上述規則生成的大聚集點的形狀為鑽石型，在橫、縱兩個方向上都可表示直徑，並且呈對稱的形狀，最終形成如圖6所示的直徑為6的大聚集點。圖8是灰梯尺圖用AM、FM、HYBRID HALFTONING以及本發明的加網方法加網的效果圖。如圖8所示，從左至右依次是AM、FM、HYBRID HALFTONING以及本發明的加網方法加網的效果圖。從AM加網方式(調幅加網)的效果圖，其具有點的數量不變，以點的大小改變來再現圖像的階調層次，點的中心位置固定且點與點之間距離固定。從FM加網方式(調頻加網)的效果圖，其具有聚集點大小不變，數量改變，通過小點子的數量多少來表現原稿圖像的階調層次，小點子的中心位置點隨機的特點。從HYBRID HALFTONING加網方式(混合加網)的效果圖，其具有高光(白色聚點)與暗調(黑色聚點)部分用隨機調頻加網，而中間調部分用網點位置隨機的調幅加網的加網方法。從本發明涉及的自適應混合加網方法的效果圖，其由大小聚集點組成，大小聚集點的中心位置隨機，通過大聚集點的大小的變化以及小聚集點的數量的變化大來再現原稿圖像的階調層次，黑色與白色網點對稱。具體實施例的作用與效果:根據具體實施例所涉及的印刷技術中的自適應混合加網方法，由於根據讀取的不同的像素灰度值，制定了分類規則和建立了相應的網點生成模型，有利於二值圖像硬拷貝輸出的質量控制。又根據像素值的大小分成兩類，並由兩組網點生成模型生成黑色或白色的大小聚集點組成的網點，得到的黑白網點對稱，由於聚集點的位置隨機，不用考慮加網角度的問題，有效避免了調幅加網中的龜紋問題，適合高保真印刷的加網。讀取像素灰度值和依據此值計算出的聚集點半徑，並先生成大聚集點。根據不同的區間，限定乘同餘偽隨機函數的參數。並對隨機數所表示的大聚集點生成的中心位置作判定，最大限度的利用產生的隨機數，可以增加隨機數的使用效率。當大聚集點生成以後，生成小聚集點。同樣使用乘同餘偽隨機函數產生的隨機數，並判定該隨機數所表示的小聚點生成的位置作判定，生成聚集點數為3，直徑為2的小聚集點。本混合加網方法對所有分通道的都採取相同的混合加網方式，削弱了調幅加網中中間調部分網點搭界導致的網點擴大突然躍變的問題，有效改善調頻加網孤立的小網點在傳遞中的容易丟失、以及中間調粗糙、網點擴大嚴重等問題。有利於印刷過程中的質量控制，對印刷套準精確度要求不高，有利於二值圖像硬拷貝輸出的質量控制，也適用於較高解析度的二值數字印刷機的加網輸出。
權利要求
1.一種印刷技術中的自適應混合加網方法，其特徵在於，包括以下具體步驟: (1)輸入原稿數字圖像，通過分色模塊對彩色數字圖像進行分色，獲得複數個分通道的單通道灰度圖像，如果已經是單通道灰度圖，就不用分色； (2)根據輸出設備解析度(DPI)及單通道灰度圖解析度(PPI)之間的比值得到一個像素灰度所需設備二值點的數量，構建以設備二值點所對應的方塊矩陣網格，對所述矩陣網格中的位置進行排序編碼，所述設備二值點數量為所述輸出設備解析度與單通道灰度圖解析度的比值的平方； (3)從分通道的單通道灰度圖像讀取灰度圖像的每一個像素的像素值，根據所述灰度圖像的像素值計算像素中聚集點的直徑的值； (4)構建複數個網點生成模型，根據所述聚集點的直徑的值選擇所述網點生成模型，不同的所述網點生成模型分別生成白色聚集點和黑色聚集點； (5)限定乘同餘偽隨機函數Xn+1=Xn*a(modM)中參數M的取值範圍,所述參數M值的選擇是在與所述設備二值點數量的數相關的區間內進行隨機篩選的一個素數，或根據不同的情況乘以一定的係數從而在不同的相關區間內隨機篩選一個素數，參數a值的選取是按a=8k±3的規則，k為正整數，初始值Xtl取I到100之間的自然數，所述乘同餘偽隨機函數為遞歸函數，其中表示乘積； (6)通過所述乘同餘偽隨機函數產生的隨機數所代表的所述矩陣網格中的編碼位置作為中心位置生成聚集點，並對產生的所述產生編碼位置的隨機數作判定和處理，直到符合生成聚集點的條件，作為中心位置生成聚集點，完成對該像素的加網或二值化； (7)重複(3)到(6)步，遍歷灰度圖像，完成對整幅灰度圖像的加網，即將連續調圖像變為二值圖像； (8)重複(2)到(7)步對所 有通道的灰度圖完成加網，得到二值圖像，所述二值圖像可以通過直接制印版或者製成加網膠片並經過曬版機曬版製作成印刷版來製作印刷品，或者在數字印刷機上直接印刷製成印刷品。
2.根據權利要求1所述自適應混合加網方法，其特徵在於: 其中，對所述矩陣網格按行從左到右，按列從上到下的順序將I到所述設備二值點數量的數對所述矩陣網格的位置進行編碼。
3.根據權利要求1所述自適應混合加網方法，其特徵在於: 其中，所述乘同餘偽隨機函數的參數M的取值範圍是隨機選取在區間N*曠(N*N+100)篩選出的素數系列中的一個值，或在區間(4*N*N-100廣4*N*N篩選出的素數系列中的一個值，N為輸出設備解析度與單通道灰度圖解析度之間的比值和所述矩陣網格的行數和列數，即N*N為一個像素對應的矩陣網格中設備二值點的個數。
4.根據權利要求1所述自適應混合加網方法，其特徵在於: 其中，根據不同灰度級像素值計算出的聚集點的直徑分別對應15個網點生成模型，為第I網點生成模型，第2網點生成模型，第3網點生成模型，第4網點生成模型，第5網點生成模型，第6網點生成模型，第7網點生成模型，第8網點生成模型，第9網點生成模型，第10網點生成模型，第11網點生成模型，第12網點生成模型，第13網點生成模型，第14網點生成模型，第15網點生成模型。
5.根據權利要求1所述自適應混合加網方法，其特徵在於:其中，讀取所述單通道灰度圖像素灰度值，並根據所述單通道灰度圖像素灰度值計算所述聚集點的直徑，即、d=round((I/2)1/2),d為所述聚集點的直徑，I為讀取的所述單通道灰度圖像素灰度值，roundO表示向上取整的函數。
6.根據權利要求1所述自適應混合加網方法，其特徵在於: 其中，當所述大聚集點小於等於4時，所述乘同餘偽隨機函數的參數M的值隨機選取區間N*N (N*N+100)篩選出的素數系列的一個值，當所述大聚集點直徑在5到8之間時，M的值選取區間4*N種Γ(4*Ν*Ν-100)篩選出的素數系列的一個值，N輸出設備解析度與單通道灰度圖解析度之間的比值和構成述矩陣的行數和列數，即Ν*Ν為一個像素對應的矩陣網格中包含的設備二值點的個數。
7.根據權利要求1所述自適應混合加網方法，其特徵在於: 其中，網點模型中大小聚集點的生成順序為先生成直徑較大的大聚集點，之後生成直徑較小的小聚集點； 所述網點生成模型中的小聚集點的大小一般設定為最終印刷輸出設備能夠穩定再現的最小尺寸，由少數幾個設備二值點聚集而成，聚集點的直徑表示，在單聯通的聚集點內最長的設備二值點的排列，所述大聚集點的直經為大於等於3，所述小聚集點的直徑為小於3，一個像素加網結束前，最終剩餘的設備二值點數無法滿足生成一個聚集數為3的小聚集點所需設備二值點時，直接由剩餘點數聚集而成一個小聚集點，即聚集數為I或聚集數為2的小聚集點； 相同所述網點生成模型生成的網點 ，其大聚集點大小形狀一樣，位置隨機，小聚集點大小形狀一樣，數量隨像素灰度值的變化而變化，小聚集點位置隨機； 第I網點生成模型和第15網點生成模型生成的網點，只包含小聚集點，其餘網點生成模型生成的網點均由I個大聚集點和多個小聚集點組成； 第I網點生成模型到第7網點生成模型是生成白色聚集點，第9網點模型到第15網點生成模型是生成黑色聚集點，第8網點生成模型可隨機生成黑、白聚集點，保證黑點到白點的柔和過渡； 第2網點生成模型和第14網點生成模型的大聚集點直徑是3，第3網點生成模型和第13網點生成模型的大聚集點直徑是4，第4網點生成模型和第12網點生成模型的大聚集點直徑是5，第5網點生成模型和第11網點生成模型的大聚集點直徑是6，第6網點生成模型第10網點生成模型的大聚集點直徑是7，第7網點生成模型和第9網點生成模型的大聚集點直徑是8，第8網點生成模型的大聚集點直徑是8，隨機生成黑白聚集點。
8.根據權利要求2所述自適應混合加網方法，其特徵在於: 其中，利用Xn+1=Xn*a(modM)生成可用的隨機數，其代表的位置作為產生大聚集點的中心點生成大聚集點； 所述網點生成模型的大聚集點的直徑是3時，隨機數代表的點的位置要在小於等於N-1列大於等於第2列以及小於等於N-1行大於等於第2行的範圍內； 所述網點生成模型的大聚集點的直徑是4時，隨機數代表的點的位置要在小於等於N-1列大於等於第3列以及小於等於N-1行大於等於第3行的範圍內； 所述網點生成模型的大聚集點的直徑是5時，隨機數代表的點的位置要在小於等於N-2列大於等於第3列以及小於等於N-2行大於等於第3行的範圍內；所述網點生成模型的大聚集點的直徑是6時，隨機數代表的點的位置要在小於等於N-3列大於等於第3列以及小於等於N-3行大等於第3行的範圍內； 所述網點生成模型的大聚集點的直徑是7時，隨機數代表的點的位置要在小於等於N-3列大於等於第4列以及小於等於N-3行大於等於第4行的範圍內； 所述網點生成模型網點的大聚集點直徑是8時，隨機數代表的點的位置要在小於等於N-4列大於等於第4列以及小於等於N-4行大於等於第4行的範圍內，N為依據所述輸出設備解析度與單通道灰度圖解析度的比值和構成所述矩陣網格的行數和列數； 確定所述隨機數代表的點為大聚集點的中心點後，按照網點生成模型指定的聚集點生成方式，完成聚集點的生長； 若所述隨機數代表的點八鄰域範圍內四角被佔用的數量小於等於1，所述隨機數代表的點作為小聚集點的中心點，生成一個小聚集點；否則，返回隨機函數，繼續生成下一個隨機點；以及 重複生成小聚集點直到完成一個像素的加網。
9.根據權利要求1所述自適應混合加網方法，其特徵在於: 其中，通過所述乘同餘偽隨機函數產生編碼位置的隨機數作判定和處理的方法是，當所述參數M隨機選取區(4*N*N-100廣4*N*N之間素數中的某個值時，若Xn+1=Xn*a (modM)函數生成的隨機Xn+1數大於N*N時，將[Xn+1/4]作為進入下一步判斷的隨機數，若[Xn+1/4]所對應的編碼位置不可用，即、不適合作為聚集點的中心點，則繼續生成下一個隨機數，若[Xn+1/4]所對應的編碼位置可用，則按照程序要求生成聚集點點後，繼續生成下一個隨機數，[Xn+1/4]表示Xn+1除以4的值按四捨五入取整； 當M值隨機選取N種Γ(Ν*Ν+100)之間的素數系列中的一個值時，Xn+1=Xn*a(modM)函數產生的隨機數Xn+1大於N*N的值時，將Xn+1的值賦給Xn，繼續選取下一個隨機數，若Xn+1小N*N，判斷Xn+1所代表的位置是否可以作為聚集點的中心點，若可以，則按照程序要求生成聚集點後，將Xn+1的值賦給Xn，繼續生成下一個隨機數，否則，直接將Xn+1的值賦給Xn，繼續生成下一個隨機數，如此循環直到完成一個像素的加網。
10.根據權利要求1、所述自適應混合加網方法所涉及數字印刷機，其特徵在於: 其中，根據所述數字印刷機的輸出解析度以及原圖解析度的比值，以及所述比值的平方的值來確定所述乘同餘偽隨機函數Xn+1=Xn*a (modM)中參數M的選擇範圍,所述乘同餘偽隨機函數的參數M的取值範圍是隨機選取在區間N種Γ(Ν*Ν+100)篩選出的素數系列中的一個值，或在區(4*Ν*Ν-100廣4*Ν*Ν篩選出的素數系列中的一個值。
全文摘要
本發明涉及了印刷技術中的自適應混合加網方法。該混合加網方法首先通過對彩色數字圖像進行分色，獲得單通道灰度圖像，然後讀取像素灰度值，根據灰度值選擇相應的網點生成模型，利用乘同餘偽隨機函數產生的隨機數代表的點作為生成聚集點的中心位置點，生成聚集點，由聚集點組成網點，完成對全圖的加網處理，得到一個色版的二值圖。該加網方法是由大、小聚集點組成的混合加網，大小聚集點的位置隨機，實現了黑白網點的對稱,有利於二值圖像硬拷貝輸出的質量控制。該混合加網方法適用於四色常規印刷以及採用高保真印刷的大於四色的彩色印刷品的圖像印前加網處理工藝以及二值數字印刷機印刷輸出的加網過程。
文檔編號H04N1/52GK103118218SQ20131008014
公開日2013年5月22日 申請日期2013年3月13日 優先權日2013年3月13日
發明者張建青, 劉真, 蔡芳, 盧亮, 畢莉明, 魏代海, 張茜, 盧智平 申請人:上海理工大學