數字圖像的半色調處理方法和系統與流程
2023-09-22 16:33:15 2
本發明涉及圖像處理領域，具體而言，涉及一種數字圖像的半色調處理方法和系統。
背景技術：
數字圖像半色調處理是利用有限的色調對原始連續色調圖像進行表示的技術，利用了人類視覺系統低通濾波的屬性，使得半色調處理的結果與原始圖像在感官上比較類似，但是，目前如何提升對數字圖像進行處理的效率和處理效果，成為了亟待解決的問題。
相關技術中，主要是基於優化迭代的圖像半色調算法，以與輸入圖像整體灰度值相同的二值噪聲圖像為初始半色調結果，然後隨機交換當前結果中的黑白像素點，判斷新的結果在色調、結構、對比度上是否與輸入圖像更接近，當滿足判斷條件時，則交換兩個像素點；否則，保持現有像素點不變繼續測試交換其他黑白像素點。
但是，現有技術中的方法，黑白像素點交換過程是通過模擬退火算法進行優化直至收斂的，該方法對圖像處理時需要時間比較長，導致對圖像的處理效率比較低，並且圖像的處理效果不能很好的保持原圖像的特徵。
技術實現要素：
有鑑於此，本發明實施例的目的在於提供一種數字圖像的半色調處理方法和系統，以實現有效的保持輸入圖像的亮度和對比度信息，同時節約了對圖像處理的時間。
第一方面，本發明實施例提供了一種數字圖像的半色調處理方法，所述方法包括：
獲取待處理圖像，並對所述待處理圖像進行分析得到所述待處理圖像的特徵信息，其中，所述特徵信息包括：像素點的局部亮度信息、對比度信息和所述待處理圖像的結構信息；
根據所述像素點的局部亮度信息和對比度信息，計算所述待處理圖像的量化閾值；
計算各所述像素點的量化誤差，並將所述量化誤差擴散到各所述像素點的鄰域內，計算量化誤差擴散後的各所述像素點的量化誤差灰度值；
根據所述量化閾值和各所述像素點的量化誤差灰度值，對所述待處理圖像進行二值化，得到二值化後所述待處理圖像中各像素點的二值化灰度值，並對所述二值化後的像素點的所述二值化灰度值進行誤差傳遞，得到半色調處理圖像。
結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，獲取待處理圖像，並對所述待處理圖像進行分析得到所述待處理圖像的特徵信息，包括：
計算所述待處理圖像的梯度，並根據所述待處理圖像的梯度得到所述待處理圖像的結構信息；
根據所述待處理圖像的結構信息，通過以下公式計算所述像素點的局部亮度信息和對比度信息：
其中，wi,j表示鄰域內像素點的權重，σ＝1.5，L[m,n]表示所述像素點的局部亮度信息，C[m,n]表示對比度信息，m和n分別表示像素點的橫縱坐標，f[m+i,n+j]表示所述待處理圖像的初始灰度值。
結合第一方面，本發明實施例提供了第一方面的第二種可能的實施方式，其中，根據所述像素點的局部亮度信息和對比度信息，計算所述待處理圖像的量化閾值，包括：
通過以下公式計算所述量化閾值：
t[m,n]＝127.5-f[m,n]×C[m,n]×(f[m,n]-L[m,n])，
其中，t[m,n]表示量化閾值，127.5為量化閾值的默認閾值，L[m,n]表示所述像素點的局部亮度信息，C[m,n]表示對比度信息，m和n分別表示像素點的橫縱坐標，f[m,n]表示所述待處理圖像的初始灰度值。
結合第一方面，本發明實施例提供了第一方面的第三種可能的實施方式，其中，在所述獲取待處理圖像，並對所述待處理圖像進行分析得到所述待處理圖像的特徵信息步驟之後，所述方法還包括：根據所述待處理圖像的結構信息計算誤差擴散係數；
其中，通過以下公式計算誤差擴散係數：
其中，s和t分別表示目標像素點的橫縱坐標，w[s,t]表示誤差擴散係數，dst為當前像素點與目標像素點之間的距離，Ist表示目標像素點的灰度值，表示結構信息對dst調整後的指數。
結合第一方面，本發明實施例提供了第一方面的第四種可能的實施方式，其中，計算各所述像素點的量化誤差，並將所述量化誤差擴散到各所述像素點的鄰域內，計算量化誤差擴散後的各所述像素點的量化誤差灰度值，包括：
通過以下公式計算各像素點的量化誤差灰度值：
u[m,n]＝f[m,n]+∑s,tw[s,t]×e[m-s,n-t]，
其中，m和n分別表示像素點的橫縱坐標，s和t分別表示目標像素點的橫縱坐標，u[m,n]表示量化誤差灰度值，f[m,n]表示所述待處理圖像的初始灰度值，w[s,t]表示誤差擴散係數，e[m-s,n-t]表示量化誤差。
結合第一方面，本發明實施例提供了第一方面的第五種可能的實施方式，其中，根據所述量化閾值和各所述像素點的量化誤差灰度值，對所述待處理圖像進行二值化，得到二值化後所述待處理圖像中各像素點的二值化灰度值，並對所述二值化後的像素點的所述二值化灰度值進行誤差傳遞，得到半色調處理圖像，包括：
判斷各所述像素點的量化誤差灰度值是否大於所述量化閾值；
如果是，則確認所述像素點為白色；
如果否，則確認所述像素點為黑色；
根據所述誤差擴散係數，將二值化後產生的新的量化誤差擴散到鄰域內未處理的像素點，得到半色調處理後的圖像。
第二方面，本發明實施例提供了一種數字圖像的半色調處理系統，所述系統包括：
特徵信息獲取模塊，用於獲取待處理圖像，並對所述待處理圖像進行分析得到所述待處理圖像的特徵信息，其中，所述特徵信息包括：像素點的局部亮度信息、對比度信息和所述待處理圖像的結構信息；
量化閾值計算模塊，根據所述像素點的局部亮度信息和對比度信息，計算所述待處理圖像的量化閾值；
量化誤差灰度值計算模塊，用於計算各所述像素點的量化誤差，並將所述量化誤差擴散到各所述像素點的鄰域內，計算量化誤差擴散後的各所述像素點的量化誤差灰度值；
半色調處理模塊，用於根據所述量化閾值和各所述像素點的量化誤差灰度值，對所述待處理圖像進行二值化，得到二值化後所述待處理圖像中各像素點的二值化灰度值，並對所述二值化後的像素點的所述二值化灰度值進行誤差傳遞，得到半色調處理圖像。
結合第二方面，本發明實施例提供了第二方面的第一種可能的實施方式，其中，所述系統還包括：
誤差擴散係數計算模塊，用於通過以下公式計算誤差擴散係數：
其中，s和t分別表示目標像素點的橫縱坐標，w[s,t]表示誤差擴散係數，dst為當前像素點與目標像素點之間的距離，Ist表示目標像素點的灰度值，表示結構信息對dst調整後的指數。
結合第二方面，本發明實施例提供了第二方面的第二種可能的實施方式，其中，所述量化誤差灰度值計算模塊包括：
量化誤差灰度值計算單元，用於通過以下公式計算各像素點的量化誤差灰度值：
u[m,n]＝f[m,n]+∑s,tw[s,t]×e[m-s,n-t]，
其中，m和n分別表示像素點的橫縱坐標，s和t分別表示目標像素點的橫縱坐標，u[m,n]表示量化誤差灰度值，f[m,n]表示所述待處理圖像的初始灰度值，w[s,t]表示誤差擴散係數，e[m-s,n-t]表示量化誤差。
結合第二方面，本發明實施例提供了第二方面的第三種可能的實施方式，其中，所述半色調處理模塊包括：
判斷模塊，用於判斷各所述像素點的量化誤差灰度值是否大於所述量化閾值；
第一確認模塊，用於當所述判斷模塊的判斷結果為是時，則確認所述像素點為白色；
第二確認模塊，用於當所述判斷模塊的判斷結果為否時，則確認所述像素點為黑色；
半色調處理單元，用於根據所述誤差擴散係數，將二值化後產生的新的量化誤差擴散到鄰域內未處理的像素點，得到半色調處理後的圖像。
本發明實施例提供的一種數字圖像的半色調處理方法和系統，通過對待處理圖像的像素點的局部亮度信息、對比度信息和結構信息進行提取，並根據局部亮度信息和對比度信息計算出量化閾值，根據量化閾值和各像素點的量化誤差灰度值對待處理圖像進行二值化，並對二值化後的像素點進行誤差傳遞，從而得到半色調處理圖像，該方法有效的保持了輸入圖像的亮度和對比度信息，同時節約了對圖像處理的時間。
附圖說明
為了更清楚地說明本發明具體實施方式或現有技術中的技術方案，下面將對具體實施方式或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施方式，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
圖1示出了本發明實施例所提供的一種數字圖像的半色調處理方法的流程圖；
圖2示出了本發明實施例所提供的一種數字圖像的半色調處理方法的另一流程圖；
圖3示出了本發明實施例所提供的一種數字圖像的半色調處理系統的結構示意圖；
圖4示出了本發明實施例所提供的半色調處理模塊的結構示意圖。
圖標：
附圖3中，各標號所代表的部件列表如下：
30-特徵信息獲取模塊； 31-量化閾值計算模塊；
32-量化誤差灰度值計算模塊； 33-半色調處理模塊。
附圖4中，各標號所代表的部件列表如下：
40-判斷模塊； 41-第一確認模塊；
42-第二確認模塊； 43-半色調處理單元。
具體實施方式
下面將結合本發明實施例中附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發明實施例的組件可以以各種不同的配置來布置和設計。因此，以下對在附圖中提供的本發明的實施例的詳細描述並非旨在限制要求保護的本發明的範圍，而是僅僅表示本發明的選定實施例。基於本發明的實施例，本領域技術人員在沒有做出創造性勞動的前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
考慮到相關技術中，主要是基於優化迭代的圖像半色調算法，以與輸入圖像整體灰度值相同的二值噪聲圖像為初始半色調結果，然後隨機交換當前結果中的黑白像素點，判斷新的結果在色調、結構、對比度上是否與輸入圖像更接近，當滿足判斷條件時，則交換兩個像素點；否則，保持現有像素點不變繼續測試交換其他黑白像素點。但是，現有技術中的方法，黑白像素點交換過程是通過模擬退火算法進行優化直至收斂的，該方法對圖像處理時需要時間比較長，導致對圖像的處理效率比較低，並且圖像的處理效果不能很好的保持原圖像的特徵。基於此，本發明實施例提供了一種數字圖像的半色調處理方法和系統，下面通過實施例進行描述。
實施例1
本實施例提供的數字圖像的半色調處理方法，有效的保持了輸入圖像的亮度和對比度信息，同時節約了對圖像處理的時間，提高了圖像處理的效率。
參見圖1，本實施例提供了一種數字圖像的半色調處理方法，該方法包括：
步驟S101，獲取待處理圖像，並對待處理圖像進行分析得到待處理圖像的特徵信息，其中，特徵信息包括：像素點的局部亮度信息、對比度信息和待處理圖像的結構信息。
參見圖2，步驟S101進一步地包括步驟S201至步驟S202：
步驟S201,計算待處理圖像的梯度，並根據待處理圖像的梯度得到待處理圖像的結構信息；
步驟S202,根據待處理圖像的結構信息，通過以下公式計算像素點的局部亮度信息和對比度信息：
其中，wi,j表示鄰域內像素點的權重，σ＝1.5，L[m,n]表示像素點的局部亮度信息，C[m,n]表示對比度信息，m和n分別表示像素點的橫縱坐標，f[m+i,n+j]表示待處理圖像的初始灰度值。
其中，計算輸入圖像每個像素的局部亮度信息：以每個像素為中心，取其周圍7x7鄰域內像素灰度的平均值作為其局部亮度信息，鄰域內像素的權重w由歸一化後的二維高斯函數確定，即
σ＝1.5為高斯函數的標準差。
計算輸入圖像每個像素的局部對比度信息：取像素周圍7x7的鄰域，計算鄰域內像素的灰度值與當前像素的局部亮度之間的平方差，利用平方差的平均值作為當前像素的局部對比度信息，即
其中wi,j為歸一化的二維高斯函數。
步驟S102，根據像素點的局部亮度信息和對比度信息，計算待處理圖像的量化閾值。
步驟S102具體包括下列步驟(1)：
(1)通過以下公式計算量化閾值：
t[m,n]＝127.5-f[m,n]×C[m,n]×(f[m,n]-L[m,n])，
其中，t[m,n]表示量化閾值，127.5為量化閾值的默認閾值，L[m,n]表示所述像素點的局部亮度信息，C[m,n]表示對比度信息，m和n分別表示像素點的橫縱坐標，f[m,n]表示所述待處理圖像的初始灰度值。
利用計算得到的像素局部亮度信息和對比度信息對誤差擴散的量化閾值進行調節；假設輸入灰度圖像的每個像素用8個bit進行表示，其灰度值取值範圍為0-255，因此默認二值量化的閾值為127.5，因此，引入像素的局部亮度和對比度信息後，調節以後的量化閾值為：
t[m,n]＝127.5-f[m,n]×C[m,n]×(f[m,n]-L[m,n])。
步驟S103，計算各像素點的量化誤差，並將量化誤差擴散到各像素點的鄰域內，計算量化誤差擴散後的各像素點的量化誤差灰度值。
步驟S103具體包括：通過以下公式計算各像素點的量化誤差灰度值：
u[m,n]＝f[m,n]+∑s,tw[s,t]×e[m-s,n-t]，
其中，m和n分別表示像素點的橫縱坐標，s和t分別表示目標像素點的橫縱坐標，u[m,n]表示量化誤差灰度值，f[m,n]表示所述待處理圖像的初始灰度值，w[s,t]表示誤差擴散係數，e[m-s,n-t]表示量化誤差。
量化誤差灰度值u[m,n]包括兩部分內容，一是初始輸入圖像的灰度值f[m,n]，另一就是擴散到當前像素的量化誤差e，從而得到經過量化誤差擴散的當前像素量化誤差灰度值u[m,n]。
步驟S104，根據量化閾值和各像素點的量化誤差灰度值，對待處理圖像進行二值化，得到二值化後待處理圖像中各像素點的二值化灰度值，並對二值化後的像素點的二值化灰度值進行誤差傳遞，得到半色調處理圖像。
步驟S104進一步地包括：步驟(1)至步驟(4)：
(1)判斷各像素點的量化誤差灰度值是否大於量化閾值，當判斷結果為是時，執行步驟(1)，當判斷結果為否時，執行步驟(3)；
(2)確認像素點為白色；
(3)確認像素點為黑色；
(4)根據誤差擴散係數，將二值化後產生的新的量化誤差擴散到鄰域內未處理的像素點，得到半色調處理後的圖像。
根據量化閾值和各經過量化誤差擴散後的像素點的量化誤差灰度值，對該待處理圖像進行二值化，具體過程如下：
按照掃描線順序對待處理圖像像素點進行二值量化：在處理某個像素點時，比較當前像素點的量化誤差灰度值u[m,n]與閾值t[m,n]之間的大小，並根據大小關係判斷在輸出結果中當前像素應該為黑色還是白色，即當u[m,n]≥t[m,n]二值化灰度值為g[m,n]＝255，否則則為g[m,n]＝0。
為了保持圖像的整體色調，當前像素量化操作完成以後，即二值化完成之後，需要將產生的新的量化誤差e[m,n]＝u[m,n]-g[m,n]擴散到鄰域內未處理像素。
除此之外，該方法還包括：根據待處理圖像的結構信息計算誤差擴散係數；
其中，通過以下公式計算誤差擴散係數：
其中，s和t分別表示目標像素點的橫縱坐標，w[s,t]表示誤差擴散係數，dst為當前像素點與目標像素點之間的距離，Ist表示目標像素點的灰度值，表示結構信息對dst調整後的指數。
為了使鄰域內的像素接受不同程度的量化誤差，引入了擴散係數w[s,t]，擴散係數的設置遵從原則：與距離較遠的像素比臨近的像素應該吸收較多的誤差。為了保證圖像的色彩關係：量化誤差為正時，灰度值較大的像素應該吸收較多的誤差；量化誤差為負時，灰度值較小的像素應該吸收較多的誤差。因此，擴散係數為
其中dst為誤差擴散源像素與目標像素之間的距離；量化誤差為正時，Ist＝f[s,t]，為負時，Ist＝255-f[s,t]。此外，為了保持低對比度區域的結構信息，利用圖像結構信息對擴散係數中距離dst的指數進行調整。調整後的指數k為：
綜上所述，本實施例提供了一種數字圖像的半色調處理方法，通過對待處理圖像的像素點的局部亮度信息、對比度信息和結構信息進行提取，並根據局部亮度信息和對比度信息計算出量化閾值，根據量化閾值和各像素點的量化誤差灰度值對待處理圖像進行二值化，並對二值化後的像素點進行誤差傳遞，從而得到半色調處理圖像，該方法有效的保持了輸入圖像的亮度和對比度信息，同時節約了對圖像處理的時間。
實施例2
參見圖3，本實施例提供了一種數字圖像的半色調處理系統，該系統包括：特徵信息獲取模塊30，用於獲取待處理圖像，並對待處理圖像進行分析得到待處理圖像的特徵信息，其中，特徵信息包括：像素點的局部亮度信息、對比度信息和待處理圖像的結構信息；
量化閾值計算模塊31，根據像素點的局部亮度信息和對比度信息，計算待處理圖像的量化閾值；
量化誤差灰度值計算模塊32，用於計算各像素點的量化誤差，並將量化誤差擴散到各像素點的鄰域內，計算量化誤差擴散後的各像素點的量化誤差灰度值；
半色調處理模塊33，用於根據量化閾值和各像素點的量化誤差灰度值，對待處理圖像進行二值化，得到二值化後待處理圖像中各像素點的二值化灰度值，並對二值化後的像素點的二值化灰度值進行誤差傳遞，得到半色調處理圖像。
該系統還包括：誤差擴散係數計算模塊，用於通過以下公式計算誤差擴散係數：
其中，s和t分別表示目標像素點的橫縱坐標，w[s,t]表示誤差擴散係數，dst為當前像素點與目標像素點之間的距離，Ist表示目標像素點的灰度值，表示結構信息對dst調整後的指數。
量化誤差灰度值計算模塊32包括：
量化誤差灰度值計算單元，用於通過以下公式計算各像素點的量化誤差灰度值：
u[m,n]＝f[m,n]+∑s,tw[s,t]×e[m-s,n-t]，
其中，其中，m和n分別表示像素點的橫縱坐標，s和t分別表示目標像素點的橫縱坐標，u[m,n]表示量化誤差灰度值，f[m,n]表示所述待處理圖像的初始灰度值，w[s,t]表示誤差擴散係數，e[m-s,n-t]表示量化誤差。
參見圖4，半色調處理模塊33包括：
判斷模塊40，用於判斷各像素點的量化誤差灰度值是否大於量化閾值；
第一確認模塊41，用於當判斷模塊的判斷結果為是時，則確認像素點為白色；
第二確認模塊42，用於當判斷模塊的判斷結果為否時，則確認像素點為黑色；
半色調處理單元43，用於根據誤差擴散係數，將二值化後產生的新的量化誤差擴散到鄰域內未處理的像素點，得到半色調處理後的圖像。
綜上所述，本實施例提供了一種數字圖像的半色調處理系統，通過對待處理圖像的像素點的局部亮度信息、對比度信息和結構信息進行提取，並根據局部亮度信息和對比度信息計算出量化閾值，根據量化閾值和各像素點的量化誤差灰度值對待處理圖像進行二值化，並對二值化後的像素點進行誤差傳遞，從而得到半色調處理圖像，該方法有效的保持了輸入圖像的亮度和對比度信息，同時節約了對圖像處理的時間。
本發明實施例所提供的數字圖像的半色調處理方法的電腦程式產品，包括存儲了程序代碼的計算機可讀存儲介質，程序代碼包括的指令可用於執行前面方法實施例中的方法，具體實現可參見方法實施例，在此不再贅述。
所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統、裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。
以上所述，僅為本發明的具體實施方式，但本發明的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內，可輕易想到變化或替換，都應涵蓋在本發明的保護範圍之內。因此，本發明的保護範圍應所述以權利要求的保護範圍為準。