基于K-means聚类的数字半色调算法

数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术,提出将K-means聚类法应用在数字半色调技术中。算法中应用人类视觉系统模型(HVS)和印刷模型最大限度减少原始灰度连续调图像和半色调图像之间的视觉误差;利用K-means聚类法将灰度图像划分成聚类分区,在每个聚类分区应用最小平方法(least-squares)最小化二值半色调图像和原始灰度级图像之间的平方误差,所构造的半色调算法与基于模型的最小平方法(LSMB)算法相比,随着聚类分区的增加,图像平滑且边缘清晰度增加,尤其是在图像细节部位。与LSMB算法比较,该算法的均方误差值有所降低,而权重信噪比和峰值信噪比提高了0.2～2 dB,模拟实验结果验证了算法的有效性。     

半色调图像的质量评价研究

数字半色调技术是图像再现系统的核心,其算法的优劣直接影响到再现图像的视觉质量。对两类典型的数字半色调图像质量评价方法进行了简要介绍。基于Visual C#编程语言建立了数字半色调算法实验平台,并根据所得图像质量参数对各算法在再现图像的质量、运行时间等方面进行比较和分析。     

图像逆半调及其质量评价综述

数字半调是数字印刷乃至现代印刷的核心技术之一。半调可使连续色调图像转换为二值图像。如需对半调图像作分类识别、图像压缩、图像增强等处理,就应先让半调图像重建为连续色调图像,即进行逆半调处理。首先介绍了半调图像的不同发展阶段;然后对已有的逆半调方法根据不同的图像恢复依据进行了分类介绍,并对重建的逆半调图像的质量进行了客观评价;最后总结了已有逆半调方法的不足,并指出了未来可改进的关键方向。     

一种改进的基于蓝噪声的误差分散算法

传统的误差分散算法大大促进了数字半调技术的发展。但由于该算法采用类似扫描仪的处理路线,简单的误差分散核,固定的阈值,并且忽略了关键灰度、点增益、图像色调,很容易出现比较明显的人工纹理。论文提出了一种改进的基于蓝噪声的误差分散算法。该算法采用可变的处理路线,多灰度误差分散核,并且根据图像色调、点增益自动调整量化阈值和关键灰度的误差分散系数,达到了较好的视觉效果。     

浅谈半色调技术

本文对图像再现的关键性技术数字半色调技术进行了研究。介绍了数字半色调的基本概念,基本原理和发展现状。通过对经典半色调方法的研究,评判了各自的优点与不足,最后展望了数字半色调技术的发展趋势。国内在这一领域的研究甚少,研究数字半色调技术,对于填补我国在这一领域的空白,具有重要的现实意义。     

多级半色调技术在电纸书显示优化中的应用

针对电纸书显示屏灰度等级不足的问题,提出了利用半色调图像处理技术的改进算法实现电纸书显示优化的方法.在阐述半色调技术与电子纸特点的基础上,介绍了抖动算法和误差扩散算法,通过对这两种算法进行改进提高电纸书显示的灰度级数及视觉效果.其中重点对误差扩散算法中的阈值、滤波器及扫描方式的设定进行设计,并提出一种基于误差动态检测的新的改进算法,能有效提高图像灰度级数,改善电纸书的图像显示质量.最后在电纸书系统平台上实现仿真,通过质量评价参数客观地评测了各种算法.     

打印机色调自补偿数字半调的模型与算法

针对半调打印图象色调失真问题,给出一各地伽玛变换和打印机模型的色调自补偿相应的误差分散算法,与现有开环预补偿模型相比,新模型引入了反馈和自适应控制,提高了补偿精度,所给误差分散算法增加了补偿印点增益功能,可明显改善半调打印图象的质量。     

基于边缘和模型的半色调图像水印算法*

考虑人眼视觉掩蔽特性,提出了一种基于图像边缘和模型的数字半色调图像水印算法。通过分析半色调图像边缘特性,将二值水印嵌入到半色调图像边缘区域,再结合视觉和打印模型对半色调图像进行优化,得到含水印半色调图像。仿真实验表明,该方法不会在含水印半色调图中产生明显椒盐状噪声,可取得较好的水印不可感知性。当此半色调图像打印输出,再遭受裁剪、随机涂改、JPEG压缩攻击后,仍能提取出有效的水印信息。     

数字半色调技术中的误差扩散算法的研究

误差扩散是一种非常优秀的调频半色调技术,但这种方法在图像高光和暗调以及阶调平滑区域会产生“蠕虫”,同时噪声较多,导致半色调图像的边缘不清晰。在Floyd和Steinberg的误差扩散算法的基础上,设计一种新的基于平均阈值和改变扫描路径的误差扩散算法——阈值采用平均值法,通过优化平均阈值方法中的γ值得到最优的半色调图像,同时扫描路径采用“蛇型”路径。实验结果表明该算法可以减少“蠕虫”,增强图像的边缘,提高半色调图像的主观视觉效果。     

图像处理中的模糊算法及实现

图像处理技术是用计算机对图像进行分析,以达到所需结果的技术,又称影像处理.图像处理一般指数字图像处理,数字图像是指用数字摄像机、扫描仪等设备经过采样和教字化得到的一个大的二维数组,该数组的元素称为像素,其值为一整数,称为灰度值.而目前,我国图像处理水平远远落后于世界先进水平,技术的发展需求迫在眉睫.基于以上原因,本文研究了以模糊信息处理技术为基础的图像处理算法及其实现,用一个简单的程序实践图像处理算法.     

基于图像极小相似度的填充曲线半色调方法

扫描路径是数字半色调技术的关键环节。针对行扫描误差扩散方法、Hilbert—Peano曲线半色调方法的不足，提出了基于图像极小相似度的填充曲线半色调方法。该方法首先定义了一个与待处理图像像素个数相等的非连通带权图及其相关的一个连通带权图；其次求出后者的最小生成树；再次根据最小生成树将非连通的原图连接成连通图，该连通图即为图像的极小相似度曲线；最后从该曲线的任意一点出发，沿此曲线深度优先处理图像的每一个像素。实验表明，用新的扫描路径处理后得到的半色调图像的整体效果较好；图像不存在与扫描路径相关的规律性纹理；图像边缘更加平滑，其边缘对比度指标比现有方法优一个数量级；图像的非边缘区域误差最小。     

基于半色调技术的印前图像篡改检测方法

本文印前图像特指图像数字排版经编辑确认后的数字印刷样张,其以栅格处理器分色后的加网二进制形式存储.数字样张一经确认,其来源的合法性便不受怀疑.但是,从印刷的整体流程来看,数字样张的存储、传输过程中仍有较大的篡改风险.现有的复制移动篡改检测算法存在特征维度高、计算开销大或检测率较低等问题,而且不适用于分色后的二进制样张.本文提出了一种基于半色调图像网点密度特征的Copy-Move篡改检测方法,该方法针对分色处理后的CMYK目标图像的二值量化处理,采用滑动分块的方法对目标图像进行分块,通过提取图像块CMYK四个通道的局部网点密度特征对图像块进行篡改检测.实验结果表明,该方法在图像篡改检测上较以往方法相比具有较低的时间复杂度和较高的检测率,并且对图像篡改区域的旋转攻击、小尺度缩放攻击等具有较好的鲁棒性.     

Halftone Visual Cryptography Via Error Diffusion

Halftone visual cryptography (HVC) enlarges the area of visual cryptography by the addition of digital halftoning techniques. In particular, in visual secret sharing schemes, a secret image can be encoded into halftone shares taking meaningful visual information. In this paper, HVC construction methods based on error diffusion are proposed. The secret image is concurrently embedded into binary valued shares while these shares are halftoned by error diffusion—the workhorse standard of halftoning algorithms. Error diffusion has low complexity and provides halftone shares with good image quality. A reconstructed secret image, obtained by stacking qualified shares together, does not suffer from cross interference of share images. Factors affecting the share image quality and the contrast of the reconstructed image are discussed. Simulation results show several illustrative examples.      

Neural network based method for image halftoning and inverse halftoning

A hybrid neural network based method for halftoning and inverse halftoning of digital images is presented. The halftone image is performed by single-layer perceptron neural network (SLPNN), and its corresponding continuous-tone image is reconstructed by radial-basis function neural network (RBFNN). The combined training procedure produces halftone images and the corresponding continuous tone images at the same time. The PSNR performance and visual image quality of these contone images achieved is comparable to the well-known inverse halftoning methods. The resultant halftone images compared with the error diffusion halftone are visually good, too. Furthermore, we apply different kinds of halftone images to a bi-level image compression method, called Block Arithmetic Coding for Image Compression (BACIC), which is better than the current facsimile methods.     

误差分散类逆半调技术综述

逆半调技术是半调图像处理中的关键技术之一,近几年来其研究取得了较大的进展。为了使人们对该技术研究现状有个概略了解,首先论述了逆半调技术的原理和主要研究方法;然后重点分析了针对误差分散半调图的滤波方法、机器学习方法和最优化估计方法,并比较了它们的优缺点,通过比较发现,基于模糊技术、人眼视觉特性的自适应滤波方法,在实际应用中有广阔的前景;最后给出误差分散逆半调技术目前存在的问题和进一步的发展方向。     

图像水印算法研究新进展

随着信息网络化飞速发展,数字水印作为网络环境下数字图像版权保护和完整性验证的重要技术,得到了广泛研究和应用。本文综述了图像水印技术的最新进展情况,阐述了图像水印的关键技术,分析了鲁棒性水印算法、半脆弱性水印算法和脆弱性水印算法的主流方案、特点和最新进展。最后,展望了图像水印技术的发展趋势。     

An improved parallel contrast-aware halftoning

Digital image halftoning is a widely used technique. However, achieving high fidelity tone reproduction and structural preservation with low computational time cost remains a challenging problem. This paper presents a highly parallel algorithm to boost real-time application of serial structure-preserving error diffusion. The contrast-aware halftoning approach is one such technique with superior structure preservation, but it offers only a limited opportunity for graphics processing unit （GPU） accel- eration. Our method integrates contrast-aware halftoning into a new parallelizable error-diffusion halftoning framework. To eliminate visually disturbing artifacts resulting from parallelization, we propose a novel multiple quantization model and space-filling curve to maintain tone consistency, blue-noise property, and structure consistency. Our GPU implementation on a commodity personal computer achieves a real-time performance for a moderately sized image. We demonstrate the high quality and performance of the proposed approach with a variety of examples, and provide comparisons with state-of-the-art methods.     

MSPRL：面向图像逆半色调的多尺度渐进式残差学习网络

目的 图像逆半色调的目的是从二值半色调图像中恢复出连续色调图像。半色调图像丢失了大量原始图像内容信息,因此逆半色调成为一个经典的图像重建病态问题。现有的逆半色调算法重建效果无法满足对图像细节和纹理的需求。此外,已有方法大多忽略了训练策略对模型优化的重要影响,导致模型性能较差。针对上述问题,提出一个逆半色调网络以提高半色调图像重建质量。方法 首先提出一个端到端的多尺度渐进式残差学习网络（multiscale progressivoly residual learning network,MSPRL）以恢复出更高质量的连续色调图像。该网络基于UNet架构并以多尺度图像作为输入;为充分利用不同尺度输入图像的信息,设计一个浅层特征提取模块以捕获多尺度图像的注意力信息;同时探讨不同学习策略对模型训练和性能的影响。结果 实验在7个数据集上与6种方法进行对比。在Place365和Kodak数据集上,相比性能第2的方法,峰值信噪比（peak signal-to-noise ratio,PSNR）分别提高0.12dB和0.18dB;在其他5个常用于图像超分辨率的测试数据集Set5、Set14、BSD100（Berkeley segmentation dataset 100）、Urban100和Manga109上,相比性能第2的方法,PSNR值分别提高0.11dB、0.25dB、0.08dB、0.39dB和0.35dB。基于本文的训练策略,重新训练的渐进式残差学习网络相比未优化训练模型在7个数据集上PSNR平均提高1.44dB。本文方法在图像细节和纹理重建上实现最优效果。实验表明选用合适的学习策略能够优化模型训练,对性能提升具有重要帮助。结论 本文提出的逆半色调模型,综合UNet架构和多尺度图像信息的优点,选用合适的训练策略,使得图像重建的细节与纹理更加清晰,视觉效果更加细致。本文算法代码公布在https://github.com/Feiyuli-cs/MSPRL。