误差分散类彩色半调图的边缘检测算法

针对误差分散类彩色半调图提出一种边缘检测算法.首先应用K-L变换,将( R,G,B)空间转换为具有正交特性的彩色特征空间(I1,I2,I3),构造灰度图I使之包含所有单色图像的边缘信息,最后设计多尺度边缘检测模板以获取图像边缘.实验表明,算法较传统方法抗半调噪音的能力强,能快速、准确地提取彩色半调图像的边缘.

画草莓 巧用Photoshop彩色半调滤镜

草莓常被人们誉为“果中皇后”，它的外观呈心形，鲜美红嫩，果肉多汁，酸甜可口，香味浓郁，是水果中难得的色、香、味俱佳者。想知道如何在电脑中用Photoshop画草莓吗？不少人都觉得草莓果体表面的班点很难画，其实在使用了彩色半调滤镜后，你会发觉它很简单。

一种彩色图像矢量误差分散半调方法

误差分散是数字半调技术中的一项关键技术。通过对矢量彩色图像误差分散半调的分析,结合误差分散系统中量化器的建模,提出了一种增强边缘信息并减少虫状纹理的矢量彩色图像误差分散半调方法。

基于HVS的彩色逆半调色差预测及可视化方法

提出了一种彩色逆半调色差预测及可视化评价方法.该方法从HVS特性着手,首先将图像变换到模式-颜色分离的S-CIELab空间,然后运用CIEDE2000色差公式和NBS色差感知参考值建立了彩色逆半调质量评价方案.仿真结果表明:该方法提高了色差计算的精度,拓展了色差表现形式,符合HVS特性,所生成的HVS色差图、色差分布、色差比率和色差均值能够直观、准确地反映半调噪声的抑制情况和重建图像质量.

基于空间信息的彩色逆半调图像评价方法

针对彩色逆半调图像提出一种基于空间信息的质量评价方法。首先,将图像变换到视觉均匀颜色空间S-CIELab空间,通过定义人眼感知色差图像和感知梯度图像,构造评价彩色逆半调图像质量的定量指标。仿真结果表明:该指标反映的结果符合人眼视觉特性,与人的主观评价结果基本一致,它为基于图像内容的彩色逆半调方法的设计提供了依据。

一种彩色误差分散逆半调算法

提出了一种基于小波变换方法的彩色误差分散逆半调新算法,其主要思想是提高低频图的峰值信噪比;并用适当的阈值,增强高频图中边缘细节、降低半调噪声,以达到增强图像细节、提高逆半调图峰值信噪比的目的。

基于查找表的彩色逆半调改进方法

为克服基于查找表的逆半调方法生成的连续调图像质量不高的问题,提出一种改进的基于查找表和基于高斯滤波相融合的逆半调方法。首先,对于查找表中空值项拟合不够准确的问题,提出基于超限学习机的空值项拟合模型;其次,针对最优模板的选择问题,结合粒子群优化方法寻求最优模板,优化时考虑了图像像素与其邻域像素的相关性,使求得的最优模板不仅有相对位置关系,而且也加入了相对顺序;最后,为解决基于查找表方法生成的连续调图像在平缓部分存在噪声的问题,将改进的基于查找表的和基于高斯滤波的逆半调结果相融合,实现了彩色图像的逆半调。实验结果表明,最终的逆半调图像不仅在图像的边缘部分具有较好的细节,而且在图像的平缓区域具有较好的平滑特性。

基于色彩分类的查找表图像逆半调方法

将灰度图像的查找表逆半调算法扩展到彩色图像的逆半调,虽然考虑了彩色图像中三通道的色彩相关性,但简单地以半调值为索引值向映射表中添加连续值,不仅使映射表中的数据不够真实,也使得逆半调图像质量受半调噪声影响而降低。为此,提出一种色彩分类存储的查找表彩色图像逆半调方法,它首先从连续图到半调图对像素值进行色彩配比,然后判断配比值:若两值的色彩配比值相等或相近,则以半调值为索引,将连续值存入查找映射表中;若不相近,则将该值存入一个替补表中,作为查找表估值的依据。实验证明,色彩分类的查找表图像逆半调效果图的视觉效果比查找表彩色图像逆半调效果图的好,且其峰值信噪比、色彩还原程度、色彩倾向值均高于查找表方法所得值。

Karhunen-Loeve及多尺度金字塔联合变换的彩色逆半调算法

红绿蓝（RGB）颜色空间中的各颜色分量具有高度相关性,直接分通道实施的彩色逆半调方法会残留大量人眼敏感的半调纹理,且逆半调图像色偏较大。从分析矢量误差分散半调系统模型入手,推导其加噪特性,针对性地提出了一种Karhunen-Loeve（K-L）及多尺度金字塔联合变换的彩色逆半调算法。算法以K-L变换减弱彩色分量相关性,再利用多尺度中值金字塔算子以及维纳（Wiener）滤波分离并抑制高频细节子图中的半调噪声,最后进行中值金字塔、K-L逆变换重构结果图像。实验表明,该算法能有效去除半调噪声、减小重建图像的颜色偏差,与直接分通道逆半调算法相比峰值信噪比值提高约2~3 dB,且重建图像视觉效果良好。

CMAC Based Color Separation in Printing Images

To over come the drawbacks existing in current measurement methods for detecting and controlling colors in printing process, a new medal for color separation and dot recognition is proposed from a view of digital image processing and patter recognition. In this model, firstly data samples are collected from some color patches by the Fuzzy C-Means （FCM） method; then a classifier based on the Cerebellar Model Articulation Controller （CMAC） is constructed which is used to recognize color pattern of each pixel in a microscopic halftone image. The principle of color separation and the algorithm model are introduced and the experiments show the effectiveness of the CMAC-based classifier as opposed to the BP network.