基于神经网络和线性像素置换的颜色量化

本文提出了一种新的彩色图像量化算法。它是一种基于自组织神经网络和线性像素置换的后聚类算法。线性像素置换是一种均匀选取图像中的像素的方法。根据线性像素置换确定改进的自组织神经网络的初始权重向量和训练样本集。选取部分样本参加训练加快训练过程。实验结果表明,与其它量化优化算法比较,本文提出的算法在量化图像质量和算法效率方面均有明显提高,而且不依赖于算法的初始条件。

用于半色调图像的一种层次增强方法

半色调图像的层次分辨率是衡量半色调图像生成算法的一个重要指标 .在高质量图像硬拷贝设备上 ,其产生的半色调图像的层次分辨率必须达到较高的水平 ,才能保证图像复制的质量 .文中提出了一个基于线性像素置换理论的阈值矩阵抖动方法 ,该方法把一维线性像素置换扩展到了二维的情形 ,并使其作用于阈值矩阵的生成 .这个方法能在提高阈值矩阵的层次分辨率的同时 ,有效地避免附带产生的斑纹效应 .通过计算机的模拟显示和硬拷贝设备的实际输出试验 ,证明了此方法的有效性 .

一种可调节的多级颜色量化算法

针对当量化图像的颜色数量较少时如何调节颜色层次和微弱颜色,本文提出了一种新颖的多级颜色量化算法。根据Kohonen自组织神经网络和线性像素置换计算第一级调色板;然后多次遮代找出最相似的颜色对,删除其中的一个,得到第二级调色板;最后根据调色板中颜色的像素数量和与基色距离的加权和,选出最终的代表颜色。实验结果表明,该算法能够通过设置适当的像素取样率、像素数量权重和与基色的距离权重而有效地选择满足不同需要的量化结果,并且保持较好的量化图像质量。