專利名稱：印刷技術的自適應混合加網(wǎng)方法
技術領域：
本發(fā)明涉及圖像硬拷貝復制領域，屬于印刷技術領域中的混合加網(wǎng)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，由于其常采用大于四色的印刷，傳統(tǒng)的調幅加網(wǎng)無法勝任高保真印刷，而調頻加網(wǎng)有如下不足:孤立的小面積網(wǎng)點在傳遞中容易丟失、網(wǎng)點擴大嚴重中間調粗糙等問題在實際生產(chǎn)中的使用受到了限制，因此混合加網(wǎng)成為高保真印刷加網(wǎng)的首選。美國Peter 1.Majewicz的發(fā)明專利HYBRID HALFTONING中提出的混合加網(wǎng)方法是:Y或BK顏色通道采用隨機調頻加網(wǎng)，其他通道采用混合加網(wǎng)的方式完成加網(wǎng)，或至少一個顏色通道用混合加網(wǎng)，其他通道隨機調頻加網(wǎng)，其中的混合加網(wǎng)是指高光和暗調部分用隨機調頻加網(wǎng)，中間調部分用位置隨機的調幅加網(wǎng)的加網(wǎng)方法。該加網(wǎng)方法有效避免了龜紋現(xiàn)象，適合高保真印刷的加網(wǎng)。但由于不同色版采用不同的加網(wǎng)方式，使得印刷過程中，不同色版的網(wǎng)點擴大差別較大，不利于印刷過程中的質量控制，另一方面，由于中間調采用了調幅網(wǎng)點，網(wǎng)點搭界導致的網(wǎng)點擴大突然躍變問題仍無法很好解決。乘同余偽隨機函數(shù)Xn+1 =Xn*a (mo dM)具有簡便、速度快、周期長、生成的隨機數(shù)有良好的統(tǒng)計特性等特點，使用范圍較廣，可用來產(chǎn)生隨機網(wǎng)點。該方法中，選擇合適的Xn、a、M這三個參數(shù)是決定能否快速產(chǎn)生符合要求的隨機數(shù)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(shù)，且a取與2(s/2)最接近的值，M的值為所需隨機數(shù)周期的4倍，且M與Xtl互為素數(shù)，a與Xtl互為素數(shù)?；谝陨侠碚?，周嘯等研究了用Xn+1=Xn*a (modM)產(chǎn)生調頻加網(wǎng)的隨機點時的加網(wǎng)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(wǎng)效率較高，但沒有說明產(chǎn)生滿足加網(wǎng)需求的有效隨機數(shù)數(shù)量的解決方案；徐錦林等提出用乘同余偽隨機函數(shù)產(chǎn)生256以內(nèi)的隨機數(shù)的修正方案，解決了產(chǎn)生加網(wǎng)要求的有效隨機數(shù)的數(shù)量問題，即M取1024附近的素數(shù)，a取適當?shù)恼麛?shù)，此方法產(chǎn)生的隨機數(shù)只有25%是有效的，即只有25%的數(shù)據(jù)在256范圍內(nèi)，因此效率低。

發(fā)明內(nèi)容
針對以上情況，本發(fā)明的目的在于提供一種基于限定參數(shù)乘同余偽隨機函數(shù)的新的混合加網(wǎng)方法。本加網(wǎng)方法是由大、小聚集點組成的混合加網(wǎng)，大小聚集點的位置隨機，黑白網(wǎng)點對稱，可不用考慮加網(wǎng)角度問題，有效解決調幅加網(wǎng)龜紋及玫瑰斑問題，可有效降低由于網(wǎng)點搭界導致的中間調網(wǎng)點擴大突然躍變的問題，有效改善調頻加網(wǎng)的孤立的小網(wǎng)點在傳遞中的丟失、以及中間調粗糙等問題，實現(xiàn)了黑白網(wǎng)點的對稱，對印刷套準精度要求不高，有利于二值圖像硬拷貝輸出的質量控制。本發(fā)明為了實現(xiàn)上述目的，可使用以下方案:本發(fā)明提供了一種印刷技術中的自適應混合加網(wǎng)方法，其特征在于，包含以下具體步驟:(1)輸入原稿數(shù)字圖像，通過分色模塊對彩色數(shù)字圖像進行分色，獲得復數(shù)個分通道的單通道灰度圖像，如果已經(jīng)是單通道灰度圖，就不用分色；(2)根據(jù)輸出設備分辨率(DPI)及單通道灰度圖分辨率(PPI)之間的比值確定再現(xiàn)一個像素灰度所需設備二值點的數(shù)量，構建以設備二值點所對應的方塊矩陣網(wǎng)格，對矩陣網(wǎng)格中設備二值點的位置進行排序編碼，矩陣網(wǎng)格中包含的設備二值點數(shù)量為輸出設備分辨率與單通道灰度圖分辨率的比值的平方；(3)從單通道灰度圖像讀取灰度圖像的像素值，根據(jù)灰度圖像的像素值計算混合加網(wǎng)中所需聚集點的直徑的值；(4)構建復數(shù)個網(wǎng)點生成模型，根據(jù)聚集點的直徑的值選擇網(wǎng)點生成模型，不同的網(wǎng)點生成模型分別生成白色聚集點和黑色聚集點；(5)限定乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)中參數(shù)M的取值范圍,參數(shù)M值的選擇是在與二值輸出設備點數(shù)量的數(shù)相關的區(qū)間內(nèi)進行隨機篩選的一個素數(shù)，或根據(jù)不同的情況乘以一定的系數(shù)從而在不同的相關區(qū)間內(nèi)隨機篩選一個素數(shù)，參數(shù)a值的選取是按a=8k±3的規(guī)則，k為正整數(shù)，初始值Xtl取I到100之間的自然數(shù)，乘同余偽隨機函數(shù)為遞歸函數(shù)，其中表示乘積；(6)通過乘同余偽隨機函數(shù)產(chǎn)生的隨機數(shù)代表矩陣網(wǎng)格中的編碼位置，并對該產(chǎn)生編碼位置的數(shù)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(wǎng)(或二值化)；(7)重復(3)到(6)步，遍歷灰度圖像，完成對整幅灰度圖像的加網(wǎng)；(8)重復(2)到(7)步對所有單通道的灰度圖完成加網(wǎng)，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制成加網(wǎng)膠片并經(jīng)過曬版機曬版制作成印刷版上印刷機印刷來制作印刷品，或者在數(shù)字印刷機上直接印刷制成印刷品。在本發(fā)明所涉及的自適應混合加網(wǎng)方法，對矩陣網(wǎng)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(shù)量的數(shù)對矩陣網(wǎng)格的位置進行編碼。另外，乘同余偽隨機函數(shù)的參數(shù)M的取值范圍是隨機選取在區(qū)間N*N (N*N+100)篩選出的素數(shù)系列中的一個值，或在區(qū)(4*N*N-100) 4*N*N篩選出的素數(shù)系列中的一個值，N為輸出設備分辨率與單通道灰度圖分辨率之間的比值和矩陣網(wǎng)格的行數(shù)和列數(shù)，N*N為一個像素對應的方塊矩陣網(wǎng)格中包含的設備二值點的個數(shù)。另外，根據(jù)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(wǎng)點生成模型，為第I網(wǎng)點生成模型，第2網(wǎng)點生成模型，第3網(wǎng)點生成模型，第4網(wǎng)點生成模型，第5網(wǎng)點生成模型，第6網(wǎng)點生成模型，第7網(wǎng)點生成模型，第8網(wǎng)點生成模型，第9網(wǎng)點生成模型，第10網(wǎng)點生成模型，第11網(wǎng)點生成模型，第12網(wǎng)點生成模型，第13網(wǎng)點生成模型，第14網(wǎng)點生成模型，第15網(wǎng)點生成模型。另外，讀取單通道灰度圖像素灰度值，并根據(jù)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(shù)。另外，當大聚集點直徑小于等于4時，乘同余偽隨機函數(shù)的參數(shù)M的值隨機選取區(qū)間N*N (N*N+100)篩選出的素數(shù)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(qū)間(4*N*N-100) 4*N*N篩選出的素數(shù)系列的一個值，N為輸出設備分辨率與單通道灰度圖分辨率之間的比值和構成述矩陣的行數(shù)和列數(shù)，N*N為一個像素對應的方塊矩陣網(wǎng)格包含的設備二值點的個數(shù)。另外，網(wǎng)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，之后生成直徑較小的小聚集點；網(wǎng)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(wěn)定再現(xiàn)的最小尺寸，由少數(shù)幾個設備二值點聚集而成，聚集點的直徑表示，在單聯(lián)通的聚集點內(nèi)最長的設備二值點的排列，大聚集點的直經(jīng)為大于等于3，小聚集點的直徑為小于3，一個像素加網(wǎng)結束前，最終剩余的設備二值點數(shù)無法滿足生成一個聚集數(shù)為3的小聚集點所需設備二值點時，直接由剩余設備二值點聚集，即生成聚集數(shù)為I或者2的小聚集點；相同網(wǎng)點生成模型生成的網(wǎng)點，其大聚集點大小形狀一樣，位置隨機，小聚集點數(shù)量隨像素灰度值的變化而變化，位置隨機；第I網(wǎng)點生成模型和第15網(wǎng)點生成模型生成的網(wǎng)點，只包含小聚集點，其余網(wǎng)點生成模型生成的網(wǎng)點均由I個大聚集點和多個小聚集點組成；第I網(wǎng)點生成模型到第7網(wǎng)點生成模型是生成白色聚集點，第9網(wǎng)點模型到第15網(wǎng)點生成模型是生成黑色聚集點，第8網(wǎng)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(wǎng)點生成模型和第14網(wǎng)點生成模型的大聚集點直徑是3，第3網(wǎng)點生成模型和第13網(wǎng)點生成模型的大聚集點直徑是4，第4網(wǎng)點生成模型和第12網(wǎng)點生成模型的大聚集點直徑是5，第5網(wǎng)點生成模型和第11網(wǎng)點生成模型的大聚集點直徑是6，第6網(wǎng)點生成模型第10網(wǎng)點生成模型的大聚集點直徑是7，第7網(wǎng)點生成模型和第9網(wǎng)點生成模型的大聚集點直徑是8，第8網(wǎng)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(shù)，其代表的位置作為產(chǎn)生大聚集點的中心點生成大聚集點；網(wǎng)點生成模型的大聚集點的直徑是3時，隨機數(shù)代表的點的位置要在小于等于N-1列大于等于第2列以及小于等于N-1行大于等于第2行的范圍內(nèi)；網(wǎng)點生成模型的大聚集點的直徑是4時，隨機數(shù)代表的點的位置要在小于等于N-1列大于等于第3列以及小于等于N-1行大于等于第3行的范圍內(nèi)；網(wǎng)點生成模型的大聚集點的直徑是5時，隨機數(shù)代表的點的位置要在小于等于N-2列大于等于第3列以及小于等于N-2行大于等于第3行的范圍內(nèi)；網(wǎng)點生成模型的大聚集點的直徑是6時，隨機數(shù)代表的點的位置要在小于等于N-3列大于等于第3列以及小于等于N-3行大于等于第3行的范圍內(nèi)；網(wǎng)點生成模型的大聚集點的直徑是7時，隨機數(shù)代表的點的位置要在小于等于N-3列大于等于第4列以及小于等于N-3行大于等于第4行的范圍內(nèi)；網(wǎng)點生成模型網(wǎng)點的大聚集點直徑是8時，隨機數(shù)代表的點的位置要在小于等于N-4列大于等于第4列以及小于等于N-4行大于等于第4行的范圍內(nèi)，N為依據(jù)輸出設備分辨率與單通道灰度圖分辨率的比值和構成矩陣網(wǎng)格的行數(shù)和列數(shù)；確定隨機數(shù)代表的點為大聚集點的中心點后，按照網(wǎng)點生成模型指定的聚集點生成方式，完成大聚集點的生長；乘同余偽隨機函數(shù)繼續(xù)產(chǎn)生隨機數(shù),若該隨機數(shù)代表的點八鄰域范圍內(nèi)四角被占用的數(shù)量小于等于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(shù)，繼續(xù)生成下一個隨機數(shù)代表的點，重復以上循環(huán)生成小聚集點直到完成一個像素的加網(wǎng)。另外，通過乘同余偽隨機函數(shù)產(chǎn)生編碼位置的隨機數(shù)作判定和處理的方法是，當參數(shù)M隨機選取區(qū)間(4*N*N-100) 4*N*N之間素數(shù)中的某個值時，若Xn+1=Xn*a (modM)函數(shù)生成的隨機Xn+1大于N*N時，將[Xn+1/4]作為進入下一步判斷的隨機數(shù)，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(xù)生成下一個隨機數(shù)，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后，繼續(xù)生成下一個隨機數(shù)，[Xn+1/4]表示Xn+1除以4的值按四舍五入取整；當M值隨機選取N*N (N*N+100)之間的素數(shù)系列中的一個值時，Xn+1=Xn*a(modM)函數(shù)產(chǎn)生的隨機數(shù)Xn+1大于N*N的值時，將Xn+1的值賦給Xn，繼續(xù)選取下一個隨機數(shù)，若Xn+1小于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后，將Xn+1的值賦給Xn，繼續(xù)生成下一個隨機數(shù)，否則，直接將xn+1的值賦給xn，繼續(xù)生成下一個隨機數(shù)，如此循環(huán)直到完成一個像素的加網(wǎng)。進一步，根據(jù)數(shù)字印刷機的輸出分辨率以及原圖分辨率的比值，以及比值的平方的值來確定乘同余偽隨機函數(shù)xn+1=xn* (modM)中參數(shù)M的選擇范圍,乘同余偽隨機函數(shù)的參數(shù)M的取值范圍是隨機選取在區(qū)間N*N (N*N+100)篩選出的素數(shù)系列中的一個值，或在區(qū)(4*N*N-100) 4*N*N篩選出的素數(shù)系列中的一個值。發(fā)明效果本發(fā)明提供的自適應混合加網(wǎng)的方法，其具有步驟:輸入原稿數(shù)字圖像，輸出分通道的單通道灰度圖像，根據(jù)輸出設備分辨率與灰度圖像的分辨率關系構建方塊矩陣網(wǎng)格并對矩陣網(wǎng)格位置進行編碼，通過篩選素數(shù)的方式限定乘同余偽隨機函數(shù)的參數(shù)，在具備更好的周期性，讀取灰度圖像的像素值，并計算像素中聚集點的直徑，構建不同的網(wǎng)點生成模型，將不同直徑的聚集點對應相應的網(wǎng)點生成模型并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(jù)不同直徑的聚集點選擇不同的區(qū)間所限制參數(shù)的乘同余偽隨機函數(shù)產(chǎn)生的隨機數(shù)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(wǎng)，能夠具有更好的遍歷性，不但結合了調幅加網(wǎng)和調頻加網(wǎng)的優(yōu)點還能夠提高隨機數(shù)的利用率，遍歷灰度圖像，完成對整幅灰度圖像的加網(wǎng)，對所有通道的灰度圖完成加網(wǎng)，得到所有通道灰度圖的二值圖像，結合上述的步驟本發(fā)明提供的混合加網(wǎng)方法可避免由于網(wǎng)點搭界導致的中間調網(wǎng)點擴大突然躍變的問題，有效改善調頻加網(wǎng)的孤立的小網(wǎng)點在傳遞中的容易丟失、以及中間調粗糙、網(wǎng)點擴大嚴重等問題，實現(xiàn)了黑白網(wǎng)點的對稱，對印刷套準精度要求不高，有利于二值圖像硬拷貝輸出的質量控制。


圖1是本發(fā)明基于限定參數(shù)的乘同余偽隨機的混合加網(wǎng)方法的印刷技術方法流程圖。圖2是一個網(wǎng)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(wǎng)流程圖。圖4是網(wǎng)點生成模型5生成網(wǎng)點流程圖(大聚集點的生成)。圖5是網(wǎng)點生成模型5生成網(wǎng)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(fā)明的加網(wǎng)方法加網(wǎng)的效果圖。具體實施方法以下結合附圖對本發(fā)明的涉及的印刷技術中的自適應混合加網(wǎng)方法進行詳細的說明。
實施例圖1為本發(fā)明基于限定參數(shù)的乘同余偽隨機的混合加網(wǎng)方法的印刷技術方法流程圖。步驟S1-1:由輸入原稿數(shù)字圖像，通過分色模塊對彩色數(shù)字圖像進行分色，獲得數(shù)個分通道的單通道灰度圖像，若圖已經(jīng)是分色之后的灰度圖，就不需要分色了，獲取數(shù)個單通道灰度圖像。步驟S1-2:構建N*N方塊矩陣網(wǎng)格，對矩陣網(wǎng)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(jù)輸出設備分辨率(DPI)及灰度圖分辨率(PPI)的比值N確定再現(xiàn)一個像素灰度時所需的設備二值點的數(shù)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(jù)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(shù)。步驟S1-4:建立15個網(wǎng)點生成模型，為網(wǎng)點生成模型1，網(wǎng)點生成模型2，網(wǎng)點生成模型3，網(wǎng)點生成模型4，網(wǎng)點生成模型5，網(wǎng)點生成模型6，網(wǎng)點生成模型7，網(wǎng)點生成模型8，網(wǎng)點生成模型9，網(wǎng)點生成模型10，網(wǎng)點生成模型11，網(wǎng)點生成模型12，網(wǎng)點生成模型13，網(wǎng)點生成模型14，網(wǎng)點生成模型15。網(wǎng)點生成模型I和網(wǎng)點生成模型15生成的網(wǎng)點，只包含小聚集點，其余網(wǎng)點生成模型生成的網(wǎng)點均由I個大聚集點和多個小聚集點組成。網(wǎng)點生成模型到第7網(wǎng)點生成模型是生成白色聚集點，第9網(wǎng)點模型到第15網(wǎng)點生成模型是生成黑色聚集點，第8網(wǎng)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(wǎng)點生成模型和第14網(wǎng)點生成模型的大聚集點直徑是3，第3網(wǎng)點生成模型和第13網(wǎng)點生成模型的大聚集點直徑是4，第4網(wǎng)點生成模型和第12網(wǎng)點生成模型的大聚集點直徑是5，第5網(wǎng)點生成模型和第11網(wǎng)點生成模型的大聚集點直徑是6，第6網(wǎng)點生成模型第10網(wǎng)點生成模型的大聚集點直徑是7,第7網(wǎng)點生成模型和第9網(wǎng)點生成模型的大聚集點直徑是8，第8網(wǎng)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(jù)設備二值點的數(shù)量N*N限定乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)的參數(shù)M。當大聚集點的直徑小于等于4時，隨機在N*N (N*N+100)的區(qū)間內(nèi)篩選一個素數(shù)為參數(shù)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(qū)間內(nèi)隨機篩選出一個素數(shù)為參數(shù)M的值，參數(shù)a值的選取是按a=8k±3的規(guī)則，k為正整數(shù)，初始值XO取I到100之間的自然數(shù)，乘同余偽隨機函數(shù)為遞歸函數(shù)。步驟S1-6:通過乘同余偽隨機函數(shù)產(chǎn)生Xn+1=Xn*a(modM)的隨機數(shù)所代表的矩陣網(wǎng)格中的編碼位置，并對該產(chǎn)生編碼位置的素數(shù)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(wǎng)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，之后生成直徑較小的小聚集點，完成對該像素的加網(wǎng)。步驟S1-7:判斷該分通道的單通道灰度圖像的像素點加網(wǎng)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，并根據(jù)S1-2再次構建新的方塊矩陣網(wǎng)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(wǎng)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(wǎng)。步驟S1-8:判斷是否對所有分通道的灰度圖完成加網(wǎng)，如果沒有完成，則循環(huán)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(wǎng)，并生成二值圖像，二值圖像可以通過直接制印版或者制成加網(wǎng)膠片并經(jīng)過曬版機曬版制作成印刷版上印刷機印刷來制作印刷品，或者在數(shù)字印刷機上直接印刷制成印刷品。圖2為一個矩陣網(wǎng)格中256個設備二值點位置的排序圖。如圖2所示，當輸出設備分辨率及灰度圖分辨率的比值N=16時，則再現(xiàn)一個像素灰度所需的設備二值點的個數(shù)為16*16=256，并根據(jù)步驟S1-2根據(jù)行的從左至右，根據(jù)列的從上到下的順序將I到256的數(shù)字一一對應矩陣網(wǎng)格的位置，完成矩陣網(wǎng)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(wǎng)流程圖。如圖3所示，單通道灰度圖加網(wǎng)流程圖先由步驟Sl-1得到數(shù)字灰度圖像，然后進入步驟S1-3讀取灰度圖像的像素值的步驟，以輸出設備分辨率與灰度圖分辨率比值N=16，再現(xiàn)一個像素灰度需要設備二值點的個數(shù)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是否等于128，進入網(wǎng)點生成模型8。步驟S3-03:判斷該像素灰度值I否大于128。步驟S3-03，:如果該像素灰度值I大于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(shù)是4舍5入取整的函數(shù)，根據(jù)該公式計算出的聚集點的直接可以用來選擇網(wǎng)點生成模型。步驟S3-05:判斷該像素中聚集點的直徑d是否小于3，即、1〈=12，進入網(wǎng)點生成模型I。步驟S3-06:判斷該像素中聚集點的直徑d是否等于3，即、13〈=1〈=24，進入網(wǎng)點生成模型2。步驟S3-07:判斷該像素中聚集點的直徑d是否等于4，即、25〈=1〈=40，進入網(wǎng)點生成模型3。步驟S3-08:判斷該像素中聚集點的直徑d是否等于5，即、41〈=1〈=60，進入網(wǎng)點生成模型4。步驟S3-09:判斷該像素中聚集點的直徑d是否等于6，即、61〈=1〈=84，進入網(wǎng)點生成模型5。步驟S3-10:判斷該像素中聚集點的直徑d是否等于7，即、85〈=1〈=112，進入網(wǎng)點生成模型6。
步驟S3-11:判斷該像素中聚集點的直徑d是否等于8，S卩、113〈=1〈=127，進入網(wǎng)點生成模型7。當該像素灰度值I大于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(shù)是向上取整的函數(shù)，根據(jù)該公式計算出的聚集點的直徑可以用來選擇網(wǎng)點生成模型。步驟S3-05，:判斷該像素中聚集點的直徑d’是否小于3，S卩、I’〈=12，進入網(wǎng)點生成模型15。步驟S3-06，:判斷該像素中聚集點的直徑d’是否等于3，即、13〈=1’〈=24，進入網(wǎng)點生成模型14。步驟S3-07，:判斷該像素中聚集點的直徑d’是否等于4，即、25〈=1’〈=40，進入網(wǎng)點生成模型13。步驟S3-08，:判斷該像素中聚集點的直徑d’是否等于5，即、41〈=1’〈=60，進入網(wǎng)點生成模型12。步驟S3-09，:判斷該像素中聚集點的直徑d’是否等于6，即、61〈=1’〈=84，進入網(wǎng)點生成模型11。步驟S3-10，:判斷該像素中聚集點的直徑d’是否等于7，即、85〈=1’〈=112，進入網(wǎng)點生成模型10。步驟S3-11，:判斷該像素中聚集點的直徑d’是否等于8，即、113〈=1’〈=127，進入網(wǎng)點生成模型9。步驟S4-01:網(wǎng)點生成模型I對該像素進行加網(wǎng)。步驟S4-02:網(wǎng)點生成模型2對該像素進行加網(wǎng)。步驟S4-03:網(wǎng)點生成模型3對該像素進行加網(wǎng)。步驟S4-04:網(wǎng)點生成模型4對該像素進行加網(wǎng)。步驟S4-05:網(wǎng)點生成模型5對該像素進行加網(wǎng)。步驟S4-06:網(wǎng)點生成模型6對該像素進行加網(wǎng)。步驟S4-07:
網(wǎng)點生成模型7對該像素進行加網(wǎng)。步驟S4-08:網(wǎng)點生成模型8對該像素進行加網(wǎng)。步驟S4-09:網(wǎng)點生成模型9對該像素進行加網(wǎng)。步驟S4-10:網(wǎng)點生成模型10對該像素進行加網(wǎng)。步驟S4-11:網(wǎng)點生成模型11對該像素進行加網(wǎng)。步驟S4-12:網(wǎng)點生成模型12對該像素進行加網(wǎng)。步驟S4-13:網(wǎng)點生成模型13對該像素進行加網(wǎng)。步驟S4-14:網(wǎng)點生成模型14對該像素進行加網(wǎng)。步驟S4-15:網(wǎng)點生成模型15對該像素進行加網(wǎng)。網(wǎng)點生成模型I和網(wǎng)點生成模型15生成的網(wǎng)點，只包含小聚集點，其余模型生成的網(wǎng)點均由I個大聚集點和多個小聚集點組成。最后，如圖3所示的單通道灰度圖加網(wǎng)流程圖經(jīng)過步驟S1-8的判斷，生成二值圖像。圖4為網(wǎng)點生成模型5生成網(wǎng)點流程圖(大聚集點的生成)。由于，大小聚集點的生成順序為，網(wǎng)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，之后生成小聚集點，用同一個模型生成的網(wǎng)點，其大聚集點大小形狀一樣，位置隨機。以輸出設備分辨率與灰度圖分辨率比值N=16，一個像素灰度實現(xiàn)的設備二值點的個數(shù)N*N=256為例。例如，當讀取的圖像像素灰度值61〈=1〈=84時，根據(jù)公式d=round((I/2)1/2)計算得出d=6,則進入步驟S1-4的網(wǎng)點生成模型5。由于有像素中聚集點的直徑d=6，由步驟S1-5限定和選取乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)的參數(shù)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(qū)間中的任意一個素數(shù)，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(shù))中的任一個數(shù)，即、公式a=8k±3，29=8X4-3 ；35=8X4+30另外，當大聚集點直徑小于等于4時，M 選取 N*N〈M〈N*N+100 區(qū)間中的素數(shù)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(shù)，a 隨機選取[13，19，21]其中一個數(shù)，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任意選取后兩個數(shù)中的一個，M<289時，a任意選取前兩個數(shù)中的一個。XO作為初始值，是從I到100的自然數(shù)中隨機選取的一個數(shù)。步驟S6-01:完成限定和選取乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)的參數(shù)M和a值，以及初始值X(I之后，Xn+1=Xn*a (modM)是一個遞歸函數(shù)。由乘同余偽隨機函數(shù)Xn+1=Xn*a (modM)產(chǎn)生的隨機數(shù)，該隨機數(shù)是用于產(chǎn)生像素中聚集點的中心位置，該中心位置位于矩陣網(wǎng)格中與編碼位置相等的位置。步驟S6-02:對由乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)產(chǎn)生的隨機數(shù)Xn+1的值判斷是否小于等于256。步驟S6-03:當由乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)產(chǎn)生的隨機數(shù)Xn+1的值小于等于256時，將Xn+1的值賦值給J2，J2的值可用于后續(xù)判斷聚集點在矩陣網(wǎng)格中所對應的編碼位置。步驟S6-03’:當由乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)產(chǎn)生的隨機數(shù)Xn+1的值大于256時，將Xn+1的值除以4并按四舍五入取整的值賦值給J2,即、將Xn+1/4作為產(chǎn)生隨機點的位置進入程序的下一步驟，以提高數(shù)據(jù)可用率和加網(wǎng)效率，J2的值可用于后續(xù)判斷像聚集點在矩陣網(wǎng)格中所對應的編碼位置。步驟S6-04:根據(jù)上的值可確定產(chǎn)生的隨機數(shù)所代表的中心點的位置。通過公式Col=J2Mod (16), col代表矩陣網(wǎng)格的列，即、將J2的值除以16求余，得到中心位置在矩陣網(wǎng)格中所在的列數(shù)，(在圖5所示的流程圖中，Rem(J2, 16)即表示J2Mod(16))通過公式row=(J2-Col)/16+1(由于J2-col，即將余數(shù)減去，所以(J2-col)/16的數(shù)必是一個整數(shù))可確定中心位置在矩陣網(wǎng)格中所在的行數(shù)，最終確定該中心點位置在矩陣網(wǎng)格中所在的位置。步驟S6-05:根據(jù)行數(shù)row和列數(shù)col的值我們可以判定所在的中心位置是否能夠產(chǎn)生該直徑大小的大聚集點，以直徑為6的聚集點為例，產(chǎn)生的隨機數(shù)代表的中心點位置在矩陣網(wǎng)格中所在位置要滿足要求為，在小于等于13列大于等于第3列以及小于等于13行大于等于第3行的范圍內(nèi)，SP、作col > 13 col < 3 row < 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(wǎng)格中的中心位置是否能夠產(chǎn)生該大聚集點的具有以下規(guī)則:(I)當該像素中網(wǎng)點的大聚集點直徑是3時，隨機數(shù)代表的中心位置要滿足如下要求:在小于等于15列大于等于第2列以及小于等于15行大于等于第2行的范圍內(nèi)。(2)當該像素中網(wǎng)點的大聚集點直徑是4時，隨機數(shù)代表的中心位置要滿足如下要求:在小于等于14列大于等于第3列以及小于等于14行大于等于第3行的范圍內(nèi)。(3)當該像素中網(wǎng)點的大聚集點直徑是5時，隨機數(shù)代表的中心位置要滿足如下要求:在小于等于14列大于等于第3列以及小于等于14行大于等于第3行的范圍內(nèi)。(4)當該像素中網(wǎng)點的大聚集點直徑是7時，隨機數(shù)代表的中心位置要滿足如下要求:在小于等于13列大于等于第4列以及小于等于13行大于等于第4行的范圍內(nèi)。(5)當該像素中網(wǎng)點的大聚集點直徑是8時，隨機數(shù)代表的中心位置要滿足如下要求:在小于等于13列大于等于第5列以及小于等于13行大于等于第5行的范圍內(nèi)。步驟S6-06:
當判斷col > 13 I I col < 3 I I row < 3 | row > 13為非時,表明該中心點位置可以產(chǎn)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(shù)和該大聚集點的直徑的對應關系為 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(wǎng)點生成模型5生成的是白色的聚集點，其它網(wǎng)點生成模型生成的聚集點的顏色具有以下規(guī)則:網(wǎng)點生成模型I到網(wǎng)點生成模7是生成白色聚集點，網(wǎng)點生成模型9到網(wǎng)點生成模型15是生成黑色聚集點，網(wǎng)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(wǎng)方式可實現(xiàn)全階調加網(wǎng)的黑白對稱。步驟S6-06’:當判斷col > 13 I Icol <3 row <3 row > 13 為是時，將 Xn+1 的值賦值給 Xn,再次使用乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)產(chǎn)生新的隨機數(shù)，并對該隨機數(shù)所表示的在矩陣網(wǎng)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后，像素灰度值I將減去24并賦值給變量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(shù)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(shù)為產(chǎn)生獨立的小聚集點的個數(shù)，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(shù)。小聚集點的大小一般設定為最終印刷輸出設備能夠穩(wěn)定再現(xiàn)的最小尺寸，由少數(shù)幾個設備二值點聚集而成，聚集點的直徑表示，在單聯(lián)通的聚集點內(nèi)最長的設備二值點的排列，大聚集點的直經(jīng)為大于等于3，小聚集點的直徑小于3。同時，將GrayValue除以3求同余，即、pSpot=GrayValue (Mod3)(在圖5中為公式rem(GrayValue, 3)表示)，得到pSpot的值表示數(shù)量小于3而無法組成小聚集點的剩余設備二值點的個數(shù)。該步驟可以得到產(chǎn)生獨立的小聚集點的數(shù)量和數(shù)量小于3而無法組成小聚集點的剩余設備二值點的個數(shù)。步驟S6-09:判斷pSpot的值是否等于2，若等于2，則進入小聚點生成模型2 ;若該值不等于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(wǎng)。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后，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(wǎng)。步驟S6-11:判斷pSpot的值是否等于1，若等于1，則進入小聚點生成模型I ;若該值不等于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(wǎng)。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后，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(wǎng)。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(wǎng)。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后即完成對該像素的加網(wǎng)。圖5為網(wǎng)點生成模型5生成網(wǎng)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(chǎn)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(shù)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、最后一行、第一列和最后一列，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(wǎng)點不搭界，中間調部分網(wǎng)點盡可能少搭界。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后，最后使用由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(wǎng)。具有以下步驟:步驟S6-1201:將Xn+1的值賦給Xn。步驟S6-1202:將經(jīng)過步驟S6-11的隨機數(shù)賦值帶入乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)繼續(xù)產(chǎn)生新的隨機數(shù)，此時由于，灰度圖像值I減去了 24，并將該值賦值給了 GrayValue，此時根據(jù)公式，聚集點直徑小于等于4時，M選取N*N〈M〈N*N+100的區(qū)間中的素數(shù)序列中的任意一個數(shù)，即、下列序列中任意一數(shù):[257，263，269，271，277，281，283，293，307，311，317，331，337，347，349，353，359]，參數(shù) a 的限定為，隨機選取[13，19,21]其中一個數(shù)，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任意選取后兩個數(shù)中的一個，M<289時，a任意選取前兩個數(shù)中的一個。步驟S6-1203:對新產(chǎn)生的隨機數(shù)Xn+1進行判斷，是否小于等于256。步驟S6-1204:若新產(chǎn)生的隨機數(shù)Xn+1小于等于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(wǎng)格的位置。步驟S6-1204’:若新產(chǎn)生的隨機數(shù)Xn+1大于256，則將Xn+1的值除以4，即、Xn+1/4，將結果按照四舍五入取整，并將該值賦給變量J2，J2即表示該小聚集點的中心點在矩陣網(wǎng)格的位置。步驟S6-1205:判斷在J2的位置是否被占用，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占用，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、為保證聚集點之間盡可能不搭界，對小聚集點的中心點加以限制。若隨機數(shù)代表的點被占用或其4鄰域范圍內(nèi)有大于等于I個點被占用，則該隨機點不可作為中心點使用，回到步驟S6-11繼續(xù)產(chǎn)生隨機數(shù)。
其中，設備二值點的領域指的是，與該設備二值點網(wǎng)格共邊的設備二值點網(wǎng)格。步驟S6-1206:判斷其8鄰域范圍的4個角點是否有點被占用，若被占用數(shù)量大于1，則該中心點不可用來生成小聚集點，回到步驟S6-11繼續(xù)產(chǎn)生隨機數(shù)。其中，設備二值點的角點指的是，與該設備二值點網(wǎng)格有共同端點的設備二值點網(wǎng)格。步驟S6-1207:生成聚集點數(shù)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(guī)則為:若中心點的8鄰域范圍有一個角點被占用，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已被占用，則聚集點只能占用其下方的(J2+16)和右方的位置(J2+l)生成聚集點，其余角點被占用時，以此類推；若中心點的8鄰域范圍沒有點被占用，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(shù)為3的小聚集點后，將變量nSdot的值減去1，并再次賦值給 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(shù)為3的小聚集點過程結束，完成了所有的聚集點數(shù)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(shù)。步驟S6-1210:在生成完所有的聚集點數(shù)為3的小聚集點以后，將當如Xn+1的值賦給Xn。步驟S6-1211:利用乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)繼續(xù)產(chǎn)生新的隨機數(shù)，該隨機數(shù)為聚集數(shù)為I的小聚集點在該像素的矩陣網(wǎng)格中的位置。步驟S6-1212:判定由該隨機數(shù)所產(chǎn)生的位置是否能在該像素的矩陣網(wǎng)格的范圍內(nèi)，S卩、判定Xn+1的值是否小于等于256。步驟S6-1213:當Xn+1的值是小于等于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(wǎng)格的位置。步驟S6-1213’:當Xn+1的值大于256時，則將Xn+1的值除以4，即、Xn+1/4，將結果按照四舍五入取整，并將該值賦給變量J2，J2即表示該小聚集點放置在矩陣網(wǎng)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(wǎng)格的位置作判定，判定該點是否已被占用，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占用，則返回到步驟S6-1210，繼續(xù)生成新的隨機數(shù)；若該設備二值點未被占用，則進入下一步驟。
步驟S6-1215:由于該設備二值點未被占用，在J2值所表示的二值點生成聚集點數(shù)為I的小聚點，即、完成了該像素點的加網(wǎng)。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(shù)值表示大聚集點最長的直徑部分包含的設備二值點的數(shù)量，大聚集點的形狀為鉆石型，在橫、縱兩個方向上都可表示直徑，并且呈對稱的形狀。當像素灰度值1=63時，根據(jù)公式d=r0und((I/2)1/2)計算得出:d=6，即、進入網(wǎng)點生成模型5，步驟S4-05對該像素進行加網(wǎng)，由網(wǎng)點生成模型的生成聚集點的規(guī)則，先生成大聚集點，即、生成由設備二值點的數(shù)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(wǎng)點，其大聚集點大小形狀一樣，位置隨機。先利用乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)(參數(shù)的限定規(guī)則如上文)產(chǎn)生的隨機數(shù)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(wǎng)格中的位置編碼為115的設備二值點處，按照網(wǎng)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后，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,并根據(jù)公式:nSdot=f10r (37/3) =12，nSpot=37mod3=1。nSdot=12，即、生成12個聚集數(shù)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(shù)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占用，以及判斷其8鄰域范圍的4個角點是否有點被占用，若被占用數(shù)量大于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(shù)為3的小聚集點后，在未被使用的矩陣網(wǎng)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(wǎng)。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(shù)據(jù)代表矩陣網(wǎng)格中該數(shù)據(jù)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的值等于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涂白的點的位置，并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(shù)時，大聚集點的生長點均是其四個中心點的左上角位置點，并按照模型中的數(shù)據(jù)告訴程序哪些點需要由黑點變?yōu)榘c。生成白聚集點時，首先將網(wǎng)格矩陣中的點都涂黑，然后按照網(wǎng)點模型將相應的點涂白，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(shù)值表示大聚集點最長的直徑部分包含的設備二值點的數(shù)量，如圖7所示的第3、4行和第3、4列。按上述規(guī)則生成的大聚集點的形狀為鉆石型，在橫、縱兩個方向上都可表示直徑，并且呈對稱的形狀，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(fā)明的加網(wǎng)方法加網(wǎng)的效果圖。如圖8所示，從左至右依次是AM、FM、HYBRID HALFTONING以及本發(fā)明的加網(wǎng)方法加網(wǎng)的效果圖。從AM加網(wǎng)方式(調幅加網(wǎng))的效果圖，其具有點的數(shù)量不變，以點的大小改變來再現(xiàn)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(wǎng)方式(調頻加網(wǎng))的效果圖，其具有聚集點大小不變，數(shù)量改變，通過小點子的數(shù)量多少來表現(xiàn)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(wǎng)方式(混合加網(wǎng))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(wǎng)，而中間調部分用網(wǎng)點位置隨機的調幅加網(wǎng)的加網(wǎng)方法。從本發(fā)明涉及的自適應混合加網(wǎng)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(shù)量的變化大來再現(xiàn)原稿圖像的階調層次，黑色與白色網(wǎng)點對稱。具體實施例的作用與效果:根據(jù)具體實施例所涉及的印刷技術中的自適應混合加網(wǎng)方法，由于根據(jù)讀取的不同的像素灰度值，制定了分類規(guī)則和建立了相應的網(wǎng)點生成模型，有利于二值圖像硬拷貝輸出的質量控制。又根據(jù)像素值的大小分成兩類，并由兩組網(wǎng)點生成模型生成黑色或白色的大小聚集點組成的網(wǎng)點，得到的黑白網(wǎng)點對稱，由于聚集點的位置隨機，不用考慮加網(wǎng)角度的問題，有效避免了調幅加網(wǎng)中的龜紋問題，適合高保真印刷的加網(wǎng)。讀取像素灰度值和依據(jù)此值計算出的聚集點半徑，并先生成大聚集點。根據(jù)不同的區(qū)間，限定乘同余偽隨機函數(shù)的參數(shù)。并對隨機數(shù)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(chǎn)生的隨機數(shù)，可以增加隨機數(shù)的使用效率。當大聚集點生成以后，生成小聚集點。同樣使用乘同余偽隨機函數(shù)產(chǎn)生的隨機數(shù)，并判定該隨機數(shù)所表示的小聚點生成的位置作判定，生成聚集點數(shù)為3，直徑為2的小聚集點。本混合加網(wǎng)方法對所有分通道的都采取相同的混合加網(wǎng)方式，削弱了調幅加網(wǎng)中中間調部分網(wǎng)點搭界導致的網(wǎng)點擴大突然躍變的問題，有效改善調頻加網(wǎng)孤立的小網(wǎng)點在傳遞中的容易丟失、以及中間調粗糙、網(wǎng)點擴大嚴重等問題。有利于印刷過程中的質量控制，對印刷套準精確度要求不高，有利于二值圖像硬拷貝輸出的質量控制，也適用于較高分辨率的二值數(shù)字印刷機的加網(wǎng)輸出。
權利要求
1.一種印刷技術中的自適應混合加網(wǎng)方法，其特征在于，包括以下具體步驟: (1)輸入原稿數(shù)字圖像，通過分色模塊對彩色數(shù)字圖像進行分色，獲得復數(shù)個分通道的單通道灰度圖像，如果已經(jīng)是單通道灰度圖，就不用分色； (2)根據(jù)輸出設備分辨率(DPI)及單通道灰度圖分辨率(PPI)之間的比值得到一個像素灰度所需設備二值點的數(shù)量，構建以設備二值點所對應的方塊矩陣網(wǎng)格，對所述矩陣網(wǎng)格中的位置進行排序編碼，所述設備二值點數(shù)量為所述輸出設備分辨率與單通道灰度圖分辨率的比值的平方； (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(jù)所述灰度圖像的像素值計算像素中聚集點的直徑的值； (4)構建復數(shù)個網(wǎng)點生成模型，根據(jù)所述聚集點的直徑的值選擇所述網(wǎng)點生成模型，不同的所述網(wǎng)點生成模型分別生成白色聚集點和黑色聚集點； (5)限定乘同余偽隨機函數(shù)Xn+1=Xn*a(modM)中參數(shù)M的取值范圍,所述參數(shù)M值的選擇是在與所述設備二值點數(shù)量的數(shù)相關的區(qū)間內(nèi)進行隨機篩選的一個素數(shù)，或根據(jù)不同的情況乘以一定的系數(shù)從而在不同的相關區(qū)間內(nèi)隨機篩選一個素數(shù)，參數(shù)a值的選取是按a=8k±3的規(guī)則，k為正整數(shù)，初始值Xtl取I到100之間的自然數(shù)，所述乘同余偽隨機函數(shù)為遞歸函數(shù)，其中表示乘積； (6)通過所述乘同余偽隨機函數(shù)產(chǎn)生的隨機數(shù)所代表的所述矩陣網(wǎng)格中的編碼位置作為中心位置生成聚集點，并對產(chǎn)生的所述產(chǎn)生編碼位置的隨機數(shù)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(wǎng)或二值化； (7)重復(3)到(6)步，遍歷灰度圖像，完成對整幅灰度圖像的加網(wǎng)，即將連續(xù)調圖像變?yōu)槎祱D像； (8)重復(2)到(7)步對所 有通道的灰度圖完成加網(wǎng)，得到二值圖像，所述二值圖像可以通過直接制印版或者制成加網(wǎng)膠片并經(jīng)過曬版機曬版制作成印刷版來制作印刷品，或者在數(shù)字印刷機上直接印刷制成印刷品。
2.根據(jù)權利要求1所述自適應混合加網(wǎng)方法，其特征在于: 其中，對所述矩陣網(wǎng)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(shù)量的數(shù)對所述矩陣網(wǎng)格的位置進行編碼。
3.根據(jù)權利要求1所述自適應混合加網(wǎng)方法，其特征在于: 其中，所述乘同余偽隨機函數(shù)的參數(shù)M的取值范圍是隨機選取在區(qū)間N*曠(N*N+100)篩選出的素數(shù)系列中的一個值，或在區(qū)間(4*N*N-100廣4*N*N篩選出的素數(shù)系列中的一個值，N為輸出設備分辨率與單通道灰度圖分辨率之間的比值和所述矩陣網(wǎng)格的行數(shù)和列數(shù)，即N*N為一個像素對應的矩陣網(wǎng)格中設備二值點的個數(shù)。
4.根據(jù)權利要求1所述自適應混合加網(wǎng)方法，其特征在于: 其中，根據(jù)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(wǎng)點生成模型，為第I網(wǎng)點生成模型，第2網(wǎng)點生成模型，第3網(wǎng)點生成模型，第4網(wǎng)點生成模型，第5網(wǎng)點生成模型，第6網(wǎng)點生成模型，第7網(wǎng)點生成模型，第8網(wǎng)點生成模型，第9網(wǎng)點生成模型，第10網(wǎng)點生成模型，第11網(wǎng)點生成模型，第12網(wǎng)點生成模型，第13網(wǎng)點生成模型，第14網(wǎng)點生成模型，第15網(wǎng)點生成模型。
5.根據(jù)權利要求1所述自適應混合加網(wǎng)方法，其特征在于:其中，讀取所述單通道灰度圖像素灰度值，并根據(jù)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(shù)。
6.根據(jù)權利要求1所述自適應混合加網(wǎng)方法，其特征在于: 其中，當所述大聚集點小于等于4時，所述乘同余偽隨機函數(shù)的參數(shù)M的值隨機選取區(qū)間N*N (N*N+100)篩選出的素數(shù)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(qū)間4*N種Γ(4*Ν*Ν-100)篩選出的素數(shù)系列的一個值，N輸出設備分辨率與單通道灰度圖分辨率之間的比值和構成述矩陣的行數(shù)和列數(shù)，即Ν*Ν為一個像素對應的矩陣網(wǎng)格中包含的設備二值點的個數(shù)。
7.根據(jù)權利要求1所述自適應混合加網(wǎng)方法，其特征在于: 其中，網(wǎng)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，之后生成直徑較小的小聚集點； 所述網(wǎng)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(wěn)定再現(xiàn)的最小尺寸，由少數(shù)幾個設備二值點聚集而成，聚集點的直徑表示，在單聯(lián)通的聚集點內(nèi)最長的設備二值點的排列，所述大聚集點的直經(jīng)為大于等于3，所述小聚集點的直徑為小于3，一個像素加網(wǎng)結束前，最終剩余的設備二值點數(shù)無法滿足生成一個聚集數(shù)為3的小聚集點所需設備二值點時，直接由剩余點數(shù)聚集而成一個小聚集點，即聚集數(shù)為I或聚集數(shù)為2的小聚集點； 相同所述網(wǎng)點生成模型生成的網(wǎng)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(shù)量隨像素灰度值的變化而變化，小聚集點位置隨機； 第I網(wǎng)點生成模型和第15網(wǎng)點生成模型生成的網(wǎng)點，只包含小聚集點，其余網(wǎng)點生成模型生成的網(wǎng)點均由I個大聚集點和多個小聚集點組成； 第I網(wǎng)點生成模型到第7網(wǎng)點生成模型是生成白色聚集點，第9網(wǎng)點模型到第15網(wǎng)點生成模型是生成黑色聚集點，第8網(wǎng)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(wǎng)點生成模型和第14網(wǎng)點生成模型的大聚集點直徑是3，第3網(wǎng)點生成模型和第13網(wǎng)點生成模型的大聚集點直徑是4，第4網(wǎng)點生成模型和第12網(wǎng)點生成模型的大聚集點直徑是5，第5網(wǎng)點生成模型和第11網(wǎng)點生成模型的大聚集點直徑是6，第6網(wǎng)點生成模型第10網(wǎng)點生成模型的大聚集點直徑是7，第7網(wǎng)點生成模型和第9網(wǎng)點生成模型的大聚集點直徑是8，第8網(wǎng)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(jù)權利要求2所述自適應混合加網(wǎng)方法，其特征在于: 其中，利用Xn+1=Xn*a(modM)生成可用的隨機數(shù)，其代表的位置作為產(chǎn)生大聚集點的中心點生成大聚集點； 所述網(wǎng)點生成模型的大聚集點的直徑是3時，隨機數(shù)代表的點的位置要在小于等于N-1列大于等于第2列以及小于等于N-1行大于等于第2行的范圍內(nèi)； 所述網(wǎng)點生成模型的大聚集點的直徑是4時，隨機數(shù)代表的點的位置要在小于等于N-1列大于等于第3列以及小于等于N-1行大于等于第3行的范圍內(nèi)； 所述網(wǎng)點生成模型的大聚集點的直徑是5時，隨機數(shù)代表的點的位置要在小于等于N-2列大于等于第3列以及小于等于N-2行大于等于第3行的范圍內(nèi)；所述網(wǎng)點生成模型的大聚集點的直徑是6時，隨機數(shù)代表的點的位置要在小于等于N-3列大于等于第3列以及小于等于N-3行大等于第3行的范圍內(nèi)； 所述網(wǎng)點生成模型的大聚集點的直徑是7時，隨機數(shù)代表的點的位置要在小于等于N-3列大于等于第4列以及小于等于N-3行大于等于第4行的范圍內(nèi)； 所述網(wǎng)點生成模型網(wǎng)點的大聚集點直徑是8時，隨機數(shù)代表的點的位置要在小于等于N-4列大于等于第4列以及小于等于N-4行大于等于第4行的范圍內(nèi)，N為依據(jù)所述輸出設備分辨率與單通道灰度圖分辨率的比值和構成所述矩陣網(wǎng)格的行數(shù)和列數(shù)； 確定所述隨機數(shù)代表的點為大聚集點的中心點后，按照網(wǎng)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(shù)代表的點八鄰域范圍內(nèi)四角被占用的數(shù)量小于等于1，所述隨機數(shù)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(shù)，繼續(xù)生成下一個隨機點；以及 重復生成小聚集點直到完成一個像素的加網(wǎng)。
9.根據(jù)權利要求1所述自適應混合加網(wǎng)方法，其特征在于: 其中，通過所述乘同余偽隨機函數(shù)產(chǎn)生編碼位置的隨機數(shù)作判定和處理的方法是，當所述參數(shù)M隨機選取區(qū)(4*N*N-100廣4*N*N之間素數(shù)中的某個值時，若Xn+1=Xn*a (modM)函數(shù)生成的隨機Xn+1數(shù)大于N*N時，將[Xn+1/4]作為進入下一步判斷的隨機數(shù)，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(xù)生成下一個隨機數(shù)，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后，繼續(xù)生成下一個隨機數(shù)，[Xn+1/4]表示Xn+1除以4的值按四舍五入取整； 當M值隨機選取N種Γ(Ν*Ν+100)之間的素數(shù)系列中的一個值時，Xn+1=Xn*a(modM)函數(shù)產(chǎn)生的隨機數(shù)Xn+1大于N*N的值時，將Xn+1的值賦給Xn，繼續(xù)選取下一個隨機數(shù)，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后，將Xn+1的值賦給Xn，繼續(xù)生成下一個隨機數(shù)，否則，直接將Xn+1的值賦給Xn，繼續(xù)生成下一個隨機數(shù)，如此循環(huán)直到完成一個像素的加網(wǎng)。
10.根據(jù)權利要求1、所述自適應混合加網(wǎng)方法所涉及數(shù)字印刷機，其特征在于: 其中，根據(jù)所述數(shù)字印刷機的輸出分辨率以及原圖分辨率的比值，以及所述比值的平方的值來確定所述乘同余偽隨機函數(shù)Xn+1=Xn*a (modM)中參數(shù)M的選擇范圍,所述乘同余偽隨機函數(shù)的參數(shù)M的取值范圍是隨機選取在區(qū)間N種Γ(Ν*Ν+100)篩選出的素數(shù)系列中的一個值，或在區(qū)(4*Ν*Ν-100廣4*Ν*Ν篩選出的素數(shù)系列中的一個值。
全文摘要
本發(fā)明涉及了印刷技術中的自適應混合加網(wǎng)方法。該混合加網(wǎng)方法首先通過對彩色數(shù)字圖像進行分色，獲得單通道灰度圖像，然后讀取像素灰度值，根據(jù)灰度值選擇相應的網(wǎng)點生成模型，利用乘同余偽隨機函數(shù)產(chǎn)生的隨機數(shù)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(wǎng)點，完成對全圖的加網(wǎng)處理，得到一個色版的二值圖。該加網(wǎng)方法是由大、小聚集點組成的混合加網(wǎng)，大小聚集點的位置隨機，實現(xiàn)了黑白網(wǎng)點的對稱,有利于二值圖像硬拷貝輸出的質量控制。該混合加網(wǎng)方法適用于四色常規(guī)印刷以及采用高保真印刷的大于四色的彩色印刷品的圖像印前加網(wǎng)處理工藝以及二值數(shù)字印刷機印刷輸出的加網(wǎng)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(yōu)先權日2013年3月13日
發(fā)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