基于自適應(yīng)濾波和MBVC的矢量誤差擴(kuò)散法

梅燦華，占紅武，俞叢晴

Mei Canhua，Zhan Hongwu，Yu Congqing

浙江工業(yè)大學(xué) 機(jī)械工程學(xué)院，浙江 杭州 310014

College of Mechanical Engineering, Zhejiang University of Technology,Hangzhou,Zhejiang,310014,China

1.引言

數(shù)字半色調(diào)[1][2]，又稱數(shù)字加網(wǎng)，是研究如何利用二值圖像準(zhǔn)確的再現(xiàn)原始灰度圖像，是各類打印和印刷設(shè)備的關(guān)鍵技術(shù)。目前,絕大多數(shù)的打印設(shè)備都只能輸出二值信息或有限的幾個階調(diào),因此,必須通過半色調(diào)技術(shù)模擬連續(xù)調(diào)圖像。誤差擴(kuò)散法是目前數(shù)字半色調(diào)領(lǐng)域最流行的一種方法。它依據(jù)誤差分散系數(shù)將當(dāng)前點(diǎn)的量化誤差擴(kuò)散至周圍未處理過的像素上，這樣局部的誤差就在相鄰像素上得到了補(bǔ)償。這種向領(lǐng)域擴(kuò)散的方法，使系統(tǒng)成為一個負(fù)反饋系統(tǒng)，以犧牲系統(tǒng)的頻變的關(guān)系取得了較好的視覺效果。Doron Shaked[3]等提出在彩色半色調(diào)領(lǐng)域，要想取得較好的半色調(diào)效果，彩色半色調(diào)算法需要遵照兩個準(zhǔn)則：1，彩色點(diǎn)的布置應(yīng)使算法本身固有特性所帶來的條紋在視覺上盡量不可見；2，彩色像素點(diǎn)的量化過程應(yīng)在視覺可見的空間中進(jìn)行。Niranjian Damera-Venkata等在這兩條原則的基礎(chǔ)之上提出針對彩色圖像的矢量誤差擴(kuò)散算法。該算法的輸入、輸出以及量化累積誤差都是RGB矢量，算法中各色位面的量化累積誤差既在自己的位面上傳播，又傳播到其他位面上，很好的提高了彩色半色調(diào)圖像的處理效果。此后人們提出了許多對矢量誤差擴(kuò)散算法的改進(jìn)算法。如 Yang.Ho Cho，Soon.Chang Lee Yun-Tae Kim和Yeon.Ho Ha[4]通過誤差修正矢量與八基色間的矢量模和矢量角之間的相互比較來消除量化累積誤差； J.H.Lee[5]等根據(jù)打印等二值化模型的輸出特性，提出了一些基于模型特點(diǎn)的算法；實(shí)際的仿真效果表明，這些算法在一些方面提高了彩色半色調(diào)圖像的視覺效果，但仍有不足。

本文從傳統(tǒng)矢量誤差分散法入手，在矢量誤差擴(kuò)散法中引入均方誤差（即自適應(yīng)濾波）的思想，提出一種基于最小亮度標(biāo)準(zhǔn)的自適應(yīng)矢量誤差擴(kuò)散算法。實(shí)驗(yàn)證明，該算法在原有基于最小亮度標(biāo)準(zhǔn)的矢量誤差分散法基礎(chǔ)上，通過引入均方差自適應(yīng)濾波，有效的減小了方向性紋理上的缺陷，效果上更加逼近原始圖像，細(xì)節(jié)再現(xiàn)能力更強(qiáng)。

2.基于最小亮度分布的矢量誤差分散法

2.1 矢量誤差分散法

矢量誤差分散法是灰度誤差擴(kuò)散法在彩色半色調(diào)中的推廣運(yùn)用，其系統(tǒng)框圖如下圖所示。下圖中，一幅彩色圖象被一個3×1矩陣i(m)表示，m=1,2,...,(M1ⅹ M2)-1。M1和M2分別為圖像的行數(shù)和列數(shù)。用一個參數(shù)取代兩個參數(shù)的目的是為了簡化方程。假使彩色圖象像素點(diǎn)位置用(m1，m2)表示，則

圖1 矢量誤差分散法示意圖（均為RGB矢量）

h(k)是一擴(kuò)散濾波器，反饋量化誤差e(m)至輸入端并與輸入像素 i(m)相疊加，起到誤差擴(kuò)散的作用。

擴(kuò)散濾波器h(·)由3×3的矩陣陣列表示，定義在集合S上并且有(0,0)不屬于S。h(k)(k∈S)的一個元素 h(k)(x,y)代表顏色位面x到顏色位面y在k方向上的誤差傳播。若采用Foyd-Steinberg誤差擴(kuò)散濾波器，則 S={(1,0),(-1,1),(0,1),(1,1)}，則誤差濾波器如下圖所示：

圖2 誤差擴(kuò)散示意圖

h(1,0)，h(-1,1)，h(0,1)，h(1,1)為3×3的對角矩陣，其值分別為7/16,3/16,5/16,1/16。

2.2 最小亮度分布(MBVC)算法

在半色調(diào)圖像中，相鄰位置彩色點(diǎn)的亮度變化是造成彩色半色調(diào)噪聲的重要原因，亮度差距越大，呈現(xiàn)到人眼中的顏色噪聲相應(yīng)的就越大。然而在灰度半色調(diào)領(lǐng)域，由于只有兩種顏色，黑色和白色，所以這一噪聲無可避免?？紤]到不同顏色其呈現(xiàn)到人眼中亮度是不同的。在RGB顏色模型中，位于RGB立方體中任何一種顏色都可以由該立方體的八個頂點(diǎn)即八基色(R,G,B,C,M,Y,W,K)來表示?？紤]到如果一種顏色如果位于RGB立方體中的四個頂點(diǎn)構(gòu)成的四面體當(dāng)中的話，這四個頂點(diǎn)就完全可以表示該顏色。通過選用亮度差異最小的基色四元組的辦法就可以達(dá)到減小顏色噪聲的目的。

圖3 八基色的亮度變化

最小亮度分布標(biāo)準(zhǔn)[3](MBVC)將彩色半色調(diào)最終可能的輸出從原先八個頂點(diǎn)即八基色的集合轉(zhuǎn)換為其中四個亮度差異較小的基色的集合。對于任一給定顏色，都可以將表示該顏色的八基色轉(zhuǎn)換為亮度差異變化最小的四種基色。這樣的集合有四個，分別為：RGBK，WCMY，MYGC，RGMY，RGBM以及CMGB，被稱為最小亮度四元組(MBVQ)。這六個組合構(gòu)成六個四面體，恰好無重疊的占據(jù)了整個RGB立方體。具體的處理過程是先將該位置的像素點(diǎn)的值疊加誤差擴(kuò)散過來的的像素值，然后根據(jù)處理過的像素點(diǎn)的R，G，B值按下面的判決樹決定最終輸出的半色調(diào)顏色。

圖4 MBVC四元組顏色輸出判決樹

3.自適應(yīng)濾波的MBVC彩色誤差擴(kuò)散法

無論是經(jīng)典的矢量誤差擴(kuò)散法和本文以上提到的MBVC算法都是采用固定的誤差權(quán)重分散系數(shù)，有人如孟小杰[6]等進(jìn)一步在以上算法的基礎(chǔ)上微調(diào)誤差核，在分散系數(shù)之上引入小幅度的隨機(jī)抖動，但終歸屬于一種固定誤差系數(shù)的方法，隨著算法的進(jìn)行，方向性的紋理仍然不可避免。結(jié)合Wong[7]于1996年在灰度半色調(diào)領(lǐng)域提出的LMS思想，基于最小均方誤差原理，我們將其在彩色半色調(diào)領(lǐng)域擴(kuò)展，結(jié)合MBVC算法，提出一種基于自適應(yīng)濾波的MBVC彩色誤差擴(kuò)散算法。

在本算法中，誤差擴(kuò)散濾波器矩陣H=[H1|H2|…|HN]，是通過在縮小原始圖像與抖動圖像之間的均方差的過程中獲得。對于Floyd-Steiberg誤差擴(kuò)散濾波器，N取4。該均方差(MSE)可用如下式表示：

由上式可知，上式可轉(zhuǎn)化為如下表達(dá)式：

我們可以令如下等式：

由分析可知，只需求E(s)最小即可滿足要求，利用最陡梯度下降算法(Steepest-Descent Algorithm)，可得誤差擴(kuò)散核的表達(dá)式：

通過觀察處理過后的圖像可得，該算法在運(yùn)行過程中動態(tài)調(diào)整濾波器矩陣的系數(shù)，使輸出像素更加逼近原始圖像，有效的減小了原算法存在的方向性紋理缺陷，對比之前算法，處理效果更加令人滿意。

4.實(shí)驗(yàn)結(jié)果

在MATLAB R2008b環(huán)境下，對真彩色位圖Lena圖和Sailboat圖分別采用傳統(tǒng)彩色誤差擴(kuò)散算法、MBVC算法和本文算法進(jìn)行仿真實(shí)驗(yàn)。下面給出了兩幅本文算法處理后的圖像及其處理后客觀評價(jià)標(biāo)準(zhǔn)對比。

圖5 本文所提算法示意圖

圖6 Lena 圖

圖7 Sailboat 圖

表 各算法處理對比

上面給出了兩種算法在峰值性噪比(PSNR) 、加權(quán)性噪比(WSNR)、線性失真度(LDM)和整體質(zhì)量指標(biāo)(UQI)等感知指標(biāo)上的比較?？煽闯?，本文算法在PSNR和WSNR上提升明顯，減小了線性失真度，整體質(zhì)量指標(biāo)有所提高。

5.結(jié)語

本文提出的自適應(yīng)濾波的MBVC彩色誤差擴(kuò)散算法，在引入MBVC降低輸出圖像彩色噪聲的基礎(chǔ)上，結(jié)合誤差擴(kuò)散過程中動態(tài)調(diào)節(jié)擴(kuò)散系數(shù)的方法，通過自適應(yīng)調(diào)節(jié)的方法大大減小了處理結(jié)果中方向性的紋理缺陷，使得輸出更加接近原始圖像。實(shí)驗(yàn)數(shù)據(jù)表明，本文算法在PSNR，WSNR、 LDM和UQI等指標(biāo)上相比之前算法有了明顯提升，視覺上效果更好。

[1]Floyd R W, Steinberg L.An adaptive algorithm for spatial grey scale[J].Society for Information Display.1976,17(2):75—77.

[2]D.Lau and G.Arce, Modern Digital Halftoning.CRC Press,2nd ed.,2008.

[3]D.Shaked, N.Arad,A.Fitzhugh,and I.Sobel,“Ink Relocation for Color Halftones”,Hewlett-Packard Laboratories Technical Report,August 1996.Proceedings version in Proc.of IS&T's Image Processing Image Quality and Image Capture Conf., May 1998.]

[4]Soon-Chang Lee，Yun-Tae Kim,Yang-Ho Cho,Yeong-Ho Ha.Improved vector error difussion for reduction of smear artifact in the boundary regions.Color Imaging:Proc.of SPIE.2003,5008.pp:467-474.]

[5]J.H.Lee,J.P.Allebaeh,“Inkjet Printer Model-Based Halftoning”IEEE Trans.Image Process,v01.14.PP.674—689,may 2005.

[6]孟小杰，曾平.一種彩色圖像矢量誤差分散半調(diào)方法.計(jì)算機(jī)應(yīng)用研究.2005，22(10).171.172

[7]P.W.Wong,“Adaptive error diffusion and its applies-tion in multi-resolution rendering，”IEEE Tran.Image Processing,v01.5,pp 1184-1196,July 1996.2

[8]田玉敏,柯麗芳,馬勇.一種改進(jìn)的基于藍(lán)噪聲的誤差分散算法[J].計(jì)算機(jī)工程與應(yīng)用,2006,26:60-62.