Puhutaan useista tavallisista digitaalisista rasterin algoritmeista
Olemme iso painotalo Shenzhenissä Kiinassa. Tarjoamme kaikki kirjajulkaisut, kovakantiset kirjatulostukset, paperipainokirjapainot, kovakantiset muistikirjat, sprial-kirjapainotukset, satulapaperin kirjapainotuotteet, kirjapainopalvelut, pakkauslaatikot, kalenterit, kaikenlaiset PVC-tuotteet, tuoteesitteet, setelit, lasten kirjat, tarrat, kaikki erilaisia erikoispaperivärejä, pelikortti ja niin edelleen.
Lisätietoja saat osoitteesta
http://www.joyful-printing.com. Vain ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
sähköposti: info@joyful-printing.net
Puolipohjaista tekniikkaa on käytetty yli vuosisadan painatuksessa, ja sitä on käytetty digitaalisissa tulostuslaitteissa yli 40 vuoden ajan. Digitaalisten tulostuslaitteiden, kuten lasertulostimien, mustesuihkukirjoittimien, digitaalisten tulostimien, digitaalikameroiden ja plasmanäytörien, käytön lisäämiseksi digitaalisten rasterointitekniikka on saanut laajalti huomiota valmistajilta ja tutkimuslaitoksilta. Paino- ja kuvamateriaalin sovellusten lisäksi digitaalista rasterointitekniikkaa käytetään myös pakkaustilan, tekstiilien ja lääketieteen aloilla. Siksi digitaalisella rasterointitekniikalla on tärkeä teoreettinen merkitys ja käyttöarvo.
Kuten kaikki tiedämme, digitaalinen rasterointi tekniikka viittaa tekniikkaan, joka realisoi optimaalisen kuvanlaadun binaarisissa (tai monivärisissä binaarisissa) väriaineissa, jotka perustuvat ihmisen visuaalisiin ominaisuuksiin ja kuvan väritysominaisuuksiin käyttäen työkaluja kuten matematiikkaa ja tietokoneita. . Digitaalinen rasterointi on ihmissilmän alipäästöominaisuus. Katsottuna tietyllä etäisyydellä ihmissilmä pitää koko maapallon läheistä osaa. Tämän ominaisuuden avulla ihmisen silmän havaitseman rasterivälineen paikallinen keskimääräinen harmaasävy lähentää alkuperäisen kuvan paikallista keskimääräistä harmaata arvoa muodostaen siten jatkuvan sävyvaikutuksen kokonaisuutena.
Monia algoritmeja on ehdotettu digitaalisten rasterointien ja erilaisten kenttien sovellusominaisuuksien perusteella. Luokiteltaessa algoritmin käsittelymenetelmän mukaan se voidaan jakaa pisteenkäsittelyalgoritmiin, naapuruston käsittelyalgoritmiin ja iteratiiviseen menetelmään. Pistekäsittelyalgoritmi on yksinkertaisin menetelmä, joka käyttää digitaalista lähestymistapaa simuloimaan perinteistä kontaktin seulontaprosessia painoteollisuudessa, jolloin jokainen pikseliyksikön tuotettu rasterikuvio riippuu pikselin gradaatiosta. Tärkeimmät menetelmät ovat rasteripohjainen templaattimenetelmä ja dithering-menetelmä; naapuruston käsittelyalgoritmi laskee monta pikseliä jatkuvan moduloidun kuvan naapurustossa, jotta se voidaan saada halutun kuvan pikseliarvon saamiseksi. Näihin algoritmeihin nähden tyypillisimpiä ovat virheiden diffuusioviivat; iteratiivinen menetelmä on iteratiivinen käsittelyalgoritmi, joka vaatii useita vertailulaskelmia optimaalisen rasterikuvion aikaansaamiseksi. Siksi sillä on suurin laskentamäärä. Tässä artikkelissa esitellään lähinnä useita edustavia digitaalisia rasteriprosessi algoritmeja.
Ensinnäkin, tilattu karkea algoritmi (tilattu hurrataus)
Tässä seulontaalgoritmissa tulo kuvaa verrataan jaksolliseen kynnysmatriisiin (tai kutsutaan seulamatriisi). Kynnysmatriisi, jossa N määrittää kynnysmatriisin jakson.
Tiettyä kynnysmatriisia t (n) varten sen tilatun jitterin seulon algoritmi voidaan kuvata seuraavasti:
(1) Tulokuvan on normalisoitava eli 0 ≤ x (n) ≤ 1. Kun h (n) = 0, rasterin lähtöpikselit ovat valkoisia pisteitä ja kun h (n) = 1, on musta piste. Kynnysmatriisi määrittää, missä järjestyksessä pisteet muuttuvat mustiksi pisteiksi, kun kirkkaus vähenee, mikä myös määrittää rasteraadun kuvan. Tilatulla dithering-algoritmilla on erilaiset ominaisuudet erilaisilla kynnysmatriisin malleilla. Yksinkertaisin kynnysmatriisi on matriisi, jossa jokainen pikseli on kiinteä arvo: t (n) = 0.5. Jos kuvalle asetetaan tilattu dithering-algoritmi, jolla on tällainen kynnysmatriisi, suurin osa jatkuvan sävyn kuvan yksityiskohdista menetetään ja tuloksena olevalla vastaavalla rasterikuvulla on suuri särö verrattuna alkuperäiseen jatkuvaan äänikuvaan.
Yleisesti ottaen tilattu jitter on jaettu pistemäisiksi luokitelluksi jitteriksi ja pistekirjastetuksi järjestetyksi jitteriksi. Pistekerrostetun järjestetyn jitterin seulamatriisi on suunniteltu tarkasti rasteroinnin prosessoinnin simuloimiseksi. Kun jatkuvasti säädetyn kuvan pikselitiheyttä vähennetään, pisteitä syntyy pikseleiden ympärille. Bayerin ehdottamat pistekohtaiset tilatut jitterin suunnittelusäännöt. Hänen tutkimuksensa viittaavat siihen, että ei-ihanteellisten keinotekoisten tekstuotteiden näkyvyys voidaan saada Fourier-analyysillä eri kirkkaustasojen pistekuviosta. Kun yhtenäisen värilohkon pistekuvassa on komponentteja eri aallonpituuksilla, komponentti, joka vastaa pitkää aallonpituutta äärellisessä aallonpituudessa, on suurin näkyvyyskomponentti. Tämän standardin pohjalta Bayer suunnitteli optimoidun seulamatriisin, ja tämän matriisin kohtaisen erillisen ja tilatun jitterin avulla saatu rasterikuvake sisältää näkyvämpiä yksityiskohtia.
Vaikka kohta-diskreetti tilattu jitter säilyttää enemmän yksityiskohtia, johtuen "pisteiden lisäämisestä", pistekombinoidusta tilatusta jitteristä käytetään usein käytännön sovelluksissa. Tulovahvistus johtuu tulostimen ei-ihanteellisesta luonteesta, vaikka voidaan olettaa, että ihanteellinen tulostin voi tuottaa pisteitä ennalta määritellyillä geometrioilla, kuten neliöillä, mutta pisteitä syntyy musteen diffuusion vuoksi ennalta määritetystä geometriaa ympäröiville pikseleille. Lisätä ilmiötä. Kun jatkuvasti säädetyn kuvan pikselitiheyttä alennetaan, piste generoidaan ympäröivistä pikseleistä, joten pisteillä kerätyllä järjestetyllä jitterillä todennäköisemmin estetään pistevahvistus, mikä vähentää pistehyötysuhdetta rasteraalikuvaan koko.
Toiseksi virheenhallinta-algoritmi (Error Diffusion)
Virheiden hajotusalgoritmi on suosittu ja rasteroituefektinen algoritmi, jota Floyed-Steinberg ehdotti ensin. Tämä algoritmi vaatii naapuruston käsittelyä, mikä tarjoaa korkeamman rasterivälin laadun puristimelle eikä aiheuta pistevahvuutta, mikä johtaa rikkaaseen rasterikuvioon, jossa on pikselien anisotrooppinen jakauma.
Perusajatuksena on ensin kvantisoida kuvapikseleitä tietyn skannausreitin kynnyksen mukaan ja levittää kvantisointivirhe sitten vierekkäisiin käsittelemättömiin pikseleihin tietyllä tavalla. Virheen diffuusion kaaviokuva on esitetty kuviossa 1.
Kuva 1 Virhediffuusiokaavio
Kun Q (.) On kynnysvantisointitoiminto, u (m, n) on pikselin harmaa arvo ja osittainen kvantisointivirhe. Kun u (m, n) on suurempi kuin kynnysarvo, Q (.) -Arvo on l, muuten arvo on 0. e (m, n) on kvantisointivirhe, x (m, n) , x (m, n) ∈ [0,1]. U (m, n): n kynnysarvon käsittely johtaa esityssignaaliin b (m, n), b (m, n) ∈ [0,1]. H on virhediffuusiosuodatin, jonka suodatinkerroin on h (k, l), ja se on läsnä.
Virheen diffuusiosignaali voidaan ilmaista seuraavalla kaavalla: (2) - (4)
Kolmanneksi pisteiden diffuusiomenetelmä (Dot Diffusion)
Knuthin ehdottamassa pisteiden levittämässä rasteriprosessialgoritmissa on algoritmi, joka tarjoaa rinnakkaisen käsittelyn yritettäessä ylläpitää virheiden diffuusiota. Point spread -algoritmissa on vain yksi suunnitteluparametri, luokan matriisi C, joka määrittää järjestyksen, jolla pikselit käsittelevät rasteroidut. Jatkuvan sävyn kuvapikselin sijainti on jaettu IJ-luokkaan, ja I ja J ovat inversiivisia kokonaislukuja. Taulukko 1 on esimerkki klassisesta matriisista, jossa on 64 numeroa taulukossa.
Taulukko 1 8 x 8 optimointiluokan matriisi
Jatkuvan sävyn kuvan määrittämiseksi, jonka pikseliarvot normalisoidaan, kiinteän k: n kohdalla käsittelemme kaikki luokkiin k kuuluvat pikselit ja määritämme rasteripikselin arvot seuraavasti:
(5) Virhe, tarkkailemalla kahdeksan kenttää, korvaa niiden lähialueiden jatkuvat sävyarvot, joilla on korkeammat luokkamäärät, alkuperäisten jatkuvien sävykuvien kuvapistearvoilla (esimerkiksi ne, joita ei ole käsitelty rasteroilla). Lyhyesti sanottuna naapurustossa, jossa on enemmän luokkia, korvataan:
Oikeanpuoleisille alueille (6-a)
Diagonaalisille alueille (6-b)
Heidän joukossaan on varmistettava, että kaikkiin alueisiin lisättyjen virheiden summa on täsmälleen sama. Oikean kulman alueella on lisäparametri 2, koska vaakasuorassa ja pystysuorassa suunnassa olevat virheet ovat havaittavampia kuin diagonaalisuunnassa esiintyvät virheet.
Tämän jälkeen rinnakkaista sävyn pikselia, jolla on luokka numero k + 1, käsitellään samalla tavoin. Nykyinen pikseliarvo ei enää ole alkuperäinen jatkuvan sävyn pikselin arvo vaan se on säädetty kaavan (6) mukaisesti. Kun algoritmi keskeytyy, signaali on rasteri tulos.
Kuva 2 Virhe leviää yhdestä pikselistä naapurustolle
Kuvio 2 esittää pisteen leviämisen prosessia. Matriisin numerot ovat luokan matriisin elementtejä, kierrätetyt numerot ovat diffuusiokertoimien niihin liittyvät painoarvot, ja naapurustot, joilla on korkeammat luokkaosat 33, ovat 58, 45, 42, 40, 63, 47. virheestä 33 tuotettu virhe on jaettu vastaaville alikvooteille diffuusio-kertoimien korrelaatiopainojen summan mukaan, joka tässä esimerkissä on 2 + 1 + 2 + 1 + 2 + 1 = 9. Sitten osoita e oikeaan kulmaan ja 2e diagonaalisessa naapurustossa. Koska 64 tasoa on yhteensä, algoritmi valmistuu 64 vaihetta.
Neljäs, iteratiivinen rasterialgoritmi
Ajatus iteratiivisesta rasterin algoritmista on ensin saada alkuperäinen rasterikuvake yksinkertaisella menetelmällä ja sitten iteratiivisesti prosessoida alkututonväri-kuva niin, että jokaisella prosessilla saadulla rasterikuvulla on pienempi virhe ja lopulta visuaalinen maksimi. Erinomainen rasterikuvake. Iteratiivisen rasteron algoritmin etuna on se, että tuloksena olevasta rasterikuvasta on erinomaiset visuaaliset vaikutukset, oleellisesti rakenteellista koostumusta; ja pystyy toistamaan oikein rikas sävyjä. Tämän algoritmin laskennallisen monimutkaisuuden perusteella iteratiivinen rasterialgoritmi on kuitenkin yleensä vaikea käyttää reaaliaikaisessa käsittelyssä ja sitä voidaan käyttää vain tavallisena testiohjelmana.
Suora binääritutkimusmenetelmä (DBS) soveltaa HVS-mallia ja laitemallia vähentämään näkyvän virheen järjestetyn rasterikuvion ja jatkuvan sävyn kuvan välillä. HVS-mallia edustaa lineaarinen siirtymäinvariantti alipäästösuodin. Tämän suodattimen taajuusvaste määritellään seuraavasti:
(7)
Missä on verkkokalvon vastaavan kulman taajuusmuuttuja, L on keskimääräinen kirkkaus, c = 0,525 d = 3,91.
Anna e [m, n] määritellä virhekuva ja määrittää (8)
Jos f [m, n] on jatkuva sävykuva ja g [m, n] on vastaava rasterikuvake, näkyvä virhe rasteraisen kuvan ja jatkuvan sävyn kuvan välillä voidaan ilmaista (9)
Jos X vastaa tulostuslaitteen osoitetun pisteen rasteria; ja painettu piste on konvoluutio suodattimen kanssa, oletamme suuremman alueen.
DBS: n ja alkuperäisen kuvan tuottama koko rasterikuvun kokonaisvirhe on:
(10) Korvaamalla (9) arvoon (10), E voidaan laskea seuraavasti
(11) Niiden joukossa on ristikorjaustoiminto tulostettavien ristikon erillisten kohtien välillä.
DBS käyttää iteratiivista vaihto-ohjelmaa virheen E pienentämiseksi. Tämä algoritmi skannaa koko rasterikuvion vasemmalta oikealle ja ylhäältä alas, alkaen satunnaisesti saadusta alustaisesta rasterikuvasta kutakin rasterikuvasta. Pikseli arvioi pikselin kääntämisen vaikutuksen ja ristikkonakuvan arvon, joka saadaan vaihtamalla sen arvo ympäröivän kahdeksan pikselin kanssa. Jos jokin muutoksista vähentää virheen, muutos, joka aiheuttaa virheen pienentämisen, säilyy ja edellä oleva prosessi toistetaan toistuvasti rasteriväreillä, kunnes koko prosessilla ei ole muunnosoperaatiota, ja DBS-algoritmi päättyy.
V. Yhteenveto
Yleensä näissä rasterointialgoritmeissa tuotettu paras rasteroidun kuvan laatu on iteratiivinen algoritmi, mutta laskennan monimutkaisuuden vuoksi sitä ei yleensä käytetä reaaliaikaisissa käsittelyalgoritmeissa. Virheen diffuusioalgoritmi on tällä hetkellä suosituin rasterivälinealgoritmi, ja tuloksena olevasta rasterikuvasta ei ole ilmeistä moirea ja hyvää visuaalista vaikutusta. Dithering-algoritmi on yksinkertainen toteuttaa, mutta sillä on tiettyjä vääriä sävy-, alue- ja visuaalista koostumusta. Point spread -algoritmi toteuttaa rinnakkaisen käsittelyn, mutta rasteraustason laatua on parannettava.