基于清晰度強調的彩色印刷圖像處理

文/王林榮

1 基于清晰度強調的彩色印刷圖像處理問題的提出

從一定程度上看，印刷是把油墨或者是呈色顏料使用模擬或者數字圖像作為載體，轉移到承印物上的復制過程上來，實現圖像或者是文字信息的采集、加工、復制、傳遞等一系列的復雜性工作。基于清晰度強調的彩色印刷圖像處理研究中，圖像增強技術的應用在理論的意義上可以分為圖像空域增強，還有頻域增強兩個方面。在經歷過一些列的發展之后，在原有的基礎上，進行了進一步的深化，又提出了融合增強的相關性理論。一般的情況下，經常使用的空域增強的運算可以分為以下幾種類型：第一種類型是圖像灰度級增強變換算法的運算方式。另外一種是圖像直方圖均衡化增強算法的運算方式。

從在圖像處理技術應用中可以發現，基于圖像獲取、處理、輸出的過程當中，不可避免的可以發現一些制約性的因素。例如：圖像獲取的成像方式制約性的因素，成像部件的性能制約性的因素等，這些制約性的因素之間，可能會出現的缺陷方面的問題，數字圖像理的方法運用方面的問題，圖像輸出方式方面的問題，輸出設備性能方面的問題等。這些問題一旦出現，就可以造成圖像信息的丟失或者出不利的變化。從技術性的角度看，圖像銳化技術方式主要的控制方法可以分為以下兩種類型，一種類型是有參數控的方式，另外一種類型是無參數控制的方式。換句話說，在素特征的有參數控制法應用實踐當中，主要包含了以下幾種理論性的應用：

（1）核回歸函數算法理論性的應用。

（2）去抖算法理論性的應用。此種應用方式主要是相機的拍攝。

（3）點擴散函數理論性的應用，也就是圖像邊緣銳化。

（4）全變分理論性的應用。

（5）基于圖像稀疏性描述的圖像先驗算法理論性的應用。

（6）參數控制法理論性的應用。

無參數控制的方式，主要面對的是像素特征完成模糊像素，需要進行修復的銳化算法的實施。在一般的情況上看，可以分為一階微分銳化算法，二階微分銳化算法，一二階混合銳化算法，統計銳化算法,其中使用二階微分銳化算法實現改進算法的方式較多。

2 印前圖像銳化算法設計

2.1 CMYK圖像的數學描述

彩色印刷圖像處理設計工作可以分為兩個部分，一個部分是 CMYK模式圖像實現的數學性描述。另外一個部分是設計原理下的探究與設計流程的構建。從CMYK 圖像的數學描述上看，主要使用的是油墨印刷網點面積率值的面度形式。這四個通道當中，可以分為 0到100的亮度與暗度之間。這個時候，就可以根據層次從的變化，進行有效的調節。那么CMYK 圖像基于一個像素點數學表達上，需要取整數。在描述像素矩陣過程當中，完成靜止圖像的 M×N CMYK 圖像的數學解析式構建。

2.2 設計原理

從圖像銳化原理上看，主要涉及的是設置銳化閥值、數量、半徑上的構建。然后，針對圖像的高頻部分進行細致的分析。之后，就可以得出銳化的計算方式：f CMYK-輸出 (x，y)=f CMYK-輸入 (x，y)+λf CMYK-高頻 (x，y)，對低、中頻濾波進行有效的處理，在處理完成之后，就可以得到對應的清晰高頻圖。增強縮放因子，增強圖像邊緣像素。提取圖像高頻位置的信息，在高通濾波器的使用中，完成圖像的傅立葉變換，另外也完成立高通濾波轉移函數的有效實施。這里使用的路程是，第一步，輸入圖像；第二步，進行傅里葉變換；第三步，創建高通濾波器；第四步，定義銳化半徑；第五步，設置銳化閾值；第六步，創建圖像 CMYK 四色獨立通道；第七步，在濾波器分離四色通道；第八步，加載銳化增強因子；第九步，與原始圖像點乘疊加；第十步，進行傅里葉逆變換；第十一步，調用銳化變換模板；第十二步，圖像通道合并；第十三步，顯示、存儲結果圖像。

2.3 圖像銳化質量評價設計

這里主要是在三個參數的基礎上，進行全面、準確的圖像銳化質量相關的評價。

（1）均方誤差與峰值信噪比的構建。這個時候，就可以誤差，進一步對圖像上的數據信息進行分析，根據對應的變化進行探究，最終完成想要的描述。

（2）峰值信噪比的構建。此種方式，最為常見的使用方法就是圖像銳化質量評價參數的方式。 L 1 取值是 255的時候，原始圖像的像素是最亮的。

圖1：原圖

（3）圖像結構相似度的構建。這個需要在理論的基礎上，對相識度的整體結構進行有效的分析。在對比的時候，探究圖像階段性的結構分布情況。最終得出，LCS CMYK (x,y)=(L CMYK (x,y))a×(C CMYK (x,y))b×(S CMYK (x,y))c=L CMYK (x,y)×C CMYK (x,y)×S CMYK (x,y)。

3 實驗及分析

3.1 實驗方案

在這里選擇一個原稿圖像，使用 MATLAB 設計方式，在拉普拉斯微分算法程序構建中進行探究。在Photoshop 圖像 USM 銳化算法還有與 MATLAB 銳化算法當中進行構建，接著，就可以對邊緣輪廓圖進行有效的提取。然后，使用 MATLAB 設計的方式對印前圖像銳化算法進行有效的構建。在評價系統當中完成圖像銳化的方式進行有效的實施。最后對原圖像進行緣輪廓圖與質量價參數兩者之間進行一個有效的比較。如圖1和圖2所示。

3.2 數據與分析

從邊緣輪廓分析上看，灰度圖像 Lab 值為 0。 L=0 可以獲取最深很色的像素點。邊緣輪廓圖， L=0 的時候，線條最為清晰。這個時候的圖像，L的范圍是 0≤L≤100 。 L=100的時候，這個時候的圖像所對應的像素點是不存在的，換句話說，這個時候的顏色就是白色。在實驗中發現，在 L 值不完全為 0的情況下，Photoshop 的USM 銳化的方式是最為有效的，但清晰度不是最好。從質量評價參數的角度看。 E 值越小銳化效果就更好，P 值越大銳化效果就更好。因此，在這里可以發現，最佳的方式是銳化算法。效果最不好的方式是拉普拉斯銳化算法。但是拉普拉斯銳化的方式，可以針對于一些比較復雜區域輪廓的提箱進行有效的處理。另外僅次于銳化算法的方式是 Photoshop 的 USM 銳化算法。因此，基于清晰度強調的彩色印刷圖像處理上，需要將理論知識與實踐知識相互結合起來，結合實際的需求，去選擇合理的解決方式。這樣才能對彩色印刷的清晰度進行有效處理，為印刷行業的發展提供一個有力的基礎條件。

圖2：銳化算法邊緣輪廓圖

4 總結

彩色印刷中，人們更加希望印刷品是色彩艷麗豐富的。然而，由于印刷技術工藝的復雜性，再加上受到生產時間與生產成本等眾多因素的影響。想要印刷出精美的產品，就需要對印刷工藝進行進一步提升，對生產的技術水平進行進一步提升，這樣才能在長期的潛移默化中，實現印刷產品質量的有效提高。這里是使用二階微分圖像邊緣檢測銳化的方式，對彩色數字圖像進行處理。在使用銳化算法之后，調整銳化參量，按照實際需求，提升彩色圖像的清晰度。