4、有序抖动算法（ordereddither）

    
　　在这种加网算法中，将输入图像和一个周期的阈值矩阵（或称为加网矩阵）进行比较。阈值矩阵，这里n定义了阈值矩阵的周期。

   
　　 对于一个特定的阈值矩阵t(n)，其有序抖动加网算法可以如下描述：

    
　　输入图像应该被归一化，即0≤x(n)≤1。当h(n)=0时，半色调输出的像素为白点，当h(n)=1时，半色调出的像素为黑点。阈值矩阵决定了当亮度减小时网点变成黑点的顺序，它也决定了半色调图像的质量。有序抖动算法随着阈值矩阵的不同设计而具有不同的特点，最简单的阈值矩阵是那种每个像素点都是固定值的矩阵：t(n)=0.5。如果对图像实行具有这种阈值矩阵的有序抖动算法，大多数存在连续调图像的细节被丢失，并且得到的相应半色调图像对比原连续调图像存在很大的失真。

    
　　一般来说，有序抖动分为点聚集有序抖动和点离散有序抖动。点聚集有序抖动的加网矩阵被精心设计以模拟半色调处理过程。当连续调图像的像素密度减小时，网点将在像素的周围生成。点离散有序抖动的设计规则是由bayer提出的。他的研究指出，非理想人工纹理的可见性可以通过对不同亮度等级的网点模式进行傅立叶分析得到。当一个一致色块的网点模式在不同波长都有成分时，有限波长中最长波长对应的成分就是可见度最高的成分。基于这个标准，bayer设计了优化的加网矩阵，应用这个矩阵的点离散有序抖动得到的半色调图像包含了更多的可见细节。

    
　　尽管点离散有序抖动保留了更多的细节，但由于“网点增加”的原因，在实际应用中却经常使用点聚集有序抖动。网点增加是由打印机的非理想特性造成的，虽然可以假定理想的打印机能够产生具有预先定义的几何形状如方形的网点，但由于油墨从预先定义的几何形状向周围像素的扩散，就会产生网点增加现象。而当连续调图像的像素密度降低时，网点将从周围像素生成，所以点聚集有序抖动更易于阻止网点增加，从而在整体上减少了半色调图像中的网点增加效应。

    
　　总体说来，在这些半色调算法中，产生的半色调图像质量最好的是迭代算法，但是由于过于复杂的计算量，一般不在实时处理算法中使用。误差扩散算法是目前最为流行的半色调算法，其产生的半色调图像无明显龟纹，视觉效果较好。抖动算法实现简单，但在阶调再现、空间分辨率和可见纹理等方面都存在一定的缺陷。而点扩散算法实现了并行处理，但半色调图像质量方面还有待改善。



　　【点击查看更多精彩内容】

         相关新闻：