基于清晰度强调的彩色印刷图像处理

文/王林荣

1 基于清晰度强调的彩色印刷图像处理问题的提出

从一定程度上看，印刷是把油墨或者是呈色颜料使用模拟或者数字图像作为载体，转移到承印物上的复制过程上来，实现图像或者是文字信息的采集、加工、复制、传递等一系列的复杂性工作。基于清晰度强调的彩色印刷图像处理研究中，图像增强技术的应用在理论的意义上可以分为图像空域增强，还有频域增强两个方面。在经历过一些列的发展之后，在原有的基础上，进行了进一步的深化，又提出了融合增强的相关性理论。一般的情况下，经常使用的空域增强的运算可以分为以下几种类型：第一种类型是图像灰度级增强变换算法的运算方式。另外一种是图像直方图均衡化增强算法的运算方式。

从在图像处理技术应用中可以发现，基于图像获取、处理、输出的过程当中，不可避免的可以发现一些制约性的因素。例如：图像获取的成像方式制约性的因素，成像部件的性能制约性的因素等，这些制约性的因素之间，可能会出现的缺陷方面的问题，数字图像理的方法运用方面的问题，图像输出方式方面的问题，输出设备性能方面的问题等。这些问题一旦出现，就可以造成图像信息的丢失或者出不利的变化。从技术性的角度看，图像锐化技术方式主要的控制方法可以分为以下两种类型，一种类型是有参数控的方式，另外一种类型是无参数控制的方式。换句话说，在素特征的有参数控制法应用实践当中，主要包含了以下几种理论性的应用：

（1）核回归函数算法理论性的应用。

（2）去抖算法理论性的应用。此种应用方式主要是相机的拍摄。

（3）点扩散函数理论性的应用，也就是图像边缘锐化。

（4）全变分理论性的应用。

（5）基于图像稀疏性描述的图像先验算法理论性的应用。

（6）参数控制法理论性的应用。

无参数控制的方式，主要面对的是像素特征完成模糊像素，需要进行修复的锐化算法的实施。在一般的情况上看，可以分为一阶微分锐化算法，二阶微分锐化算法，一二阶混合锐化算法，统计锐化算法,其中使用二阶微分锐化算法实现改进算法的方式较多。

2 印前图像锐化算法设计

2.1 CMYK图像的数学描述

彩色印刷图像处理设计工作可以分为两个部分，一个部分是 CMYK模式图像实现的数学性描述。另外一个部分是设计原理下的探究与设计流程的构建。从CMYK 图像的数学描述上看，主要使用的是油墨印刷网点面积率值的面度形式。这四个通道当中，可以分为 0到100的亮度与暗度之间。这个时候，就可以根据层次从的变化，进行有效的调节。那么CMYK 图像基于一个像素点数学表达上，需要取整数。在描述像素矩阵过程当中，完成静止图像的 M×N CMYK 图像的数学解析式构建。

2.2 设计原理

从图像锐化原理上看，主要涉及的是设置锐化阀值、数量、半径上的构建。然后，针对图像的高频部分进行细致的分析。之后，就可以得出锐化的计算方式：f CMYK-输出 (x，y)=f CMYK-输入 (x，y)+λf CMYK-高频 (x，y)，对低、中频滤波进行有效的处理，在处理完成之后，就可以得到对应的清晰高频图。增强缩放因子，增强图像边缘像素。提取图像高频位置的信息，在高通滤波器的使用中，完成图像的傅立叶变换，另外也完成立高通滤波转移函数的有效实施。这里使用的路程是，第一步，输入图像；第二步，进行傅里叶变换；第三步，创建高通滤波器；第四步，定义锐化半径；第五步，设置锐化阈值；第六步，创建图像 CMYK 四色独立通道；第七步，在滤波器分离四色通道；第八步，加载锐化增强因子；第九步，与原始图像点乘叠加；第十步，进行傅里叶逆变换；第十一步，调用锐化变换模板；第十二步，图像通道合并；第十三步，显示、存储结果图像。

2.3 图像锐化质量评价设计

这里主要是在三个参数的基础上，进行全面、准确的图像锐化质量相关的评价。

（1）均方误差与峰值信噪比的构建。这个时候，就可以误差，进一步对图像上的数据信息进行分析，根据对应的变化进行探究，最终完成想要的描述。

（2）峰值信噪比的构建。此种方式，最为常见的使用方法就是图像锐化质量评价参数的方式。 L 1 取值是 255的时候，原始图像的像素是最亮的。

图1：原图

（3）图像结构相似度的构建。这个需要在理论的基础上，对相识度的整体结构进行有效的分析。在对比的时候，探究图像阶段性的结构分布情况。最终得出，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 实验及分析

3.1 实验方案

在这里选择一个原稿图像，使用 MATLAB 设计方式，在拉普拉斯微分算法程序构建中进行探究。在Photoshop 图像 USM 锐化算法还有与 MATLAB 锐化算法当中进行构建，接着，就可以对边缘轮廓图进行有效的提取。然后，使用 MATLAB 设计的方式对印前图像锐化算法进行有效的构建。在评价系统当中完成图像锐化的方式进行有效的实施。最后对原图像进行缘轮廓图与质量价参数两者之间进行一个有效的比较。如图1和图2所示。

3.2 数据与分析

从边缘轮廓分析上看，灰度图像 Lab 值为 0。 L=0 可以获取最深很色的像素点。边缘轮廓图， L=0 的时候，线条最为清晰。这个时候的图像，L的范围是 0≤L≤100 。 L=100的时候，这个时候的图像所对应的像素点是不存在的，换句话说，这个时候的颜色就是白色。在实验中发现，在 L 值不完全为 0的情况下，Photoshop 的USM 锐化的方式是最为有效的，但清晰度不是最好。从质量评价参数的角度看。 E 值越小锐化效果就更好，P 值越大锐化效果就更好。因此，在这里可以发现，最佳的方式是锐化算法。效果最不好的方式是拉普拉斯锐化算法。但是拉普拉斯锐化的方式，可以针对于一些比较复杂区域轮廓的提箱进行有效的处理。另外仅次于锐化算法的方式是 Photoshop 的 USM 锐化算法。因此，基于清晰度强调的彩色印刷图像处理上，需要将理论知识与实践知识相互结合起来，结合实际的需求，去选择合理的解决方式。这样才能对彩色印刷的清晰度进行有效处理，为印刷行业的发展提供一个有力的基础条件。

图2：锐化算法边缘轮廓图

4 总结

彩色印刷中，人们更加希望印刷品是色彩艳丽丰富的。然而，由于印刷技术工艺的复杂性，再加上受到生产时间与生产成本等众多因素的影响。想要印刷出精美的产品，就需要对印刷工艺进行进一步提升，对生产的技术水平进行进一步提升，这样才能在长期的潜移默化中，实现印刷产品质量的有效提高。这里是使用二阶微分图像边缘检测锐化的方式，对彩色数字图像进行处理。在使用锐化算法之后，调整锐化参量，按照实际需求，提升彩色图像的清晰度。