毕业论文——经济学近似-K彩色印刷算法.doc

1、 经济学近似 -K 彩色印刷算法 摘要：本文介绍了一种新的方案通过，以节省墨水或墨粉的使用近似 -K 算法彩色印刷机。现有的印刷机使用的三色混合物墨粉（青色，品红色和黄色）印刷的所有像素的彩色图像，它使彩色印刷 4-4.5倍，比单色印刷更加昂贵。由于人眼不敏感来区分相邻的颜色在颜色空间中，我们可以使用在 K（黑 K）墨粉更换颜色接近灰色规模。然后，我们可以减少墨水用量在不影响图像的视觉品质。我们使用饱和在 HSV（色调，饱和度，值）颜色模型来发现附近灰度像素和改变这些像素灰度级。然后，我们评估使用的 PSNR（峰 值的客观图像质量信噪比），并使用 DSCQS（双刺激连续质量量表）作为主观评价方

2、法。从我们的实验结果，在印刷使用彩色图像我们的算法只需要 84的原价平均。 关键词： HSV颜色模型；彩色印刷； PSNR； DSCQS 1 引言 近年来，环境保护主义者在世界各地推动环保。在它的精神是让一切物尽其用。例如，在共同的印刷机市场，无论是喷墨印刷机和激光的人，消耗了大量的墨水或碳粉，而处理彩色印刷。由普通印刷机，在市场印刷彩色图像由四种颜色，C（青色）， M（品红色）， Y（黄色）和 K（黑色）。根据颜色颜色理论的模型转印式，黑 色和灰色可以通过 C， M 和 Y 的混合。实际上，目前的印刷机上印刷出全部像素，包括灰度那些，用 C， M， Y色油墨的混合物时与彩色印刷处理。根据油墨

3、的市场价格从三大品牌碳粉， EPSON， HP 和 Canon，油墨的价格需要印刷像素比仅使用黑色墨水的象素的价格高 4 4.5 倍。如果我们可以减少彩色墨水的使用量，就可以节省大量的墨水或调色剂的成本方面。我们发现，人的眼睛都不够敏感，分辨出小变化的颜色 1。使用类似的概念，如水印，数据隐藏与彩色图像的图像增强，我们可以使用在 K 调色剂来代替近灰阶像素不影响视觉质量。我们的研究目的 是为了减少的彩色调色剂的使用，同时考虑到的图像失真。由使用近似 -K 的算法，我们可以达到两者之间的平衡点方面中，图像的视觉质量和彩色调色剂的使用。换句话说，我们的算法可减少彩色印刷的成本。 这篇文章的组织结构

4、如下：在第 2节，我们讨论了一些相关的工作。我们描述在第 3节我们的算法和架构在第 4节，我们提出了一个详细比较我们的算法对不同的测试图像的性能。最后，我们总结本文在第 5节。 2 相关工作 在第 2.1节中，我们介绍几种以前的作品中，对工作在过去十年油墨的节能技术为四个或六个着色剂印刷机。在第 2.2，参数化 算法操 纵象素值以节省彩色调色剂进行说明。 2.1 墨水节能战略 现代减少墨水的战略需要重点不仅减少墨水，但还保留视觉印刷质量。由于便携式摄像机和液晶的普及（液晶显示器）显示器，高保真印刷有所增加，并与四个以上的着色剂，如 CMYKOG 和 CMYKlclm 印刷机，已经开发了。因此，

5、不同的墨水节省四着色剂或六着色剂印刷战略已经得到了广泛的研究。对于四着色剂，玛丽亚等。连同 contentdependent GCR（灰色组件更换）算法，以减少墨水消耗提出了一种半色调方法。该黑色着色剂添加到 CM复合纹理点定位的过程和新点与视觉质 量改进定位方法，由于色平面相互作用 C， M 和 K 之间已提议Harris等专注于保持色调的颜色 HLS，该节省墨水是通过修改亮度或饱和度或两者来实现空间。 关于这六个着色剂， Son等人的基础上，减少了不必要的着色剂的使用限制总色素量和订货点的可见性。使用四种点能见度他们排序选择最终 cmyklclm 数字值，减少不必要的着色剂的使用。 Son

6、等人。也提出了一个数字值转换成 CMYK cmyklclm 方法提供更好的印刷质量，少点能见度。在黑暗的地区，输入 m和 C 数字值由 m修正和 C 与最接近的颜色，减少使用不必要的量的着色剂。为节 约墨水的另一个不同的技术是通过萨福诺夫等人提出的。他们提出了一种方法，转换图片基于边缘检测技术的彩色草图。这些草图包含更少的色点比初始图像，有助于节省油墨的使用。我们的工作基本是类似的数据隐藏，人眼不在颜色小变化敏感范围。因此，而不是改变所有的墨水的使用模式像素，我们只操纵近灰色的。 2.2 参数 -K 我曾用差值对每个 RGB通道中的每一个像素对之间的彩色图像作为他们的算法的阈值。通过控制参数

7、-K，他们挑选出的像素会转化为灰度降低彩色油墨的使用彩色印刷。限制的最大耐受差的测定结果图像，人眼无法检测。我的定义如下 ： 然后他们使用的值 I，以确定是否如各像素的 RGB 通道可以是由 K.近似而结果图像是由近似的 k个像素即具有转化和非近似 k个原始像素。在结果图像的 RGB值可以从公式（ 2）导出。 正如在 13，而不是使用 RGB颜色空间，我们使用 HSV颜色模型以减少计算复杂度。在我们以前的工作 14，饱和用作阈值和饱和度变化之间的关系，并图像的视觉质量进行了讨论。本文拓展了我们以前的工作，并使用累积分布函数（ CDF），以自动生成所需的像素积蓄的饱和阈值。我们还引进了双连续刺激

8、质量量表（ DSCQS）主观评价方法多 PSNR评 价图像的视觉质量。 3 算法 图 1示出了近似的 -K 算法的流程图。测试后得到的图像 O 是读，我们的方法包括三个主要部分：（ 1）检测的接近灰度像素，（ 2）近似 -K 转型，（ 3）视觉效果的评价。最后，我们得到的结果图像通过参数控制。 3.1 检测近灰阶像素 在第一步骤中，我们想找到彩色像素是类似于灰阶的颜色，因此可表示为灰度像素。通常，图像被包括三个通道， R， G和 B.当三个通道的所有值都等于一个像素，该像素可以是视为一个灰度像素。我们可以假设，当 RGB值是彼此接近的，这些像素也可以看作是灰度像素的近似值。然后，我们可以更 换

9、这些像素近似 -K 值。存在的问题仍然是如何找到接近灰阶的像素。我们选择了 HSV色彩空间作为工具，其中 H被定义为色相， S为饱和度，和 V为数值（图 2）。其中，色调是它告诉我们，纯粹的颜色是什么属性。饱和是用来代表色的活力，也是非白度的级别。值是衡量的光的强度。作为饱和从变化到 1.时，相应的颜色（色调）由不饱和变化（灰色色调）到完全饱和（没有白部分）。低饱和度的颜色意味着它更接近于灰暗。因此，我们采取饱和的特性来选择像素，我们会处理之后。我们必须改造原有的 RGB图像到 HSV颜色空间。变换的公式定义如下 15： 之后我们变换图像 HSV空间，我们就可以使用在 S阈值渠道选择接近灰度像

10、素。图 3（ b）示出邻近灰度区使用 .22作为阈值。所有用饱和的像素小于阈值被选择。选定的区域将被用来作为以下步骤的输入。 3.2 近似 -K 转型 之后，我们得到来自第一步骤的附近灰度像素，我们会改变成灰度。我们确定是否该帧饱和度（ X， Y）的值小于或等于阈值。如果条件为假，这个像素仍然是其原来的颜色，并使用通过混合 CMY墨粉印刷。与此相反，该像素使用近似 -K 变换改变为灰度，并且可以使用 K 墨粉的印刷。已经有许多研究人员研究了各种配方的那变换颜色的 图像转换成灰度和白黑 16-2。最常见的公式用于变换的 RGB值转换成灰度定义如下 21： 在这篇文章中，我们使用公式（ 4）改造接

11、近灰色像素为灰度。在结果示于图。图 4（ b）。 3.3 视觉效果评价 在这项工作中，评估所述修改的图像和原始的一个之间的相似性是一个大问题。我们必须找到降解诱导重建图像的量。通常，有两种主要方法来测量图像质量：目标质量的方法和主观质量的方法。有许多客观的比较方法之间的差异的研究主观方法 22-24。基本上，客观的方法，利用计算机计算出经修正的图像和原始图像之间的差别。主观方法 基于人眼比较图像质量。 3.3.1 客观评价方法 在 MSE（均方误差）测量这两个图像之间的差异。在 PSNR（峰值信噪比），从 MSE 来源，是许多最常见的指标研究 25,26来测量两个图像之间的相似性。由于的计算这

12、两个指标是非常容易和快速，他们得到广泛使用，很受欢迎。他们是定义如下 27： M 和 N 是高度和图像的宽度， xij 表示是像素的像素值（ I， J）中的原始图像， xij 表示是像素（ i， j）条中的重构的像素值图像， I 是最大值，一个像素可以采取（等于 255的 8位图像）。一般地，图像质量接近原始图像时的 PSNR值被处理的图像和原始图像的多于 6差由人眼未被发现时的 PSNR值是 6和 4528之间。当 PSNR 值低于 45，处理后的图像的明显的失真可容易检测。因此， PSNR值越高，越低图像失真。 即使是通过客观图像质量评价方法更快，更经济高效的不是主观的人，对现有客观图像质

13、量度量的能力预测仍然非常有限的人力决定。例如，许多图像具有相同实际上 PSNR可以有不同的感知质量。之间存在相关性较差客观评价与实际主观评价。换句话说，所获得的结果使用这些客观评价方法是不可靠的，由于缺乏标准化与人的视觉系统。 3.3.2 主观评价方法 根据一些研究 29-31的结果，它表明了主观测试是可靠地且可靠地评估图像质量的最佳方法。不同于目标质量测量，主观方法更可靠的方法来确定图。图 4（ a）近灰色像素通过饱和阈值的过程中，（ b）通过近似灰度式处理像素 156 MULTIMED工具申请（ 214年） 72： 151-166实际成像质量，因为人类是在大多数最终提出接收机应用。在实验设

14、计中，许多测试者被要求遵守一组图像并评价他们的素质。平均分数为这些评分的图像被定义为平均意见分数（ MOS）。然而，该 MOS计算每个测试条件 K（即饱和阈值）如下 32： 其中 ， MNK 是测试仪的 n为测试条件 k中得分和 N 是测试者的数目。然而，双刺激连续质量量表（ DSCQS）方法是最好的在现有的标准化文献可用的测试 32。因此，适于 DSCQS 方法是采用我们的实验设计。在 DSCQS 方法，测试者被要求从同一观察一对图像测试图像，然后评估两个图像的质量。一这两个图像是原始图像，而另一个是测试下的图像。然而，测试者不告诉哪个图像是基准之一，因为参考图象的位置是随机变化。在该方法中

15、，测试图像可以被评为更好，等于或比基准更差被比较。评价是基于在差分评级对于每一对，这是从相同的标准尺度填充测试从 到 1。然而，在分级表被置于正好在图像下进行评估。在概括地说，一个测试器具有通过充填率二者的图像的质量在每对对应于每一图像的品位。要执行图像质量的主观评价，我们写了使用 Web 应用程序 HTML， PHP 和MySQL，这使得同等观察条件的所有测试。 因此，统计分析的基础上，从 5测试分数（包括 2名专家和 3个非专家），使用一个谁评估每个参考和测试图像的质量连续质量量表。在评价过程的开始，一个刻划例如被引入到让测试人员知道的分级量表和图形用户界面（ GUI）。本教程后，我们用三

16、套虚拟演示（每个演示包含原始图像和修改的图像 ），以确定该测试仪的可行性意见。在第一表示对修改后的图像是一个近似原始图像，这是很难被人眼察觉。在修改后的图像第二对可以由那些谁是对颜色的变化敏感检测。最后修改后的图像具有非常大的变化，这不应该被接受的任何人。这些虚设演示在得分来确定是否是否测试仪的意见是可靠的，并且将不被包括在最后的计算分数。此外，为了评价测试的可靠性，一对参照的文图像还包括对每个测试图像。在一个测试环节中，一系列图像对（随机定位在屏幕上）的呈现以随机顺序。为了比较不同的测试图像的结果，我们修改了原来的 MOS 式从 DSCQS 成规格化的 MOS（ NMOS）如下： 其中， M

17、NK 是测试 n，用于测试条件 k 的得分， MNO 是测试 N 代表的得分原始图像和 N 是测试者的数目。 4 实验结果 我们在九个测试图像（莉娜，辣椒，水果进行近似 -K 处理，飞机，缆车，钢笔，狒狒，麦田和 Tiffany），这要么是 512 512或 512 48的尺寸。所有 9个测试图像具有不同的饱和度的直方图分布。为了使实验结果更清楚，我们将九个测试图像分为三个根据它们的饱和直方图分布（表 1）基团。组 1由形成图像的饱和度分布是两个高斯分布的混合物，如莉娜，辣椒和水果。第 2组是由影像的大多数像素都非 常的低饱和，如飞机，缆车和笔。其他三个测试图像（狒狒，玉米田和 Tiffany

18、）构成的 3 组。一般来说，大多数像素的图像中的在组 3 有饱和度值在定位 0.2,0.4。我们想从分析节约像素的观点之间的关系。民防部队用作工具，以确定每个测试图像的阈值。如图 5，图 6 和 7，一旦所需的像素保存被确定，就可以再使用的 CDF 映射到得到的门槛。因为我们的目的是为了降低成本，使人类的眼睛难以区分的，这是不够的可靠评估仅基于我们的工作 PSNR值。在本节中，既有客观（ PSNR）和主观（ DSCQS）评价方法应用于修正后的图像的相同集合 。 4.1 客观评价 图 5,6和 7显示出了原始测试图像一起使用修改过的图像我们算法与像素储蓄变化从 50至 30。对于每个组，我们使用

19、的 PSNR值和 NMOS提出我们的算法的性能。这两组示的 （图 8，图 9和 1）的水平轴线表示像素节省率和其垂直轴代表信噪比值和修正后的图像的 NMOS分别。 4.2 主观评价 图 8，我们可以观察到三个测试图像与 NMOS值很高在第一。然而，海伦，辣椒和水果的 NMOS值比 0.8时在像素下节省率是 15以上， 10和 15以上，分别。换句话说，测试器只能接受这个结果的图像高达 10-15的储 蓄像素。图。9，因为这三个测试图像的 2组 NMOS值大于 0.85的所有较大的，我们可以清楚地知道图像质量是可接受的，当像素节省比率在 3以内。根据图。 1，在 NMOS值大于 0.8像素节省比

20、率时是对所有三个测试图像低于 2。换句话说，图像质量是可接受的与像素节省高达 2。根据研究结果，更高的信噪比值往往会带来更高的价值 NMOS。 在 PSNR 与 NMOS 比较之后，我们可以很容易地找出这些修改图像，测试人员可以分辨很难有更多的像素在低饱和区域。换句话说，结果符合我们的理论，认为人的眼睛是不敏感区分小的变化颜色。平均 DSCQS 分数为原测试图像示于表 2作为参考。 在这篇文章中，使用 NMOS 值等于 0.8 为标准，这意味着可以接受图像具有最高的阈值，九测试图像的像素节约比示于表 3假设印刷使用 CMY高于只使用在 K 调色剂 s的次数的像素。我们可以计算出从像素储蓄率的实

21、际印刷成本，成本比 S 公式为。一般地，印刷成本为我们的算法是在原价格的平均 84。4.3 在日 常生活中的例子 此外，并不是所有的图片从始至终都印在高品质。现在人们喜欢印刷照片日常生活上的对象，例如杯子或 T 恤衫等的要确保的可用性的我们的日常生活中提出的算法中，我们使用的一些照片，如从捕获的快照任一移动电话或数码相机（图 11）。从这些例子中，很清楚，大多数的它们具有相似的饱和度分布以在组图片。图 12示出的结果使用我们的算法这四个画面与 30的像素储蓄，他们都可以有 PSNR值大于 40。 5 结论和未来的工作 在这篇文章中，我们提出了近似 -K 算法，以节省墨水或调色剂的用法用于彩色印

22、刷机。首先，我们发现用颜色测 试图像类似于灰阶的像素。其次，我们把这些像素成近似 -K 值。最后，我们计算 PSNR和，分别为 DSCQS 主观和客观的图像质量评价。根据我们的实验结果，在使用我们的算法成本印刷图像平均 84的原价在一般的图像。此外，我们发现，用更多的像素中的低饱和区域的图像（第2组）更适合用我们的算法。印刷这些低饱和图像可以节省 60以上的调色剂。对于我们今后的工作中，我们希望能够找到一个算法，可以确定阈值自动。储蓄就可以实现对飞机，缆车，和笔均远远大于其它测试图像，以及它们的斜率和其的 CDF的区域比其他人的较大为好。因此，有可 能找到基于 CDF的斜率或区域中的合适的阈值

23、。 致谢 参考文献 1. Ross HE, Murray DJ (1996) E.H. Weber on the tactile senses, 2nd edn. Erlbaum (UK) Taylor & Francis, Hove 2. Ortiz Segovia MV, Bonnier N, Allebach JP (2012) Print quality analysis for ink-saving algorithms. ProcSPIE Image Qual Syst Perform IX vol 82933. 3. Son CH, Cho YH, Lee CH, Ha YH (

24、2006) Six-color separation using additional colorants and quantitativegranularity metric. J Imaging Sci Technol 5(1):25344. 4. Ortiz Segovia MV, Bonnier N, Allebach JP (2012) Ink-saving strategy basedon document content characterization and halftone textures. Proc SPIE Color Imaging XVII Display Har

25、dcopy Process Appl vol 82925. 5. Harris AW, Kaplan P, Bouby B, Lim J (2008) Printer ink reduction. in USPatent 28/175641 A1 6. Son CH, Jang IS, Lee TH, Ha YH (2001) Photo-inkjet printing method based on limited colorant amountand dot-visibility ordering. IEEE Trans Consum Electron 56(2):282887. 7. S

26、on CH, Park HM, Ha YH (2011) Improved color separation based on dot-visibility modeling and colormixing rule for six-color printers. J Imaging Sci Technol 55(1):1551155168. 8. Safonov IV, Tolstaya EV, Rychagov MN, Lee H, Kim SH, Choi D (2012) Bio-inspired color sketch foreco-friendly printing. Proc

27、SPIE Color Imaging XVIIDisplay Hardcopy Process Appl vol 82929. 9. Das S, Bandyopadhyay P, Paul S, Ray AS, Banerjee M (2009) A New Introduction Towards InvisibleImage Watermarking on Color Image. IEEE Int Adv Comput Conf pp 122412291. 10. Liao HY, Ye RS (2008) A novel digital image watermarking appr

28、oach based on image blocks similarity.Congr Image Signal Process 5:6266311. 11. Wang SM, Fan Y, Yu P (2009) A Watermarking Algorithm of Gray Image Based on Histogram. CongrImage Signal Process pp 1512. Tseng SS (2001) AParameterized-K Algorithm to Save CMY Color Toner Usage. 12. Masters thesis, Taiw

29、anUniversity of Science and Technology, Retrieved from http:/pc1.lib.ntust.edu.tw/ETD-db/index.html 13. Tkalcic M, Tasic JF (2003) Colour spaces: perceptual, historical and applicational background. IEEE Reg8 EUROCON Comput Tool 1(3):343814. 14. Hu WK, Lin CH, Shie MC (2011) An Economic Color Printi

30、ng Algorithm Using Approximate-K. IntSymp Consum Electron pp 37938315. 15. Gonzalez RC, Woods RE (2008) Digital image processing, 3rd edn. Prentice Hall, New York, pp2953116. 16. Nohara F, Horiuchi T, Tominaga S (2009) An Accurate Algorithm for Color to Gray and Back. the 16th IEEE Int Conf Image Pr

31、ocess, pp 48548817. 17. Chen G (2001) Application of processing techniques from color image to grey image. 2nd Int Conf SoftwTechnol Eng 2:37237518. 18. Tanaka G, Suetake N, Uchino E (2007) Color Removal Method Based on Signed Color Distance andNonlinear Projection. Int Symp Intell Signal Process Co

32、mmun Syst pp 11211519. 19. Song ML, Tao DC, Chen C, Li XL, Chen CW (2001) Color to gray: visual cue preservation. IEEE TransPattern Anal Mach Intell 32(9):153715522. 20. Kekre HB, Thepade SD (2009) Improving Color to Gray and Back Using Kekres LUV Color Space.IEEE Int Adv Comput Conf pp 1218-122321.

33、 21. Noda H, Takao N, Niimi M (2007) Colorization in YCbCr space and its application to improve quality ofJPEG color images. 14th Int Conf Image Process 4:38538822. 22. Zhang F, Xu YL (2009) Image Quality Evaluation Based on Human VisualPerception. Control DecisConf pp 148714923. 23. Dusek J, Roubik K (2003) Testing of new models of the human visual system for image qualityevaluation. Proc 7th Int Symp Signal Process Appl 2:621