专利名称：取决于密度的锐化的制作方法
技术领域：
本发明涉及数字图像处理，并且更加具体地讲，涉及用于锐化数字图像的技术。
背景技术：
前面引用的名称为“Thermal Imaging System”的专利公开了一种具有多种颜色形成层的打印介质。参照图1，示出了前面引用的专利申请中公开的介质100的一种实施方式的结构的示意图。着色剂中的两种，黄色和品红(为了图解说明而将这两种着色剂表示为一层，但是它们一般来说存在于分离的层中)102a，接近介质100的顶部，而第三种着色剂青色102c由厚度大约为125μm的相对较厚基质102b与前两种着色剂分隔开。注意，在图1中，层102a-d并不是按比例画出的。而是，基质层102b相对于剩余的层102a和102c-d要比图1中所画出的厚得多。介质100底部的TiO2层102d为介质100上打印的图像提供白色背景。介质100中所有这些层102a-d都具有基本上相同的折射系数，并且可以将TiO2层120d设计成散射朗伯(Lambertian)反射器。
参照图9，示出了曲线900，该曲线图解说明打印在介质100上的边缘的锐度质量因子(SQF)(轴902b)为平均边缘密度(轴902a)的函数。正如本领域技术人员众所周知的，SQF是感受锐度的量度。曲线904a是针对现有介质(比如图1中所示的介质100)的平均边缘密度与SQF对应关系的曲线图。从曲线图904a中可以看出，SQF是平均边缘密度的强函数，并且打印边缘的锐度随着密度减小而降低。换句话说，在较低的密度下，会出现比较高密度下更加模糊不清的情况。
返回到图1，可以通过追踪光穿过介质100的路径104来理解这一现象。在光进入介质100的层102a时，光线沿着直线路径前进(基于所有层102a-d都具有相同的折射系数这一假设)，直到它达到TiO2层102d。TiO2层102d使入射光发生散射，然后该入射光遵循朗伯反射器的余弦定律以随机角度从TiO2层102d中再度浮现出来。从TiO2层102d反射回来的光沿着直线路径(穿过层102c、102b和102a)返回到介质100的表面。
如果这一反射光在介质/空气交界面上的入射角很大，则它将会经历全内反射，返回到介质100中，如图1中所示。刚刚介绍过的过程将会重复发生，直到TiO2层102d将光线以足够小的角度进行反射，使得它在介质100与空气106的交界面处不会经历全内反射，从而从介质100中逸出到空气106中。
假设基质层102b的厚度很大，则介质100内的这些多次反射会造成光线沿横向行进一段相当长的距离(图1中的点108a和108b之间的距离)，导致边缘锐度降低。任意点上的感受密度是通过对横过穿过介质100的所有可能路径的光线的强度求平均而获得的。在线性强度域中进行的所述求平均使得锐度降低成为打印密度的函数。因此，以低密度打印的边缘没有以高密度打印的同等边缘锐利。
因此，所需要的是消除这种取决于密度的模糊不清对锐化打印数字图像的影响的技术。
发明内容
公开了一种用于对数字图像进行取决于密度的锐化的锐化滤波器。在一种实施方式中，将要加以锐化的数字图像分解成该图像在不同分辨率下的多个高通形式。在每个分辨率下获得这些高通图像并且与原始图像重新组合，以产生图像的锐化形式。在每个分辨率下应用的增益是取决于密度的。结果，消除了取决于密度的模糊不清的影响，从而最终打印图像的锐度与打印密度无关。公开了用来以高计算效率进行这种取决于密度的锐化的技术。
例如，按照本发明的一个方面，提供了通过下列步骤处理源图像的技术(A)识别源图像具有第一密度d0的第一部分；(B)根据所述第一密度d0识别第一增益g0；(C)按照所述第一增益g0应用锐化滤波器，以产生锐化图像的第一部分；(D)识别所述源图像具有第二密度d1的第二部分，该第二密度d1不同于第一密度d0；(E)根据所述第二密度d1识别第二增益g1，其中第二增益g1不同于所述第一增益g0；和(F)按照所述第二增益g1应用所述锐化滤波器，以产生所述锐化图像的第二部分。
按照本发明的另一个方面，提供了通过下列步骤处理源图像的技术(A)初始化源图像的锐化形式；(B)对于多个分辨率l中的每个分辨率，进行下列步骤(1)识别与分辨率l相关的增益G；(2)识别所述源图像到与分辨率l相关的基本函数B上的投影P；(3)根据所述增益G和所述投影P更新所述源图像在分辨率l下的所述锐化形式；和(4)提供所述源图像的更新的锐化形式作为所述源图像的最终锐化形式。
从下述说明书和权利要求中，本发明的其它特征和各个不同方面和实施方式的优点将会变得显而易见。
图1是多层打印介质和由光线跟踪的路径的示意图，所述光线由TiO2层散射并且在退出介质之前要经历全内反射；图2A-2B是在本发明的一种实施方式中计算输入图像到多个基本函数上的投影所执行的方法的流程图；图2C是按照本发明的一种实施方式在一个层中进行的、获得多分辨率分解的滤波操作的框图；图2D是按照本发明的一种实施方式用来产生输入图像的锐化形式的方法的流程图；图2E是在本发明的一种实施方式中用来估算在锐化输入图像的过程中使用的增益函数的方法的流程图；图2F是在本发明的一种实施方式中用来识别在锐化输入图像的过程中使用的增益的方法的流程图；图2G是在本发明的另一种实施方式中用来识别在锐化输入图像的过程中使用的增益的方法的流程图；图2H是在本发明的一种实施方式中执行的、用来估算锐化滤波器的期望锐化响应的方法的流程图；图3是按照本发明的一种实施方式会造成最小运算量的用来将图像信号从最细粒分辨率抽选成最粗粒分辨率的像素网格和数据流图的示意图；图4是按照本发明的一种实施方式用来将图像信号从最粗粒分辨率内插成最细粒分辨率的数据流图的示意图；图5是按照本发明的一种实施方式使用针对图3中所示的抽选网格进行的求平均和使用图4中所示的网格进行的线性内插，用于4层锐化滤波器的频域内的基本函数的曲线图；图6A是按照本发明的第一实施方式取决于密度的锐化系统的框图；图6B是按照本发明的第二实施方式用于进行取决于密度的锐化的系统的框图；图6C是按照本发明的第三实施方式用于估算取决于密度的锐化滤波器的期望频率响应的系统的框图；图7A是按照本发明的一种实施方式用于进行取决于密度的锐化的方法的流程图；图7B是按照本发明的另一种实施方式用于进行取决于密度的锐化的方法的流程图；图8A是按照本发明的一种实施方式，作为密度的函数的、用于每层的高频通道的估算增益的曲线图；图8B是示出了按照本发明的一种实施方式使用图8A中所示的层增益按照取决于密度的锐化算法处理的、跨越整个密度范围的多个阶梯边缘的曲线图；和图9是示出了现有系统和按照本发明一种实施方式的取决于密度的锐化系统的SQF的曲线图。
具体实施例方式
参照图6A，示出了按照本发明的一种实施方式的锐化系统600的框图。系统600包括原始图像602，由取决于密度的锐化滤波器604对该图像进行锐化，以产生锐化图像606。参照图7A，示出了方法700的流程图，该流程图代表系统600进行取决于密度或取决于灰度级的锐化的一种直接方式。总地来说，方法700在空间域内进行滤波并且从一个区域(例如，像素)到另一个区域地改变滤波器支集(support)和形状。
更加具体地讲，方法700针对原始图像602中的每个区域R(例如，每个像素)展开循环(步骤702)。方法700使用较大区域S0识别区域R的局部密度d，较大区域S0是R的父集(步骤704)，并且根据密度d选择锐化滤波器604参数(步骤706)。这些参数的例子包括滤波器形状和支集。方法700使用所识别的参数对区域S1应用锐化滤波器604，区域S1也是区域R的父集，并且根据得到的滤波图像来修改区域R，以产生区域R的锐化形式(步骤708)。例如，可以用通过对区域S1应用锐化滤波器604产生的滤波图像中的具有相同坐标的区域来替换区域R。方法700对原始图像602中的剩余区域重复进行步骤704-708，从而产生锐化图像606(步骤710)。
在这种办法中，滤波器参数是局部密度的函数。局部密度可以是通过利用适当的支集对图像602进行低通滤波而计算出来的。不过，这样的方法存在高计算复杂度的问题，尤其是在每个区域是单一像素并且锐化和低通滤波器的期望支集在某些密度等级下很大的情况下。现在将会更加详细地讨论，约束锐化滤波器604的形状能够获得非常有效的锐化算法。
在本发明的一种实施方式中，不是为每个区域任意选择锐化滤波器604的形状，而是将锐化滤波器604的形状约束为处于由一组基本函数B跨越的空间内。参照图7B，示出了方法720的流程图，在本发明的一种实施方式中，由系统600使用方法720来使用基本函数B执行取决于密度或取决于灰度级的锐化。下面将参照图2A-2D描述产生基本函数和相关增益的技术的例子。注意，基本函数B和相关增益可以是在进行图7B中的方法720之前预先计算出来的。
方法720针对原始图像602中的每个区域R(例如，每个像素)展开循环(步骤702)。方法720使用较大区域S0识别区域R的局部密度d，较大区域S0是R的父集(步骤704)。步骤702和704可以按照前面针对图7A介绍的方式进行。
方法720针对密度d识别基本函数B的增益(步骤722)。方法720计算原始图像602到基本函数B上的投影P(步骤724)。方法720通过使用所识别的增益对投影P进行组合来获得区域R的锐化形式(步骤726)。方法700对原始图像602中的剩余区域重复进行步骤704、722、724和726，从而产生锐化图像606(步骤710)。
在本发明的一种实施方式中，基本函数的选择是基于两种考虑来掌控的。首先，要这样来选择基本函数使得从期望的锐化滤波器到可使用基本函数实现的锐化滤波器有最小的可感知降级。其次，应当有一种有效方法来计算输入图像到所选择的基本函数上的投影。
在本发明的一种实施方式中，基本函数是这样选择的使得高频区域(regime)具有低频分辨率，并且低频区域具有高频分辨率。参照图5，按照本发明的一种实施方式示出了具有这些属性的一组基本函数504a-d的曲线图500。从图5中可以看出，在图5中与频率(轴502a)相对应地绘出幅度(轴502b)，基本函数504a-d随着频率的增大而逐渐变宽。这样一组基本函数504a-d可以使用递归多分辨率框架高效地产生，稍后将对此详加介绍。
参照图6B，示出了按照本发明的一种实施方式进行取决于密度的锐化的系统610的框图。系统610包括用于打印数字图像的打印机620。在人眼观看打印图像624时，图像612中引入介质模糊(mediablurring)622。在图6B中所示的系统610中，在打印机620“预锐化”原始输入数字图像612之前引入了锐化滤波器604。滤波器604包括基本函数614。滤波器604产生要输入给打印机620的预锐化图像616，目的是使由打印机620产生的和由人眼看到的最后所得到的打印图像624与原始输入图像612相同。
现在将介绍用来计算输入图像到基本函数614上的投影的技术的例子。令x代表原始图像612。令xs代表锐化图像616。参照图2A，示出了在本发明的一种实施方式中使用的、用来计算原始图像612到基本函数614上的投影的方法200的流程图。
令上标(l)代表图像的分辨率等级l，其中l＝0代表最细粒分辨率(finest resolution)，而l的值越大代表分辨率越粗粒(coarse)，用L代表最粗粒分辨率。例如，x(l)代表原始图像602在分辨率等级l下的显示。令Ilk代表使图像从等级l变为等级k的内插或抽选运算符。于是暗示着，当k＜l时，Ilk是内插运算符。将使用粗体字代表向量和矩阵。
对于每个分辨率，将在这个分辨率下的原始图像拆分到两个频带中高通频带和低通频带。令xb(l)和xh(l)分别代表等级l下的低通和高通图像。按照前面介绍的符号记法，原始图像x的粗粒分辨率显示可以使用公式1知公式2来以递归方式获得x(0)＝x公式1x(l+1)=I1l+1x(l)+0,...,L-1]]>公式2如图2A中所示，方法200将原始图像602在分辨率等级0下的显示初始化成等于原始图像602(步骤201)，如公式1所表明的。方法200针对每个分辨率等级l展开循环(步骤202)。方法200计算对于分辨率l原始图像602到基本函数B上的投影P(步骤203)。方法200对剩余的分辨率重复进行步骤203(步骤204)。方法200的结果是原始图像602的多个投影P，每个投影对应于一种分辨率。
方法200可以是以各种各样的方式实现的。例如，参照图2B，示出了方法205的流程图，在本发明的一种实施方式中使用该方法205来计算原始图像612到基本函数614上的投影，从而实现方法200(图2A)。方法205象前面针对图2A介绍的那样对原始图像612的显示进行初始化(步骤201)。方法205针对每个分辨率等级l展开循环(步骤202)。方法205比如通过使用公式2获得x(l+1)，原始图像612在分辨率等级l+1下的显示(步骤206)。可以通过使用公式3将原始图像从较粗粒分辨率内插到当前分辨率而高效地计算低通图像xb(l)(步骤207)xb(l)=Il+1lx(l+1)]]>公式3可以使用公式4计算高通图像xh(l)(步骤208)，从而计算前面针对步骤203介绍的投影P(图2A)xh(l)=x(l)-xb(l)]]>公式4方法200可以通过重复进行步骤206-208获得所有分辨率等级下的低通和高通图像(步骤204)。参照图2C，示出了表示前面针对公式1-公式4介绍的多分辨率分解过程的一层(即，图2B中的循环的一次迭代)的框图。在图2C中，dec代表下采样系数。
将分辨率l下的图像x(l)222提供给低通滤波器224，该低通滤波器产生低通图像226，接着将该低通图像提供给下采样运算器228，该下采样运算器产生层l+1下的图像x(l+1)230。下采样运算器228通过丢弃中间采样来降低采样率。低通滤波器224和下采样运算器228组合在一起担当抽选滤波器227，用来产生分辨率l+1下的原始图像。图像x(l+1)230代表公式2的输出。注意，将抽选滤波器227分解成独立的低通滤波运算224和下采样运算228仅仅起到说明的作用。在实践中，为了节省效率，由下采样运算器228丢弃的采样不需要由低通滤波器224加以计算。
将图像x(l+1)230提供给上采样运算器232，该上采样运算器引入中间零采样来增加图像x(l+1)230的采样率，以产生图像234，接着将图像234提供给低通滤波器236，低通滤波器236产生分辨率l下的低通图像xb(l)238。上采样运算器232和低通滤波器236组合在一起担当内插滤波器235。图像xb(l)238代表公式3的输出。最后，加法器240从原始图像x(l)222中减去低通图像xb(l)，以产生分辨率l下的高通图像xh(l)242，该高通图像代表公式4的输出。注意，可以为各个层l复制图2C，以产生用于每一层(即，0≤l＜L)的低通图像xb(l)和高通图像Xh(l)。
从公式1、公式2和公式3中可以看出，产生低通图像的滤波器的脉冲响应记为Il+1lIll+1δ(l)，并且产生高通图像的滤波器的脉冲响应记为(1-Il+1lIll+1)δ(l)，其中δ(l)是分辨率l下的Kronecker德尔塔函数。
锐化可以通过获得每个分辨率(即，对于0≤l＜L)下的高通图像xh、然后使用获得后的高通图像重构图像来实现。图像集合{xh(l)l＝0，..，L-1}相当于原始图像612在不同分辨率下到基本函数上的投影，并且应用于这个集合中的每个图像的增益相当于与每个基本函数相关的系数(加权)。
为了校正由散射造成的取决于密度的模糊不清，将这些增益选择成为局部灰度级和分辨率的函数。令图像xg(l)代表分辨率l下的局部灰度级信息，并且令g(·，l)代表一种函数，该函数给出作为灰度级和分辨率的函数的增益。令xs(l)代表分辨率l下的锐化图像。最细粒分辨率下的锐化图像是使用公式5和公式6由最粗粒分辨率通过递归方式获得的xs(L)=x(L)]]>公式5xs(l)=Il+1lxs(l+1)+(l+g(xg(l),l))xh(l),l=L-1,...,0]]>公式6注意，g(·，·)代表高通通道对锐化图像的除了原始贡献之外的附加贡献。因此，当(·，·)＝0时，锐化图像606等于原始图像602。前面的说明利用xg(l)作为局部灰度级，该局部灰度级以空间变化形式调整针对高通分量的增益。因此，图像xg(l)的计算应该取决于影响图像模糊的部位的支集。为了保持一般性，我们使用公式7和公式8来记述这一运算xg(L)=x(L)]]>公式7xg(l)=Il+1lxg(l+1)+β(l)xh(l),l=L-1,...,0]]>公式8在公式8中，β(l)规定高通通道上的衰减。具体来说，在本发明的一种实施方式中，β(l)受到这样的约束β(l)≤β(l+1)≤1，l，因为xg(l)一般来说是x(l)的低通形式。倘若有这一约束，则如果β(l)＝1，我们有xg(l)=x(l)]]>，并且通过不计算这些分辨率等级下的图像xg(l)能够实现一定程度的计算量节省。另一种极端情况是，对于所有的l，β(l)＝0。在这种情况下，高通通道不对内插图像做出贡献，并且任何分辨率下的xg是作为原始图像在最粗粒分辨率下的内插形式来给出的，如公式9中所示。
xg(l)=ILlxgL,l=L-1,...,0]]>公式9在图2D中示出的流程图中图解说明了前面介绍的用来产生锐化图像xs(O)的技术。图2D中所示的方法250将最粗粒分辨率L下的锐化图像xs(l)初始化为与分辨率L下的原始图像x(L)相同(步骤252)。方法250将l的值设定为等于L-1(步骤254)。
方法250识别要应用于分辨率l的增益图像G(步骤256)，比如通过运用公式8来识别xg(l)，然后将增益图像G识别为(1+g(xg(l)，l))。方法250识别应用于分辨率l的投影P(步骤258)。如前所述，高通图像xh(l)可以用作为原始图像到基本函数B上的投影，在这种情况下，步骤258可以使用公式4来实现。
方法250将锐化图像从分辨率l+1内插到分辨率l(步骤260)。方法250将投影P乘以增益G，以获得PG(步骤262)。方法240将步骤260和262的结果相加，以获得xs(l)，即分辨率l下的锐化图像(步骤264)。
如果l的值不为零(步骤266)，则方法250没有完成产生最终锐化图像606，于是方法250使l递减(步骤268)并且对新的l值重复进行步骤256-264。当l达到零时，提供分辨率l＝0下的锐化图像(xs(O)作为最终的锐化图像606(步骤270)。
注意，前面取决于密度的锐化方案是前面针对公式1-公式4介绍的特定多分辨率分解方案加以介绍的。不过，也可以使用将图像分解成子带(低通和高通)，比如小波，的其它多分辨率方法。
抽选/内插滤波器224和236的支集和下采样系数228的选择决定着抽选/内插的像素间相关性。参照图3，对于具有最小运算量的系数为2的抽选操作示出了像素网格和数据流图400。如图3中所示，对于0≤l≤L(其中L＝3)的情况，存在四个层。亲代节点是通过对子代节点进行求平均而获得的，并且在相邻亲代节点的子代节点之间没有重叠。虽然其它有重叠子代节点的选择也是可以的，但是本讨论将会涉及图3中所示的抽选图400以维持较低的计算复杂度。还可以将同样从属关系的图400用于内插的目的，但是在这种情况下，我们应该需要采用最近相邻点内插，会在图像中造成不希望有的块状伪像。从最小计算量的观点出发，下一种最佳可选方案是按照数据流图410选择线性内插，如图4中所示。
注意，在前面介绍的实施方式中执行取决于密度的锐化算法牵涉到不同分辨率等级下的两个额外图像的存储，即，增益图像xg和锐化图像xs的存储。可能难以提供这样的存储，尤其是在内置的环境下。因此，不再进行多分辨率分解到基本函数并且然后对整个源图像612作为一个整体进行锐化，本领域普通技术人员将会理解如何以块状的形式对图像612的部分进行抽选和内插，从而减小锐化滤波器604的存储要求。
从公式6中可以看出并且前面针对图2D介绍过，锐化图像606是通过对不同层上的高通图像进行调整和求和来构造的。因此高通通道形成了锐化图像xs的基础。注意，最粗粒分辨率L下的原始图像(即，x(L)也是基本函数，但是由于没有对其加以调整，因此我们仅仅将注意力放在高通通道上。
如前面所提到的，公式6中的增益函数g(d，l)是密度和分辨率层的函数。前面针对图2D中所示的方法250的步骤256指出了，可以识别层l的增益G。现在将介绍用来估算增益函数g(d，l)的技术的实例。一旦估算出增益函数g(d，l)，就可以使用它来例如以前面介绍的方式实现步骤256。参照图2E，示出了在本发明的一种实施方式中用来估算增益函数g(d，l)的方法280的流程图。
不同层对最细粒分辨率下的脉冲的最细粒分辨率(l＝0)下的高通响应由公式10给出hln=Il0(1-Il+1lIll+1)I0lδn(0)]]>公式10在公式10中，n代表脉冲的空间位置。注意，不同层次的脉冲响应不是移位不变(shift-invariant)的；因此需要在脉冲响应的表示中包括输入脉冲的空间位置。可以示出，层l的脉冲响应的唯一相位的数量为decl+1，其中dec是下采样系数218。基本函数的这种非唯一性对确定每个层的调整系数或增益值造成了问题。由于自然图像应该在所有可能位置上都有边缘，在本发明的一种实施方式中，对层l的所有decl+1个脉冲响应求平均，以获得该层的基本函数。
令Hln表示hln的傅立叶变换。于是由公式11给出频域中的平均基本函数HlHl(f)=Σn=0decl+1-1ej2mfHln(f)]]>公式11在公式11中，ej2mf是使脉冲响应的所有不同相位空间对齐的系数。注意，如果相位n的脉冲响应是不对称的，则Hln可以是复数。不过，平均响应总是对称的并且因此Hl(·)是实数。
再次参照图2E，方法280针对每个分辨率l展开循环(步骤282)并且使用例如公式11识别平均基本函数Hl(步骤284)。该方法280对每个层l重复进行步骤284(步骤286)。令H代表一个矩阵，该矩阵的列是通过公式11的这一重复运用在频率的离散集合下计算出来的高通基本函数。
参照图5，示出了用于4层分解的基本函数504a-d，其中将抽选系数218选择为2并且分别为内插和抽选操作采用线性内插和求平均。注意基本函数的频率分辨率是如何随着层的空间分辨率减小(沿着轴502a)而增加的。
令S(f，d)为期望的锐化滤波器在打印密度d下的频率响应。令S(d)表示期望的频率响应在频率的离散集合下的列向量。再次参照图2E，方法280针对每个密度d展开循环(步骤288)并且识别密度d的期望频率响应(步骤290)。
然后由公式12给出使期望响应和实际响应之间的误差在均方方面上最小的基本函数的系数(层增益g(d，1))g(d，·)＝(HTH)-1HT(S(d)-1)公式12在公式12中，g(d，·)表示包含每一层在打印密度d下的增益的列向量，并且1代表全部为一的列向量。我们在最小平方拟合中用(S(d)-1)代替S(d)，因为，如前面所示的，g(d，·)代表高通通道在锐化图像中除了原始贡献之外的额外贡献。
方法280使用例如公式12根据平均基本函数H和期望频率响应S(d)识别密度d的增益g(d，·)(步骤292)。方法280对剩下的密度重复进行步骤290-292并且从而识别相应的增益(步骤294)。
期望的频率响应S(f，d)典型地是由打印样本估算出来的并且可能会因需要进行求逆(下面将会更加详细地讨论)而出现高噪声的问题。为了在存在这种噪声的情况下获得强健的层增益估算，希望进行加权的最小平方拟合。由于我们感兴趣的是打印图像624的感觉锐度，在本发明的一种实施方式中，我们选择眼睛的对比灵敏度函数作为频域中的加权函数。令E代表对角矩阵，该对角矩阵包含对比灵敏度函数的频率响应。然后使用公式13获得层增益g(d，·)＝(HTEH)-1HTE(S(d)-1)公式13可以以图2F中所示的方式将这一技术结合到方法280(图2E)中。方法280的步骤292可以包括识别加权函数(比如E)(步骤302)并且然后使用公式13根据平均基本函数H、加权函数E和期望的频率响应S(d)识别密度d的增益(步骤304)的步骤。
希望强制要求g(·，·)≥0，以便确保我们针对原始图像602进行锐化。有可能公式13针对某种期望的响应得出某些层增益的负值。在本发明的一种实施方式中，当获得负增益时，将造成这些负增益的基本函数排除(例如，通过从矩阵H中排除这些基本函数的列)。然后仅仅使用剩余的基本函数重新进行加权的最小平方拟合。然后将排除掉的基本函数的增益设置为零。
可以例如通过按照图2G中所示的方式执行方法280(图2E)的步骤292来应用这一技术。使用例如公式12识别增益的初始集合g(d，·)(步骤306)。如果步骤306中识别的增益都不是负值(步骤308)，则保留所识别的这些增益，以备随后用在锐化滤波器604中(步骤310)。如果有任何一个增益是负值，则抛弃与这些负增益相对应的基本函数(步骤312)，将相应的增益设置为零(步骤314)并且重新计算剩余基本函数的增益(步骤306)。可以根据需要重复进行步骤306、308、312和314，以产生所有的非负值增益。
再次参照图6B，示出按照本发明的一种实施方式的整个锐化系统610。从图6B中可以看出，取决于密度的锐化滤波器604在打印机620和后续的介质模糊622之前。在这样的系统中，取决于密度的锐化滤波器604对输入图像612进行锐化，以产生预锐化图像616，从而在由系统模糊(system blur)618(即，介质模糊622与打印机620引入的任何模糊的组合)对其产生影响时，在打印图像624中再现出原始图像612。
为了估算锐化滤波器604的响应，针对所有平均边缘密度对如图6B所示的滤波器604需要输入和输出阶梯边缘(step-edge)。不过，所输出的能够产生完美打印阶梯边缘624的预锐化边缘616并不是很容易能得到的。可以使用很费时间的试凑法来识别这一预锐化边缘616。
按照另一种可选方案，在本发明的一种实施方式中，可以交换取决于密度的锐化滤波器604与系统模糊618的顺序，如图6C的系统630中所示。在系统630中，系统模糊618产生模糊的图像632，由取决于密度的锐化滤波器604对其进行锐化，以产生(锐化的)打印图像624。注意，如果系统模糊618和取决于密度的滤波器604是线性系统，则图6C中所示的系统630等价于图6B中所示的系统610。如果它们不是线性系统，则只要系统模糊618和取决于密度的滤波器604是局部线性的，交换就是有效的。图6C中所示的实施方式的优点在于，取决于密度的锐化滤波器604的输入和输出很容易得到，从而能够很轻松地计算出滤波器604的期望频率响应。
参照图2H，示出了在本发明的一种实施方式中执行的、用来估算期望的锐化响应的方法320的流程图。方法320针对打印机620的密度范围内的每个密度d展开循环(步骤322)。打印平均密度为d的阶梯边缘(步骤324)，并且扫描该阶梯边缘(步骤326)。可以将阶梯边缘的幅度选择得较小，以确保能够将整个系统630近似作为针对这些边缘的线性系统。如果阶梯边缘的幅度较大，则可以独立地对待该边缘的两半，因为倘若密度变化较大，两端上的响应是不同的。
计算阶梯边缘的线扩展函数(步骤328)，并且进行线扩展函数的频率转换(步骤330)。结果代表打印机/介质系统630的频率响应。为了获得取决于密度的锐化滤波器604针对密度d的期望响应，对打印机/介质系统630的频率响应求逆(步骤332)。可以针对每个密度d重复进行步骤324-332，以获得每个密度下的期望响应。
步骤332中执行的求逆处理易受噪声放大的影响，并且前面针对公式10-公式13介绍了一种用于估算层增益的强健估算技术。使用公式13，我们可以估算作为平均边缘密度函数的层增益。图8A示出了所估算的层增益。具有最大增益的层取决于打印件dpi和打印件的观看距离。对于图8A中所示的例子，打印件dpi为300并且观看距离假设为18英寸。在这种情况下，层1具有最大增益，因为层频率响应与眼睛的对比灵敏度函数中的峰值相一致。如果没有采用眼睛加权，则最细粒分辨率层0会因S(d)的估算中存在很大的高频噪声而具有非常大的增益。不过，通过眼睛加权，层0的增益是合理的，如图8A中所示。而且要注意，较高层仅仅在低密度上使用，而在较高密度上较高层消失。这会使锐化滤波器支集从低密度端的大约32个像素变化到高密度端的大约8个像素。在图8B中可以清楚看到这一效果，图8B示出了使用图8A中所示的增益在利用取决于密度的锐化算法处理的不同密度等级下的多个阶梯边缘。
再次参照图9，曲线图900将没有取决于密度的锐化的打印机/介质系统中打印边缘的锐度(曲线904a)与图6C中所示的系统(曲线904b)进行了比较，在图6C所示的系统中，取决于密度的滤波器604起到了针对打印机/介质模糊618的逆系统的作用。在SQF曲线904a-b中可以看出，取决于密度的锐化滤波器604有效地使SQF平坦化，使得它与打印密度无关。在低密度下有35个SQF单位的增益，而在高密度端有18个SQF单位的增益。
本发明的实施方式具有各种各样的优点，包括但不局限于下列优点。总地来说，本发明的实施方式使得锐化能够以取决于密度的方式进行，针对其中出现更加模糊的密度进行更深度的锐化。典型地，较低的密度比较高的密度更加容易受模糊不清的影响。如图9中所示，可以应用本发明的实施方式在较低密度的区域内进行比较高密度的区域内更加深度的锐化。结果，本文公开的技术可以在单独一个图像内以因模糊量而定的方式应用不同程度的锐化。本文公开的技术因此可以获得在需要的情况下并且达到所需要程度的锐化，而不会在不需要锐化的情况下获得锐化造成的伤害。
本发明的实施方式的另一个优点在于，多分辨率框架的使用使得锐化能够在高度计算效率的情况下来进行。如前面所介绍的，将源图像分解为多分辨率下的多个图像。对较低分辨率图像进行滤波要比对整个图像进行滤波需要明显少得多的计算量。对这些较低分辨率图像进行滤波和对它们进行重新组合会产生高质量的锐化，而又不会带来由使用常规技术对整个图像进行滤波而引起的计算成本。
应该理解的是，虽然上文根据特定实施方式介绍了本发明，但是前述实施方式仅仅是作为解释说明而给出的，而并不限制或限定本发明的范围。各种不同的其它实施方式，包括但不局限于下列的实施方式，也处于权利要求的范围之内。例如，可以将本文介绍的元件和组件进一步分成额外的组件或结合在一起以形成较少的组件来实现相同的功能。
虽然结合图1中所示的介质100介绍了本发明的某些实施方式，但是本文公开的技术并不局限于与介质100结合在一起使用。而是，本文公开的技术可以与具有任意层数和任意颜色组合的介质结合在一起使用。一个(或多个)成像层可以位于介质结构内的任何位置上。
前面介绍的技术可以例如用硬件、软件、固件或者它们的任意组合来实现。前面介绍的技术可以以在可编程计算机上执行的一个或多个计算机程序来实现，该可编程计算机包括处理器、可由处理器读取的存储介质(包括，例如，易失性和非易失性存储器和/或存储单元)、至少一个输入装置和至少一个输出装置。可以使用输入装置进行键入来将程序代码应用给输入端，以实现所介绍的功能和产生输出。可以将输出提供给一个或多个输出装置。
所附权利要求范围之内的每个计算机程序可以用任何编程语言来实现，比如汇编语言、机器语言、高级过程程序设计语言或面向对象的程序设计语言。程序设计语言可以是例如经过编译或翻译的程序设计语言。
可以将每个这样的计算机程序实现在计算机程序产品中，该计算机程序产品确实实现在由计算机处理器执行的机器可读存储装置中。本发明的方法步骤可以由运行确实实现在计算机可读介质上的程序的计算机处理器来执行，以通过对输入进行操作和产生输出来实现本发明的功能。适当的处理器包括，举例来说，通用和专用微处理器。一般来说，处理器接收来自只读存储器和/或随机存取存储器的指令和数据。适合用于确实实现计算机程序指令的存储装置包括，例如，所有形式的非易失性存储器，比如半导体存储装置，包括EPROM、EEPROM和闪存装置；磁盘，比如内部硬盘和可移动盘；磁光盘；和CD-ROM。前述任何一种可以由专门设计的ASIC(专用集成电路)或FPGA(现场可编程门阵列)来补充或者结合在这些ASIC或FPGA中。计算机一般来说还可以接收来自存储介质(比如内部盘(未示出)或可移动盘)的程序和数据。这些元件也可以在常规的桌上型或工作站计算机以及适于执行实现本文介绍的方法的计算机程序的其它计算机中找到，这些元件可以与任何数字打印机或打印器、显示监视器或能够在纸张、胶片、显示屏或其它输出介质上产生颜色或灰度级像素的其它光栅输出装置结合在一起使用。
权利要求
1.一种处理源图像的方法，该方法包括步骤(A)识别源图像具有第一密度d0的第一部分；(B)根据所述第一密度d0识别第一增益g0；(C)按照所述第一增益g0应用锐化滤波器，以产生锐化图像的第一部分；(D)识别所述源图像具有第二密度d1的第二部分，该第二密度d1不同于第一密度d0；(E)根据所述第二密度d1识别第二增益g1，其中第二增益g1不同于所述第一增益g0；和(F)按照所述第二增益g1应用所述锐化滤波器，以产生所述锐化图像的第二部分。
2.按照权利要求1所述的方法，还包括步骤(G)在步骤(C)之前，根据所述第一密度d0识别第一支集s0；和(H)在步骤(F)之前，根据所述第二密度d1识别第二支集s1；其中步骤(C)包括按照所述第一增益g0和所述第一支集s0应用所述锐化滤波器以产生所述锐化图像的所述第一部分的步骤；和其中步骤(F)包括按照所述第二增益g1和所述第二支集s1应用所述锐化滤波器以产生所述锐化图像的所述第二部分的步骤。
3.按照权利要求1所述的方法，其中步骤(B)包括步骤(B)(1)识别所述第一密度d0的多个基本函数的增益；和其中步骤(C)包括步骤(C)(1)计算所述源图像到所述多个基本函数上的投影；和(C)(2)通过使用所述增益组合所述投影来产生所述锐化图像的所述第一部分。
4.一种用于处理源图像的装置，该装置包括第一识别装置，用于识别源图像具有第一密度d0的第一部分；第二识别装置，用于根据所述第一密度d0识别第一增益g0；第一应用装置，用于按照所述第一增益g0应用锐化滤波器，以产生锐化图像的第一部分；第三识别装置，用于识别所述源图像具有第二密度d1的第二部分，该第二密度d1不同于第一密度d0；第四识别装置，用于根据所述第二密度d1识别第二增益g1，其中第二增益g1不同于所述第一增益g0；和第二应用装置，用于按照所述第二增益g1应用所述锐化滤波器，以产生所述锐化图像的第二部分。
5.按照权利要求4所述的装置，此外还包括用于根据所述第一密度d0识别第一支集s0的装置；和用于根据所述第二密度d1识别第二支集s1的装置；其中所述第一应用装置包括用于按照所述第一增益g0和所述第一支集s0应用所述锐化滤波器以产生所述锐化图像的所述第一部分的装置；和其中所述第二识别装置包括按照所述第二增益g1和所述第二支集s1应用所述锐化滤波器以产生所述锐化图像的所述第二部分的装置。
6.按照权利要求4所述的装置，其中所述第二识别装置包括用于识别所述第一密度d0的多个基本函数的增益的装置；和其中所述第一应用装置包括用于计算所述源图像到所述多个基本函数上的投影的装置；和用于通过使用所述增益组合所述投影来产生所述锐化图像的所述第一部分的装置。
7.一种用于处理源图像的方法，该方法包括步骤(A)初始化源图像的锐化形式；(B)对于多个分辨率l中的每个分辨率，进行下列步骤(1)识别与分辨率l相关的增益G；(2)识别所述源图像到与分辨率l相关的基本函数B上的投影P；(3)根据所述增益G和所述投影P更新所述源图像在分辨率l下的所述锐化形式；和(C)提供所述源图像的更新过的锐化形式作为所述源图像的最终锐化形式。
8.按照权利要求7所述的方法，其中步骤(B)(2)包括步骤(B)(2)(a)获得所述源图像在分辨率l下的显示；(B)(2)(b)获得所述源图像在分辨率l下的低通带；和(B)(2)(c)根据所述源图像在分辨率l下的显示和所述源图像在分辨率l下的所述低通带获得所述源图像在分辨率l下的高通带。
9.按照权利要求8所述的方法，其中步骤(B)(2)(a)包括步骤(B)(2)(a)(i)对所述源图像进行低通滤波，以产生低通图像；和(B)(2)(a)(ii)对所述低通图像进行下采样，以产生所述源图像在分辨率l下的显示。
10.按照权利要求9所述的方法，其中所述步骤(B)(2)(b)包括步骤(B)(2)(b)(i)对所述源图像在分辨率l下的显示进行上采样，以产生上采样的图像；和(B)(2)(b)(ii)对所述上采样图像进行低通滤波，以产生所述源图像在分辨率l下的所述低通带。
11.按照权利要求10所述的方法，其中所述步骤(B)(2)(c)包括从所述源图像中减掉所述低通带以产生所述高通带的步骤。
12.按照权利要求7所述的方法，其中步骤(B)(3)包括步骤(B)(3)(a)将所述投影P乘以所述增益G，以产生一个乘积；和(B)(3)(b)将所述乘积与所述源图像在分辨率l下的所述锐化形式相加，以产生所述源图像在分辨率l下的更新锐化形式。
13.按照权利要求7所述的方法，还包括步骤(D)在所述步骤(B)之前，识别多个分辨率l中每个分辨率的平均基本函数；和(E)在所述步骤(B)之前，对于多个密度d中的每个密度(1)识别密度d的期望频率响应；和(2)根据所述平均基本函数和密度d的所述期望频率响应识别密度d的增益；其中，所述步骤(B)(1)包括将步骤(E)(2)中识别的增益之一识别为增益G的步骤。
14.按照权利要求13所述的方法，其中所述步骤(E)(2)包括步骤(E)(2)(a)识别加权函数；和(E)(2)(b)根据所述平均基本函数、密度d的所述期望频率响应和所述加权函数，识别密度d的增益。
15.一种用于处理源图像的装置，该装置包括用于初始化源图像的锐化形式的装置；迭代装置，对于多个分辨率l中的每个分辨率该迭代装置包括第一识别装置，用于识别与分辨率l相关的增益G；第二识别装置，用于识别所述源图像到与分辨率l相关的基本函数B上的投影P；第三识别装置，用于根据所述增益G和所述投影P更新所述源图像在分辨率l下的所述锐化形式；和提供装置，用于提供所述源图像的更新的锐化形式作为所述源图像的最终锐化形式。
16.按照权利要求15所述的装置，其中第二识别装置包括用于获得所述源图像在分辨率l下的显示的第一装置；用于获得所述源图像在分辨率l下的低通带的第二装置；和用于根据所述源图像在分辨率l下的显示和所述源图像在分辨率l的所述低通带，获得所述源图像在分辨率l下的高通带的第三装置。
17.按照权利要求16所述的装置，其中所述用于获得的第一装置包括用于对所述源图像进行低通滤波以产生低通图像的装置；和用于对所述低通图像进行下采样以产生所述源图像在分辨率l下的所述显示的装置。
18.按照权利要求17所述的装置，其中所述用于获得的第二装置包括用于对所述源图像在分辨率l下的显示进行上采样以产生上采样图像的装置；和用于对所述上采样图像进行低通滤波以产生所述源图像在分辨率l下的所述低通带的装置。
19.按照权利要求18所述的装置，其中所述用于获得的第三装置包括用于从所述源图像中减掉所述低通带以产生所述高通带的装置。
20.按照权利要求15所述的装置，其中提供装置包括用于将所述投影P乘以所述增益G以产生一个乘积的装置；和用于将所述乘积与所述源图像在分辨率l下的所述锐化形式相加以产生所述源图像在分辨率l下的更新锐化形式的装置。
21.按照权利要求15所述的装置，还包括第四识别装置，用于识别多个分辨率l中每个分辨率的平均基本函数；和迭代装置，对于多个密度d中的每个密度该迭代装置包括第五识别装置，用于识别密度d的期望频率响应；和第六识别装置，用于根据所述平均基本函数和密度d的所述期望频率响应识别密度d的增益；其中所述第一识别装置包括用于将所述第六识别装置识别的增益之一识别为增益G的装置。
22.按照权利要求21所述的装置，其中所述第六识别装置包括用于识别加权函数的装置；和用于根据所述平均基本函数、密度d的所述期望频率响应和所述加权函数识别密度d的增益的装置。
全文摘要
公开了一种用于对数字图像进行取决于密度的锐化的锐化滤波器。在一种实施方式中，将要加以锐化的数字图像分解成该图像在不同分辨率下的多个高通形式。在每个分辨率下获得这些高通图像并且与原始图像重新组合以产生图像的锐化形式。在每个分辨率下应用的增益是取决于密度的。结果，消除了取决于密度的模糊不清的影响，从而最终打印图像的锐度与打印密度无关。公开了用来以高计算效率进行这种取决于密度的锐化的技术。
文档编号H04N1/409GK101073251SQ200580042065
公开日2007年11月14日 申请日期2005年10月6日 优先权日2004年10月7日
发明者S·S·萨奎布 申请人:宝丽来公司