文獻(xiàn)綜述掃描圖像去噪算法應(yīng)用研究

1、<p>　　掃描圖像去噪算法應(yīng)用研究</p><p>　　1 課題研究目的及意義</p><p>　　掃描圖像在生成和傳輸過程中，常常因受到各種噪聲干擾和影響而使圖片降低質(zhì)量，這對后續(xù)圖像的處理（如分割，壓縮和圖像理解等）將產(chǎn)生不利影響。噪聲種類很多，如：電噪聲、機(jī)械噪聲、信道噪聲和其他噪聲。在圖像處理中，圖像去噪是一個永遠(yuǎn)不會過時的主題，為了抑制噪聲，改善圖像質(zhì)量，更高層次的

2、處理，必須對圖像進(jìn)行去噪的預(yù)處理。圖像中的噪聲影響到人們對圖像的理解，而圖像去噪的目的就是去除圖像中的噪聲，使人們對圖像的認(rèn)識更加清楚，以便對圖像做進(jìn)一步地處理。 圖像中的噪聲影響到人們對圖像的理解，而圖像去噪的目的就是去除圖像中的噪聲，使人們對圖像的認(rèn)識更加清楚，以便對圖像做進(jìn)一步地處理。因此，圖像去噪效果的好壞對以后進(jìn)一步的圖像處理有著非常重要的意義。</p><p>　　2 國內(nèi)外發(fā)展趨勢</p&g

3、t;<p>　　圖像的半色調(diào)噪聲主要集中在高頻區(qū)域，一般情況下去噪是通過類似低通濾波的處理而進(jìn)行的。但是在高頻區(qū)域中，半色調(diào)噪聲和圖像的邊緣信息混合在一起，通過低通濾波可有效地去除半色調(diào)噪聲，然而這樣很可能會模糊圖像邊緣并破壞細(xì)節(jié)。對于調(diào)幅加噪，一種方法是在時域選擇合適的低通濾波器進(jìn)行去噪；另一種是在頻域和小波域中對加噪圖像進(jìn)行分析，再選擇合適的濾波器去噪；還有基于神經(jīng)噪絡(luò)[1]對不同形狀噪分類，再去噪的方法。誤差擴(kuò)散算法

4、[2][3]是調(diào)頻加噪的一種。因為誤差擴(kuò)散算法它的像素值可能揭示出輸入像素值的情況，所以一種方法是估計出它的誤差分散核值，并采取相應(yīng)的去噪方法；另一種是基于邊緣保持的平滑算法，試圖去除噪的同時盡可能不模糊細(xì)節(jié)，大部分的去噪算法都針對于一種特殊的加噪過程，當(dāng)情況改變時就不再適用。一般假設(shè)加噪?yún)?shù)是已知的，像半色調(diào)部分的頻率、閾值矩陣或誤差分散權(quán)值，然而在實際情況中，原始的加噪方法和它們的相關(guān)參數(shù)并不清楚。現(xiàn)有的圖像去噪算法主要可分為以下幾

5、類:基于噪點形成原因?qū)D像進(jìn)行逆半色調(diào)處理[4]、基于低通濾波對圖像進(jìn)行逆半色調(diào)處理、基于圖文分割的圖像去噪算法[5][6]、基于小波變換對圖像進(jìn)行去</p><p><b>　　2.1 國內(nèi)發(fā)展</b></p><p>　　西安理工大學(xué)張琳[5]在論文中也是先用ZD一FFT（快速二維傅里葉變換）來準(zhǔn)確測量彩色圖像中的主加網(wǎng)線數(shù)。為了減少在整個原稿中應(yīng)用ZD一FFT

6、的必要性，減小計算復(fù)雜度，沿著對角線取了一系列大小為128x128的采樣窗口來估計加噪線數(shù)。圖像經(jīng)過二維傅立葉變換后，噪聲頻率位于空間頻率較高的區(qū)域，而圖像本身的頻率分量則處于空間頻率較低的區(qū)域內(nèi)，因此可以通過低通濾波的方法，使高頻分量受到抑制而讓低頻分量順利通過，從而實現(xiàn)圖像的平滑。頻域中平滑濾波器主要有理想低通濾波器，巴特沃斯濾波器，指數(shù)形濾波器和梯形濾波器?？臻g域中的低通濾波采用的是離散卷積法，需要指出的是使用低通濾波器的缺點是其

7、他高頻區(qū)域也被影響，從而導(dǎo)致邊緣的模糊，以及高調(diào)紋理區(qū)域細(xì)節(jié)的丟失，但這種影響較小。要注意的是，在柔化圖像之前，應(yīng)把所有通逆快速檢查一遍，以便找出莫爾條紋存在的地方。通常，莫爾條紋僅影響一兩個通道，這些條紋所處的通道很容易檢測出來，如果僅是柔化條紋存在的通道，圖像的質(zhì)量就不會下降太多。</p><p>　　西安理工大學(xué)杜鋒良[6]在論文中提到一種新穎的去噪算法，基于噪點檢測的圖像去噪算法，這種去噪算法主要有噪點區(qū)

8、域填充法(DFM)、高反差保留法、均值填充法三種圖像去噪算法。這種方法一方面提取出圖像中以半色調(diào)輪廓為主的高頻輪廓部分，另一方面對不同類型(報紙、一般、精美)圖像半色調(diào)區(qū)域中噪點像素點有針對性的進(jìn)行檢測和填充以實現(xiàn)圖像噪去除。三種方法先對圖像以半色調(diào)部分中的高頻輪廓部分為主的高頻像素點進(jìn)行檢測并保存?；趯Π肷{(diào)圖像中噪點像素點進(jìn)行檢測，針對噪點像素點進(jìn)行填充后用圖像高頻輪廓部分回填從而獲得圖像去噪效果，最后將圖文分割時獲得的圖像文字部

9、分填充到圖像去噪效果中以獲取最終圖文合并后的圖像去噪效果。采用基于噪點檢測的圖像去噪方法進(jìn)行圖像去噪時，對于當(dāng)前像素點是否為噪點像素點進(jìn)行判定就成為了一個很關(guān)鍵的問題。該法只是一種初步設(shè)想與嘗試，若要更深入的進(jìn)行噪點像素點判斷研究，可以考慮結(jié)合圖像高頻像素點與圖像在頻率域中的高頻部分特征來進(jìn)行圖像噪點像素點判斷。</p><p>　　趙蔚和郭樹旭等人[7]分析了常用的幾種去噪方法：CMYK顏色空間處理法、超限像素

10、平滑法、全方位多級組合濾波器、高斯濾波器法；提出了一種切實可行的基于整數(shù)的第二代小波變換（正變換：分割，預(yù)測，修正；逆變換跟正變換相反）的時頻特性提出的去噪算法，先提取噪信息，在對于不同頻率和不同空間細(xì)節(jié)作不同處理，反變換去噪再低通濾波去噪，算法運算速度快，效果較好。</p><p>　　中科院王卓亞[14]針對目前比較通用的先用較大解析度掃描圖像，再用柔化濾波器模糊圖像，最后再把圖像縮小到適當(dāng)尺寸的去噪方法需要

11、結(jié)合硬件，處理麻煩的事實。提出一種先去除圖像孤立點的方法去除噪點脈沖噪音，完好保留細(xì)節(jié)，再用線性高斯低通濾波器去除噪的去噪方法。并且用實驗法對比了不同高斯濾波器效果，挑出了最合適的線性低通濾波器，實驗結(jié)果表明此法所用濾波器比較單一，易用硬件實現(xiàn)，可消除椒鹽噪音和復(fù)原圖像且效果比較好。</p><p>　　陜西科技大學(xué)的張琳[15]在印刷雜志上提出針對灰度圖的去噪算法。用2D-FFT（二維快速傅里葉變換）測量體系的

12、空間頻率，從而確定原稿的加噪線數(shù)。測出加噪線數(shù)后，為了能夠找出最合適的高斯系數(shù)，他事先對大量不同加噪線數(shù)的印刷品原稿進(jìn)行試驗，找出不同高斯系數(shù)與其去噪效果之間的規(guī)律性，從而在掃描時根據(jù)加噪線數(shù)反推出高斯系數(shù)。使用高斯低通濾波器的缺點之一，是其它高頻區(qū)域也被影響，從而導(dǎo)致邊緣的模糊以及在高調(diào)紋理區(qū)域細(xì)節(jié)的丟失，但這種影響是非常小的。</p><p>　　北京印刷學(xué)院劉浩學(xué)等人[16]采用查找噪點中心的方法,以加噪噪

13、點為中心,找出噪點噪格中黑色與白色像素的比例,以此比例構(gòu)成去噪后圖像的灰度級，計算出任意加噪圖像的噪點噪格,按噪格中噪點的面積率來轉(zhuǎn)換成灰度值,改變二值圖屬性,從而達(dá)到去噪的目的。實驗結(jié)果表明,去噪效果與加噪圖像的分辨率、加噪線數(shù)、加噪角度等因素有關(guān)。使用此算法可以得到較滿意的去噪效果,可以合成出滿足打樣要求的彩色圖像,用于RIP后圖像的數(shù)字打樣。這種去噪方法可以對任意加噪的二值圖像進(jìn)行去噪處理。</p><p>

14、;　　劉仕偉和盧鵬[17]運用高斯濾波基本理論，對RGB圖像進(jìn)行分通道處理，再對三個通道分別運用高斯濾波處理，在經(jīng)過通道合并為彩色圖像，再對合并后的圖像進(jìn)行拉普拉斯銳化處理，并實驗對比不同的高斯系數(shù)，對比去噪效果，得出理想的高斯系數(shù)在70左右，用清晰度評價效果較好，但未能進(jìn)行PSNR值的對比。</p><p><b>　　2.2 國外發(fā)展</b></p><p>　

15、　Ramesh Neelamani[9]等人提出一種基于小波變換的解卷積去噪算法（WVD）。這種方法不同于以往的基于小波變換的算法，它是基于模塊的，因此適合不同的誤差擴(kuò)散去噪技術(shù)。它先進(jìn)行解卷積運算，再在小波域進(jìn)行消噪處理。對于在Besov空間的信號，這種算法漸近最優(yōu)誤差衰減率。因此，對于Besov空間的圖像，不能顯著改善在高解析度上的WVD算法性能。通過模擬實驗驗證了該算法具有較好的均方誤差(MSE)表現(xiàn)和視覺性能。</p>

16、;<p>　　Jiebo Luo[10]等人提出了一種新的基于小波變換的方法，先將半色調(diào)圖像進(jìn)行小波分解以便于在空間域和頻率域的處理，有效地消除半色調(diào)噪音，然后用一種非線性濾波器來處理就得到了具有連續(xù)色調(diào)的圖像。此法最適合用在特定的半色調(diào)圖像上。但是由于其獨立的參數(shù)估計，也可用于所有類型的半色調(diào)圖像。</p><p>　　Hasib Siddiqui[12]等人提出一種結(jié)合RSD(基于合成的分辨率去

17、噪法)和改進(jìn)的SUSAN(最小核值相似區(qū))濾波器兩種非線性圖像處理技術(shù)的基于機(jī)器學(xué)習(xí)的去噪算法。此法可根據(jù)特定的硬件參數(shù)自動優(yōu)化去噪方法，有效地抑制摩爾噪，也可以用內(nèi)部銳化的訓(xùn)練法來強化掃描文檔質(zhì)量和保持邊緣信息。一旦對圖像進(jìn)行了優(yōu)化，就可以將這種算法用在處理隨機(jī)誤差分散的掃描半色調(diào)圖像的噪音問題上。</p><p>　　Hae Yong Kim[13]等人提出了一種基于機(jī)器學(xué)習(xí)[12]的決策樹學(xué)習(xí)（decisi

18、on tree learning）去噪算法，該方法已經(jīng)比較成熟，且在其他領(lǐng)域已經(jīng)成功使用了一段時間，這種算法采用熵增益最大化的理念，讓學(xué)習(xí)算法自動選擇理想窗口來構(gòu)建決策樹，實驗證明這種算法產(chǎn)生的PSNR（峰值信噪比）值比以前的方法要高，表明其去噪效果更佳。這種方法用在掃描圖像去噪上觀點比較新穎。</p><p>　　S. Battiato, F. Stanco[18][19] 提出了一種基于頻率域的巴特沃斯濾波器

19、衍生而來的特殊濾波器，從半色調(diào)圖像獲取連續(xù)色調(diào)圖像的新算法?；舅枷胧羌釉朐胗捎谄涔逃械囊?guī)則和周期性可被正確地檢測到和去除。在某種程度上，加噪信號可以和某種周期性噪音聯(lián)系在一起。但這些噪音值不能被徹底去除，因為同時也會去除原始信號。用適量的低頻成分可以正確地搜索異常尖峰并且以適當(dāng)?shù)姆椒ㄈコ鼈?。以這種方式，主要的低通量成分被保存，最終修復(fù)的圖像不會太模糊。這種去噪技術(shù)，去掉了原圖的噪?yún)s不會改變原圖的顏色，保證了快速有效的結(jié)果，即便是沒有

20、經(jīng)驗的操作人員也能使用。但是由于原圖也有缺陷，故算法的表現(xiàn)沒用均方誤差（MSE）和峰值信噪比(PSNR)在數(shù)量上進(jìn)行比較。同年又提出一種改進(jìn)方法，用到了一種由契比雪夫濾波器改進(jìn)而來的帶阻濾波器?？勺詣觿h除直流成分頻率域中心周圍的高的尖鋒。</p><p>　　Mireille Boutin [20]等人提出的一種新的非迭代，非線性的空間可變的硬件友好（HFD）的去噪濾波器。可去除廣泛的摩爾紋，同時保持圖像的清晰度

21、和邊緣細(xì)節(jié)。這種算法的工作原理是通過提取中心像素附近，具有邊緣強度和邊緣方向特征的噪聲很大的空間特征向量。該算法采用整數(shù)算術(shù)，依靠低成本的移位操作和加法運算，并使用有嚴(yán)格順序的硬件架構(gòu)，具有很好的成本效應(yīng)。</p><p>　　Ilya V. Kurilin[21]等人提出的自適應(yīng)五步去噪算法能很好地從半色調(diào)圖像恢復(fù)連續(xù)調(diào)圖像，且該算法能較好地抑制噪，保持邊緣的清晰度和對比度，這種方法同時適合灰度圖和彩色圖。五步

22、為：初始化本地色調(diào)映射、自適應(yīng)平滑、第二次本地色調(diào)映射、改進(jìn)的反銳化掩膜處理、全局對比度拉伸；此法與HFD（硬件友好去噪算法）等幾個現(xiàn)存的去噪方法進(jìn)行了定性和定量的比較，去噪能力很好，色彩失真小。</p><p>　　CJ Stanger[22]等人提出了一種自定義的帶阻濾波器“Swiss Cheese”來隔離和去除與半色調(diào)有關(guān)的頻率，且能在不對圖像進(jìn)行分割和邊緣檢測的情況下較好地保持圖像的邊緣。為了加速硬件的處

23、理過程，將圖像分割成一系列重疊的窗口，分別在頻率域里進(jìn)行處理，再用一種不會出現(xiàn)快效應(yīng)的方法將窗口組合還原形成完整的圖像。實驗證明這種濾波器方法在處理半色調(diào)彩色圖像里發(fā)揮了很好的作用，不僅完整的保存了原圖像的細(xì)節(jié)，更是沒有出現(xiàn)模糊現(xiàn)象。</p><p><b>　　2.3 總結(jié)</b></p><p>　　通過總結(jié)國內(nèi)外文獻(xiàn)發(fā)現(xiàn)國外的研究方法比較先進(jìn)，處在技術(shù)前端，通

24、過總結(jié)可以將去噪方法歸為四類：空間域去噪法、頻率域去噪法、空間域和頻率域結(jié)合去噪法、基于小波變換去噪法。</p><p>　　2.3.1 空間域去噪方法</p><p>　　空間域方法是指直接在顏色空間(RGB或CMYK)上實現(xiàn)的方法，空間域方法中有一些是采用局部平滑的方法。這類算法利用圖像局部區(qū)域像素之間的相關(guān)性，通過一定的方法估算出某一像素的值，代替該像素原來的值。這類方法簡單，計算

25、時間快，易于實現(xiàn)，但是最大的缺點是去除噪的同時會使圖像的質(zhì)量受損，特別是邊緣和細(xì)節(jié)部分會變得模糊。局部平滑方法改進(jìn)后的方法，通常是先獲得一幅經(jīng)過局部平滑方法處理過的輸出圖像，然后將輸出圖像與原始半色調(diào)圖像進(jìn)行比較分析，例如，將兩個圖像像素的差的絕對值與某一閾值進(jìn)行比較，根據(jù)結(jié)果確定圖像最后的輸出。改進(jìn)后的算法要更好些，但時間復(fù)雜度也相應(yīng)提高了，且有時候還會在圖像中產(chǎn)生一些類似沖擊噪音的噪音。</p><p>　　

26、逆半色調(diào)法(Inverse Halftoning) [2][3][4][8][9][13][23][24][25]也是空間域的一種去噪方法，這類方法針對的是二值圖像，是理想化的半色調(diào)圖像，而實際通過掃描儀獲取的半色調(diào)圖像并非二值圖像，其灰度或色彩分布于所允許的各個取值，因此很難直接將該類方法應(yīng)用于掃描圖像，空間域方法大都是對圖像進(jìn)行模糊，即用一個低通的濾波器對圖像進(jìn)行平滑處理，以達(dá)到去除噪的目的，但是這些方法大都沒有給出針對不同掃描圖像

27、的平滑濾波器的尺寸及強度。實踐證明，受印刷品本身質(zhì)量和掃描分辨率的影響，用同樣的平滑濾波器來做去噪處理是不合理的，一旦濾波器被選定，對于噪現(xiàn)象較嚴(yán)重的圖像將不能達(dá)到完全去除噪的目的，對于噪不明顯的圖像則會導(dǎo)致處理后的圖像過于模糊。</p><p>　　2.3.2 頻率域去噪方法</p><p>　　頻率域方法中多數(shù)方法通常是利用掃描半色調(diào)圖像上半色調(diào)噪的周期性特點去噪。掃描半色調(diào)圖像經(jīng)過

28、傅立葉變換之后，會在頻譜上對偶出現(xiàn)一些亮點(或者稱為尖峰)，針對這些亮點進(jìn)行處理(如陷波處理)，通常圖像能獲得較好的質(zhì)量，同時丟失較少的圖像信息，能較好地保持細(xì)節(jié)。這種方法的難點是如何準(zhǔn)確的找到尖峰，并且需要對圖像進(jìn)行傅立葉變換，傅立葉反變換等操作，計算量比較大，其時間和空間復(fù)雜度都較高，不適宜實時計算，并且不適合在空間域進(jìn)行處理，因而也就不適宜掃描儀工作特點。</p><p>　　2.3.3 空間域與頻率域混

29、合去噪方法</p><p>　　空間域和頻率域混合去噪算法，目前這類算法大致有兩種：一種是通過對圖像(或者局部圖像)的頻率域進(jìn)行分析，獲得半色調(diào)圖像的一些信息，然后再利用這些信息，設(shè)計一種在空間域上適用的算法。這種方法具有較好的自適應(yīng)性，時間負(fù)責(zé)度較低，圖像的質(zhì)量較好。另外一種方法，是首先對圖像頻譜進(jìn)行處理，得到輸出圖像，最后通過對輸出圖像與原始半色調(diào)圖像進(jìn)行比較分析，得到一些參數(shù)，利用這些參數(shù)確定圖像最終輸出，

30、如：理想陷波濾波。這種算法比較復(fù)雜，時間復(fù)雜度比較大。其出發(fā)點是犧牲算法的時間復(fù)雜度，以獲得較好的圖像輸出。</p><p>　　2.3.4 基于小波變換的去噪方法</p><p>　　基于小波變換的去噪算法是一種新出現(xiàn)的同時考慮到了空間和頻率域上的特點的對去噪算法的一種有益探索，有待日益成熟和完善。這類算法利用小波變換的時頻特性，提取噪信息，針對不同頻率，不同空間細(xì)節(jié)作相應(yīng)處理，能得到

31、較好的去噪效果。但是小波的選擇仍然是影響處理結(jié)果的一個重要因素，時間復(fù)雜度也比較高，同時對小波系數(shù)修改后再重建的圖像，往往包含很多的人工現(xiàn)象(例如振鈴現(xiàn)象)，影響了圖像的質(zhì)量。</p><p><b>　　3 本文研究思路</b></p><p>　　本次論文主要是結(jié)合國內(nèi)外相關(guān)研究成果和行業(yè)最新的發(fā)展趨勢，對以往的研究結(jié)論中提到的各種算法的利弊進(jìn)行分析，最后總結(jié)出

32、其中存在的問題，提出優(yōu)化方案或新的處理方案。并且用實驗的方法得出數(shù)據(jù)，并分析數(shù)據(jù)與其他方法的效果進(jìn)行定性和定量的比較，來評價算法的優(yōu)劣。實驗主要在MATLAB里編程實現(xiàn)算法的處理，并統(tǒng)計分析數(shù)據(jù)。再與前人研究成果做定性和定量的對比，用PSNR（峰值信噪比）與均方誤差（MSE）等評價標(biāo)準(zhǔn)進(jìn)行客觀評價。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[

33、1] F.PELCASTRE-JIMENEZ，L.ROSALES-ROLDANM.NAKANO-MIYA-TAKEH. PEREZ-MEANA. Inverse Halftoning using Neural Networks based methods[J]. 2012，39(3): 293-301.</p><p>　　[2] 孔月萍,宋琳.基于偏微分方程的誤差分散逆半調(diào)改進(jìn)算法[J].計算機(jī)工程，2010(

34、5)43-56.</p><p>　　[3] 鄭海紅,孔月萍,曾平,王義峰.誤差分散類逆半調(diào)技術(shù)綜述[J].中國圖象圖形學(xué)報，2008(4):20-31.</p><p>　　[4] 姚海根.基于模板匹配的AM逆半色調(diào)識別[J].學(xué)科建設(shè)，2005：31-34</p><p>　　[5] 張琳.彩色掃描文檔的自動分割和去噪[D].西安，西安理工大學(xué)，2004.<

35、;/p><p>　　[6] 杜鋒良.掃描文檔圖文分割及半色調(diào)去噪算法研究[D].西安，西安理工大學(xué)，2009.</p><p>　　[7] 趙蔚,郭樹旭,楊源.半色調(diào)掃描圖像的小波去噪算法[J]. 計算機(jī)工程與應(yīng)用， </p><p>　　2004(9)：44- 45.</p><p>　　[8] 周濤,鐘云飛,付蘆靜.加噪?yún)?shù)和類型不確定的小波

36、變換逆半調(diào)研究[J].包裝工程，2012（5）:1171- 1179．</p><p>　　[9] Ramesh Neelamani，Robert Nowak and Richard Baraniuk. MODEL-BASED INVERSE HALFTONING WITH WAVELET-VAGUELETTE DECONVOLU-</p><p>　　TION[J].Rice Univ

37、ersity，2000，22(6):973-976.</p><p>　　[10] Jiebo luo，Ricardo de Queiroz，zhigang Fan.Universal Descreening Technique Via Wavelet Analysis[J].Kodak&Xerox，1997.</p><p>　　[11] 孔月萍,曾平,何波,鄭海紅. LUT與E

38、lman噪絡(luò)相結(jié)合的圖像逆半調(diào)算法[J]. 中國圖象圖形學(xué)報，2007（11）：2044- 2046．</p><p>　　[12] Hasib Siddiqui and Charles A. Bouman. Training-Based Descreening[J].2007</p><p>　　[13] Hae Yong Kim and Ricardo L.de Queiroz.IN

39、VERSE HALFTONING BY DECISION TREE LEARNING[J].Escola Politécnica，Universidade de São Paulo，Brazil，2003.</p><p>　　[14] 王卓亞.De-screen的實現(xiàn)及應(yīng)用[J].計算機(jī)工程與應(yīng)用,2005（7）：21- 23.</p><p>　　[15] 張琳.印

40、刷品原稿的去噪[J].印刷技術(shù)，2005，3（228）：45-46.</p><p>　　[16] 劉浩學(xué),楊文杰,王克蒙等.一種加噪圖像去噪的算法[J].武漢大學(xué)學(xué)報，2006.</p><p>　　[17] 劉士偉,盧鵬.基于高斯濾波的掃描圖像去噪[J]. 包裝工程,2012（7）：21- 23.</p><p>　　[18] S.Battiato and F.

41、Stanco.A New Descreening Technique in the Frequency Domain[J]. Dipartimento di Matematica e Informatica，University of Catania，2006.</p><p>　　[19] Sebastiano Battiato，F(xiàn)ilippo Stanco.Digital Restoration for An

42、tiqu Documents[J]. Dipartimento di Matematica e Informatica University of Catania，2006.</p><p>　　[20] Hasib Siddiqui，Mireille Boutin，and Charles A.Bouman. HARDWARE-FRI-</p><p>　　ENDLY DESCREENIN

43、G[J]. School of Electrical and Computer Engineering Purdue University，USA，2010.</p><p>　　[21] Ilya V.Kurilin，Ilia V.Safonov，Hokeun Lee and Sang Ho Kim.Descreening of scanned imag[J].2010(6): 156-179.</p&g

44、t;<p>　　[22] CJ Stanger,Thanh Tran and Elisa H.Barney Smith. Descreening of Color Halftone Images in the Frequency Domain[J].2011(8): 16-79.</p><p>　　[23] 王磊,李學(xué)慶.基于離散Sibson插值的反半色調(diào)算法[J].電子學(xué)報，2011(3): &

45、lt;/p><p><b>　　58-79.</b></p><p>　　[24] 孔月萍,曾平,鄭海紅,徐培培.基于中值金字塔變換的圖像逆半調(diào)[J]. 西安電子科技大學(xué)學(xué)報(自然科學(xué)版)，2006（2）：457- 459.</p><p>　　[25] 張洪剛,周利華.一種高效的逆半調(diào)算法[J]. 計算機(jī)工程與應(yīng)用，2003(6): </p