浅论数字印刷中图像可感知色域的构建

[摘要]随着计算机技术的广泛应用和电子技术的迅速发展，数字印刷技术在近十年得以快速发展。在数字印刷中由于不同媒介的颜色显示和输出原理以及颜色表现能力不同导致媒介色域大小和形状产生差异，在颜色信息的传递过程中难以实现保真再现。本文基于对人类视觉系统模型分析，利用了HVs模型的对比敏感度函数（CSF）在小波变换域中的某些频段实施冗余图像颜色信息的消减。在处理后的图像视觉效果没有明显变化的情况下将特定空间高频冗余信息清除，而低频有效信息被保留，由此可以构建仅表示原始图像中人眼可察觉部分的可感知图像色域。

[关键词]数字印刷；图像色域；可视化

中图分类号：F407.84 文献标识码：A 文章编号：1009-914X（2013）06-0221-01

一、人类视觉系统模型

人类视觉系统（Human Visual System，简称HVS）为我们提供了一个如何看到外部世界的数学模型，被称为是最复杂的图形图像处理系统之一。尽管目前对于HVS的研究尚处在初级阶段，随着越来越多的的实验结果的公布，人们也发现了HVS的越来越多的特性。典型的HVs模型是对视觉早期信息处理阶段的模拟，即实际物理图像经人眼在视网膜转换成化学信号或电信号，形成视网膜图像，再通过神经纤维传送到初级视皮层，形成神经图像，它包括了四个与图像质量密切相关的视觉感知特性，即亮度适应性、视觉感知的多通道分解特性、对比度敏感函数（Contrast Sensitivity Function，简称CSF）、视觉掩盖效应，特别是对比敏感度函数，是在考虑了许多心理物理效果基础上建立的人类对亮度和色彩的敏感度的模型。

（一）亮度适应性

早期的研究发现HⅥ耐视觉刺激信号的响应主要与该信号相对于背景亮度的局部变化有关。人们将眼睛主观上恰可知觉的最小亮度差称为亮度的可见度阈值，在不同的亮度条件下，此阈值的响应曲线具有非线性和分段的特点，这也被称为亮度适应性。之所以会产生这一特性是因为人眼视细胞在把接收到的光信号转换成电信号时也呈现出非线性的特点。当背景亮度大于10cd/m2时，亮度适应性可用Weber Fencher定律描述，阈值与背景亮度为对数非线性关系。当背景亮度小于10cd/m2时，阈值与背景亮度为平方根或立方根的关系。由于感知亮度的非线性压缩作用的存在，人眼的视觉感知在高亮度区可以容许较大的图像误差，此时也被称为亮度掩盖效应。

（二）视觉知觉的多通道分解特性

科学研究发现人类视觉系统是由几个并列视觉通道构成，这些通道处于相邻状态，其空间频率带宽是一个倍频程，方向选择宽度为15度到60度。人眼视觉对对角线方向的刺激不敏感，在45度或135度方向处最不敏感，对水平和竖直方向的刺激较敏感，还具有位移不变性、一致的频率响应和多尺度特性。视知觉的这一结构特征与小波分解或多分辨滤波器组相匹配，也就是如果使用一组可调的塔式多分辨滤波器建模，就可以对此进行有效的模拟，而如用小波变换实现，也可以在实际应用中可取得较高的计算效率。

（三）对比敏感度函数（CSF）

CSF描述了人眼对空间频率的敏感程度，被广泛应用于对复杂物体目标视觉系统响应的建模。如果在描述目标图像时可以使用正弦傅里叶分量，那么就可以通过CSF分量来度量目标的可视性。当正弦傅里叶分量在特定阈值之上时，目标为可见，当低于特定阈值时，目标为不可见。虽然不同的实验结果对应的函数在形式上有些区别，但大都认为CSF是空间频率的函数，该函数具有带通滤波器的性质且表现为各向异性。人类视觉对于低频部分的对比度变化最为敏感，加之人眼对于图像的边缘信息具有很高的敏感性，同时二维小波分解出的三个高频部分也恰好能代表图像水平、垂直和对角线方向的边缘细节信息，这样的结构特征与二维小波分解有很好的拟和性。

（四）掩盖效应

掩盖效应是指当另一信号出现在一刺激信号的背景中时，刺激信号的可视度降低、可见度阈值增加，也可以说，刺激信号在超阈值对比度背景下会被掩盖掉。掩盖效应可以使用阈值提升函数进行表示，此时对比度阈值随背景对比度变化而变化，变化曲线则取决于掩盖物的属性与观察者对掩盖物的熟悉程度。掩盖效应的建立基础是人类视觉系统通过不同的视觉通道对视觉信息进行并行处理，而这些通道对视觉信号的时空频率和范围的敏感度不同，将建立在信号由各个不同通道输入并处理的视觉模型称为多通道模型，当前掩盖效应的建模大多基于多通道模型。根据引发的起因的不同可以掩盖效应分为对比度掩盖、边缘掩盖与纹理（噪声）掩盖三种。一般纹理的结构比边缘更加复杂，观察者缺少先验信息，因此掩盖效应在纹理区表现较强，此时阈值提升函数的曲线斜率增大。

二、可感知图像色域的构建

前面对人类视觉系统模型进行了分析，在此基础上提出了构建可感知图像色域的框架。

（一）构建可感知色域的框架

利用HVs模型的对比敏感度函数（CSF）在小波变换域中实施滤波，然后重构图像，最后得到可感知图像色域。

1、图像的输入与小波分解

图像输入以后对其进行的小波变换，实际上就是把原始图像的像素值矩阵变换成另一个系数矩阵，经过一级变换以后，原始图像被分解成四个子图像，分别是低一低（EL）频段图像、高一低（HL）频段图像、低高（LH）频段图像、以及高一高（H）频段图像，每个子图像包含了原始图像中不同的频率成分。

2、基于CSF的变换因子

由于小波变化具有良好的能量束紧特性，小波系数的值越小，意味着图像对应部分是噪声点和不重要的细节，而小波系数越大，意味着图像对应部分是重要的特征区域。因此，需要解决的问题是怎样从CSF曲线中提取特征变换因子，与小波变换系数相乘，以便消除冗余颜色信息。

考虑到CSF是一种带通滤波器，人类视觉系统对空间频率O.03至O.23最敏感，对其余低频和高频不敏感，可以将这种特性和图像小波变换结合。先经过小波分解，再利用CSF非线性带通的特性在归一化的空间频率域对不同空间频带小波系数进行加权计算，此时的加权值应该是CSF曲线在相应频带内的平均值。通过对图像进行五级小波分解，频带平均CSF变换因子是一个六项权重因子，每个CSF因子项是CSF曲线中对应的频带的平均值。

3、重构图像

重构图像是把分解的系数还原成原始信号的过程，也叫小波重构（waveletreconstruction）或合成（synthesis），数学上叫做逆离散小波变换（inversecliscrete，wavelettransform，IDWT）。在使用滤波器做小波变换时包含滤波和降采样（down-sampling）两个过程，在小波重构时也包含升采样（up sampling）和滤波两个过程。

基于对人类视觉系统模型分析，利用了HVs模型的对比敏感度函数（CSF）在小波变换域中的某些频段实施冗余图像颜色信息的消减。在处理后的图像视觉效果没有明显变化的情况下将特定空间高频冗余信息清除，而低频有效信息被保留，由此可以构建仅表示原始图像中人眼可察觉部分的可感知图像色域。实验测试表明，通过比较图像视觉效果和色域范围，提出的确定可感知色域的方法是有效的。