分类： LINUX
2011-05-11 08:42:57
在介绍本章内容之前，先提出一个问题？普通的黑白针式打印机能打出灰度图来吗？如果说能，从针式打印机的打印原理来分析，似乎是不可能的。因为针打是靠撞针击打色带在纸上形成黑点的，不可能打出灰色的点来；如果说不能，可是我们的确见过用针式打印机打印出来的灰色图象。到底是怎么回事呢？
你再仔细看看那些打印出来的所谓的灰色图象，最好用放大镜看。你会发现，原来这些灰色图象都是由一些黑点组成的，黑点多一些，图象就暗一些；黑点少一些，图案就亮一些。下面这几张图就很能说明这一点。
图4.1 用黑白两种颜色打印出灰度效果
图4.1中最左边的是原图，是一幅真正的灰度图，另外三张图都是黑白二值图。容易看出，最左的那幅和原图最接近。
由二值图象显示出灰度效果的方法，就是我们今天要讲的半影调(halftone)技术，它的一个主要用途就是在只有二值输出的打印机上打印图象。我们介绍两种方法：图案法和抖动法。
图案法(patterning)是指灰度可以用一定比例的黑白点组成的区域表示，从而达到整体图象的灰度感。黑白点的位置选择称为图案化。
在具体介绍图案法之前，先介绍一下分辨率的概念。计算机显示器，打印机，扫描仪等设备的一个重要指标就是分辨率，单位是dpi(dot per inch)，即每英寸点数，点数越多，分辨率就越高，图象就越清晰。让我们来计算一下，计算机显示器的分辨率有多高。设显示器为15英寸(指对角线长度)，最多显示1280×1024个点。因为宽高比为4：3，所以宽有12英寸，高有9英寸，则该显示器的水平分辨率为106dpi，垂直分辨率为113.8dpi。一般的激光打印机的分辨率有300dpi×300dpi，600dpi×600dpi，720dpi×720dpi。所以打出来的图象要比计算机显示出来的清晰的多。扫描仪的分辨率要高一些，数码相机的分辨率更高。
言归正传，前面讲了，图案化使用图案来表示象素的灰度，那么我们来做一道计算题。假设有一幅240×180×8bit的灰度图，当用分辨率为300dpi×300dpi的激光打印机将其打印到12.8×9.6英寸的纸上时，每个象素的图案有多大？
这道题很简单，这张纸最多可以打(300×12.8) ×(300×9.6)=3840×2880个点，所以每个象素可以用(3840/240)×(2880/180)=16×16个点大小的图案来表示，即一个象素256个点。如果这16×16的方块中一个黑点也没有，就可以表示灰度256；有一个黑点，就表示灰度255；依次类推，当都是黑点时，表示灰度0。这样，16×16的方块可以表示257级灰度，比要求的8bit共256级灰度还多了一个。所以上面的那幅图的灰度级别完全能够打印出来。
这里有一个图案构成的问题，即黑点打在哪里？比如说，只有一个黑点时，我们可以打在正中央，也可以打16×16的左上角。图案可以是规则的，也可以是不规则的。一般情况下，有规则的图案比随即图案能够避免点的丛集，但有时会导致图象中有明显的线条。
如图4.1中，2×2的图案可以表示5级灰度，当图象中有一片灰度为的1的区域时，如图4.2所示，有明显的水平和垂直线条。
图4.2 2×2的图案 |
图4.3 规则图案导致线条 |
如果想存储256级灰度的图案，就需要256×16×16的二值点阵，占用的空间还是相当可观的。有一个更好的办法是：只存储一个整数矩阵，称为标准图案，其中的每个值从0到255。图象的实际灰度和阵列中的每个值比较，当该值大于等于灰度时，对应点打一黑点。下面举一个25级灰度的例子加以说明。
图4.4 标准图案举例
图4.4中，左边为标准图案，右边为灰度为15的图案，共有10个黑点，15个白点。其实道理很简单，灰度为0时全是黑点，灰度每增加1，减少一个黑点。要注意的是，5×5的图案可以表示26种灰度，当灰度是25才是全白点，而不是灰度为24时。
下面介绍一种设计标准图案的算法，是由Limb在1969年提出的。
先以一个2×2的矩阵开始：设M1= 
，通过递归关系有Mn+1= 
，其中Mn和Un均为2n×2n的方阵，Un的所有元素都是1。根据这个算法，可以得到M2= 
，为16级灰度的标准图案。
M3(8×8阵)比较特殊，称为Bayer抖动表。M4是一个16×16的矩阵。
根据上面的算法，如果利用M3一个象素要用8×8的图案表示，则一幅N×N的图将变成8N×8N大小。如果利用M4，就更不得了，变成16N×16N了。能不能在保持原图大小的情况下利用图案化技术呢？一种很自然的想法是：如果用M2阵，则将原图中每8×8个点中取一点，即重新采样，然后再应用图案化技术，就能够保持原图大小。实际上，这种方法并不可行。首先，你不知道这8×8个点中找哪一点比较合适，另外，8×8的间隔实在太大了，生成的图象和原图肯定相差很大，就象图4.1最右边的那幅图一样。
我们可以采用这样的做法：假设原图是256级灰度，利用Bayer抖动表，做如下处理
if (g[y][x]>>2) > bayer[y&7][x&7] then 打一白点 else 打一黑点
其中，x,y代表原图的象素坐标，g[y][x]代表该点灰度。首先将灰度右移两位，变成64级，然后将x，y做模8运算，找到Bayer表中的对应点，两者做比较，根据上面给出的判据做处理。
我们可以看到，模8运算使得原图分成了一个个8×8的小块，每个小块和8×8的Bayer表相对应。小块中的每个点都参与了比较，这样就避免了上面提到的选点和块划分过大的问题。模8运算实质上是引入了随机成分，这就是我们下面要讲到的抖动技术。
图4.5就是利用了这个算法，使用M3(Bayer抖动表)阵得到的；图6是使用M4阵得到的，可见两者的差别并不是很大，所以一般用Bayer表就可以了。
图4.5 利用M3抖动生成的图
图4.6 利用M4抖动生成的图
下面是算法的源程序，是针对Bayer表的。因为它是个常用的表，我们不再利用Limb公式，而是直接给出。针对M4阵的算法是类似的，不同的地方在于，要用Limb公式得到M4阵，灰度也不用右移2位。要注意的是，为了处理的方便，我们的结果图仍采用256级灰度图，不过只用到了0和255两种灰度。
BYTE BayerPattern[8][8]={ 0,32,8,40,2,34,10,42,
48,16,56,24,50,18,58,26,
12,44,4,36,14,46,6,38,
60,28,52,20,62,30,54,22,
3,35,11,43,1,33,9,41,
51,19,59,27,49,17,57,25,
15,47,7,39,13,45,5,37,
63,31,55,23,61,29,53,21};
BOOL LimbPatternM3(HWND hWnd)
{
DWORD OffBits,BufSize
LPBITMAPINFOHEADER lpImgData;
LPSTR lpPtr;
HLOCAL hTempImgData;
LPBITMAPINFOHEADER lpTempImgData;
LPSTR lpTempPtr;
HDC hDc;
HFILE hf;
LONG x,y;
unsigned char num;
OffBits=bf.bfOffBits-sizeof(BITMAPFILEHEADER);
BufSize=OffBits+bi.biHeight*LineBytes;//要开的缓冲区大小
if((hTempImgData=LocalAlloc(LHND,BufSize))==NULL)
{
MessageBox(hWnd,"Error alloc memory!","Error Message",MB_OK|
MB_ICONEXCLAMATION);
return FALSE;
}
lpImgData=(LPBITMAPINFOHEADER)GlobalLock(hImgData);
lpTempImgData=(LPBITMAPINFOHEADER)LocalLock(hTempImgData);
//拷贝头信息和位图数据
memcpy(lpTempImgData,lpImgData,BufSize);
for(y=0;y
//lpPtr为指向原图位图数据的指针
lpPtr=(char *)lpImgData+(BufSize-LineBytes-y*LineBytes);
//lpTempPtr为指向新图位图数据的指针
lpTempPtr=(char *)lpTempImgData+(BufSize-LineBytes-y*LineBytes);
for(x=0;x num=(unsigned char)*lpPtr++; if ( (num>>2) > BayerPattern[y&7][x&7]) //右移两位后做比较 *(lpTempPtr++)=(unsigned char)255; //打白点 else *(lpTempPtr++)=(unsigned char)0; //打黑点 } } if(hBitmap!=NULL) DeleteObject(hBitmap); hDc=GetDC(hWnd); //形成新的位图 hBitmap=CreateDIBitmap(hDc,(LPBITMAPINFOHEADER)lpTempImgData, (LONG)CBM_INIT, (LPSTR)lpTempImgData+ sizeof(BITMAPINFOHEADER)+ NumColors*sizeof(RGBQUAD), (LPBITMAPINFO)lpTempImgData, DIB_RGB_COLORS); hf=_lcreat("c:\\limbm3.bmp",0); _lwrite(hf,(LPSTR)&bf,sizeof(BITMAPFILEHEADER)); _lwrite(hf,(LPSTR)lpTempImgData,BufSize); _lclose(hf); //释放内存和资源 ReleaseDC(hWnd,hDc); LocalUnlock(hTempImgData); LocalFree(hTempImgData); GlobalUnlock(hImgData); return TRUE; } 让我们考虑更坏的情况：即使使用了图案化技术，仍然得不到要求的灰度级别。举例说明：假设有一幅600×450×8bit的灰度图，当用分辨率为300dpi×300dpi的激光打印机将其打印到8×6英寸的纸上时，每个象素可以用(2400/600)×(1800/450)=4×4个点大小的图案来表示，最多能表示17级灰度，无法满足256级灰度的要求。可有两种解决方案：(1)减小图象尺寸，由600×450变为150×113；(2)降低图象灰度级，由256级变成16级。这两种方案都不理想。这时，我们就可以采用“抖动法”(dithering)的技术来解决这个问题。其实刚才给出的算法就是一种抖动算法，称为规则抖动(regular dithering)。规则抖动的优点是算法简单；缺点是图案化有时很明显，这是因为取模运算虽然引入了随机成分，但还是有规律的。另外，点之间进行比较时，只要比标准图案上点的值大就打白点，这种做法并不理想，因为，如果当标准图案点的灰度值本身就很小，而图象中点的灰度只比它大一点儿时，图象中的点更接近黑色，而不是白色。一种更好的方法是将这个误差传播到邻近的象素。 下面介绍的Floyd-Steinberg算法就采用了这种方案。 假设灰度级别的范围从b(black)到w(white)，中间值t为(b+w)/2，对应256级灰度，b=0,w=255,t=127.5。设原图中象素的灰度为g，误差值为e，则新图中对应象素的值用如下的方法得到： if g > t then 打白点 e=g-w else 打黑点 e=g-b 3/8 × e 加到右边的象素 3/8 × e 加到下边的象素 1/4 × e 加到右下方的象素 算法的意思很明白：以256级灰度为例，假设一个点的灰度为130，在灰度图中应该是一个灰点。由于一般图象中灰度是连续变化的，相邻象素的灰度值很可能与本象素非常接近，所以该点及周围应该是一片灰色区域。在新图中，130大于128，所以打了白点，但130离真正的白点255还差的比较远，误差e=130-255=-125比较大。，将3/8×(-125)加到相邻象素后，使得相邻象素的值接近0而打黑点。下一次，e又变成正的，使得相邻象素的相邻象素打白点，这样一白一黑一白，表现出来刚好就是灰色。如果不传递误差，就是一片白色了。再举个例子，如果一个点的灰度为250，在灰度图中应该是一个白点，该点及周围应该是一片白色区域。在新图中，虽然e=-5也是负的，但其值很小，对相邻象素的影响不大，所以还是能够打出一片白色区域来。这样就验证了算法的正确性。其它的情况你可以自己推敲。图4.7是利用Floyd-Steinberg算法抖动生成的图。 图4.7 利用Floyd-Steinberg算法抖动生成的图 下面我们给出Floyd-Steinberg算法的源代码。有一点要说明，我们原来介绍的程序都是先开一个char类型的缓冲区，用来存储新图数据，但在这个算法中，因为e有可能是负数，为了防止得到的值超出char能表示的范围，我们使用了一个int类型的缓冲区存储新值。另外，当按从左到右，从上到下的顺序处理象素时，处理过的象素以后不会再用到了，所以用这个int类型的缓冲区存储新值是可行的。全部象素处理完后，再将这些值拷贝到char类型的缓冲区去。 BOOL Steinberg(HWND hWnd) { DWORD OffBits,BufSize,IntBufSize; LPBITMAPINFOHEADER lpImgData; HLOCAL hTempImgData; LPBITMAPINFOHEADER lpTempImgData; LPSTR lpPtr; LPSTR lpTempPtr; HDC hDc; HFILE hf; LONG x,y; unsigned char num; float e,f; HLOCAL hIntBuf; int *lpIntBuf,*lpIntPtr; int tempnum; //OffBits为BITMAPINFOHEADER结构长度加调色板的大小 OffBits=bf.bfOffBits-sizeof(BITMAPFILEHEADER); BufSize=OffBits+bi.biHeight*LineBytes;//要开的缓冲区的大小 if((hTempImgData=LocalAlloc(LHND,BufSize))==NULL) { MessageBox(hWnd,"Error alloc memory!","Error Message",MB_OK| MB_ICONEXCLAMATION); return FALSE; } IntBufSize=(DWORD)bi.biHeight*LineBytes*sizeof(int); if((hIntBuf=LocalAlloc(LHND,IntBufSize))==NULL) //int 类型的缓冲区 { MessageBox(hWnd,"Error alloc memory!","Error Message",MB_OK| MB_ICONEXCLAMATION); LocalFree(hTempImgData); return FALSE; } lpImgData=(LPBITMAPINFOHEADER)GlobalLock(hImgData); lpTempImgData=(LPBITMAPINFOHEADER)LocalLock(hTempImgData); lpIntBuf=(int *)LocalLock(hIntBuf); //拷贝头信息 memcpy(lpTempImgData,lpImgData,OffBits); //将图象数据拷贝到int类型的缓冲区中 for(y=0;y lpPtr=(char *)lpImgData+(BufSize-LineBytes-y*LineBytes); lpIntPtr=(int *)lpIntBuf+(bi.biHeight-1-y)*LineBytes; for(x=0;x *(lpIntPtr++)=(unsigned char)*(lpPtr++); } for(y=0;y for(x=0;x lpIntPtr=(int *)lpIntBuf+(bi.biHeight-1-y)*LineBytes+x; num=(unsigned char)*lpIntPtr; if ( num > 128 ){ //128是中值 *lpIntPtr=255; //打白点 e=(float)(num-255.0); //计算误差 } else{ *lpIntPtr=0; //打黑点 e=(float)num; //计算误差 } if(x4.2
f=(float)*(lpIntPtr+1);
f+=(float)( (3.0/8.0) * e);
*(lpIntPtr+1)=(int)f; //向左传播
}
if(y
f=(float)*(lpIntPtr-LineBytes);
f+=(float)( (3.0/8.0) * e);
*(lpIntPtr-LineBytes)=(int)f; //向下传播
f=(float)*(lpIntPtr-LineBytes+1);
f+=(float)( (1.0/4.0) * e);
*(lpIntPtr-LineBytes+1)=(int)f; //向右下传播
}
}
}
//从int类型的缓冲区拷贝到char类型的缓冲区
for(y=0;y
lpTempPtr=(char *)lpTempImgData+(BufSize-LineBytes-y*LineBytes);
lpIntPtr=(int *)lpIntBuf+(bi.biHeight-1-y)*LineBytes;
for(x=0;x
tempnum=*(lpIntPtr++);
if(tempnum>255) tempnum=255;
else if (tempnum<0) tempnum=0;
*(lpTempPtr++)=(unsigned char)tempnum;
}
}
if(hBitmap!=NULL)
DeleteObject(hBitmap);
hDc=GetDC(hWnd);
//产生新的位图
hBitmap=CreateDIBitmap(hDc,(LPBITMAPINFOHEADER)lpTempImgData,
(LONG)CBM_INIT,
(LPSTR)lpTempImgData+
sizeof(BITMAPINFOHEADER)+
NumColors*sizeof(RGBQUAD),
(LPBITMAPINFO)lpTempImgData,
DIB_RGB_COLORS);
hf=_lcreat("c:\\steinberg.bmp",0);
_lwrite(hf,(LPSTR)&bf,sizeof(BITMAPFILEHEADER));
_lwrite(hf,(LPSTR)lpTempImgData,BufSize);
_lclose(hf);
//释放内存和资源
ReleaseDC(hWnd,hDc);
GlobalUnlock(hImgData);
LocalUnlock(hTempImgData);
LocalFree(hTempImgData);
LocalUnlock(hIntBuf);
LocalFree(hIntBuf);
return TRUE;
}
要注意的是，误差传播有时会引起流水效应，即误差不断向下，向右累加传播。解决的办法是：奇数行从左到右传播，偶数行从右到左传播。
在讲图案化技术时，我突然想到了一个非常有趣的应用，那就是bmp2txt。如果你喜欢上BBS(电子公告牌系统)，你可能想做一个花哨的签名档。瞧，这是我好朋友Casper的签名档(见图4.8)，胖乎乎的，是不是特别可爱？
图4.8 Casper的签名档
你仔细观察一下，就会发现，这是一幅全部由字符组成的图，因为在BBS中只能出现文本的东西。那么，这幅图是怎么做出来的呢？难道是自己一个字符一个字符拼出来的。当然不是了，有一种叫bmp2txt的应用程序(2的发音和“to”一样，所以如此命名)，能把位图文件转换成和图案很相似的字符文本。是不是觉得很神奇？其实原理很简单，用到了和图案化技术类似的思想：首先将位图分成同样大小的小块，求出每一块灰度的平均值，然后和每个字符的灰度做比较，找出最接近的那个字符，来代表这一小块图象。那么，怎么确定字符的灰度呢？做下面的实验就明白了。
打开记事本(notepad)，输入字符“1”，选定该字符，使其反色。按Alt+PrintScreen键拷贝窗口屏幕。打开画笔(paintbrush)，粘贴；然后把图放到最大(×8)，打开“查看”→“缩放” →“显示网格”菜单，如图4.9所示：
图4.9 字符“1”的灰度
数数字符“1”用了几个点？是22个。我想你已经明白了，字符的灰度和它所占的黑色点数有关，点越少，灰度值越大，空格字符的灰度最大，为全白，因为它一个黑点也没有；而字符“W”的灰度值就比较低了。每个字符的面积是8×16(宽×高)，所以一个字符的灰度值可以用如下的公式计算(1-所占的黑点数/(8×16))×255。下面是可显示的字符，及对应的灰度，共有95个。这可是我辛辛苦苦整理出来的呦！
static char ch[95]={
' ',
'`','1','2','3','4','5','6','7','8','9','0','-','=','\\',
'q','w','e','r','t','y','u','i','o','p','[',']',
'a','s','d','f','g','h','j','k','l',';','\'',
'z','x','c','v','b','n','m',',','.','/',
'~','!','@','#','$','%','^','&','*','(',')','_','+','|',
'Q','W','E','R','T','Y','U','I','O','P','{','}',
'A','S','D','F','G','H','J','K','L',':','"',
'Z','X','C','V','B','N','M','<','>','?'
};
static int gr[95]= {
0,
7,22,28,31,31,27,32,22,38,32,40, 6,12,20,38,32,26,20,24,40,
29,24,28,38,32,32,26,22,34,24,44,33,32,32,24,16, 6,22,26,22,
26,34,29,35,10, 6,20,14,22,47,42,34,40,10,35,21,22,22,16,14,
26,40,39,29,38,22,28,36,22,36,30,22,22,36,26,36,25,34,38,24,
36,22,12,12,26,30,30,34,39,42,41,18,18,22
};
下面的这段程序实现了bmp2txt的功能，结果存到文件bmp2txt.txt中。
BOOL Bmp2Txt(HWND hWnd)
{
DWORD OffBits,BufSize;
LPBITMAPINFOHEADER lpImgData;
LPSTR lpPtr;
HFILE hf;
int i, j, k,h,tint,grayindex;
char tchar;
int TransHeight, TransWidth;
//先用起泡排序，将灰度值按从小到大排列，同时调整对应的字符位置
for(i=0;i<94;i++)
for(j=i+1;j<95;j++){
if(gr[i]>gr[j]){
tchar=ch[i],tint=gr[i];
ch[i]=ch[j],gr[i]=gr[j];
ch[j]=tchar,gr[j]=tint;
}
}
//OffBits为BITMAPINFOHEADER结构长度加调色板的大小
OffBits=bf.bfOffBits-sizeof(BITMAPFILEHEADER);
BufSize=OffBits+bi.biHeight*LineBytes;//要开的缓冲区的大小
lpImgData=(LPBITMAPINFOHEADER)GlobalLock(hImgData);
TransWidth = bi.biWidth/8; //每行字符的个数
TransHeight = bi.biHeight/16; //共有多少行字符
hf=_lcreat("c:\\bmp2txt.txt",0);
for(i=0;i for(j=0;j grayindex=0; for(k=0;k<16;k++) for(h=0;h<8;h++){ //求出8*16小块中各象素灰度之和 lpPtr=(char*)lpImgData+ BufSize-LineBytes-(i*16+k)*LineBytes+ j*8+h; grayindex+=(unsigned char)*lpPtr; } grayindex/=16*8; //除以整个面积 grayindex=gr[94]*grayindex/255; k=0; while(gr[k+1] k++; //寻找灰度最接近的字符 _lwrite(hf,(char *)&ch[k],sizeof(char)); //将该字符写入文件中 } tchar=(char)13; _lwrite(hf,(char *)&tchar,sizeof(char)); tchar=(char)10; _lwrite(hf,(char *)&tchar,sizeof(char)); //每行加一个回车换行符 } _lclose(hf); GlobalUnlock(hImgData); return TRUE; } 上面的程序中，只考虑了8×16小块的平均灰度，而没有考虑小块内部象素的灰度分布。更精确的方法是将图象8×16小块和字符8×16小块每两个对应点之间相减，做平方误差计算，找出有最小平方误差的那个字符，来代表这一小块图象。显然，计算量要比刚才的大得多。这里我们就不给出程序了，有兴趣的读者可以自己实现。 其实利用图案化技术，还可以实现更有趣的应用，如图4.10，你仔细看看，贝多芬的头像是由许多个音乐符号组成的！ 图4.10 贝多芬的头像
