一种激光打印机图像数据处理方法和系统与流程

1.本发明属于图像处理技术领域，具体涉及一种激光打印机图像数据处理方法和系统。


背景技术：

2.激光打印机是一种使用激光技术进行打印的打印机。它是一种非接触式打印技术，通过激光束将图像投射到打印介质上，将打印介质上的颜色变化成为所需的图形或文本。与传统的喷墨式和针式打印机不同，激光打印机可以打印出更高分辨率的图像和更清晰的文本，且速度更快。
3.目前激光打印机已经广泛应用于各种场景，但是不同的待打印图像由于扫描环境或者待打印图像本身的色彩分布导致待打印图像存在亮度分布不均的问题，目前的激光打印机往往不考虑这种因素直接进行打印导致打印出的图像存在模糊，线条扭曲的问题，而且由于激光打印机自身成像分辨率低的影响，打印出的图像往往存在规律性纹理，严重的导致打印图像模糊不清。


技术实现要素：

4.为了解决现有技术存在的不同的待打印图像由于扫描环境或者待打印图像本身的色彩分布导致待打印图像存在亮度分布不均的问题，目前的激光打印机往往不考虑这种因素直接进行打印导致打印出的图像存在模糊，线条扭曲的问题，而且由于激光打印机自身成像分辨率低的影响，打印出的图像往往存在规律性纹理，严重的导致打印图像模糊不清的技术问题，本发明提供一种激光打印机图像数据处理方法和系统。
5.第一方面
6.本发明提供一种激光打印机图像数据处理方法，应用于激光打印机图像数据处理系统，包括：
7.s101：获取待打印图像；
8.s102：利用图像亮度归一化方程将待打印图像的图像亮度进行归一化处理；
9.s103：对图像亮度归一化方程进行逆运算，将得到的逆运算结果与高斯函数进行卷积运算，得到亮度平衡方程；
10.s104：利用亮度平衡方程对待打印图像进行亮度平衡处理；
11.s105：将亮度平衡处理后的待打印图像进行二值化处理，得到二值图像；
12.s106：对二值图像对应的原始矩阵进行邻域滤波，计算每个像素点周围的种子点密度，以对原始矩阵内的种子点进行均匀分布式处理，构建均匀分布矩阵，其中，原始矩阵中包括种子点1和非种子点0；
13.s107：基于均匀分布矩阵中的种子点，利用三角割分算法构建三角网格；
14.s108：利用面积法确定处理后的待打印图像中各像素点在三角网格中的像素点位置，根据各像素点在三角网格中的位置计算过滤阈值，根据过滤阈值，建立过滤矩阵；
15.s109：利用局部自适应阈值化算法，调整过滤矩阵中的过滤阈值，减少重复过滤阈值的数量，得到目标过滤阈值矩阵；
16.s110：利用目标过滤阈值矩阵对二值化处理后的二值图像进行逆二值化处理，得到目标待打印图像。
17.第二方面
18.本发明提供一种激光打印机图像数据处理系统，包括：
19.获取模块，用于获取待打印图像；
20.第一处理模块，用于利用图像亮度归一化方程将待打印图像的图像亮度进行归一化处理；
21.运算模块，用于对图像亮度归一化方程进行逆运算，将得到的逆运算结果与高斯函数进行卷积运算，得到亮度平衡方程；
22.第二处理模块，用于利用亮度平衡方程对待打印图像进行亮度平衡处理；
23.第三处理模块，用于将亮度平衡处理后的待打印图像进行二值化处理，得到二值图像；
24.第四处理模块，用于对二值图像对应的原始矩阵进行邻域滤波，计算每个像素点周围的种子点密度，以对原始矩阵内的种子点进行均匀分布式处理，构建均匀分布矩阵，其中，原始矩阵中包括种子点1和非种子点0；
25.构建模块，用于基于均匀分布矩阵中的种子点，利用三角割分算法构建三角网格；
26.建立模块，用于利用面积法确定处理后的待打印图像中各像素点在三角网格中的像素点位置，根据各像素点在三角网格中的位置计算过滤阈值，根据过滤阈值，建立过滤矩阵；
27.调整模块，用于利用局部自适应阈值化算法，调整过滤矩阵中的过滤阈值，减少重复过滤阈值的数量，得到目标过滤阈值矩阵；
28.第五处理模块，用于利用目标过滤阈值矩阵对二值化处理后的二值图像进行逆二值化处理，得到目标待打印图像。
29.与现有技术相比，本发明至少具有以下有益效果：
30.在本发明中，通过亮度归一化和平衡处理，降低因扫描环境或颜色分布不均导致的待打印图像亮度分布不均匀的，去除因亮度分布不均导致的打印图像线条扭曲。通过三角割分算法和局部自适应阈值化算法，均匀分布图像中的种子点，自动调整过滤阈值，提高对待打印图像中部分瑕疵的过滤效果，减少打印出的图像规律性纹理。利用得到的目标过滤阈值矩阵对基于原始图像得到的二值图像进行逆二值化处理，准确清晰的再现原始图像，提高激光打印机的打印效果，便于激光打印机的推广使用。
附图说明
31.下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
32.图1是本发明提供的一种激光打印机图像数据处理方法的流程示意图；
33.图2是本发明提供的一种激光打印机图像数据处理系统的结构示意图。
具体实施方式
34.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
35.为使图面简洁，各图中只示意性地表示出了与发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
36.还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
37.在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
38.另外，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
39.在一个实施例中，参考说明书附图1，本发明提供的一种激光打印机图像数据处理方法的流程示意图。
40.本发明提供的一种激光打印机图像数据处理方法，应用于激光打印机图像数据处理系统，包括：
41.s101：获取待打印图像。
42.需要说明的是，待打印图像可以是各种类型的图像，例如jpeg、png、bmp、gif等常见的图片格式，也可以是pdf、doc等文档格式中的图片部分。这些图像可以从各种来源获取，例如从计算机本地文件夹、网络上的文件服务器、手机或平板电脑等移动设备、数字相机、扫描仪等设备获取。还可以通过激光打印机扫描直接得到的扫描图像或者是任意方式通过网络传输至激光打印机的电子图像。
43.s102：利用图像亮度归一化方程将待打印图像的图像亮度进行归一化处理。
44.可以理解的是，无论是扫描得到的图像还是直接网络传输得到的电子图像，都有一定的瑕疵，通过激光打印机直接打印都有可能存在线条扭曲或者规律性纹理的缺点。对于扫描图像，影响最大的是由于扫描环境的光线亮度不同，导致扫描图像亮度不均衡，直接打印导致出现线条扭曲的效果，对于电子图像，由于颜色分布不均和激光打印机本身的打印分辨率相对于其他打印机较低，所以，直接打印的话也会导致部分线条扭曲和规律性纹理，影响原始图像的复现质量。对于不同方式获取的待打印图像，图像亮度归一化方程对待打印图像归一化处理，以便后续进一步平衡待打印图像的图像亮度。
45.在一种可能的实施方式中，s102具体包括：
46.s1021：获取待打印图像上各像素点的r通道值、g通道值与b通道值；
47.s1022：计算待打印图像第x个像素点的像素点亮度值i(x)：
48.i(x)＝0.299ir(x)+0.587ig(x)+0.114ib(x)
49.其中，ir(x)表示r通道值，ig(x)表示g通道值，ib(x)表示b通道值；
50.s1023：统计像素点亮度值，对统计得到的像素点亮度值进行归一化，得到图像亮度归一化方程为：
[0051][0052]
其中，n表示待打印图像的像素数，p(n)表示像素点亮度值小于n的像素点占比。
[0053]
s103：对图像亮度归一化方程进行逆运算，将得到的逆运算结果与高斯函数进行卷积运算，得到亮度平衡方程。
[0054]
需要说明的是，通过对亮度归一化方程的逆运算，结合高斯函数生成一个亮度平衡方程。这个亮度平衡方程可以用于对待打印图像进行亮度平衡处理，从而提高打印图像的质量和清晰度，这个亮度平衡方程可以对原始图像进行亮度调整，让整个图像的亮度更加均衡，这样在进行后续的处理和打印时，就可以得到更加清晰和高质量的图像。
[0055]
在一种可能的实施方式中，亮度平衡方程具体为：
[0056][0057][0058]
其中，h(m)表示像素点亮度值为m的像素点优化后的像素点亮度值，ε表示归一化系数，k为正整数，θ表示实数，p(m)表示像素点亮度值小于m的像素点占比。
[0059]
值m的像素所占的比例。pj(m)。
[0060]
s104：利用亮度平衡方程对待打印图像进行亮度平衡处理。
[0061]
s105：将亮度平衡处理后的待打印图像进行二值化处理，得到二值图像。
[0062]
其中，图像二值化是一种常见的数字图像处理方法，它将图像中的像素值从连续的灰度值转换为只有两个值的二进制表示形式。通常情况下，将像素值高于某个阈值的像素设为1，低于阈值的像素设为0，从而得到只有黑白两色的二值图像。图像二值化的目的是将图像中的信息简化为只有目标物体和背景两种颜色，便于后续处理。
[0063]
需要说明的是，将亮度平衡处理后的待打印图像进行二值化处理后，在后续的处理中能够简化图像信息、方便图像中各种信息的提取，相应的也能够提高图像处理效率和精度，基于二值图像处理得到的效果也更加准确。
[0064]
s106：对二值图像对应的原始矩阵进行邻域滤波，计算每个像素点周围的种子点密度，以对原始矩阵内的种子点进行均匀分布式处理，构建均匀分布矩阵，其中，原始矩阵中包括种子点1和非种子点0。
[0065]
其中，在数字图像处理中，邻域滤波是一种常见的图像平滑处理方法。它通过对像素点周围的像素值进行加权平均，来消除图像中的噪声、纹理等不规则的变化，邻域滤波后计算每个像素点周围的种子点密度，以便后续对种子点进行均匀分布式处理。种子点是图
像中一些重要的特征点，如角点、边缘点、连通区域等，它们通常具有高亮度或者高灰度值。
[0066]
需要说明的是，对待打印图像进行二值化处理，将图像转换成由种子点和非种子点组成的二值矩阵，其中种子点用1表示，非种子点用0表示。对二值矩阵进行邻域滤波，计算每个像素点周围的种子点数量，从而得到每个像素点的种子点密度值。对原始矩阵内的种子点进行均匀分布式处理，以构建均匀分布矩阵。均匀分布式处理的方法是将原始矩阵中的每个种子点，在其周围随机选择一定数量的非种子点，并将其替换成种子点，从而使得种子点在整个图像中均匀分布，这样得到的均匀分布矩阵可以用于后续图像的均匀处理。
[0067]
在一种可能的实施方式中，s106具体包括：
[0068]
s1061：利用高斯滤波函数，对原始矩阵中的每个元素进行8
×
8邻域滤波；
[0069]
s1062：计算滤波后的原始矩阵中各个元素的种子点密度，其中，种子点密度表示一个像素点周围的种子点的数量占比：
[0070]
density(x,y)＝|s|/(8*8)
[0071]
其中，(x,y)表示当前元素对应的像素点坐标，|s|表示当前元素邻域内的种子点个数，8*8表邻域大小；
[0072]
s1063：在当前种子点密度小于周围的种子点密度的情况下，则将当前种子点对应的像素点置为非种子点，如果当前非种子点的种子点密度大于周围元素的种子点密度的情况下，则将该点置为种子点；
[0073]
s1064：遍历原始矩阵中的像素点，依次迭代循环，直到最小种子密度点和最大种子密度点位置重合为止，得到随机均匀分布的种子点，将结果替换原始矩阵中的相应元素，得到均匀分布矩阵。
[0074]
需要说明的是，通过这一步处理，可以实现在图像中均匀地分布种子点，使得后续的三角割分算法能够更加精准地构建三角网格，从而提高打印图像的显示效果。具体而言，均匀分布的种子点能够更好地描述图像的特征，避免了一些特征点聚集在一起导致三角网格构建不均匀的情况，同时也能够更好地保持图像的细节和平滑性。
[0075]
s107：基于均匀分布矩阵中的种子点，利用三角割分算法构建三角网格。
[0076]
其中，三角割分算法是一种常用的计算机图形学算法，用于将平面上的一组点集剖分成一组非重叠的三角形，且三角形边界上的点集为输入点集的子集。该算法的目标是生成高质量的三角网格，使得各个三角形的角度尽可能接近60度，且不会出现尖锐的角度或较大的不等边三角形。三角割分算法的基本思想是将原始点集中的点两两连接起来，形成所有可能的边。然后根据一定的准则来确定哪些边可以组成三角形，进而生成一个满足约束条件的三角剖分结果。常用的准则有最小角度准则、圆内准则和法向准则等。在图像处理中，三角割分算法常用于将图像中的像素点进行剖分，生成三角形网格，从而实现对图像的分割和特征提取等操作。
[0077]
需要说明的是，基于生成的均匀分布的种子点，利用三角割分算法构建三角网格。三角割分算法可以将图像分割为一组具有良好连通性和几何特性的三角形区域，可以更好地保留图像的细节，避免图像信息丢失和模糊。通过三角割分算法生成的三角网格，可以在图像区域之间进行补偿和插值，从而可以更准确地还原图像，提高图像的质量和清晰度。通过三角割分算法将图像分割为三角形区域后，可以进行更准确的图像渲染。例如，可以基于三角形区域进行光照、阴影、反射等效果的模拟，从而可以更真实地模拟图像的外观和光影
效果。通过将图像分割为三角形区域，可以对不同区域内的像素进行颜色、亮度、纹理等特征的提取和统计，从而便于进行图像分析和处理，例如图像分类、目标检测等应用。
[0078]
在一种可能的实施方式中，s107具体包括：
[0079]
s1071：以均匀分布矩阵中左上角的像素点作为起始点，在均匀分布矩阵的剩余元素中，找出距离起始点最近的种子点，将起始点与种子点作为待建三角形的第一顶点和第二顶点，并将第一顶点和第二顶点的连线作为基准线；
[0080]
s1072：根据三角割分算法的定义准则，寻找待建三角形的第三顶点；
[0081]
在一种可能的实施方式中，s1072具体包括：
[0082]
s1072a：遍历均匀分布矩阵中剩余的所有备选种子点，判断备选种子点是否在基准线的右侧：
[0083]
t＝(x'-x1)(y
2-y1)-(y'-y1)(x
2-x1)
[0084]
其中，t表示判断值，(x',y')表示备选种子点的坐标，(x1,y1)表示第一顶点p1的坐标，(x2,y2)表示第二顶点p2的坐标；
[0085]
s1072b：在判断值大于0的情况下，将备选种子点作为备选第三顶点p3，进入s1072c，否则，返回s1072a；
[0086]
s1072c：计算备选第三顶点对应的内角余弦值：
[0087][0088]
s1072d：在备选第三顶点对应的内角余弦值最小的情况下，将备选第三顶点作为第三顶点，并逆时针输出p1、p3、p2，否则，返回s1072a。
[0089]
s1073：以第一顶点、第二顶点和第三顶点构建三角形；
[0090]
s1074：以第一顶点与第三顶点的连线、第二顶点与第三顶点的连线作为新的基准线，重复s1072-s1073，构建新的三角形，直至完成三角网格的构建。
[0091]
s108：利用面积法确定处理后的待打印图像中各像素点在三角网格中的像素点位置，根据各像素点在三角网格中的位置计算过滤阈值，根据过滤阈值，建立过滤矩阵。
[0092]
需要说明的是，利用面积法确定处理后的待打印图像中各像素点在三角网格中的像素点位置，根据位置计算过滤阈值，建立过滤矩阵。这样做的好处是可以更准确地将像素点映射到三角网格中的位置，从而更精确地计算每个像素点的过滤阈值，进而建立过滤矩阵。相对于现有技术，这种方法可以提高打印图像的质量和清晰度，特别是在处理高分辨率图像时更为有效，因为该方法考虑了像素点的周围情况，以及三角割分算法的精度，使得图像的处理更为细致和精确，从而提高了打印图像的显示效果。
[0093]
在一种可能的实施方式中，s108具体包括：
[0094]
s1081：根据像素点位置计算过滤阈值：
[0095][0096]
其中，l代表过滤阈值，ak、rk表示过滤阈值生成参数，ak控制着三角形网点在dk方向上的伸长率影响网点形状，rk决定各网点在不同方向上的接触情况，其中，dk表示像素点到所属三角形三条边的垂直距离，dk表示三角形三条边上的高；
[0097]
s1082：将各个像素点的过滤阈值映射到0-255的灰度值范围：
[0098][0099]
s1083：利用得到的映射阈值建立过滤矩阵。
[0100]
s109：利用局部自适应阈值化算法，调整过滤矩阵中的过滤阈值，减少重复过滤阈值的数量，得到目标过滤阈值矩阵。
[0101]
其中，局部自适应阈值化算法是一种图像二值化方法，与全局阈值化不同，它根据图像的局部特征对每个像素点选择不同的阈值进行二值化处理。具体来说，该算法将图像划分成多个小区域，对每个小区域内的像素点分别进行阈值化处理。这里的阈值是根据局部像素点的灰度值计算得出的，通常是根据该区域内像素点的均值或中值计算得出。在二值化处理时，像素点与阈值进行比较，大于阈值的像素点被设为白色，小于阈值的像素点被设为黑色。局部自适应阈值化算法能够更好地处理光照不均、背景复杂等问题，因为它能够根据不同区域的特点选择不同的阈值进行二值化处理。
[0102]
需要说明的是，利用局部自适应阈值化算法，调整过滤矩阵中的过滤阈值，以减少重复过滤阈值的数量，并得到目标过滤阈值矩阵，以便进一步优化图像处理结果，使得最终的打印图像更加清晰、准确。相对于现有技术，采用局部自适应阈值化算法可以更加精细地处理图像，同时能够适应不同部分的图像特征，因此处理结果更加稳定和准确。与传统的全局阈值化方法相比，局部自适应阈值化可以针对每个像素点的局部像素特征进行处理，使得处理后的图像更加清晰、自然，避免了因整体阈值设置不当导致的过度处理或者处理不足等问题，因此具有更高的处理精度和图像质量。
[0103]
在一种可能的实施方式中，s109具体包括：
[0104]
s1091：基于每个像素点邻域的的局部过滤阈值，计算每个像素点的局部过滤阈值，得到过滤阈值矩阵：
[0105]
u(x,y)＝α(x,y)+k*σ(x,y)
[0106]
其中，u(x,y)表示像素点(x,y)处的局部过滤阈值，α(x，y)表示像素点(x，y)处的邻域灰度值的均值，σ(x，y)表示(x，y)处的邻域灰度值的标准差，k∈[-1,1]表示预设系数；
[0107]
s1092：从过滤阈值矩阵筛选出非重复阈值列表，计算非重复阈值列表中的阈值平均值；
[0108]
s1093：将非重复过滤阈值列表中的元素按从小到大的顺序进行排序，计算过滤阈值中位数；
[0109]
s1094：根据过滤阈值中位数和过滤阈值平均值计算新过滤阈值，将新过滤阈值替换过滤矩阵中相应位置的过滤阈值，得到目标过滤阈值矩阵：
[0110]
u'(x,y)＝λ*mean
l
+(1-λ)*median
l
[0111]
其中，meanr表示过滤阈值平均值，medianr表示过滤阈值中位数，λ∈[0.5,0.7]表示预设权重系数，其中，预设权重系数的值可以利用交叉验证的方法进行选取。
[0112]
s110：利用目标过滤阈值矩阵对二值化处理后的二值图像进行逆二值化处理，得到目标待打印图像。
[0113]
与现有技术相比，本发明至少具有以下有益效果：
[0114]
在本发明中，通过亮度归一化和平衡处理，降低因扫描环境或颜色分布不均导致
的待打印图像亮度分布不均匀的，去除因亮度分布不均导致的打印图像线条扭曲。通过三角割分算法和局部自适应阈值化算法，均匀分布图像中的种子点，自动调整过滤阈值，提高对待打印图像中部分瑕疵的过滤效果，减少打印出的图像规律性纹理。利用得到的目标过滤阈值矩阵对基于原始图像得到的二值图像进行逆二值化处理，准确清晰的再现原始图像，提高激光打印机的打印效果，便于激光打印机的推广使用。
[0115]
实施例2
[0116]
在一个实施例中，参考说明书附图2，本发明提供的一种激光打印机图像数据处理系统的结构示意图。
[0117]
本发明提供的一种激光打印机图像数据处理系统20，包括：
[0118]
获取模块201，用于获取待打印图像；
[0119]
第一处理模块202，用于利用图像亮度归一化方程将待打印图像的图像亮度进行归一化处理；
[0120]
运算模块203，用于对图像亮度归一化方程进行逆运算，将得到的逆运算结果与高斯函数进行卷积运算，得到亮度平衡方程；
[0121]
第二处理模块204，用于利用亮度平衡方程对待打印图像进行亮度平衡处理；
[0122]
第三处理模块205，用于将亮度平衡处理后的待打印图像进行二值化处理，得到二值图像；
[0123]
第四处理模块206，用于对二值图像对应的原始矩阵进行邻域滤波，计算每个像素点周围的种子点密度，以对原始矩阵内的种子点进行均匀分布式处理，构建均匀分布矩阵，其中，原始矩阵中包括种子点1和非种子点0；
[0124]
构建模块207，用于基于均匀分布矩阵中的种子点，利用三角割分算法构建三角网格；
[0125]
建立模块208，用于利用面积法确定处理后的待打印图像中各像素点在三角网格中的像素点位置，根据各像素点在三角网格中的位置计算过滤阈值，根据过滤阈值，建立过滤矩阵；
[0126]
调整模块209，用于利用局部自适应阈值化算法，调整过滤矩阵中的过滤阈值，减少重复过滤阈值的数量，得到目标过滤阈值矩阵；
[0127]
第五处理模块210，用于利用目标过滤阈值矩阵对二值化处理后的二值图像进行逆二值化处理，得到目标待打印图像。
[0128]
在一种可能的实施方式中，第一处理模块具体包括：
[0129]
获取子模块，用于获取待打印图像上各像素点的r通道值、g通道值与b通道值；
[0130]
第一计算子模块，用于计算待打印图像第x个像素点的像素点亮度值i(x)：
[0131]
i(x)＝0.299ir(x)+0.587ig(x)+0.114ib(x)
[0132]
其中，ir(x)表示r通道值，ig(x)表示g通道值，ib(x)表示b通道值；
[0133]
统计子模块，用于统计像素点亮度值，对统计得到的像素点亮度值进行归一化，得到图像亮度归一化方程为：
[0134][0135]
其中，n表示待打印图像的像素数，p(n)表示像素点亮度值小于n的像素点占比。
[0136]
在一种可能的实施方式中，亮度平衡方程具体为：
[0137][0138][0139]
其中，h(m)表示像素点亮度值为m的像素点优化后的像素点亮度值，ε表示归一化系数，k为正整数，θ表示实数。
[0140]
在一种可能的实施方式中，第四处理模块具体包括：
[0141]
滤波子模块，用于利用高斯滤波函数，对原始矩阵中的每个元素进行8
×
8邻域滤波；
[0142]
第二计算子模块，用于计算滤波后的原始矩阵中各个元素的种子点密度，其中，种子点密度表示一个像素点周围的种子点的数量占比：
[0143]
density(x,y)＝|s|/(8*8)
[0144]
其中，(x,y)表示当前元素对应的像素点坐标，|s|表示当前元素邻域内的种子点个数，8*8表邻域大小；
[0145]
第一设置子模块，用于在当前种子点密度小于周围的种子点密度的情况下，则将当前种子点对应的像素点设置为非种子点，如果当前非种子点的种子点密度大于周围元素的种子点密度的情况下，则将该点设置为种子点；
[0146]
替换子模块，用于遍历原始矩阵中的像素点，依次迭代循环，直到最小种子密度点和最大种子密度点位置重合为止，得到随机均匀分布的种子点，将结果替换原始矩阵中的相应元素，得到均匀分布矩阵。
[0147]
在一种可能的实施方式中，构建模块具体包括：
[0148]
第二设置子模块，用于以均匀分布矩阵中左上角的像素点作为起始点，在均匀分布矩阵的剩余元素中，找出距离起始点最近的种子点，将起始点与种子点作为待建三角形的第一顶点和第二顶点，并将第一顶点和第二顶点的连线设置为基准线；
[0149]
寻找子模块，用于根据三角割分算法的定义准则，寻找待建三角形的第三顶点；
[0150]
构建子模块，用于以第一顶点、第二顶点和第三顶点构建三角形；
[0151]
重复子模块，用于以第一顶点与第三顶点的连线、第二顶点与第三顶点的连线作为新的基准线，重复s1072-s1073，构建新的三角形，直至完成三角网格的构建。
[0152]
在一种可能的实施方式中，寻找子模块具体包括：
[0153]
判断单元，用于遍历均匀分布矩阵中剩余的所有备选种子点，判断备选种子点是否在基准线的右侧：
[0154]
t＝(x'-x1)(y
2-y1)-(y'-y1)(x
2-x1)
[0155]
其中，t表示判断值，(x',y')表示备选种子点的坐标，(x1,y1)表示第一顶点p1的坐标，(x2,y2)表示第二顶点p2的坐标；
[0156]
设置单元，用于在判断值大于0的情况下，将备选种子点设置为备选第三顶点p3，
进入s1072c，否则，返回s1072a；
[0157]
计算单元，用于计算备选第三顶点对应的内角余弦值：
[0158][0159]
输出单元，用于在备选第三顶点对应的内角余弦值最小的情况下，将备选第三顶点作为第三顶点，并逆时针输出p1、p3、p2，否则，返回s1072a。
[0160]
在一种可能的实施方式中，建立模块具体包括：
[0161]
第三计算子模块，用于根据像素点位置计算过滤阈值：
[0162][0163]
其中，l代表过滤阈值，ak、rk表示过滤阈值生成参数，ak控制着三角形网点在dk方向上的伸长率影响网点形状，rk决定各网点在不同方向上的接触情况，其中，dk表示像素点到所属三角形三条边的垂直距离，dk表示三角形三条边上的高；
[0164]
映射子模块，用于将各个像素点的过滤阈值映射到0-255的灰度值范围：
[0165][0166]
建立子模块，用于利用得到的映射阈值建立过滤矩阵。
[0167]
在一种可能的实施方式中，调整模块具体包括：
[0168]
第四计算子模块，用于基于每个像素点邻域的的局部过滤阈值，计算每个像素点的局部过滤阈值，得到过滤阈值矩阵：
[0169]
u(x,y)＝α(x,y)+k*σ(x,y)
[0170]
其中，u(x,y)表示像素点(x,y)处的局部过滤阈值，α(x，y)表示像素点(x，y)处的邻域灰度值的均值，σ(x，y)表示(x，y)处的邻域灰度值的标准差，k∈[-1,1]表示预设系数；
[0171]
筛选子模块，用于从过滤阈值矩阵筛选出非重复阈值列表，计算非重复阈值列表中的阈值平均值；
[0172]
第五计算子模块，用于将非重复过滤阈值列表中的元素按从小到大的顺序进行排序，计算过滤阈值中位数；
[0173]
第六计算子模块，用于根据过滤阈值中位数和过滤阈值平均值计算新过滤阈值，将新过滤阈值替换过滤矩阵中相应位置的过滤阈值，得到目标过滤阈值矩阵：
[0174]
u'(x,y)＝λ*mean
l
+(1-λ)*median
l
[0175]
其中，meanr表示过滤阈值平均值，medianr表示过滤阈值中位数，λ∈[0.5,0.7]表示预设权重系数，其中，预设权重系数的值可以利用交叉验证的方法进行选取。
[0176]
本发明提供的激光打印机图像数据处理系统20能够实现上述方法实施例中实现的各个过程，为避免重复，这里不再赘述。
[0177]
本发明提供的虚拟系统可以是系统，也可以是终端中的部件、集成电路、或芯片。
[0178]
与现有技术相比，本发明至少具有以下有益效果：
[0179]
在本发明中，通过亮度归一化和平衡处理，降低因扫描环境或颜色分布不均导致的待打印图像亮度分布不均匀的，去除因亮度分布不均导致的打印图像线条扭曲。通过三
角割分算法和局部自适应阈值化算法，均匀分布图像中的种子点，自动调整过滤阈值，提高对待打印图像中部分瑕疵的过滤效果，减少打印出的图像规律性纹理。利用得到的目标过滤阈值矩阵对基于原始图像得到的二值图像进行逆二值化处理，准确清晰的再现原始图像，提高激光打印机的打印效果，便于激光打印机的推广使用。
[0180]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0181]
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

技术特征：
1.一种激光打印机图像数据处理方法，其特征在于，包括：s101：获取待打印图像；s102：利用图像亮度归一化方程将所述待打印图像的图像亮度进行归一化处理；s103：对所述图像亮度归一化方程进行逆运算，将得到的逆运算结果与高斯函数进行卷积运算，得到亮度平衡方程；s104：利用所述亮度平衡方程对所述待打印图像进行亮度平衡处理；s105：将亮度平衡处理后的待打印图像进行二值化处理，得到二值图像；s106：对所述二值图像对应的原始矩阵进行邻域滤波，计算每个像素点周围的种子点密度，以对所述原始矩阵内的种子点进行均匀分布式处理，构建均匀分布矩阵，其中，所述原始矩阵中包括种子点1和非种子点0；s107：基于所述均匀分布矩阵中的种子点，利用三角割分算法构建三角网格；s108：利用面积法确定所述处理后的待打印图像中各像素点在所述三角网格中的像素点位置，根据各像素点在所述三角网格中的位置计算过滤阈值，根据所述过滤阈值，建立过滤矩阵；s109：利用局部自适应阈值化算法，调整所述过滤矩阵中的过滤阈值，减少重复过滤阈值的数量，得到目标过滤阈值矩阵；s110：利用所述目标过滤阈值矩阵对二值化处理后的所述二值图像进行逆二值化处理，得到目标待打印图像。2.根据权利要求1所述的激光打印机图像数据处理方法，其特征在于，所述s102具体包括：s1021：获取所述待打印图像上各像素点的r通道值、g通道值与b通道值；s1022：计算所述待打印图像第x个像素点的像素点亮度值i(x)：i(x)＝0.299i
r
(x)+0.587i
g
(x)+0.114i
b
(x)其中，i
r
(x)表示r通道值，i
g
(x)表示g通道值，i
b
(x)表示b通道值；s1023：统计所述像素点亮度值，对统计得到的像素点亮度值进行归一化，得到所述图像亮度归一化方程为：其中，n表示所述待打印图像的像素数，p(n)表示像素点亮度值小于n的像素点占比。3.根据权利要求1所述的激光打印机图像数据处理方法，其特征在于，所述亮度平衡方程具体为：程具体为：其中，h(m)表示像素点亮度值为m的像素点优化后的像素点亮度值，ε表示归一化系数，
k为正整数，θ表示实数。4.根据权利要求1所述的激光打印机图像数据处理方法，其特征在于，所述s106具体包括：s1061：利用高斯滤波函数，对所述原始矩阵中的每个元素进行8
×
8邻域滤波；s1062：计算滤波后的原始矩阵中各个元素的种子点密度，其中，所述种子点密度表示一个像素点周围的种子点的数量占比：density(x，y)＝|s|/(8*8)其中，(x,y)表示当前元素对应的像素点坐标，|s|表示当前元素邻域内的种子点个数，8*8表邻域大小；s1063：在当前种子点密度小于周围的种子点密度的情况下，则将所述当前种子点对应的像素点置为非种子点，如果当前非种子点的种子点密度大于周围元素的种子点密度的情况下，则将该点置为种子点；s1064：遍历所述原始矩阵中的像素点，依次迭代循环，直到最小种子密度点和最大种子密度点位置重合为止，得到随机均匀分布的种子点，将结果替换所述原始矩阵中的相应元素，得到所述均匀分布矩阵。5.根据权利要求1所述的激光打印机图像数据处理方法，其特征在于，所述s107具体包括：s1071：以所述均匀分布矩阵中左上角的像素点作为起始点，在所述均匀分布矩阵的剩余元素中，找出距离所述起始点最近的种子点，将所述起始点与所述种子点作为待建三角形的第一顶点和第二顶点，并将所述第一顶点和所述第二顶点的连线作为基准线；s1072：根据所述三角割分算法的定义准则，寻找所述待建三角形的第三顶点；s1073：以所述第一顶点、所述第二顶点和所述第三顶点构建三角形；s1074：以所述第一顶点与所述第三顶点的连线、所述第二顶点与所述第三顶点的连线作为新的基准线，重复s1072-s1073，构建新的三角形，直至完成所述三角网格的构建。6.根据权利要求5所述的激光打印机图像数据处理方法，其特征在于，所述s1072具体包括：s1072a：遍历所述均匀分布矩阵中剩余的所有备选种子点，判断所述备选种子点是否在所述基准线的右侧：r＝(x'-x1)(y
2-y1)-(y'-y1)(x
2-x1)其中，t表示判断值，(x',y')表示所述备选种子点的坐标，(x1,y1)表示所述第一顶点p1的坐标，(x2,y2)表示所述第二顶点p2的坐标；s1072b：在所述判断值大于0的情况下，将所述备选种子点作为备选第三顶点p3，进入s1072c，否则，返回s1072a；s1072c：计算所述备选第三顶点对应的内角余弦值：s1072d：在所述备选第三顶点对应的内角余弦值最小的情况下，将所述备选第三顶点作为第三顶点，并逆时针输出p1、p3、p2，否则，返回s1072a。
7.根据权利要求1所述的激光打印机图像数据处理方法，其特征在于，所述s108具体包括：s1081：根据所述像素点位置计算所述过滤阈值：其中，l代表所述过滤阈值，a
k
、r
k
表示所述过滤阈值生成参数，a
k
控制着三角形网点在d
k
方向上的伸长率影响网点形状，r
k
决定各网点在不同方向上的接触情况，其中，d
k
表示所述像素点到所属三角形三条边的垂直距离，d
k
表示三角形三条边上的高；s1082：将各个像素点的过滤阈值映射到0-255的灰度值范围：s1083：利用得到的映射阈值建立所述过滤矩阵。8.根据权利要求1所述的激光打印机图像数据处理方法，其特征在于，所述s109具体包括：s1091：基于每个像素点邻域的的局部过滤阈值，计算每个像素点的局部过滤阈值，得到过滤阈值矩阵：u(x，y)＝α(x，y)+k*σ(x，y)其中，u(x,y)表示像素点(x,y)处的局部过滤阈值，α(x，y)表示像素点(x，y)处的邻域灰度值的均值，σ(x，y)表示(x，y)处的邻域灰度值的标准差，k∈[-1,1]表示预设系数；s1092：从所述过滤阈值矩阵筛选出非重复阈值列表，计算所述非重复阈值列表中的阈值平均值；s1093：将所述非重复过滤阈值列表中的元素按从小到大的顺序进行排序，计算过滤阈值中位数；s1094：根据所述过滤阈值中位数和所述过滤阈值平均值计算新过滤阈值，将所述新过滤阈值替换所述过滤矩阵中相应位置的过滤阈值，得到所述目标过滤阈值矩阵：u'(x，y)＝λ*mean
l
+(1-λ)*median
l
其中，mean
r
表示所述过滤阈值平均值，median
r
表示所述过滤阈值中位数，λ∈[0.5,0.7]表示预设权重系数，其中，所述预设权重系数的值可以利用交叉验证的方法进行选取。9.一种激光打印机图像数据处理系统，其特征在于，包括：获取模块，用于获取待打印图像；第一处理模块，用于利用图像亮度归一化方程将所述待打印图像的图像亮度进行归一化处理；运算模块，用于对所述图像亮度归一化方程进行逆运算，将得到的逆运算结果与高斯函数进行卷积运算，得到亮度平衡方程；第二处理模块，用于利用所述亮度平衡方程对所述待打印图像进行亮度平衡处理；第三处理模块，用于将亮度平衡处理后的待打印图像进行二值化处理，得到二值图像；第四处理模块，用于对所述二值图像对应的原始矩阵进行邻域滤波，计算每个像素点周围的种子点密度，以对所述原始矩阵内的种子点进行均匀分布式处理，构建均匀分布矩
阵，其中，所述原始矩阵中包括种子点1和非种子点0；构建模块，用于基于所述均匀分布矩阵中的种子点，利用三角割分算法构建三角网格；建立模块，用于利用面积法确定所述处理后的待打印图像中各像素点在所述三角网格中的像素点位置，根据各像素点在所述三角网格中的位置计算过滤阈值，根据所述过滤阈值，建立过滤矩阵；调整模块，用于利用局部自适应阈值化算法，调整所述过滤矩阵中的过滤阈值，减少重复过滤阈值的数量，得到目标过滤阈值矩阵；第五处理模块，用于利用所述目标过滤阈值矩阵对二值化处理后的所述二值图像进行逆二值化处理，得到目标待打印图像。10.根据权利要求1所述的激光打印机图像数据处理系统，其特征在于，所述第一处理模块具体包括：获取子模块，用于获取所述待打印图像上各像素点的r通道值、g通道值与b通道值；第一计算子模块，用于计算所述待打印图像第x个像素点的像素点亮度值i(x)：i(x)＝0.299i
r
(x)+0.587i
g
(x)+0.114i
b
(x)其中，i
r
(x)表示r通道值，i
g
(x)表示g通道值，i
b
(x)表示b通道值；统计子模块，用于统计所述像素点亮度值，对统计得到的像素点亮度值进行归一化，得到所述图像亮度归一化方程为：其中，n表示所述待打印图像的像素数，p(n)表示像素点亮度值小于n的像素点占比。

技术总结
本发明公开了一种激光打印机图像数据处理方法和系统，属于图像处理技术领域，方法包括：获取待打印图像；将待打印图像的图像亮度进行归一化处理结合高斯函数，得到亮度平衡方程对待打印图像进行亮度平衡处理；将亮度平衡处理后的待打印图像进行二值化；对二值图像对应的原始矩阵进行邻域滤波，计算每个像素点周围的种子点密度，以对原始矩阵内的种子点进行均匀分布式处理，构建均匀分布矩阵；基于均匀分布矩阵中的种子点，利用三角割分算法构建三角网格；根据各像素点在三角网格中的位置计算过滤阈值，建立过滤矩阵；利用局部自适应阈值化算法调整过滤矩阵中的过滤阈值，之后对二值化处理后的二值图像进行逆二值化处理，得到目标待打印图像。标待打印图像。标待打印图像。


技术研发人员：贺明星
受保护的技术使用者：湖南匡楚科技有限公司
技术研发日：2023.06.14
技术公布日：2023/9/12