数字加网（二）— —调幅加网算法及实现

数字加网（一）— —概念及分色合成
数字加网（二）— —调幅加网算法及实现
数字加网（三）— —调频加网算法及实现

---

在上一篇中提到调幅加网的方法有有理正切、无理正切和超细胞方法。无理正切方法，与有理正切本质相同，但是因为正切值为无理数，不能保证网格的角点与输出设备记录栅格的角点重合，需要进行一个强制重合的过程，一般数字加网方法里对其讨论较少。而超细胞的方法相当于外面一个大的阈值矩阵是有理正切，里面若干小的阈值矩阵是无理正切的。下图分别是有理正切和超细胞方法。

上段提到阈值矩阵，如下图，其实也可以叫做蒙板或者窗口，即在待加网的图像上“走”一圈下来（扫描整幅图像），当前像素值比阈值矩阵中相对应的值大，则像素值置为1，反之置为0。阈值矩阵本质就是一个矩阵，通过矩阵的值控制加网的网点形状（圆形、方形、菱形等）。当然不同的加网角度也对应不同的阈值矩阵。

阈值矩阵的设计

接下来我将给出调幅加网的算法及Python代码，主要参考徐锦林的《调幅加网阈值矩阵设计方法与加网原理》，文中基于最小阈值矩阵原理，详述12×12网格的最小阈值矩阵的设计原则。网格构成为12×12时，加网角度0度，45度，15度（14.04）和75度（75.96），对应的网格大小分别为为144、128与153，加网阈值的个数远小于255。加网时需将灰度图像的像素值与加网阈值比较，因此必须建立两者的转换（映射）关系。可采用以下公式处理。

式中fix表示取最小整数（下同），Qmax为对应的网格的最大值（144,218,513）。

加网角度为0度的阈值矩阵

加网角度为45度的阈值矩阵

加网角度为14.04度的阈值矩阵

加网角度为75.96度的阈值矩阵

后两个阈值矩阵分别为网线角度14.04°和75.96°时的最小阈值矩阵，因列数太多，故将表格拆开成左右两部分。不难发现，如将这两个矩阵扩展为51×51的方阵，则它们互为转置矩阵。

加网过程及算法

采用最小阈值矩阵进行灰度图像加网的过程如图所示。设原灰度图像大小(像素数)为（W ×H ），在网格构成为12×12时，则加网的二值图像大小(像素数)必为N (12×W )×M (12×H )。加网时从上到下，从左到右扫描加网图像的每一个像素，由其坐标值如图中的(m ,n )，求出该像素在阈值矩阵中对应的阈值坐标(k ,l )，得到加网阈值Q (k ,l )，同时从原灰度图像中查到与之对应的像素坐标(i ,j )，得到原灰度图像的像素值F (i ,j )，然后将灰度图像的像素值F (i ,j )与阈值Q (k ,l )比较，即可决定加网图像中该像素的取值，即决定P (m ,n )是“1”还是“0”，从而完成一个像素的加网过程。为了清楚地表示加网过程，图中的箭头处加了序号。

0度加网算法

### Digital Screening
### Author: Sin_Geek
### Date: 2015-05-17

from PIL import Image

time = 12
K = 12
L = 12
N = 144
im = Image.open('lena0.jpg').convert('L')
im2 = Image.new("1",(im.size[0]*time,im.size[1]*time))

Mask=[144,140,132,122,107,63,54,93,106,123,133,142,
    143,137,128,104,94,41,31,65,98,116,120,139,
    135,131,114,97,61,35,24,55,80,103,113,125,
    126,117,88,83,56,29,15,51,68,90,99,111,
    109,100,81,77,48,22,8,28,47,76,85,96,
    91,44,16,12,9,3,5,21,25,33,37,73,
        59,58,