半色调算法：蓝噪声模板VOIDandCLUSTER算法

最近一直在关注半色调算法。其中的蓝噪声模板法算法简单、运行速度快，是半色调算法中一种常用算法。void and cluster算法是一种常用的生成蓝噪声模板的方法。这几天认真研究了这一算法，特将算法的基本情况作一简单梳理，方便以后查阅。

算法的目标：

生成一个用于对图像进行半色调处理的蓝噪声模板。对一个N*N的初始数组，通过算法处理后，数组的元素值是0-（N*N-1）之间的。用于半色调处理时，需要进行归一化。

算法的主要思想：

通过计算一个1位（只有黑和白，也就是0和1）的BINARAY图像的所有点的能量，利用VOID(空间)和CLUSTER（聚集）的思想，查找最大的VOID(空间)或CLUSTER（聚集）点，并将所在位置的图像设置为1或者0，并按一定规则将数字写到蓝噪声模板相应位置，最后BINARAY图像中的所有点都为1， 同时蓝噪声模板所有位置的数字设置完成。

算法的先期条件：

1、一种用于计算BINARAY图像中的每个点到每个少数点（数值为1的点）的能量函数。一个类似于高斯函数的函数，因为这个算法计算出来的蓝噪声模板是正方形的，是对称的，所以的这个函数的形式为，其中，R是两个点之间的欧式距离。是常数1.5。有了每个点的能量函数 ，就可以用来寻找最大的VOID(空间)或CLUSTER（聚集）点。

2、一个初始化为蓝噪声特性的BINARAY图像，这个图像可用误差扩散算法或者其他半色调算法生成的，也可以是由随机函数生成的白噪声图像优化得来。

算法的主要流程：

第一阶段：计算BINARAY图像中值为1的点的个数RANK，查找最大的CLUSTER的点，将这个点设为0，将RANK的值写入到蓝噪声模板的相应位置，RANK-1,而后进行迭代。结束时，蓝噪声模板中已经有0-(RANK-1)的值了。

第二阶段：此时用的BINARAY图像为初始的，不是第一阶段处理后的。查找最大的VOID的点，将这个点设为1，将RANK的值写入到蓝噪声模板的相应位置，RANK+1,而后进行迭代，直至RANK<N*N/2。结束时，蓝噪声模板已经有0-N*N/2之间的值了。

第三阶段：计算第二阶段后的BINARAY图像中值1的点到值为0的点的能量，而后再继续查找最大的VOID的点，将这个点设为1，将RANK的值写入到蓝噪声模板的相应位置，RANK+1,而后进行迭代，直至RANK<N*N。结束时，蓝噪声模板已经有0-N*N之间的值了。结束时，蓝噪声模板中所有位置都相应的值了，这个值在0-N*N之间，且互不相等。

注意：

这里只是自己的理解，有些地方写的不是很详细明确，有什么问题可以私信交流。