版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、加網(wǎng)是數(shù)字印刷技術(shù)的一項關(guān)鍵技術(shù),其作用是將連續(xù)調(diào)數(shù)字圖像轉(zhuǎn)變成離散態(tài)網(wǎng)目調(diào)圖像,用以制版印刷。數(shù)字加網(wǎng)技術(shù)的核心是算法模型,算法模型的優(yōu)劣將直接影響加網(wǎng)質(zhì)量,從而最終影響印刷質(zhì)量。數(shù)字加網(wǎng)技術(shù)經(jīng)過多年發(fā)展,已經(jīng)形成了比較完善的技術(shù)體系,但人們對印刷質(zhì)量的不懈追求和技術(shù)的不斷進(jìn)步使得當(dāng)前單一調(diào)幅調(diào)頻加網(wǎng)模式逐漸暴露出一些問題,這些問題有的難以克服,有的成為瓶頸,極大地影響了印刷質(zhì)量,甚至帶來較高的印刷成本,因此混合加網(wǎng)成為加網(wǎng)技術(shù)發(fā)展的
2、必然趨勢。本文圍繞混合加網(wǎng)這一主題,針對存在的問題,對混合加網(wǎng)技術(shù)、網(wǎng)目調(diào)單元網(wǎng)點模型構(gòu)建、混合加網(wǎng)算法模型構(gòu)建、加網(wǎng)算法印刷階調(diào)復(fù)制特性、加網(wǎng)原型實驗驗證系統(tǒng)等進(jìn)行了深入的研究。
本研究主要內(nèi)容包括:⑴對混合加網(wǎng)技術(shù)進(jìn)行了深入研究,提出混合加網(wǎng)技術(shù)存在的瓶頸問題。研究分析了構(gòu)成混合加網(wǎng)基本模型的主要類型和存在的問題,對混合加網(wǎng)技術(shù)的研究現(xiàn)狀進(jìn)行了分析。確定了論文的研究目標(biāo)和研究內(nèi)容,并總結(jié)了論文的整體研究方案和流程。⑵提出并
3、建立了解決加網(wǎng)難題、用以構(gòu)建混合加網(wǎng)模型的網(wǎng)目調(diào)單元網(wǎng)點模型。對網(wǎng)目調(diào)單元網(wǎng)點模型的生成環(huán)境和條件進(jìn)行了研究,提出網(wǎng)目調(diào)單元網(wǎng)點模型概念。設(shè)計構(gòu)建了HLC加網(wǎng)算法模型,建立了Moire條紋和線數(shù)選取模型,搭建了非水平網(wǎng)角HLC加網(wǎng)算法模型。設(shè)計構(gòu)建了多參可控加網(wǎng)算法模型和空間域隨機(jī)數(shù)組加網(wǎng)算法模型。通過選取隨機(jī)數(shù)發(fā)生器和構(gòu)建隨機(jī)數(shù)組模型,確定網(wǎng)點重心生成網(wǎng)點。設(shè)計構(gòu)建了分布函數(shù)加網(wǎng)算法模型和偽隨機(jī)函數(shù)加網(wǎng)算法模型,利用均勻分布函數(shù)發(fā)生器
4、和乘同余偽隨機(jī)函數(shù)發(fā)生器確定網(wǎng)點中心和網(wǎng)點點位。為實現(xiàn)任意加網(wǎng)參數(shù)條件下的加網(wǎng),提出了網(wǎng)目調(diào)單元網(wǎng)點通用模型庫建庫方法。⑶提出并建立了混合加網(wǎng)算法模型和問題解決方案。在研究混合加網(wǎng)存在問題的基礎(chǔ)上,根據(jù)構(gòu)建的網(wǎng)目調(diào)單元網(wǎng)點模型提出了算法組合建模方法。提取圖像階調(diào)信息和基本加網(wǎng)信息并建立基本篩選模型。通過對網(wǎng)目調(diào)單元網(wǎng)點模型的信息提取,對其進(jìn)行匹配建模獲得混合加網(wǎng)算法模型。提出過渡區(qū)域平滑銜接模型、“絕網(wǎng)”臨界值模型和“絕網(wǎng)”區(qū)域網(wǎng)點歸并
5、模型三大影響因子,并針對問題構(gòu)建了漸變中心位移算法模型、同灰度級網(wǎng)點重組算法模型和網(wǎng)點歸并算法模型。最后研究了其他混合加網(wǎng)方法。⑷對加網(wǎng)算法模型進(jìn)行了質(zhì)量評價與驗證,獲得其印刷階調(diào)復(fù)制特性。首先對網(wǎng)目調(diào)單元網(wǎng)點模型進(jìn)行質(zhì)量評價,主要包括網(wǎng)目調(diào)圖像及其內(nèi)部結(jié)構(gòu)評價、二值半色調(diào)重構(gòu)準(zhǔn)確度評估和半色調(diào)圖像熵差評價。根據(jù)已有實驗數(shù)據(jù),構(gòu)建了加網(wǎng)算法的階調(diào)復(fù)制特性模擬模型,通過模擬模型給出了相同印刷條件下加網(wǎng)算法印刷階調(diào)復(fù)制特性曲線波動的可行區(qū)間
6、。通過相同條件下的印刷實驗,獲得加網(wǎng)算法的印版網(wǎng)點階調(diào)復(fù)制特性曲線、印張網(wǎng)點階調(diào)復(fù)制特性曲線和網(wǎng)點擴(kuò)大補償曲線,研究獲得了加網(wǎng)算法的階調(diào)復(fù)制特性。研究了混合加網(wǎng)印刷圖像的自然復(fù)制效果,并對印刷圖像進(jìn)行了主觀評價。根據(jù)評價結(jié)果提出了所提算法模型的加網(wǎng)應(yīng)用方案。⑸設(shè)計開發(fā)了混合加網(wǎng)算法模型原型實驗驗證系統(tǒng)。根據(jù)本文建立的網(wǎng)目調(diào)單元網(wǎng)點模型和混合加網(wǎng)模型,設(shè)計開發(fā)了混合加網(wǎng)模型原型實驗驗證系統(tǒng)。主要包括圖像處理界面、網(wǎng)目調(diào)單元網(wǎng)點模型加網(wǎng)界面
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 混合免疫算法及其應(yīng)用研究.pdf
- 混合蛙跳算法及其應(yīng)用研究.pdf
- 基于高斯混合模型的EM算法及其應(yīng)用研究.pdf
- 混合群搜索優(yōu)化算法及其應(yīng)用研究.pdf
- 混合遺傳算法及其應(yīng)用研究.pdf
- 混合壓縮遺傳算法及其應(yīng)用研究.pdf
- 無模型控制算法及其應(yīng)用研究.pdf
- 算法交易、違約模型及其應(yīng)用研究.pdf
- 群智能混合優(yōu)化算法及其應(yīng)用研究.pdf
- 樹型混合學(xué)習(xí)模型及其應(yīng)用研究.pdf
- 人工魚群混合智能優(yōu)化算法及其應(yīng)用研究.pdf
- 圖像修補模型、算法及其應(yīng)用研究.pdf
- 混合免疫優(yōu)化理論與算法及其應(yīng)用研究.pdf
- 基于有限混合模型的醫(yī)學(xué)圖像分割算法應(yīng)用研究.pdf
- 混合粒子群協(xié)同優(yōu)化算法及其應(yīng)用研究.pdf
- 混合型蝙蝠搜索優(yōu)化算法及其應(yīng)用研究.pdf
- 混合粒子群算法應(yīng)用研究.pdf
- 數(shù)字圖像修補模型、算法及其應(yīng)用研究.pdf
- EM算法及其改進(jìn)在混合模型參數(shù)估計中的應(yīng)用研究.pdf
- 混合分類算法及其在質(zhì)量改進(jìn)中的應(yīng)用研究.pdf
評論
0/150
提交評論