Selective Conditional Enhancement of Digital Color Halftone Images

Mejoramiento Condicional Selectivo de Imágenes Digitales en Semitonos en Colores

Edgardo M. Felipe¹, Mario E. Ramos ², Sergio Suarez¹ and Agustín F. Gutierrez¹

¹ Center for Computing Research, National Polytechnic Institute, Mexico edgardo@cic.ipn.mx ; ssuarez@cic.ipn.mx ; atornes@cic.ipn.mx

² Mexican Petroleum Institute, Mexico. mramos@imp.mx

Article received on June 29, 2005
Accepted on September 24, 2006

Abstract

This paper presents an approach for enhancing digital color images printed in halftoning. The method, which we call Selective Conditional Enhancement, has been applied with good results to enhance digital color images printed in halftone. Due to the repetitive nature of the process for image digitizing and the common structure of patterns used to create halftone in color images, it has been observed that the alterations of pixel colors, in general, are also repetitive. Based on the frequency of occurrence of pixels of a given color, and on the values of their Red–Green–Blue (RGB) components, we have defined eight heuristic rules. In principle, these rules define as valid those pixels having a high frequency of occurrence and as artifacts those with low frequency of occurrence. The color of less frequent artifacts is then changed to some color of any more frequent valid pixel. This approach, based also on user–defined essential colors, generates images that are notably enhanced.

Keywords: Color enhancement, Scanned graphics enhancement, Raster to vector conversion, Enhancement of printed GIS images, De–halftoning.

Resumen

Este trabajo presenta un enfoque para el mejoramiento de imágenes digitales en colores impresas en semitonos. El método, al cual le hemos llamado Mejoramiento Selectivo Condicionado, ha sido aplicado con buenos resultados para mejorar las imágenes digitales en colores impresas en semitonos. Debido a la naturaleza repetitiva del proceso de digitalización de las imágenes y a la estructura común de los patrones usados para crear los semitonos en las imágenes en colores, se observó que las alteraciones de los colores de los pixeles, en general, son también repetitivas. Sobre la base de la frecuencia de ocurrencia de los pixeles de un color dado y de los valores de sus componentes Rojo–Verde–Azul (RGB), hemos definido ocho reglas heurísticas. En principio, estas reglas definen como válidos aquellos pixeles que tienen una alta frecuencia de ocurrencia, y como artefactos aquéllos con una baja frecuencia de ocurrencia. El color de los artefactos menos frecuentes es entonces cambiado a alguno de los colores de píxel válido más frecuente. Este enfoque, basado también en los colores esenciales definidos por el usuario, genera imágenes que son notablemente mejoradas.

Palabras clave: Mejoramiento del color; Mejoramiento de gráfica escaneada, Conversión de trama a vectores, Mejoramiento de imágenes de SIG impresas, Eliminación de semitonos.

DESCARGAR ARTÍCULO EN FORMATO PDF

Acknowledgments

The authors of this paper wish to thank the Computing Research Center (CIC), Mexico; General Coordination of Postgraduate Studies and Research (CGPI), Mexico, and National Polytechnic Institute (IPN), Mexico, for their support.

References

1. Atlas NUTESA, 1979. Ed.: Gráfica Internacional, S. A., España.        [ Links ]

2. Felipe, E.M., Ramos, M.E., Levachkine, S.P., 2000. Problemas potenciales en la digitalización automática de los mapas cartográficos en colores, Proc. of 9^th Int. Congress on Computing CIC'2000, Mexico.        [ Links ]

3. Felipe, E.M., Ramos, M.E., 2001. Mejoramiento de imágenes de semitonos en colores digitalizadas, 6th Iberoamerican Workshop on Pattern Recognition TIARP 2001, CIC–IPN, Mexico D. F., 13–24.        [ Links ]

4. Felipe, E.M., Ramos, M.E., 2002a. Mejoramiento Selectivo Condicionado: una nueva estrategia para el mejoramiento de imágenes digitales en colores impresas en semitonos, Informe Técnico, CIC–IPN. ISBN 970–18–8365–9.        [ Links ]

5. Felipe, E.M., Ramos, M.E., 2002b. Mejoramiento selectivo condicionado: una nueva estrategia para el mejoramiento de imágenes digitales en colores impresas en semitonos, Proc. of 7th Iberoamerican Workshop on Pattern Recognition CIARP, Mexico, D. F.        [ Links ]

6. Felipe, E.M., Ramos, M.E., 2002c. Segmentación de imágenes en colores mediante mejoramiento selectivo condicionado, Proc. of 11^th Int. Congress on Computing, CIC–IPN, Mexico D.F.        [ Links ]

7. HP PrecisionScan LTX. User's Manual.        [ Links ]

8. Levachkine, S., Velázquez, A., Alexandrov, V., and Kharinov, M., "Semantic analysis and recognition of raster–scanned color cartographic images", Lecture Notes in Computer Science, 2002, Vol. 2390, 178–189.        [ Links ]

9. Levachkine, S.P. and Polchkov, E.A., "Digitalización automatizada de mapas raster", Proceedings of 3rd International Symposium CIC'99, México, D. F., 1999, pp. 257–265.        [ Links ]

10. Levachkine, S.P. and Polchkov, E.A., "Cartographic Pattern Recognition". Proceedings of International Symposium MICAI'00. Acapulco, México, 2000, pp. 209–218.        [ Links ]

11. Murat, M. and Vaidyanathan, P.P., "Recent Advances in Digital Halftoning and Inverse Halftoning Methods", Submitted to IEEE Transactions On Circuits and Systems, 2001.        [ Links ]

12. Velázquez, A., Levachkine, S., Alexandrov, V., "Color Image Segmentation Using False Colors and Its Applications to Geo–Images Treatment: Alphanumeric Characters Recognition", IGARSS 2001 International Geosciences and Remote Sensing Symposium, Sydney, Australia 2001, July 9–13, 55 http://www.igarss2001.org/bin/IGARSS_Final Program.pdf        [ Links ]

13. Weinman, Lynda page: http://www.websitetips.com/color/colourchart.html        [ Links ]