这是一篇对数字半色调技术进行介绍的文章，挺好的，刊登于science上，对数字半色调的入门与提高挺好的。

关联分析matlab代码数字半音调 该存储库包含用于数字半色调技术的MATLAB和Python代码 提供的代码 MATLAB： 拜耳 乌利希尼 点扩散（dotdiff.m：可以执行Knuth和Mese-Vaidhyanathan点扩散） 错误扩散（floyd_serp.m：可以执行floyd-steinberg错误扩散，errdiff.m：在执行过程中将被调用） 直接二进制搜索（DBS）（EDBS.m：有效DBS） Python 拜耳半色调 Ulichney半色调 弗洛伊德-施泰因贝格误差扩散 **还包括用于点过程统计的代码：源代码取自Modern Digital Halftoning：有关详细信息，请参阅软件指南。 有关详细信息，请参阅博客： 参考纸： 郭景明和S.Sankarasrinivasan。 “数字半色调数据库（DHD）：对半色调类型的全面分析。” 2018年亚太信号和信息处理协会年度峰会和会议（APSIPA ASC）。 IEEE，2018年。

数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术, 提出将K-means 聚类法应用在数字半色调技术中。算法中应用人类视觉系统模型HVS和印刷模型最大限度减少原始灰度连续调图像和半色调图像之间的视觉误差; 利用K-means聚类法将灰度图像划分成聚类分区, 在每个聚类分区应用最小平方法least-squares最小化二值半色调图像和原始灰度级图像之间的平方误差, 所构造的半色调算法与基于模型的最小平方法LSMB算法相比, 随着聚类分区的增加, 图像平滑且边缘清晰度增加, 尤其是在图像细节部位。与LSMB算法比较, 该算法的均方误差值有所降低, 而权重信噪比和峰值信噪比提高了0. 2～2 dB, 模拟实验结果验证了算法的有效性。

数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术，提出将K-means聚类法应用在 数字半色调技术中。算法中应用人类视觉系统模型（HVS）和印刷模型最大限度减少原始灰度连续调图像和半 色调图像之间的视觉误差；利用K-means聚类法将灰度图像划分成聚类分区，在每个聚类分区应用最小平方法 （least-squares）最小化二值半色调图像和原始灰度级图像之间的平方误差，所构造的半色调算法与基于模型的最小平方法（LSMB）算法相比，随着聚类分区的增加，图像平滑且边缘清晰度增加，尤其是在图像细节部位。与 LSMB算法比较，该算法的均方误差值有所降低，而权重信噪比和峰值信噪比提高了0.2～2dB，模拟实验结果 验证了算法的有效性。

实现图像的半色调加网,个人编写的matlab代码