一般来讲，本发明属于印刷工艺领域内的技术，具体来说，它涉及的是半色调分色软片的套准技术。进一步具体来说，本发明旨在提出一种方法和装置，用以得到分色软片的高精度对准，以便实现高质量的彩色图片的印刷。 在诸如大量的期刊杂志和其他出版物中，有着许多高质量的彩色图片，这些图片的印刷质量对于书刊杂志有着绝对重要的意义，这些图片的印刷过程中，总是要将彩色原稿分色，形成几个单色的影象，然后对这些单色影象分别进行制版。印制成的图片是一张半色调图片，它上面所呈现出的连续色调的实现，是由于图片上各个细节都被切割细分成了不同大小的网点。在使用四色套印的通常情况下，半色调分色片的数目是四。每一张分色片上所携带的黑白色调信息，反映了彩色片原稿上所含相应颜色成分的容量。彩色图片最终的再现，需要将四张半色调分色软片精确地套准或对正，以便印成的图片能忠实地还原原稿。
当前，制版过程中的彩色套准，绝大部分工作是依靠受过严格训练的操作者手工操作来完成，在印刷行业中从事这一工作的操作者被称为套色制版工（Stripper）。手工套色制版过程包括着将分色软片（阴图片或阳图片）用胶带粘贴或脱膜到载片上，通常使用的载片是聚酯软片。一叠载片的数量通常是4，8，16或32页，并且预先冲有套准定位孔，第一张基础分色软片首先脱膜到这种带有预冲孔的一张载片上。然后带有第二张分种颜色图象的分色软片与同一叠中带有预冲孔的第二张载片重合贴在一起，并且观察使它看起来与第一张分色软片对正或套准，当处于套准的位置上时脱膜到载片上。第三和第四张分色软片用同样的步骤与其它先行脱膜的软片套准。预先冲在载片上的套准定位孔穿在版框上的一对套准定位销上，用这种方法来保持直到最终印刷再现彩色图片时颜色的套准。
采用手工操作进行分色软片的套准，带来了一些缺点，主要是精度上的问题。彩色套准本来要求制版工在各种情况下，都必须对正分色片，并且细致到在一排网点的一个局部内都是套准对正的，而这样高的精度，对于即使是最熟练的和最有经验的套色制版工来说，也是难于实现的。在高质量的印刷中，通常每英寸大约有150个网点，网点中心到中心的空间比7密耳（mil）还小。不难理解，人的误差不可避免地会时时发生，因而还原出低质量图片的现象也就会时常发生了。如果一种不可接受的套准不佳的情况直到付诸印刷时尚未被发现，那么这种缺陷会一直带到印刷过程中去直到套准误差被校正。由于套准误差而耽搁印刷会造成异常巨大的经济损失，在尽可能的情况下，人们都力求避免这种现象发生。
手工套准也是一种令人生厌的、耗费时间的劳动强度高的工作。作为典型，四张分色片的套准，需要一个高度熟练并相应领取高额酬金的套色制版工干9至12分钟。因此，在整个印刷成本中，劳务费用占据了突出的比例。印刷质量的稳定和可靠性也缺乏保证，因为套准的质量极大程度地取决于各个套色制版工的技艺和视觉，而在这些方面是会出现显著差异的。甚至对于同一个套色制版工，由于人固有的操作能力会发生变化，从一件工作转到下一件工作时，也不可能保持同样的精度水平。
有时，通过放大网点细节来辅助套准，但是这类辅助措施仅能有限地提高一点精度。当一张半色调图片的一个小局部被放大后，它呈现在人眼中是网点的一种随机组合，而不是一幅可辨认的图画。因此，图片的细节常常是非常难于对正的，并且由于套色制版工在观察放大的图片时控制他的肌肉动作所遇到的困难，使这个问题加重了。手的颤抖和眼睛的疲劳会破坏套准，而使用放大措施会促成这些现象的发生。由于上述这些原因，放大的辅助措施被限制使用，并且这些措施也不能解决手工套准所固有的问题。
近年来，研制出一些机器被用来辅助或取代手工套准的工作。其中一种机器是光学-机械装置，它具有一个移动载片的机械臂和一个辅助套准操作工人的、可以放大图片的光学显示器。作为套准的基准，可以使用图象细节，也可以使用例如套准规线这样的专用标志。典型的套准规线是位于图片外侧的十字线。无论是使用图片细节还是套准规线，这种机器依然摆脱不了对人的技艺和视觉的依赖，于是也存在与纯粹手工套准操作所遇到的相同的许多问题。
另外两种已有的机器完全依靠套准规线来完成套准工作。其中一种机器是由电子-机械装置，它具有一个电子-光学传感器，用以检测套准规线的中心。根据从传感器得到的信息，机械装置移动一张软片去与另一张套准，套准后在载片上冲出定位孔。另一种机器本质上是一种套版机器人，其功能类似于电子-机械式机器，但是它是把分色软片用胶带粘贴在预先冲有定位孔的载片上，而不是由套准机器自身去进行冲孔。这后两种机器的共同的基本问题，是它们全都依赖套准规线来得到套准。如果套准规线是不精确的，那么套版对正的结果也是不精确的。当修整分色片或制作分色片时，难免不碰坏套准规线，而由于弄坏套准规线以及脱漏套准规线造成这些机器无用处的情况并不罕见。套准规线有时也是不精确的，这就极大地妨碍了套准的精确度。
本发明旨在提供一种方法和装置，用以以高精确度和始终如一的风格套准半色调分色软片，它不存在手工脱膜以及以往各种机器所遇到的问题。
根据本发明，需要从分色软片上得到数字图象数据，这些数据用来计算当分色片之间出现套准误差时相关的图象的位置。套准定位孔冲在聚酯载片上，用这些孔将分色片固定，由于孔的位置是精确计算的，所以当最终翻印再现图片时分色片都是套准的。机器由计算机操纵，它的机械部分的移动由运算结果来控制，运算是基于数字图象信息的数字计算，而数字图象信息又是使用高分辨率的数字式摄象机从图片和/或套准规线上摘取的。
在进行套准制版的过程中，从分色软片中任选一张作为基础片，并把它脱膜到一张干净的未冲孔的聚酯载片上。然后将其他分色软片与基础片粗略地对正，并在粗略对正的位置上脱膜到它们各自的未冲孔的载片上。机器的操作者随后将作为基础的那张载片放到机器的数字变换器的面板上，用数字指示笔去选定一对套准点，这一对套准点最好是半色调软片上的套准规线或是图片上的局部细节。然后，将作为基础的载片置于可移动的版架上，这个版架依次将两个套准点先后送到数字式摄象机下面。摄象机以数字记录的方式记录下环绕着基准点的一小面积的图象。摄象机摘取的数据被送到一个高速阵列处理机中，这个高速阵列处理机很适合于执行高速的代数运算。然后将其余几张软片也顺序不断地送到可移动的版架上，摄象机也以数字记录的方式记录下这些软片上的近似相当于指示笔所选区域的局部图象，但是由于事实上这些分色片最初仅仅是粗略地对正，所以各次记录的局部区域互相之间会有一点轻微的偏离。
如果记录下来的这些数字图象包含有套准规线，那么使用一种独特的算法来找出进行套准的用的规线中心。如果一个或两个记录下来的数字化图片包括着网点细节，那么算法运算被用来利用从图片上摘取的数据去构造套准的图象。以这些构造的套准的图象为基准，再计算出把每一张软片上的两个定位图象与基础软片上相应的图象对准软片所必须的移动量。使用这个计算出的位移数据，在每一张载片的适当位置上冲出套准定位孔，由于最终再现彩色图片时要将各软片依次穿在套准定位针上，因而就可以保证所有分色软片的套准了。
与依据先前的工艺技术所进行的套准相比较，按照本发明进行的软片套准，在面貌上有一些突出的改观。本发明使用了与机械运动速度相结合的高速运算，这样就可以比手工操作方法更快地进行套准。操作者也不必经过专门的训练，因为所有需要他们做的工作只不过是最初的粗略套准，而这些工作可以很快、很容易地交给非熟练的人来进行。本发明的另一个非常重要的长处，在于它能够把套准精度稳定地控制在四分之一行网点内的水平上或更好一些，而不会造成手工套准所固有的那种质量波动。这种机器可以重复地进行精确的套准，而不会受到人的误差以及人的行为功能变化所带来的干扰。
本发明不必依赖于套准规线，就可以做到精确地套准，这一点也非常重要。尽管可以利用套准规线，但它们也不是必需的，如果套准规线本身是不精确的或者全都遗漏了，那么机器可以利用图片的细节来完成工作。这是本发明优于其他机器的一个显著长处，所有其他的机器或者依赖于人的精确度或者依赖于套准规线或者二者都被依赖。使用这种机器，人的视觉并没有成为绝对被依赖的条件，它仅仅是起到完成粗略对准的作用，人的误差不会带来问题，因而套准的可靠性很高，足够使得实际上可以剔除脱膜工序的费用问题以及由于套准误差造成的停印时间。
在阅读本发明的说明书时，要结合着参照作为说明书的一部分的附图，说明书中指出的参照号数指明了在各个视图中的相应部件。
图1是根据本发明中的一个优选装置勾画的俯视草图，为了说明方便，它的一些另件表示成虚线，一些部分被取掉没有表示在图中。
图2是沿着图1中的2-2剖线切开，并顺着箭头指向看去的整体剖视图。
图3是按一定放大比例放大的局部剖视图，它表示出了包含在机器中的数字式摄象机和机械冲头。
图4是沿着图3中的4-4剖线切开，并顺着箭头指向看去的一个局部剖视图。
图5是按一定缩小比例缩小的俯视草图，它表示出的机器上的可移动的版架所处的位置，是摄象机底下的分色片上的套准点正处于被对中摄象机时记录图象的位置。
图6是类似于图5的一个俯视草图，它表示出的版架所处的位置是正处于冲打一个套准定位孔时的位置。
图7是机器的气动系统的气动回路示意图。
图8是控制机器操作运行的控制部分的一个粗框图。
图9是机器控制部分的进一步细致的框图。
图10是一个流程图，它表示了为了实现各个半色调分色软片的套准，机器所执行的算法过程。
图11是描绘斜向扫描的图示说明，斜向扫描是算法过程中用来对十字叉形套准规线确定中心位置的方法。
图12是描绘水平和垂直扫描的图示说明，水平和垂直扫描也是算法过程中用来确定一个套准规线中心位置的方法。
图13是描绘算法过程中用来确定数据点初始中心位置的扫描情况的图示说明。
图14是描绘算法过程中用来确定数据点改进的中心位置的对分弦算法的图示说明。
图15是描绘选择网屏初始角情况的图示说明。
图16是确定潜在数据点中心的方螺旋搜索法的几何图示意说明。
图17是描绘使用记算蒙片来累计包含在网格内的黑象素数目的情况的图示说明。
图18是描绘用来构成套准图片的内插法的几何上的图示说明。
图19是对套准图象进行边缘增强的预套准用的旋转卷积过程的几何图示。
图20是预套准色调归一化时使用的线性色调变换的图示说明。
图21是典型的最靠近整数行套准中的偏移量和图象重叠区的图示说明。
图22是描绘可移动版架和所选择的套准点的几何图示说明。
图23是对支点移动以及最终套准所需要的平移的图示说明。
机器的构成
现在，更细致地参看一下附图，首先看图1至图6，其中的号数10都指的是根据本发明优选的装置所构成的一个软片套准机器。该机器10有一个由若干互相连接的方形管材12所构成的刚性框架。几个小脚轮14与下部框架上的几根方形管材12相连接，使得机器便于移动。从机器的框架向前伸出一个支架16，支架上固定着一个水平工作台18。工作台18支撑着以19指示着的数字变换器的面板总成。一个数字变换器面板20置于一个透明板22的上面，透明板22形成了罩24的顶部，数字变换器面板由位于罩内并且在面板下方的灯管26所照明。复盖在数字变换器面板上的是一块透明板28，该透明板有一个真空吸槽29和三个向上突起的定位齐销30。
数字变换器面板20就是通常的数字转换装置，它与一个手持指示笔（图中未表示）相配合，探测并记录下来由手持指示笔选定的位置。当指示笔在数字变换器面板20上面对准一个选定的位置并且指示笔被触发启动时，所选点的数字化位置便被摆测到了。在本发明中所特殊的是，有一个搁置指示笔的笔架，当把指示笔放到它的笔架上时，真空吸槽29的工作就停止了。而当指示笔被从笔架上拿起时，吸槽29就自动地形成真空，以便带着软片的柔软的塑料的载片能吸附在透明板28上面，对此后文将进一步透彻地介绍。
数字式摄象机32被安装在机器框架上的一个固定的位置上。摄象机32的特点是：它是一个带有步进电机的线性扫描CCD（电荷藕合器件）数字式摄象机，步进电机使得摄象机可以线性地扫描被摄象机记录的图片的各个部分。摄象机记录640×640个象素的数字图片，每个象素为13微米见方。摄象机的步进电机通过一个微处理器来控制。
数字式摄象机32安装在一对夹板34上面，夹板34被用螺栓或其他措施可靠地固定在水平安装板36上面。安装板本身又被支撑在机器的框架上。摄象机32夹在连接燕尾铁40的夹板38上。燕尾铁插在燕尾块42的垂直燕尾槽中，燕尾块42通过一对板44和46与夹板34相连接。一个调整螺栓48被旋入燕尾铁40，螺栓顶上有一个旋柄50，以便旋转调整螺栓。由于该螺栓是连接在螺纹48与燕尾铁40之间，因此旋转旋柄50就可以使燕尾铁在燕尾槽中上下移动，这样就使得数字式摄象机升起和降下。
可移动的版架52安装在由滑台54和另一个滑台56所构成的定位滑台总成上面，滑台54被限制在“x”方向上移动，而滑台56被限制在“y”方向上移动。X滑台54由驱动丝杆58推动，并由导向轴承60限制作直线移动。驱动丝杆58由一个可反转的电机62带动旋转，电机62安装在安装板64上，电机62的驱动输出轴是66。连轴节68连接着电机输出轴66和滑台的驱动丝杆58，轴承70支撑着驱动丝杆旋转。驱动丝杆58被旋入与x滑台54可靠固接的一个螺母72中，这样在某一方面上旋转驱动丝杆就可以使滑台54在相应的方向上直线移动。
y滑台56相类似地被驱动，它的移动被限制在与x滑台的移动方向相垂直的方向上。安装在板76上的可反转电机74有一个输出轴78。轴78通过连轴节80与驱动丝杆82相连接，驱动丝杆82由轴承84支撑旋转。驱动丝杆82被旋入与y滑台56可靠固接的一个螺母86中。导向轴承88限制y滑台56作直线移动。
可移动的版架52包含有一个透明的塑料板90，塑料板90上有三个直立着的定位销导向对齐销92，这三个定位销用来恰当地对置于版架上的载片进行定位。板90还有一个真空吸槽94，当抽气形成真空时，真空吸槽94使载片吸附在版架的上面。板90有一对通孔96，以保证对载片进行冲孔时可以通过冲头，冲孔的方式后面将进一步细致地介绍。一个直流（DC）灯管98安置在正对着摄象机32的下方，当记录图片时用它来提供照明。
对载片的冲孔是通过安装在一个C形支架100上的冲孔机构来完成。冲孔支架100安装框架上，位于摄象机夹板34下方的适当位置上。冲孔机构包含有一个气缸102，气缸102被可靠地固接在支架100的下臂上，它有一个可伸出并可缩回的杆104。小套筒106穿在杆104的顶端上，冲头108以便于卸下的状态夹在小套筒106内。冲头108有一个宽头，宽头嵌在小套筒内的槽口中，这样就可以保持冲头的位置。
冲头108伸进轴套110，轴套110装在支架100的上臂中。C形框架112的上臂位于支架100的上方，这样透明板90在进行冲孔时就可以伸到支架100和C形框架112之间。冲模114装在C形框架114内，并且正对在轴套110的上方，这样，如图4所示，当冲头伸出时冲头108的上端就可以插进冲模114的孔中。应该注意的是，如果需要冲头可以不限于一个。
图7表示出了控制机器各部分气压和真空应用的气动系统。一个适应的供气源116通过电磁阀118与冲头气缸102的伸出腔和缩回腔相连接。当阀118处于如图7所示的状态时，供气源116与气缸102的缩回腔相连通，气缸活塞杆处于缩回时的状态如图3所示。而当阀118换向后，供气源116则与气缸102的伸出腔相连通，气缸活塞杆处于伸出时的状态如图4所示，这时软片的载片被冲出一个孔。
一个适当的真空源120通过电磁阀122与分别位于数字变换器面板总成19和可移动版架52上的真空吸槽29和94相连接。当阀122从图7所示的状态换向时，真空吸槽内形成真空，使得载片贴附在数字变换器面板20或可移动版架52上。供气源116通过电磁阀124也可以与真空吸槽29和94相连通。阀124通常处于图7所示的状态，这时真空吸槽与供气源断开。而当阀124反向后，空气在压力下冲入真空吸槽，使得吸附在数字变换器面板或可移动版架上的载片被揭起来。
图8是用于控制机器10所执行的套准过程的控制部分的粗框图。主计算机126负责监控摄象机32记录数字图象时的记录操作和数字图象的中间存贮。主计算机也负责监控将数字图象数据传输到一个高速阵列处理机128中，阵列处理机128是具有快速地执行必要的数字运算能力的一个特殊的计算机。作为智能控制器130的一个可编程微处理器，从主计算机接受指令去控制用于定位滑台54和56的驱动电机62和74。智能控制器130还控制气动和抽真空系统，并且当数字变换器面板20上的指示笔选定测取位置时，从数字变换器面板20接收数据。
图9是机器控制部分的更细致的一个方框图。如图所示，主计算机126控制数字式摄象机的步进电机，并且经由模似信号转换为数字信号的环节132接收来自摄象机的数字数据。主计算机126有一个中间图象缓冲器，这个缓冲器是连接在主计算机的Q总线上的一个高速存储器。在程序控制下，数据从中间图象缓冲器134传送到阵列处理机的扩展存储器136中。图象数据被传送到四千字节的信息包中。从阵列处理机存储器136中查询信息比从中间图象缓冲器134中查询更快。直接存储器存取传送是通过体现在阵列处理机128中的双缓冲技术来完成的。双缓冲技术指的是阵列处理机中一个缓冲器正在处理，同时另一个缓冲器正在被主计算机填充信息。处理是在两个缓冲器之间循环交替进行，因此阵列处理机的处理时间与从主计算机传送数据到阵列处理机的时间是重迭的。这是一种流水线型的加工处理信息方式。
机器的操作
机器10的操作用于分色软片的套准工序，例如高质量彩色照片的翻印通常采用四色套印，这就需要四个半色调分色软片的套准。机器的操作者首先任意选择制版分色软片中的一个作为基础片，将基础片用胶带粘贴或用其他方法固定在一个干净的未冲过孔的聚酯载片上，这个载片就是图中表示的位于版架52上面的载片138。另外三张分色软片也类似地用胶带粘贴或固定在未经冲孔的聚酯载片上，但是要使得，当所有四张载片对齐地叠在一起时，这三张分色软片能够与基础片粗略地套准。粗略套准的目的，是为了使对正误差中不存在整体上的转角错位误差，必须保证要套准的分色软片被放置得使软片上的任何一点所存在的对正误差，仅仅是平移误差，并且误差值近似在五排网点（约33密耳）之内。
然后，操作者将基础载片置于图片选择台上的数字变换器面板20上面。将载片的两个边靠紧三个定位销30，如同图1中表示成假想点划线的载片138。随后操作者从笔架上抬起指示笔以便启动板28上的真空吸槽，这样由于吸槽内形成的负压就将载片固紧在其位置上。
操作者使用指示笔在载片138上的软片上选择离开一定距离的两个套准点。通常在图片的边界的外侧做有十字叉丝形的套准规线，那么可以选择两个或一个套准规线的近似中心，作为这两个套准点或其中的一个套准点。但是，如果软片上没有套准规线，或者虽然有但被认为是不精确的，那么包含着网点细节的区域可以被选作这两个套准点或其中一个套准点。通常都是选择包含大量细节的图片中的区域。当选好第一个套准点后，将指示笔指在数字变换器面板上的这第一个套准点上，随即按动一下指示笔上的1号按钮，这样第一个套准点的位置就被记录了下来。数字变换器面板20马上就把这个位置信息传送到主计算机。然后选好第二个套准点142，用指示笔对准它，并且按动指示笔上的2号按钮，将第二个套准点的位置信息也记录到主计算机中。
两个套准点140和142都选择完以后，操作者将指示笔放回笔架，也就释放了吸槽29的真空状态。然后操作者将载片138从数字变换器面板拿起放到可移动的版架52上面。载片138的两个边要紧靠定位销92，如同图1所示的最佳状态，然后使脚踏开关或其他什么形式的开关接通，使真空吸槽94形成真空。于是吸槽的真空负压就使载片138在靠紧定位销92的位置上被固紧住了。这时，如图1所示，可移动的版架52正处于装上/取下的位置。
然后机器开始自动运行，自动运行的启动可以通过关上载片138上面的一个门或者触发接通其他形式的另一个开关。在智能控制器130的控制下，定位滑台的驱动电机62和74被触发，定位滑台载着版架52移动，一直到第一个套准点140恰好在摄象机之下并被摄象机对中之时才立即停止移动。摄象机记录下软片上以套准点140为中心的局部区域的数字图象，随即这个图象数据被传送到主计算机126并且被阵列处理机128使用高速运算所分析，关于运算的算法后文将进一步详细介绍。
然后电机62和74又一次被触发，使得第二个套准点142也去对准数字式摄象机32的镜头。数字式摄象机记录下以点142为中心的图片数据，这些图片上的信息被传送到主计算机，并且被阵列处理机128所分析。然后版架52又被移动，直到靠近版架右侧边的孔96移动到冲头108上方、并且与冲头108对中时才停止。这时，智能控制器触发激活冲头机构，气缸102的活塞杆伸出，在基础片的载片上冲出一个孔。当冲头缩回以后，版架又被移动，直到靠近版架左侧边的孔96在冲头之上被冲头对中时停止，然后冲头又一次被激活，在基础载片138上冲出第二个套准孔。当冲孔操作完成后，可移动的版架52返回到图1所示的装上/取下位置，真空被撤销，使得基础片138可以被操作者拿下来（或者，如果需要，基础片138可以自动地被气流吹出来）。
从版架52上取下基础片之后，将载有第二张分色软片的载片置于版架上，并且使载片的边紧靠着定位销92。然后真空吸槽被激活，机器的自动运行被启动。版架52开始移动，直到第二张载片上相应于点140的位置在摄象机32底下被对中时才停止。摄象机记录下图象数据，这图象数据被传送到主计算机，并且被高速阵列处理机128所分析。然后版架移动，直到相应于套准点142的第2个点在摄象机底下被对中时才停止。于是，又一个局部区域的图片数据被记录，并且被阵列处理机128所分析。
通过使用下文要给予说明的算法处理，基于图片数据所进行的计算提供出在第2张载片上打孔所必须的位置，以使第2张软片能够与基础软片实际上套准。在这些计算的基础上，版架52在与冲头108具有适应关系的位置上被定位，这样，在第2张载片上也冲出两个孔，当这两个孔与基础载片上冲的孔对正时，就可以造成第2张软片与基础软片相对正。当在第2张载片上这两个孔冲成功之后，版架52返回装上/取下的位置，真空被解除，第2张载片被操作者取下或者从版架上被吹出。
载有第3张和第4张分色软片的载片，用处理第2张载片的方法，同样来进行处理。当所有的套准孔都冲好之后（每张载片上有两个套准孔），这4张载片就可以套在套准定位针上，并且确信当最终翻印再现彩色照片时四张分色软片是套准的。因为软片最初仅仅是粗略地对正，在每一个套准点上所记录的图片细节与套准时的细节会有一些不同，但是这些图片细节可以使用算法处理，以实现正确地套准。
算法处理
图10是描绘套准机器10所执行的算法处理过程的一个流程图。在每一个图象或套准点被选好之后，摄象机32就记录下以套准点为中心的图象。数字式摄象机的放大倍率校准为1∶1。摄象机所记录的数字图象的每一个象元或象素是一个方形的点，这个方形点的每一个边长为13微米（约相当于0.51密耳）。摄象机所记录的原始数据图片近似相当于640×640个象素，并且它被对中定位于摄象机的视场内，以便获得最高的成象质量。首先，需要对图象进行一个整体的扫描，这时图象数据被填送到中间图象缓冲器134中。如前文中所指出的，阵列处理机存储器的直接存储器存取传输数据，是由体现在阵列处理机中的双缓冲技术来实现的，这样可以获得最大速度。
最佳门限算法
摄象机32所记录的原始数据图象表现为不同的灰度梯度，范围从0（黑）到255（白）。为了从图象的背景中辨别出套准规线或网点象素，采用最佳门限将原始数据图象压缩成一个双值的或两级电平的图象，其中以黑色作为“1”值色调，白色作为“0”值色调。这样就便于确定套准规线中心的位置，也便于计算每个网格中黑色象素的数目。众所周知，实现最佳门限的技术在实际应用中已很成熟（参见《数字图象处理》，Gonzales和Wintz，1977，第77页），这种技术首先要通过求出最高灰度级和最低灰度级的平均值来得到门限的一个估计值。这个门限的初值可以区别出黑白。（高于或等于门限的数值被认为就是白，低于门限的数值被认为就是黑）。然后再找出被归为黑的那些不同灰度级的平均值，即平均黑的灰度级值，以及找出被归为白的那些不同灰度级的平均值，即平均白的灰度级值。最佳门限就是平均黑和平均白这两个灰度级值的平均值。通过这一过程确定的最佳门限就作为最终的门限来应用。对于原始数据图象，是一行一行地使用门限进行量化，这样用最佳门限得到的图象是一个经过压缩的原始数据图象。
确定套准规线中心位置的算法
如图前文中所指出的，也如同图10中最佳门限方框向左、向右伸出的线所表示的，每一套准点既可以近似地对中在一个套准规线上，也可以置于半色调分色片的网点细节内。如果经过压缩的原始数据图象包含着一个套准规线，那么它首先经过“连贯象素算法”（the connected pixel algorithm）的处理，这种算法在Azriel Rosenfeld所著的、1984年出版的《数字图象处理技术中的图象分析》一书的第275页有介绍。经过这种连贯象素算法的处理，套准规线的连贯象素的灰度级值被给出为1（黑色），而背景的灰度级值被给出为0。针对连贯象素进行处理，可以用来减少“噪声”（灰尘、划痕以及其他外界干扰）的影响，因为噪声表现为一组组独立的连贯象素，而将噪声表现为这种形态就使它们可以被剔除掉了。
根据本发明，一种独特的算法被用来找出由一对十字叉棒构成的套准规线的中心。这种算法在图11和图12中，用图示的方法进行了说明。由于白背景半岛的尖端与两个黑色交叉的棒的外侧交点相一致，因此半岛尖端的位置也就是棒的外侧交点的位置。通过求出外侧交叉点的位置的平均值，就可以精确度很高地找到套准规线的中心。在执行这种算法时，可以这样来找出半岛尖端的位置：从黑色象素开始扫描，然后扫描途中开始包含有白色象素，最后在黑色象素中结束扫描，这样不断变换轨迹进行扫描，当找到最短的象素路径，也就找到了半岛尖端。
参见图12，首先在水平方向上进行扫描，如同箭头144和146所指的方向。在这方向上满足上述条件的最短的象素路径，给出了点148和点150的位置，这两个点正是交叉着的黑色棒152和154之间的两个外侧交叉点。然后，在垂直方向上进行扫描，其方向如同箭头156和158所指的方向。这方向上的扫描可以找到点160和点162的位置，这两个点也是棒152和154之间的两个外侧交叉点。随后，可以计算出点148、150、160和162的位置的平均值，这样也就给出了一个高精确度的结果作为套准规线的中心。
倘若规线的交叉棒平行于扫描的方向，那么将找不到四个最短的象素路径位置。为了避免这个有关基准规线的取向的问题，当水平和垂直地进行扫描时，如果找不到最短的象素路径的位置，那么再开始重复的扫描将在与水平方向和垂直方向相倾斜的方向上进行。
于是，如同图12所示，在箭头164和166所指的方向上进行扫描，这两个箭头所指的方向与图12中箭头144和146所表示的水平扫描方向具有45°夹角。箭头164和166所指的方向上的扫描，找出了点168和170的位置，而这两个点的位置是不能通过水平或垂直扫描找到的。最后，在与箭头164和166所指的方向相垂直的方向上进行扫描，即在箭头172和174所指的方向上进行扫描。这个方向上的扫描找出了点176和178的位置，计算出四个交叉点位置的平均值，就可以确定规线的中心。
通过水平方向和垂直方向以及倾斜方向上的扫描，总可以在各种情形中找到四个最短的象素路径。这样，有关基准规线的取向而出现的任何问题都可以避免了。采用这种算法处理的一个进一步的优点是：最短的象素不连贯处仅仅能呈现在白色的或背景的半岛的尖端，它们不可能出现在图片边界其他的区域。所以，如果将套准规线的交叉点设计在图片的外边界之内，那么这种算法将能够给出一个精确的位置作为规线的中心。
在以套准规线作为套准点的情形中，每一个套准规线与基准规线对正所必须的位移量，可以分为x方向的位移量和y方向的位移量来计算。如果作为套准点的两处都是精确的套准规线，那么将第二张、第三张和第四张软片的两个套准规线都与基础软片的两个套准规线对正，就可以完成套准工作了。
对正网点细节的算法
如果作为套准点的是图片上的网点细节，那么算法处理是从经过压缩的原始数据图象中抽取数据，构成套准用的图象。所抽取的数据用来计算网屏角度、内点间距的平均值以及被填满了的方形网格部分的面积，最后所说的填满指的是由于黑色网点正好对中在原网栅中间而使网格内被占据。内点间距的平均值可以是从1/100到1/200英寸的值，内点间距在被进行套准的软片上是可能不同的。但是，抽取数据构成套准用的图象时，所选的图象在网点中心之间的间距上必须相同，这样对于通过纯粹的平移量计算来进行套准的各个图片来说，套准调整的距离才具有一致的意义。作为规定，网点中心的间距要被选择为网屏刻线所能允许的最小值和最大值这两个极端值（每英寸100线和每英寸200线）的一半。这样，根据规定被用来进行套准的图象就是与原始数据图象相一致的一个数字图象，并且它包含着从0（白）到1（黑）的连续调的一个网栅，它上面的网点中心的间隔为1/150英寸（即150线网屏的基准图象）。这样的图象模仿了人眼对观察半色调图片时的响应，但是在实际能够尝试着套准之前，它们还必须被进一步处理（增强以及对色调进行调整）。由于网屏的角度以及原始数据不是150线网屏的可能情况，有时套准用的图象的网格中心就不能定在图片的网点中心上。这时，就需要从具有一个转角的或网线间隔不是150线网屏间隔的数据图形中内插出一个150线网屏的图象。如同下面接着要叙述的，所用的算法处理的基本内容包括在每一张分色软片的具有转角的原有网栅上构成一个网栅，然后内插出所需要的用于对准的图象的网栅。
找出初始数据点中心的算法
这种算法处理首先是找出具有精确中心的数据点的中心，用以预告半色调图形的网屏角以及图形的平均内点间距。为了达到可以接受的起码的精确度，需要大约40个数据点，它们既可以是白点也可以是黑点，用哪一种颜色的点取决于谁在图片中更丰富。如果找到黑色数据点的位置同时就可以找到白色数据点的位置，那么被选择的数据点组（黑色或白色的）决定于在各数据点组中被找到的有关的数据点的数目。这种算法处理的第二步，仅仅考虑黑点中心，如果是以白点作为数据点，那么要注意白点网线中心与黑点中心有一个基本偏离，偏离量为网格尺寸的一半。由于每一个白点中心就在黑点中心所围成的方形中央，反过来也一样，因此上述的这一处理过程是精确的。
用于找到数据点中心的算法的具体执行方法是，逐行扫描经过压缩的原始数据图象，从中部向外部并且是上下交替进行。从中部向外并且上下交替进行扫描的原因，是由于数据点已大体上对中地位于图片上，而这样扫描只不过为了改进通过变换方程计算得出的整个网点中心构成的栅的精度，这里提到的变换方程将要使用网屏角和内点间距平均值。
图13图解了数据点的扫描过程。沿着每一行，各点的中心位置是这样找到的：从白色象素开始，然后经过黑色象素，最后在白色象素中终止一行的扫描，在这过程中所经过的各象素路径（黑点）的中心即要找的数据点中心;或者从黑象素开始，中间经过白象素，最后在黑象素中终止一行扫描，找到数据点的中心（白点）。小于一个预先确立的象素中心路径的鉴别半径（网格直径尺寸除以2的平方根）的多余的象素中心，既可能被废除（如果它们比先得到的象素路径更短，那么它们肯定离数据点中心更远），又可能用来替换起初设定的象素路径中心（如果它们比先得到的象素路径更长，那么它们离数据点中心肯定更近）。
在图13中，180和182号所指的是，连续的扫描行在白点中通过时所扫出的两条象素路径。首先扫描出的是路径180，在这个白象素路径的中心先设定一个初始数据点中心。接着扫描出的路径182是一条更短的路径，由于它离白点184的中心更远，因此它被废除。对于黑点186，首先是通过象素路径188进行扫描，然后是路径190。根据起初路径188设定的初始数据点中心，被后来的路径190所给出的数据点中心所替代了，因为路径190更长，因此它的中心比较短的路径188所确定的中心更靠近数据点中心的位置。这样，由路径190所确定的初始点中心就替代了先前由路径188所确立的初始点中心。
改进数据点的弦平分算法
扫描完成之后，为了得到干净的背景，每一个路径中心都用鉴别半径进行检查，检查是从位于数据中心点的上方和下方这两点开始。然后，通过了这一检查的路径中心又被弦平分算法进一步改进。弦平分的过程被图解说明在图14中。192号指示了点194的一个初始点中心，点194既可以是黑点也可以是白点。从初始点中心开始，对其上下左右进行扫描，直到反衬初始点的背景色的背景象素的位置被找到为止。两条互相垂直的弦196的长度被确定为沿着它们各自扫描路径的背景象素间的距离。作为点194的一个改进的中心198的位置，就在弦196的垂直平分线的交叉点上。为了得到精确的结果，这些改进的中心都被精确计算到一个象素的几分之一，并且值得注意的是，这种改进甚至也可以给出非圆形点的中心。最后，在每一个改进的点中心上要进行一项背景适配性检验（类似于对初始点中心所做的检查，但是更严格）。这项更严格的检验是检查围绕改进点中心的鉴别圆上的背景色点，被检测的背景色点间隔10°。通过了所有这些检验的每一个点都是一个近似对称的、具有一个精确中心位置的点，这些点的中心位置被存储到存储器中。
计算网屏角度和内点间距平均值的算法
接下来的算法处理是使用数据点来计算网屏角度和内点间距的平均值。首先，位于最靠近经过压缩的原始数据图象的中心的数据点被选择作为一个数据原点。然后，根据从最靠近在一起的两个数据点扩展延伸开的直线的角度来确定一个初始网屏角。这两个数据点之间的距离被选作为初始内点间距。
如同在图15中所图解说明的，对于初始网屏角来说，最好是尽可能地靠近水平方向。因此，如果初始网屏角比45°的幅度还大，那么它用另一个初始网屏角来替换，这另一个初始网屏角由θo→θo-Sign（θo）π/2中的箭头所指的替换公式所决定。网屏角只能根据平行的数据点连线来确定，可以选择与数据点中心构成的方形网栅中任何可能存在的直线成直角的那些直线来作为确定网屏角的基线。如同图15所说明的，如果根据数据计算出初始网屏角θo1，那么它将用角θo2来替代。因此，初始网屏角总是在-45°到+45°之间，这样压缩了角度的范围将有助于从被计算出的结果中得到最高的精确度。
最终网屏角的计算包括了最小二乘法的应用以及在图16中图解说明的螺旋形搜索的应用。主座标系统（x′，y′）是倾斜的网栅的座标系（即原来的座标系是倾斜一个网屏角的），它的中心位于图16中202所指出的数据原点上。辅助座标系统是原始数据图象的xy座标系，从图象的左上角为起点，向右是x轴的正方向，向下是y轴的正方向。找出网屏角的最小二乘法需要一对对的对于每一个数据点的辅助座标值和主座标值。主座标值的确定可以通过在主座标系中以数据原点202为中心的方形螺旋搜索来完成。每一个主座标都位于网点中心，这里可以是也可以不是一个数据点。为了确定每一个搜索点的主座标是否是数据点，要使用包含有平移参量和转角参量的变换方程来将每一个主座标值变换成辅助座标值。变换方程如下：
（1） x＝x′cosθ-y′sinθ+h
（2） y＝y′cosθ+x′sinθ+k
在这组方程中，θ是网屏角，h和k是数据原点202在辅助座标系xy中的座标。
如同图16所示，方形螺旋搜索是从数据原点202开始，一层一层向外进行的。首先，搜索最内层204，每一个位于主座标系中的可能的数据点中心都被检查，以决定根据方程（1）和（2）所变换得到的它的辅助座标位置到已知辅助座标的一个数据点中心的距离是否在鉴别距离之内。被证实位于鉴别距离之内的每一个数据点中心肯定是一个数据点，在鉴别距离之内的另一对主座标和辅助座标也肯定是一个数据点。螺旋搜索连续地向外进到层206和层208进行同样的工作，直到主座标系中的所有可能是数据点的点都对照着辅助座标系中已知是数据点的点进行了检查，连续进行的搜索才停止。为了说明起见，在图16中数据点被圈上了圈。
被证实为数据点的每一对座标都被送入数据累加器中。根据被证实是数据点的当前数目N，就可以计算出网屏角的最小二乘解θ，这中间要先解出S的最小值，再从S算出θ，其中S是各数据点的主座标到其同一主座标之间距离的平方和，后面说的这同一主座标是用作为网屏角和座标h，k以及数据点辅助座标的函数的方程来表示的：
（3）
S＝Σi = 1N]]>｛〔（xi-h）cosθ+（yi-k）sinθ-x′i〕2+〔（yi-k）cosθ-（xi-h）sinθ-y′i〕2｝
通过将S的表达式对θ求导数，然后令求出的导数等于零，再解出其中的θ，则成为：
（4）
θ=tan-1{Σi=1Ny′i(xi-h)+Σi=1Nx′i(yi-k)Σi=1Nx′i(xi-h)+Σi=1Ny′i(yi-k)}]]>
使用下式，可以从数据点的座标xi，yi;h，k;以及x′in，y′in计算出内点间距的平均值d：
（5）
d=N-1Σi=1N[(xi-h)2+(yi-k)2x′in2+y′in2]12.]]>
其中x′in，y′in＝0，±1，±2……，是整数主座标系（即单位间隔的座标系）中的数据点座标（即用内点间距分隔的主座标值）。通过方程（4）和（5）得到的θ和d的解是可以通过方程自行改进精度的，并且最终将包括了所有的数据点，这两个解可以形成所能得到的最佳的网屏角和内点间距的平均值。
网格黑象素计算蒙片的构造
接下来的算法处理是计算位于一个方形网格内的黑色象素的数目n6，这个方形网格是以d为边长、以黑色网点为中心的。这个计算操作是通过构造一个网格黑象素计算蒙片以及应用可以由高速阵列处理机最佳执行的矢量算法来高速完成的。计算蒙片是一个数字方阵，在其最内层的数字为1其余处的数字都为0。最内层是一个方形网格，这个网格如同17中的210所指的，其边长为d并且倾斜或转动一个网屏角θ。这个方形网格210包含在并且对中在一个稍大的方形212之内，这个方形212即是蒙片方阵。值得提醒的是，主座标系统对于辅助座标系统倾斜了一个网屏角θ。
蒙片212的构成是通过将蒙片的辅助座标系xy内的每一个蒙点都变换成方形网格的辅助座标系中的座标，这样做是为了决定蒙片的辅助座标系内的每一个象素应适当赋与二进制数值1还是0，而这个决定又取决于在主座标系中的网格边界内的象素有还是没有。如果具有与计算蒙片MC相同尺寸的经过压缩的原始数据图象的方阵是D，并且D对中在方形网格内的一个黑色网点上，同时这个方形网格与计算蒙片内的网格倾斜程度相同，那么网点内的黑色象素的数目可以用蒙片方阵MC和数据方阵D的乘积来给出：
（6）
Nb=Σi=1LcΣi=1LcD(j,i)MC(j,i)]]>
在这个表达式中，Lc是蒙片方阵的维数（典型的，Lc如果是25，那么相应的d说明网屏栅线低为每英寸100线）。仅仅当网点内的色调为1的黑象素时nb有贡献时，这个象素才能需要计算的。
连续调图象的构成
接下来的算法处理是用各个对中在网点中心的色调，在主座标系内构成一个连续调图象（图象内的色调在最暗和最亮之间连续变化）。这个处理是给主座标系内位于原始数据图象内的每一个黑色网点中心计算出一个连续色调。首先，如果数据点是白点，必须偏离数据原点。数据原点h，k的偏离量可以这样来确定：h→d/2（cosθ-sinθ）+h;k→d/2（cosθ+sinθ）+k。通过这一处理，原点中心的位置上成为了一个黑点中心（网屏角仍保持原状）。每一个点上的色调这样来计算：将蒙片方阵与经过压缩的原始数据图象窗口方阵D内的数据进行矢量相乘，其中窗口方阵D是对中在色点中心的。这样，再根据方程（6）就可以计算出以d为边长以网点中心为中心的网格内的黑象素的数目nb了。这样一个网格的透光系数是：
（7）
t＝1- (nb)/(nf) ;0≤nb≤nf
其中nf是网格内的象素总数。
光学密度0是：
（8）
0＝-Log10（t）
如果t小于截止点0.05（相应于一个最大的截止点面积0.95），则t被赋值为0.05，这样光学密度的范围就不会是负无穷大了。于是，连续调可以通过下面的表达式给出：
（9）
tone＝ (0max-0)/(0max)
其中Omax是tmin＝0.05时的-Log10（tmin）。
一个充满了点（黑点）的不透光的网格其色调为0。没有点（全是白点）的全透光的网格其色调为1。这个色调的定义是根据印刷工业中密度计使用时对于光学密度的定义，光学密度的定义可以从半色调软片的光学密度的读数中算出网点的平均尺寸。而这里对色调的说明是更精确的，因为网格是对中在网点中心而不是如同在密度计下面网格被随机地定位。
一个150线网屏图象的内插
接下来的算法处理，是在连续调的主座标系图象内内插一个与原始数据图象一致的一个150线的网屏图象。这个由前述算法构成的连续调图象是一个色调的阵列，这个阵列以网屏角θ的角度倾斜，色调点到色调点的间隔为d（表示在图16中），每一个网点中心都由计算赋有一个色调值。所要求的套准图象与图18所描绘的图象对中并与其大小一致，但是它包括着色调中心点的方阵，这些色调中心点的中心到中心间隔1/150英寸。如同将要叙述的，对图18的数据进行内插就可以得到所要求的套准图象的各个色调点中心。
对于辅助座标系x′c，y′c中的每一个色调点中心，其在图18的主座标系中的相应位置座标是通过下述座标变换方程得到的：
（10）
x′cin＝〔（xc-h）cosθ+（yc-k）sinθ〕d-1
（11）
y′cin＝〔（yc-k）cosθ-（xc-h）sinθ〕d-1
适合于描述所进行的内插的单位间隔，可以通过除以d来得到。在图18中，一个9×9内插数据点的网栅的中心是：
（12）
nip＝〔x′cin〕
（13）
njp＝〔y′cin〕
其中符号〔q〕表示把符号中的某一个实数q圆整为距离它最近的整数。在主座标系中从nip，njp表示的中心到x′cin，y′cin的内插偏离量是：
（14）
dhp＝x′cin-nip
（15）
dkp＝y′cin-njp
内插的几何意义表示在图18中。使用的内插公式是众所周知的二次三次样条内插公式，这个公式在M·J·D·Powell所著的、1981年出版的《逼近理论和方法》中有介绍（第226页和第19章）。然而，本发明中所应用的是这本参考文献中给出的一般公式的一个应用形式。这个应用形式的公式限制了根据内插数据阵列的中心点推算出的内插偏离量，这样就保证了可以从这个内插公式得到数据的最大跨度和最高精度。这个应用型公式是：
（16）
P（nj，ni）＝Σm = -44Σn = -44]]>lm（dhp）λ（dkp）pd（njp+n，nip+m）
其中P是所要求的套准图象的色调，pd是数据色调，lm，λn是内插的最重要的两个函数，lm和λn是由各个三次B样条B3p的线性组合（其中内插偏离量dnp，dkp的估计量预先已给出）再被系数Cpm，Cpn加权而得到的：
（17）
lm（dhp）＝Σρ = -∞∞]]>CρmB3ρ（dnp）
（18）
λn（dkρ）＝CρnB3ρ（dkρ）
在那两个最重要的函数中的权重因子Cρm，Cρn是：（公式中的｜｜是表示取绝对值的符号）
（19）
Cρm＝43]]>（-2）｜m-2-ρ｜
（20）
Cρn＝4（-2）｜n-2-ρ｜
在那两个最重要的函数lm，λn中无穷项求和，实际仅仅取有限数目的非零项即可，这些项在实际使用中很容易确定，因为B样条在它被定义的范围内、超出样条端点的外面的一切点的值都是零。各个三次B样条的值都直接从定义算出：
（21）
B3ρ（q）＝24-1〔（q-ερ）3-4（q-ερ+1）3+6（q-ερ+2）3+-4（q-ερ+3）3++（q-ερ+4）3+〕
其中ερ＝ρ＝0，±1，±2……是分段多项式样条的节点或结点，q是一个说明性参量，而且样条公式中的截尾三次差分项是按如下定义的：
（22）
对于q-ε＞0：
（q-ε）3+＝（q-ε）3
（23）
对于q-ε≤0：
（q-ξ）3+＝0
数字图象套准
至此，已叙述完建立套准用的图象的算法。但是，两张套准的图象都必须进行增强处理，而且其中的一张还必须进行色调调整（这张图象只能是被套准的图象而不能是基准图象），这样可以进一步提高套准处理的灵敏度和精度。在套准过程中，首先是在最近的网点的整行上进行套准。然后，再有次序地逐步精细化地进行套准：先进一步在网点的半行内也实现了套准，然后在网点的四分之一行内实现了套准，最后在网点的八分之一行内实现套准（如果计算机的精度足够，那么仍然可以进一步精细地实现套准）。
边缘增强的算法
用于套准的基础图象Pref和与基础图象进行套准的其他图象Pmov是进行边缘增强预套准处理的对象。有一种改善套准的标准技术是用某些边缘增强蒙片或数字阵列（一个数字滤波蒙片）在被用来套准的图象上旋转。根据本发明，通过增加上对于原始图象的增强而修正补充了这种标准技术，于是保存了原始图象的结构，但又加强了边缘细节的亮度（即对边缘细节进行了专门的处理），而不是用边缘细节去代替图象细节。仅仅处理边缘细节会产生不可靠的结果，这正是经典的有关套准的方法中的缺点。必须记住：对于半色调图片细节的套准比其他套准的应用，要求有更高的精度。由于这个原因，对于处理半色调图片细节，标准的技术并不是适宜的。
构成边界增强蒙片的一种已知技术是对图象的解析表达式应用某些运算（通常是一种微分运算）。在本发明中，将通过选择一个新型的运算、选择一个新型的解析表达式、以及用一种新型的方式计算附加的增强量来进行这项工作。根据物理基础，与水平或垂直方向斜交的边缘比大体上是水平或垂直方向的边缘更能够得到一个较高的响应。斜向的边缘是判读的临界边缘，因为纯粹垂直的边缘在套准时将比非水平或非垂直的边缘更容易导致模糊。因此，有意识地选择针对没有斜向边缘的明亮图象区域和暗淡的（相对暗淡）有斜向边缘的区域来进行增强。于是，对于在一个暗淡图象区域中不正确地差分出一个亮条的误差的补偿被增强了，因而最小误差套准过程的灵敏度上也就被增强了。
解析表达式再一次选择应用了二次三次样条函数内插法，因为它可以用有限的数据来得出较好的结果，并且它可以产生能二次连续微分的图象色调的解析表达式。运算由二次求导来构成，因为梯度运算倾向于在靠近边缘的地方产生宽顶峰。一条边缘本质上是这样一个区域：对它取一次导数则形成一个峰，再取第二次导数靠近边缘的地方的值又变为零。因此，靠近一条边缘的区域，经过二次求导运算输出的值是很小的，这样边缘相对于非边缘区域，其亮度就被增强了。不仅如此，通过选择应用了这个适当的运算，被处理的斜向的边缘区域的亮度可以低于其他边缘区域，或者换句话说，可以是相对较暗淡的，这一点很重要，因而也就增加了套准的灵敏度。
在图象的第j，i位置上所增加的增强量是1-P2（j，i）/m，其中m是阵列P2的最大灰度级。如果用M表示边缘增强蒙片方阵，M是一个两维方阵，它离散地相对被进行套准图象旋转。这个两维的离散的旋转卷积方程式是：
（24）
P2（j，i）＝Σm = i -L + 1iΣn = j -L + 1j]]>P（n，m）M（j-n+1，i-m+1）
其中L＝5是方形蒙片方阵M的行列数。
这个卷积过程的几何上的旋转意义表示在图19中。虚线214和216围出了可用的经过卷积处理的图象区域。方形蒙片M是一个对称的、转动180°仍然不变的恒量方阵。在使用P2之前，如果P2min是P2的最小负值，那么先将P2改变为P2-P2min，以便改变P2/m的尺度，使图象色调有一个与P2相一致的0到1的数值范围。在整个图象P（j，i）+〔1-P2（j，i）/m〕中，P项在第j，i位置上的值是经过两维卷积运算的右下侧某一点上的值。最终的图象要小于P，因为要保证一定的富裕量，以使图象的各处都在P之内，使得可以完成严格的卷积过程。由P的样条函数表达式构成的蒙片M的方阵表达式类似于方程（16）。蒙片M的方阵是一个5×5阶矩阵，并且包括着一个作为导数乘积的系数因子（即乘以一个系数，这个系数类似于方程16中的Pd），这个系数对于靠近水平或垂直方向的边缘给予较小的响应，而对于倾斜于垂直或水平方向的边缘则给予较大的响应。这个系数的运算为：
（25）
(24)/(2X22y2)
在内插表达式中的B样条内插偏离参量x和y的求值公式也有两种形式：一种类似于方程（16），一种是等于0，0，即内插偏离量不存在。然后，将蒙片方阵M归一化为单位中心值，归一化方法是用原始方阵M的各个元素除以原始方阵M的中心值。通过应用来源于拉普拉斯-高斯边缘增强蒙片的数据光顺概念，将乘以了权重因子的归一化了的方阵M中的每一个j，i元素，再去乘以一个光顺蒙片方阵中相应的各个j，i元素，这个光顺蒙片方阵中的各个j，i元素都是由哈明窗函数给出的，即：
（26）
｛0.54-0.46cos〔 (π)/2 （i+2）〕｝｛0.54-0.46cos〔 (π)/2 （j+2）〕｝
其中i，j＝0，±1，±2
作为上述结果的最终的方阵M，被应用于增强处理的卷积运算中。优选哈明窗函数作为光顺工具是因为它下降得不象高斯光顺函数那样急速，因此这种处理对于蒙片端处的数据更为重视（这就是最终的图象有更多的有效数据）。可以看到，由于使用表达式（25）所得到的改善了的结果是起因于斜向边缘相对地暗淡，而由于这种处理，提高了套准的精度，正如前面所讨论过的。然而，应该明白，使用其他蒙片（例如一个拉普拉斯-高斯边缘增强蒙片）或其他的运算（例如拉普拉斯运算22/2x2+22/2y2）也可以得到可以接受的结果。
色调归一化算法
对Pmov和Pref图象进行色调归一化处理是通过将色调进行线性变换来完成的。因为各个分色软片的平均色调可能非常不同，而这对于套准来说是非常不利的。通过一个线性色调变换运算可以使Pmov的色调更接近于Pref的色调，这样就可以改善套准，而线性色调变换运算是将Pmov的最大、平均和最小色调值变换成Pref的对应的最大、平均和最小色调值。这种色调变换仍然保持了图象的灰度级层次。
如同图20所说明的，色调变换仅仅是调整改变Pmov的色调;基础图片Pref的色调并不改变。色调变换是在边缘增强处理之后才进行，这是为了避免减弱边缘的对比度，因为色调变换倾向于造成所有的边缘都相似。实际可能需要的是，反差强的边缘仍然强，反差弱的边缘仍然弱，而不是所有的边缘的反差都强弱类似。色调变换公式及其中的系数如下：
（27）
Pmovnew（j，i）＝αPmovold（j，i）+β
（28）
对于Pmovold（j，i）≥Pavmov;
α＝ (Pmaxref-Pavref)/(Pmaxmov-Parmov)
（29）
对于Pmovold（j，i）≥Pavmov：
β＝Pmaxref-αPmaxmov
（30）
对于Pmovold（j，i）≤Pavmov：
α＝ (Pavref-Pminref)/(Pavmov-Pminmov)
（31）
对于Pmovold（j，i）≤Pavmov
β＝Pavref-αPavmov
其中av，max和min分别代表平均，最大和最小色调，mov和ref分别代表活动的和基准的图片。
对于网点的最靠近的整行的数字套准
在图片的数字套准操作中，对于网点的最靠近的整行的套准是根据带符号的偏移量整数值nx和ny分别移动Pmov使它对正Pref（在计算机中模似实际的移动），其中nx和ny的范围是从-8到+8个象素（已进行过粗略对准）。这偏移量表示了将Pmov移动到与Pref套准时所必须的移动量。在网点的最靠近的整行的套准的最佳位置上，由下式计算的图象偏差绝对值的总和所得出的误差量应为最小值：
（32）
error＝Σi = isi eΣj = jsj e]]>｜Pref（j，i）-Pmor（j-ny，i-nx）｜
其中，以Pref图片的左上角为起点，对于i向右为正，对于j向下为负。
起点象素（S）和终点象素（e）都被定义在Pref和Pmov的重迭区域内，如下表1所给出的：
表1
象限 nx ny is ie js je
1 ≥0 ≥0 1+nx dp 1+ny dp
2 ≤0 ≥0 1 dp+nx 1+ny dp
3 ≤0 ≤0 1 dp+nx 1 dp+ny
4 ≥0 ≤0 1+nx dp 1 dp+ny
在表1中，dp是以象素数目表示的方形图片的边长。
图21图解说明了一个典型的将Pmov对准Pref所进行的移动以及移动后形成的两张图片的重迭区域218。误差判据（32式）类似于Barnea和Silverman提出的SSDA判据（参见IEEE《Tran on Computers》卷C-21，2月号，1972年），但是（32）式的值是使用快速矢量算法直接求出的（这种矢量算法比那种如果尝试套准失败马上停止求和运算的模式的速度还要快）。
实际应用在最小误差套准程序中的误差，是由（32）式给出的值再乘以一个归一化因子n1n2的积，其中n1是：
（32a）
n1= (d2p)/((je-js+1)(ie-is+1))
在这里，dp是基准图片的边长（一侧的长度）。当重迭区域很小时会因而产生虚假的最小套准误差，而归一化因子（32a式）将鉴别出假的最小套准误差。直接使用（32）式，那么当重迭区很小而只包含很少的数据时，会从（32）式得出一个较小的误差值。当重迭区域缩小时，归一化因子（32a式）的分母将减小，于是就校正了出现虚假最小误差的趋向。另一方面，当正确的最小误差确实出现在一个较小的窗口，那么真正是减少了误差将起支配作用，而不会造成虚假的最小误差。归一化因子n1已经被套准试验所验证，这个试验是针对解析数字图象而做的，这组解析数字图象之间的错位量是精确已知的。另一个归一化因子n2是Barna和Silverman所建议的（参见IEEE：《Trans.on Compdters》卷C-21，2月号，1972），即：
（32b）
n2＝〔｜Σi = isi eΣj = j sje]]>Pref（j，i）｜｜Pmov（j-ny，i-nx）｜〕 1/2
因子n2倾向于锐化套准误差的最小值的变化。
对于网点的几分之一行进行内插套准
用内插的方法，将套准精细到网点的一行的几分之一内，是从网点的最近行解出最接近的整数，然后由它给出一个加在内插套准偏移量上的一个分数。使用一种探查和误差搜索来寻找最小内插套准误差，这种方法的步骤是：首先从nx和ny开始找到在网点的半行内的最佳解。然后确定出在网点的1/4行内的最佳解，这个过程一直重复到1/8行的级上。在套准过程的每一阶段，移动到网点的几分之一行内的整个套准的移动量为：
（33）
xmove＝nx+dx
ymove＝ny+dy
其中dx，dy是分数内插偏移量，当套准移动不断地精细化时，这两个值也要改变。后期的移动量要乘以1/150英寸，实际上是乘以1/150英寸表示成密耳单位的数值（约6.67密耳），以便用密耳作单位提供一个总的套准移动量。内插套准误差公式是修改（32）式而得到的，即：
（34）
error＝Σj = js + 4je - 4Σi = is + 4ie -4]]>〔｜Σm = -44Σn = -44]]>lm（dx）λnPref（j+n，i+m）-Pmov（j-ny，i-nx）｜〕
其中nx，ny在这里是从网点的最靠近行的解变换得出的最靠近的整数。在式（34）中所用的内插方法是类似于方程（16）的一个81点二次三次样条函数内插法，而dx和dy是输入的表示成网点的一行的几分之一的内插偏移量。极限范围值is，ie和js，je都被修正了以保证有内插套准移动的余地。误差表达式（34）要再乘以归一化因子，该因子为：
（34a）
｛｜lm（dx）λn（dy）Pref（j+n，i+m）|..|Pmov（j-ny，i-nx）｜｝
这个归一化因子（34a）与用于求网点最靠近行的套准误差的（32b）是同一类型的因子。这个归一化因子也取决于重迭区域并倾向于锐化套准误差的最小值，因为一旦接近正确的解，最小值的变化显著可能是需要的。在内插套准误差中并不需要（32a）式的因子n1。
（34）式是严格的，并且仅仅应用于求内插套准误差。对（34）式求导数的步骤是：首先明确当最靠近的整数行套准达到最佳状态时，Pmov中仍然有残余的部分套准上的不对正情况。因此必须找出这残余的错位与Pref的j，i当前位置的关系，列出（34）式的误差的求和表达式并令其等于零以实现完全对正套准。为了修正（32）式，必须用Pref（y′，x′）代替Pref，其中将整数套准时的座标系x，y平移变换成最终的位置座标系x′，y′的变换公式为（一般意义下需要含有转动错位角θr）：
（35）
x′＝（x- h）cosθr+（y- k）sinθr
（36）
y′＝（y- k）cosθr-（x- h）sinθr
这里使用的x，y和x′，y′与前文所用的意义不同。在这里，辅助座标系与图21中Pref的i，j座标系相重迭（原点相同）。
上述针对不对正所建立的数字模型包括有对Pref所进行的变换，即令其针对移动Pmov套准Pref时所作的移动相反移动一下。换句话说，将图象移动一个分数平移量 h， k，使其套准Pmov。然而，看起来如同移动Pmov去套准Pref一样，所需要的平移是相对移动- h，- k。因此，对Pref的平移量为：
（37）
h＝-dx
（38）
k＝-dy
如果令x＝i△x，y＝j△y（△x＝△y是网栅间隔），那么（35）和（36）式可以写成如下形式：
（39）
x′＝i△x+α△x
（40）
y′＝j△y+β△y
这里得出的部分偏移量（间隔△x和△y）α和β为：
（41）
α＝i（cosθr-1）+dxcosθr+（j+dy）sinθr
（42）
β＝j（cosθr-1）+dycosθr-（i+dx）sinθr
当θr＝0时，由这两个方程可以得出α＝dx以及β＝dy。
这就证明了正确的内插偏移量可以从这样一个严格建立的过程导出：将Pref相对Pref的起始位置错开一定量。通过对一组已确知偏差的解析数字图象进行内插套准，通过将同样的变换技术应用于所要求的套准移动，也都高精度地验证了（34）等式。
套准和冲孔时版架移动的算法
为了在适当的位置给每张软片冲孔，必须计算出版架的移动量，这对于每一张软片完成套准也是必须的。图22示意出了带有两个被选定的图象点P1和P2的版架的几何形式。这两个点间隔距离为ro，点P1和P2之间的连线相对x轴的夹角为θp。标志着Pun1和Pun2的两个点是两个冲头的位置，它们总是相对于空间位置固定的xy座标系在图中所指的位置上有固定位置。在图22中，版架在移动之前总是位于它的基准或返回位置上。
可以找到更为经济和有效的在Pun1位置上应用一个单冲头而不是应用两个分开的冲头的方法，尽管后者两个冲头的装置也是可行的。为了找到适当的冲孔位置，使它和冲头位置Pun1的冲头对正，必须首先得到最终的套准解，然后使用这个解去计算版架相对于冲头所必须的移动量。
最终套准解
无论是根据套准规线还是用于套准的图象，算法的执行和运算都产生了所需要的平均移动量。P1，P2所需要的移动量是：
（43）
P1：Dx1，Dy1
（44）
P2：Dx2，Dy2
有关第一个点的这些移动有两种成分：一种是与版架均匀的移动相同的，即Dux＝Dx1，Duy＝Dy1，另一种成分是与第一种相伴随的在y方向上的围绕P2点的一个转动：△y＝Dy2-Dy1。由于输入误差的可能性，与△y相伴随的△x不会可靠地等于Dx2-Dx1。但是，△x可以被正确地计算出，因为在移动之后还保存着两点的间隔距离ro。可以解出△x的ro距离保存方程是：
（45）
（x2+△x-x1）2+（y2+△y-y1）2＝（x2-x1）2+（y2-y1）2用这个二次方程可以解出△x，而且这个解可以经过演算表达成如下适宜的计算形式：
（46）
△ X =-(x2- x1) 〔2 (y2- y1) △y + △ y2(x2- x1)2〕1+1-2(y2- y1) △ y + △y2(x2- x1)2]]>
图23说明了上述方程的几何意义，在支点1和2的位置上所需进行的移动，一个是y1本身，一个是叠加的y2∶y2+△y。这些移动（图中所表示的是正向的△y）构成了围绕支点1的一个转动（在图中被夸大了），这个转动伴随着版架在y方向上的均匀平移k。如同在图23中所表示的，在支点1单纯地向下移动了一个向下的距离k，而同时支点2却向上移动了一个距离C+K（从起始基点位置开始计算）。然后版架的均匀的移动x，y就造成支点最终的向左和向右的移动。注意，这时y1将适应地变为y1+Dy1，而y2将变为y2+△y+Dy1＝y2+Dy2。这就附带地证明了△y＝Dy2-Dy1是正确的。
解移动方程所必须的sinθs和k，可以从y座标变换方程中得到，这个y座标变换方程描述了在y方向上平移k和围绕支点转动的合成效果：
（47）
y2+△y＝y2cosθs+x2sinθs+K
（48）
y1＝y1cosθs+x1sinθs+K
这组变换方程等号左侧（LHS）的座标值是在图22的xy座标系中的距离。而等号右侧（RHS）的座标值是固定在移动版架上的主座标系中的距离，这个座标系相对xy座标系会有转动和平移。为方便起见，当两个座标标系有任何相对平移或转动之前，即一致的时候，可以去掉座标系中的初值，以便能够从图22中直接读出感兴趣点的值。当采用这种方法来观察时，变换方程相当于叙述了如何将图22中具有等号右侧座标值的初始位置，移动到图22的固定座标系中的具有等号左侧座标值的新位置上。对于叙述这种方法来说，这是最自然和最便利的观点。
在方程（47）和（48）中消去K，将给出一个含有sinθs的二次方程：
（49）
〔（y2-y1）2+（x2-x1）2〕sin2θs-2（y2+△y-y1）·（x2-x1）sinθs+（y2+△y-y1）2-（y2-y1）2＝0
解出sinθs并简化成适应计算的解的形式将成为：
（50）
由于θs实际很小，所以cosθs可以直接由下式得出：
（51）
cos θ s =1 -sin2θs]]>
于是sinθs和cosθs就可以得到了，这样再根据移动方程可以解出k来：
（52）
K＝y1（1-cosθs）-x1sinθs
（53）
1 - cos θ s =sin θ s SinθS2cosθS2]]>
（54）
θs＝ 1/2 tan-1（ (sinθs)/(cosθs) ）
在这种处理中求出1-cosθs的原因是为了避免精度过重的损失，因为事实上θs近似等于零。
在图23中距离C为：
（55）
C＝Wtanθs＝ (Wsinθs)/(cosθs)
在包含着版架均匀的移动量的情况下，右端支点的移动量是C+K+Dy1，左端支点的移动量是K+Dy1。点1和2在X方向上的移动误差是相同的，因为版架是一个刚性体，最终的版架的均匀在X方向上的移动可以补偿点1和点2误差的不同。在P1点（这个点的实际位置，在它所应处位置的座标加上负号后的位置上）的误差e1x为：
（56）
e1x＝（x1cosθs-y1sinθs）-x1＝-x1（1-cosθs）-y1sinθs
其中1-cosθs的求值公式和前文所指出的一样。P2的误差e2x为：
（57）
e2x＝（x2cosθs-y2sinθs）-（x2+△x）＝-x2（1-cosθs）-y2sinθs-△x
其中1-cosθs和△x的求值公式和前文所指出的一样。最后，版架在x方向上的合成的均匀的移动量，包括原点的移动量Dux，为：
（58）
Xmov＝- 1/2 （e1x+e2x）+Dx1
可以很容易地看出其中的e1x和e2x是数值相等并且其解析表达式也严格相同的（这是对结果的有效性的一个检查方法）。然而，在方程中这两个量还是取其平均值，这样做是为了提醒注意在计算中涉及了两个相等的移动量。
在机器上的具体体现是由可移动的版架来实际实现所要求的左右支点的移动以及最终的X方向上的一致移动（支点的移动分为两步，首先右支点移动C长度而左支点固定不动，然后两个支点一起移动K和Dy1长度，这样来完成最终的支点移动量（左，右）＝（K+Dy1，C+K+Dy1）。曾经专门预备了带有套准规线的两张软片，软片上的规线就在P1，P2的位置上，这样使得第二张软片上的套准规线对于基础软片上的第一个套准规线的不对正的偏离量是预先已知的。这个输入的数据被用来计算左、右支点的移动量以及版架的一致移动量，所依据的算法就是前文给出的方程。机器在第二张软片上实现移动，观察到软片2对基础软片的套准结果的精度确实很高。于是，最终的套准解在控制状态下由实验所验证了。
用于软片冲孔的版架位移
为了使图22中所表示的软片上的Pun1点恰当地对正冲头，必须完成下面这一过程：将软片上的Pun1点从它在最终套准解中的初始位置，平移到空间固定的座标系xy中它的最终位置去，如同先前所叙述过的整个版架的移动结果那样。平移的完成包括版架的移动和随后在软片上的冲孔。图22中初始软片点Pun2的相似平移量是计算出来的，版架合成的平移包括着：所需要的Pun2的平移加上Pun1所需要的继续平移再加上对第一个点（Pun1）的补偿平移，每一步平移之后都跟着冲孔和继续移动或者吹出软片。如果最终套准解所叙述的平移和转动实际实现了，那么为冲孔所进行的位移也能给出同样的结果。在套准解中，由于有转动的存在，每一个点到达它的最终位置都有一个个别的平移量。本发明优先推荐应用单个冲头的技术，在这种技术中，可以从最终套准解中挑选出一个感兴趣的点（冲孔位置的点）并且它的平移可以按最终套准解所指示的移动量进行平移。
从变换方程和版架一致移动量表达式计算得出图22中软片点Pun1和Pun2的平移量。这个平移量是在图22的空间固定的xy座标系中用最终的位置减去初始位置，它们由下式给出：
（59）
Xun1-d＝-d（1-cosθs）+Dx1- 1/2 （e1x+e2x）
（60）
Xun1-0＝-dsinθs+k+Dy1
（61）
Xun2-（w-d）＝-（w-d）（1-cosθs）+Dx1- 1/2 （e1x+e2x）
（62）
Xun2-0＝（w-d）sinθs+k+Dy1
上述平移表达式中的变量的求值公式与前文所指出的一样。两个冲孔点最终位置间的距离为：
（63）
（xun2-xun1）2+（yun2-yun1）2
＝（w-2d）2cos2θs+（w-2d）2sin2θs
＝W-2d
提示一下，这中间应用了sin2θs+cos2θs＝1，上述给出的距离是精确地等于W-2d，而W-2d正是移动之前两个冲头之间的距离。
避免由于输入数据误差而造成过大误差
作为最后一件事情，出现这种现象是可能的：由于在图22中的角θp相当大，使得本来应当相当小的△y却通过数据计算得出一个很大的值（起因于不可避免的套准误差）。这可能造成支点移动量的一个意想不到的大误差。这个问题可以克服克服：仅仅当角θp等于或小于45°时才从数据Dy2-Dy1中摘取△y。当θp是45°到90°之间的角度时，△x用数据Dx2-Dx1代替，而对于曾经缺漏的△y，使用γo距离保存方程（45）来计算。这个方程导出的便于计算的解是：
（64）
△ y =-(y2- y1) 〔2 (x2- x1) △x + △ x2(y2- y1)2〕1+1-2(x2- x1) △ x + △ x2(y2- y1)2]]>
由于将角度区域分为两个，数据误差就不会对结果产生有害影响，
尽管这里提出了最经济的方案，即数字式摄象机32是固定的，冲头位置108是固定的，安放被套准的软片的版架52是可移动的，但很明显，摄象机和/或冲头位置也可以安排成可移动的。另外还显而易见，软片、摄象机和冲头位置可以都是可移动的。在某些应用实例中，可能希望用一个圆形冲头去冲套准孔中的一个，而用一个槽口冲头或一个具有其它不同形状的冲头去冲另一个套准孔。于是，这里也提出了具有间隔的两个冲头的方案，并且当每一张软片被恰当地定位于套准孔的冲孔位置时，这两个冲头都可以被启动。
从前文所述可以看到，本发明是一个很适合于达到所有前文所罗列的各种目的的方法和装置，并且它还同时具有其他长处，这些长处是十分明显并且是装置结构所固有的。
可以想到，本发明的某些特点的体现以及装置的局部组合都是具有应用价值的，它们可以独立于其他特点的体现和局部组合而被使用。这是本发明专利权所考虑过的，并属于本发明的专利权范围。
因为有许多可能的具体装置用以实现本发明而并没有脱离这里要求的专利权范围，所以可以理解，本文所有列出的内容或附图中所表示的内容都被解释为专利说明而不是仅有有限的意义。