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

混合误差测度函数的建立是利用多尺度小波系数融合建立的边界误差测度函数和改进的K-means聚类法建立的区域误差测度函数。小波域多尺度信息通过二维离散小波变换方法得到，从空间域到小波域的变换为原来的二维图像提供了一种紧凑的多尺度表征形式。利用这一紧凑的表征形式从少数幅值较大的小波系数中捕获图像的关键特征。应用基于区域的直接二值搜索方法最小化初始图像和半色调图像的误差，得到最优数字半色调图像。实验结果表明，该算法与基于模型的数字半色调（LSMB）算法比较，半色调图像均方误差值（MSEv）值降低了0.