一种印刷出版物的图像评价方法和系统

本发明涉及图像评价，尤其涉及一种印刷出版物的图像评价方法和系统。

背景技术：

1、随着印刷技术的发展，人们对于印刷品质的要求也日益提高，之前的目视检查已经无法满足对图像质量精准评价的需求。因此，各种图像评价方法应运而生。这些方法包括但不限于色彩测量、图像分析、图像处理等，通过对图像的色彩、清晰度、对比度等方面进行量化分析，实现对印刷品质的客观评价。这些评价方法不仅提高了印刷品质的一致性和稳定性，还为印刷行业的发展和创新提供了技术支持。然而，传统的印刷出版物的图像评价方法无法准确的分析出图像受环境光感影响导致印刷图像还原的难度大，以及评价的精确度低的问题。

技术实现思路

1、基于此，有必要提供一种印刷出版物的图像评价方法和系统，以解决至少一个上述技术问题。

2、为实现上述目的，一种印刷出版物的图像评价方法，所述方法包括以下步骤：

3、步骤s1：对印刷出版物进行图像数据采集，得到印刷出版物图像数据集；对印刷出版物图像数据集进行色彩模式分析，得到出版物图像色彩模式数据；根据出版物图像色彩模式数据进行图像内容环境感知分析，得到图像内容环境感知数据；

4、步骤s2：对图像内容环境感知数据进行内容环境光感分析，得到图像内容光感数据；根据图像内容光感数据进行图像色彩颗粒度还原度分析，得到图像光感色彩还原度数据；根据图像光感色彩还原度数据进行光感色彩梯度渐变平衡性分析，得到光感色彩渐变平衡性数据；对光感色彩渐变平衡性数据进行分位数回归均方误差计算，得到平衡性分位误差数据；

5、步骤s3：根据平衡性分位误差数据对光感色彩渐变平衡性数据进行误差补偿，得到光感色彩渐变平衡补偿数据；基于随机森林算法对光感色彩渐变平衡补偿数据进行图像光感色彩评价模型构建，得到图像光感色彩评价模型；

6、步骤s4：根据图像光感色彩评价模型进行图像印刷还原难度评价，得到图像印刷还原难度评价数据；将图像印刷还原难度评价数据反馈至终端。

7、本发明通过对印刷出版物进行图像数据采集，这涉及使用数字相机或扫描仪来获取高质量的图像数据集，对图像数据集进行色彩模式分析，以确定图像中使用的色彩模式，例如rgb、cmyk，根据色彩模式数据，对图像内容进行环境感知分析，这包括考虑图像中的场景、光线条件等因素，以更好地理解图像内容；对图像内容环境感知数据进行分析，以了解图像中的光感情况，这有助于评估图像的视觉效果，其中图像中的光感是指机器视觉分析之后得出的内容环境光感数据，根据光感数据，对图像色彩的颗粒度还原度进行分析，即图像中颜色的细节程度和清晰度，进一步分析光感色彩的梯度渐变平衡性，以确定图像中颜色过渡的平滑度和自然度，最后，通过对光感色彩渐变平衡性数据进行分位数回归均方误差计算，得到平衡性分位误差数据，这可以用来量化图像色彩渐变的平衡性和准确性，使用平衡性分位误差数据对光感色彩渐变平衡性数据进行误差补偿，这意味着系统能够自动纠正图像中存在的平衡性问题，提高图像的色彩渐变平衡性，基于随机森林算法构建图像光感色彩评价模型，这个模型可以更准确地评估图像的光感和色彩特征，为后续的评价提供更精确的依据，基于图像光感色彩评价模型，对图像的印刷还原难度进行评价。这意味着系统可以根据模型评估图像在印刷时遇到的难度，例如颜色还原、光感平衡等方面的问题，将图像印刷还原难度评价数据反馈至终端，这样印刷人员或者制作人员可以根据评价结果调整印刷参数或者图像处理策略，以提高图像在印刷中的还原质量和效果。因此，本发明是对传统的印刷出版物的图像评价方法做出的优化处理，解决了传统的印刷出版物的图像评价方法无法准确的分析出图像受环境光感影响导致印刷图像还原的难度，以及评价的精确度低的问题，降低了图像受环境光感影响导致印刷图像还原的难度大以及评价的精确度低的问题。

8、优选地，步骤s1包括以下步骤：

9、步骤s11：对印刷出版物进行图像数据采集，得到印刷出版物图像数据集；

10、步骤s12：对印刷出版物图像数据集进行图像平滑处理，得到出版物图像平滑数据集；

11、步骤s13：根据出版物图像平滑数据集对印刷出版物图像数据集进行色彩模式分析，得到出版物图像色彩模式数据；

12、步骤s14：根据出版物图像平滑数据集以及出版物图像色彩模式数据进行图像内容环境感知分析，得到图像内容环境感知数据。

13、本发明通过对印刷出版物进行图像数据采集，系统可以获取到需要分析的原始数据，为后续的处理提供了必要的素材，采集到的图像数据集应具备全面和代表性，以确保后续分析的准确性和可靠性，图像平滑处理有助于减少图像中的噪音和干扰，提高图像质量，使后续的分析更加精确可靠，平滑处理可以使图像更加柔和和清晰，改善机器视觉效果，使得后续分析更容易理解和操作，色彩模式分析能够准确识别图像中所采用的色彩模式，这对于后续的色彩处理和分析至关重要，色彩模式数据为后续的图像内容环境感知提供了基础，使系统能够更好地理解图像内容的色彩特征，通过图像平滑数据集和色彩模式数据进行环境感知分析，系统能够综合考虑图像中的场景、光线等环境因素，从而更全面地理解图像内容， 图像内容环境感知数据为后续的分析提供了更丰富的信息，提高了分析的准确性和可靠性，使得系统能够更好地应对各种复杂情况。

14、优选地，步骤s2包括以下步骤：

15、步骤s21：对图像内容环境感知数据进行内容环境光感分析，得到图像内容光感数据；

16、步骤s22：根据图像内容光感数据对出版物图像色彩模式数据进行图像色彩颗粒度还原度分析，得到图像光感色彩还原度数据；

17、步骤s23：根据图像光感色彩还原度数据进行光感色彩渐变流畅度评估，得到光感色彩渐变流畅度数据；

18、步骤s24：根据图像光感色彩还原度数据以及光感色彩渐变流畅度数据进行光感色彩梯度渐变平衡性分析，得到光感色彩渐变平衡性数据；

19、步骤s25：对光感色彩渐变平衡性数据进行分位数回归均方误差计算，得到平衡性分位误差数据。

20、本发明通过对图像内容环境感知数据进行光感分析，系统能够提取出图像中的光感特征，包括光照强度、光线方向等信息，图像内容光感数据为后续的分析提供了基础，使得系统能够更好地理解图像中的光感情况，从而更准确地评估图像的色彩特征，通过对光感数据进行分析，系统可以评估图像的色彩颗粒度还原度，即图像中颜色细节的清晰度和还原程度，图像光感色彩还原度数据可以作为衡量图像质量的重要指标之一，从而为图像的后续处理和印刷质量提供参考，系统根据光感色彩还原度数据评估图像的色彩渐变流畅度，即颜色过渡的平滑程度和自然性，光感色彩渐变流畅度数据可以帮助改善图像的视觉体验，使颜色过渡更加自然和舒适，根据光感色彩还原度数据和渐变流畅度数据对图像的色彩渐变平衡性进行分析，即颜色过渡的均衡程度，光感色彩渐变平衡性数据可以量化评价图像中色彩过渡的平衡性，为后续的调整和优化提供依据；对光感色彩渐变平衡性数据进行分位数回归均方误差计算，从而量化评估图像色彩渐变的平衡性和准确性，传统的均方误差计算存在着对异常值敏感的问题，通过引入分位数从而降低均方误差对异常值的敏感性，从而得到更加准确的平衡性分位误差数据。

21、优选地，步骤s22包括以下步骤：

22、步骤s221：对图像内容光感数据进行图像内容中的光照背景条件分析，得到光照背景条件数据；根据光照背景条件数据进行光照强度分析，得到光照背景强度数据；

23、步骤s222：根据光照背景强度数据对图像内容光感数据进行图像内容光照强度非均匀性分布分析，得到光照强度非均匀性分布数据；利用预设的图像阴影识别模型对光照强度非均匀性分布数据进行图像阴影分布区域识别，得到图像阴影分布区域数据；

24、步骤s223：根据图像阴影分布区域数据以及光照强度非均匀性分布数据对出版物图像色彩模式数据进行图像色彩扭曲结构分析，得到图像色彩扭曲结构数据；根据图像色彩扭曲结构数据进行图像色彩形变评估，得到图像色彩形变数据；

25、步骤s224：根据图像色彩扭曲结构数据以及图像色彩形变数据进行图像色彩错位分析，得到图像色彩错位数据；根据图像色彩错位数据进行相邻图像色彩失真率计算，得到相邻图像色彩失真率数据；

26、步骤s225：对相邻图像色彩失真率数据进行失真率梯度块效应数值区间拟合，得到失真率块效应数值拟合数据；

27、步骤s226：根据失真率块效应数值拟合数据以及图像内容光感数据对出版物图像色彩模式数据进行图像色彩颗粒度还原度分析，得到图像光感色彩还原度数据。

28、本发明通过对图像内容光感数据进行分析，系统能够提取出图像中的光照背景条件数据，包括光照的强度、方向和均匀性等信息，根据光照背景条件数据，系统可以对光照的强度进行分析，了解图像中不同区域的光照情况，为后续的处理提供基础，根据光照背景强度数据，系统分析图像内容光感数据中光照的非均匀性分布，即不同区域光照强度的差异情况，利用预设的图像阴影识别模型，系统可以识别出图像中的阴影分布区域，从而进一步理解图像的光照情况和特点，根据图像阴影分布区域数据和光照强度非均匀性分布数据，系统分析出图像的色彩扭曲结构，即在光照条件下颜色的变化和扭曲情况，基于图像色彩扭曲结构数据，系统对图像的色彩形变进行评估，了解图像在不同光照条件下色彩的变化情况，包括颜色偏移、饱和度变化等，通过分析图像的色彩扭曲结构数据和色彩形变数据，系统可以提取出图像的色彩错位情况，即图像中色彩位置的偏移或错位情况，根据图像色彩错位数据，系统计算出相邻图像色彩的失真率，即相邻区域色彩过渡的不连续程度，这可以帮助评估图像的整体色彩质量，对相邻图像色彩失真率数据进行梯度块效应数值区间拟合，系统可以提取出失真率块效应数值的拟合数据，即各个失真率区间的梯度块效应情况，通过对失真率数据的拟合，系统可以更好地理解失真率在不同区间的变化情况，从而为后续的分析提供更准确的依据，根据失真率块效应数值拟合数据和图像内容光感数据，系统对出版物图像色彩模式数据进行光感色彩还原度分析，图像光感色彩还原度数据可以帮助评估图像在不同条件下的色彩还原度，即图像的色彩还原程度和质量，通过这些步骤的分析，系统可以增强对图像处理的能力，提高图像处理的效率和准确性，从而为用户提供更好的图像处理服务。

29、优选地，对相邻图像色彩失真率数据进行失真率梯度块效应数值区间拟合包括以下步骤：

30、对相邻图像色彩失真率数据进行相邻图像色彩失真率差值计算，得到相邻图像色彩失真率差值数据；根据相邻图像色彩失真率差值数据进行图像色彩失真率梯度变化曲线绘制，得到色彩失真率梯度变化曲线；

31、根据色彩失真率梯度变化曲线进行极值点提取，得到梯度变化极值点数据集；根据梯度变化极值点数据集进行不同极值点间的曲线转折角度计算，得到梯度变化曲线转折角度数据；

32、利用预设的转折角度分类判断阈值对梯度变化曲线转折角度数据进行转折角度分类处理，得到转折角度分类数据；根据转折角度分类数据以及梯度变化曲线转折角度数据对色彩失真率梯度变化曲线进行阶段性特征分段分析，得到失真率阶段性特征分段数据；

33、根据失真率阶段性特征分段数据进行失真率阶段变化方差计算，得到失真率阶段变化方差数据；根据失真率阶段变化方差数据对失真率阶段性特征分段数据进行失真率正态分布分析，得到失真率阶段正态分布数据；

34、对失真率阶段正态分布数据进行蒙特卡洛采样处理，得到失真率正态均匀采样数据；

35、根据失真率正态均匀采样数据进行失真率分布均匀拉格朗日插值处理，得到失真率分布拟合数据；

36、根据失真率分布拟合数据以及失真率阶段变化方差数据对相邻图像色彩失真率数据进行失真率梯度块效应数值区间拟合，得到失真率块效应数值拟合数据。

37、本发明通过计算相邻图像之间的色彩失真率差值，系统能够准确捕捉到色彩失真率的变化趋势，有助于分析图像间的色彩变化情况，绘制色彩失真率梯度变化曲线可以直观地展示出图像色彩失真率的变化情况，帮助用户理解图像中色彩失真率的分布和变化趋势，提取梯度变化曲线中的极值点，并计算不同极值点间的曲线转折角度，有助于确定图像中色彩失真率变化的关键节点，为后续分析提供基础，根据预设的转折角度分类阈值，将梯度变化曲线的转折角度进行分类处理，然后对色彩失真率梯度变化曲线进行阶段性特征分段分析，可以更清晰地了解图像中色彩失真率的变化特征和趋势，计算失真率阶段变化的方差，然后进行失真率阶段性特征分段数据的正态分布分析，有助于确定图像中色彩失真率变化的稳定性和分布情况，通过蒙特卡洛采样处理，得到失真率的正态均匀采样数据，并利用拉格朗日插值进行失真率分布的均匀拟合，从而更准确地描述图像中色彩失真率的分布情况，最后，根据失真率分布拟合数据和失真率阶段变化方差数据，对相邻图像色彩失真率数据进行梯度块效应数值区间的拟合，使得对图像色彩失真率的分析更加准确和全面。

38、优选地，步骤s25包括以下步骤：

39、步骤s251：对光感色彩渐变平衡性数据进行平衡性数值方差计算，得到平衡数值方差数据；对平衡数值方差数据进行多重比较分析，得到平衡数值差异多重比较数据；

40、步骤s252：根据平衡数值差异多重比较数据对光感色彩渐变平衡性数据进行平衡数值bonferroni校正处理，得到光感色彩渐变平衡校正数据；

41、步骤s253：根据光感色彩渐变平衡校正数据对光感色彩渐变平衡性数据进行分位数回归分析，得到色彩渐变平衡分位数据；

42、步骤s254：根据色彩渐变平衡分位数据进行分位数回归均方误差计算，得到平衡性分位误差数据。

43、本发明通过计算光感色彩渐变平衡性数据的数值方差，系统可以评估色彩渐变的平衡性程度。多重比较分析可以帮助确定不同平衡性数据之间的差异性，为后续分析提供基础，根据多重比较数据进行bonferroni校正处理，可以有效地控制统计显著性水平，减少假阳性发现的可能性，确保数据分析的可靠性和准确性，使用光感色彩渐变平衡校正数据进行分位数回归分析，有助于确定色彩渐变的分布规律和趋势。这可以帮助用户了解色彩渐变在图像中的分布情况，并对其进行更深入的理解，通过计算色彩渐变平衡分位数据的回归均方误差，可以评估回归模型的拟合程度。这有助于确定分位数回归模型的准确性和可靠性。

44、优选地，步骤s3包括以下步骤：

45、步骤s31：根据平衡性分位误差数据对光感色彩渐变平衡性数据进行误差补偿，得到光感色彩渐变平衡补偿数据；

46、步骤s32：利用权重因素比例划分算法对光感色彩渐变平衡补偿数据以及图像光感色彩还原度数据进行所需权重比例适配计算，得到权重适配比例值；其中权重适配比例值包括色彩渐变平衡权重比例值和色彩还原度权重比例值；

47、步骤s33：基于随机森林算法以及权重适配比例值对光感色彩渐变平衡补偿数据以及图像光感色彩还原度数据进行图像光感色彩评价模型构建，得到图像光感色彩评价模型。

48、本发明通过根据平衡性分位误差数据对光感色彩渐变平衡性数据进行误差补偿，可以调整图像中的色彩渐变，减少平衡性误差，从而提升图像的视觉质量和色彩准确性，利用权重因素比例划分算法对光感色彩渐变平衡补偿数据以及图像光感色彩还原度数据进行权重比例适配计算，可以根据具体情况调整色彩渐变平衡和色彩还原度之间的权重，使得评价模型更贴合实际需求，基于随机森林算法和权重适配比例值，对光感色彩渐变平衡补偿数据以及图像光感色彩还原度数据进行图像光感色彩评价模型的构建。这样的评价模型可以综合考虑图像的色彩渐变平衡性和色彩还原度，为图像质量评价提供更全面和准确的指标。

49、优选地，步骤s32中的权重因素比例划分算法如下所示：

50、;

51、式中， p表示所需权重比例适配结果值， t表示计算所需时间预估值， b表示光感色彩渐变平衡补偿数据的复杂度系数， c表示图像光感色彩还原度数据中的图像色彩还原难度系数， w表示图像中的色彩种类数量值， a表示图像中的色温范围系数， e表示自然常数， γ表示图像光感色彩还原度数据中的色彩还原预估准确度， d表示微分， dt表示对 t进行微分，即 t的变化量， ε表示权重因素比例划分算法的误差修正值。

52、本发明构造了一个权重因素比例划分算法，该算法可以根据具体情况调整色彩渐变平衡和色彩还原度之间的权重，使得评价模型更贴合实际需求；该算法充分考虑了计算所需时间预估值 t，该参数表示算法执行所需的时间，较大的时间预估值将增加权重比例适配结果值 p，因为算法执行时间越长，需要更多的资源和精确度来确定结果；光感色彩渐变平衡补偿数据的复杂度系数 b，该参数表示了光感色彩渐变平衡补偿数据的复杂度。较大的复杂度系数 b将增加 p的值，因为更复杂的数据需要更多的处理和补偿，以实现权重比例的适配；图像光感色彩还原度数据中的图像色彩还原难度系数 c，该参数表示了图像色彩还原的难度。较大的难度系数 c将增加 p的值，因为更难的色彩还原需要更多的努力和资源来实现权重比例的适配；图像中的色彩种类数量值 w，该参数表示图像中的色彩种类数量。较大的色彩种类数量将增加 p的值，因为不同的色彩种类需要更多的权重来进行适配；图像中的色温范围系数 a，该参数表示了图像中的色温范围。较大的色温范围系数 a将增加 p的值，因为更广泛的色温范围需要更多的权重来适配；自然常数 e，其近似值为2.71828，在权重因素比例划分算法中， e用于进行数学运算，以影响权重比例适配结果值 p的计算；图像光感色彩还原度数据中的色彩还原预估准确度 γ，当 γ增大时，即色彩还原准确度提高时，对应的权重比例适配结果值 p也会增加。这是因为更高的准确度要求通常需要更多的计算和处理资源来实现，因此在权重因素比例划分算法中，更准确的色彩还原任务将获得更多的权重比例。这样可以确保在整个图像处理过程中，色彩还原的准确度得到重视并得到适当的权重分配； d表示微分， dt表示对 t进行微分，微分 dt可以捕捉时间 t的细微变化，使得公式能够更准确地模拟实际情况下 t随时间预估值的变化规律，将 dt纳入积分运算中，可以更好地体现时间变化对最终结果 p的累积效应。这可以使算法更加精确地预测出所需的权重比例适配结果；权重因素比例划分算法的误差修正值 ε，该参数用于修正算法的误差，以提高结果的准确性。

53、优选地，步骤s33包括以下步骤：

54、步骤s331：基于色彩渐变平衡权重比例值和色彩还原度权重比例值分别对光感色彩渐变平衡补偿数据以及图像光感色彩还原度数据进行数据权重比例划分，得到光感色彩渐变平衡权重数据和图像光感色彩还原度权重数据；

55、步骤s332：分别对光感色彩渐变平衡权重数据和图像光感色彩还原度权重数据进行测试集和训练集划分，分别得到渐变平衡权重测试集和渐变平衡权重训练集以及色彩还原度权重测试集和色彩还原度权重训练集；

56、步骤s333：对渐变平衡权重训练集以及色彩还原度权重训练集进行训练集特征关联，得到平衡-还原度关联训练集；对渐变平衡权重测试集以及色彩还原度权重测试集进行测试集随机抽样处理，得到平衡-还原度随机抽样测试集；

57、步骤s334：基于随机森林算法对平衡-还原度关联训练集进行初始图像光感色彩评价模型构建，得到初始图像光感色彩评价模型；

58、步骤s335：将平衡-还原度随机抽样测试集输入至初始图像光感色彩评价模型中进行模型验证测试，得到图像光感色彩评价模型。

59、本发明基于色彩渐变平衡权重比例值和色彩还原度权重比例值对数据进行权重比例划分，可以确保在构建评价模型时充分考虑到这两个关键因素的影响。这有助于更精确地评估图像的色彩渐变平衡性和色彩还原度，将数据集分为测试集和训练集，能够在模型训练和验证过程中提供可靠的数据基础。通过分别得到渐变平衡权重测试集和渐变平衡权重训练集以及色彩还原度权重测试集和色彩还原度权重训练集，可以保证评价模型的泛化能力和准确性，对训练集进行特征关联可以有效地捕捉到平衡和还原度之间的相关性，从而建立更可靠的评价模型。同时，对测试集进行随机抽样处理可以减少偏差，提高评价模型的可信度，基于随机森林算法，利用平衡-还原度关联训练集构建初始图像光感色彩评价模型。随机森林算法具有高效、准确和抗过拟合等优点，能够有效地处理大规模的数据集，并生成高质量的评价模型，将平衡-还原度随机抽样测试集输入至初始图像光感色彩评价模型中进行验证测试，能够评估模型的性能和准确度。这样的验证过程可以帮助确认评价模型的可靠性，并对模型进行必要的调整和优化，以达到更好的评价效果。

60、优选地，本发明提供了一种印刷出版物的图像评价系统，用于执行如上所述的印刷出版物的图像评价方法，该印刷出版物的图像评价系统包括：

61、图像内容环境感知模块，用于对印刷出版物进行图像数据采集，得到印刷出版物图像数据集；对印刷出版物图像数据集进行色彩模式分析，得到出版物图像色彩模式数据；根据出版物图像色彩模式数据进行图像内容环境感知分析，得到图像内容环境感知数据；

62、图像光感色彩分析模块，用于对图像内容环境感知数据进行内容环境光感分析，得到图像内容光感数据；根据图像内容光感数据进行图像色彩颗粒度还原度分析，得到图像光感色彩还原度数据；根据图像光感色彩还原度数据进行光感色彩梯度渐变平衡性分析，得到光感色彩渐变平衡性数据；对光感色彩渐变平衡性数据进行分位数回归均方误差计算，得到平衡性分位误差数据；

63、图像光感色彩评价模型构建模块，用于色彩根据平衡性分位误差数据对光感色彩渐变平衡性数据进行误差补偿，得到光感色彩渐变平衡补偿数据；基于随机森林算法对光感色彩渐变平衡补偿数据进行图像光感色彩评价模型构建，得到图像光感色彩评价模型；

64、图像印刷还原难度评价模块，用于根据图像光感色彩评价模型进行图像印刷还原难度评价，得到图像印刷还原难度评价数据；将图像印刷还原难度评价数据反馈至终端。

65、本发明的有益效果，通过对印刷出版物进行图像数据采集，这涉及使用数字相机或扫描仪来获取高质量的图像数据集，对图像数据集进行色彩模式分析，以确定图像中使用的色彩模式，例如rgb、cmyk，根据色彩模式数据，对图像内容进行环境感知分析，这包括考虑图像中的场景、光线条件等因素，以更好地理解图像内容；对图像内容环境感知数据进行分析，以了解图像中的光感情况，这有助于评估图像的视觉效果，其中图像中的光感是指机器视觉分析之后得出的内容环境光感数据，根据光感数据，对图像色彩的颗粒度还原度进行分析，即图像中颜色的细节程度和清晰度，进一步分析光感色彩的梯度渐变平衡性，以确定图像中颜色过渡的平滑度和自然度，最后，通过对光感色彩渐变平衡性数据进行分位数回归均方误差计算，得到平衡性分位误差数据，这可以用来量化图像色彩渐变的平衡性和准确性，使用平衡性分位误差数据对光感色彩渐变平衡性数据进行误差补偿，这意味着系统能够自动纠正图像中存在的平衡性问题，提高图像的色彩渐变平衡性，基于随机森林算法构建图像光感色彩评价模型，这个模型可以更准确地评估图像的光感和色彩特征，为后续的评价提供更精确的依据，基于图像光感色彩评价模型，对图像的印刷还原难度进行评价。这意味着系统可以根据模型评估图像在印刷时遇到的难度，例如颜色还原、光感平衡等方面的问题，将图像印刷还原难度评价数据反馈至终端，这样印刷人员或者制作人员可以根据评价结果调整印刷参数或者图像处理策略，以提高图像在印刷中的还原质量和效果。因此，本发明是对传统的印刷出版物的图像评价方法做出的优化处理，解决了传统的印刷出版物的图像评价方法无法准确的分析出图像受环境光感影响导致印刷图像还原的难度，以及评价的精确度低的问题，降低了图像受环境光感影响导致印刷图像还原的难度大以及评价的精确度低的问题。