在印刷的过程中,印刷前会对数字连续调图像进行半色调处理,变换后的半色调图像具有与原图像相同的视觉效果,并且解决传统印刷无法实现连续调图像打印的难题,但却引入了半色调噪声,造成原图像一定程度的信息缺失。如果得到的是一张半色调图像,并想对其进行压缩、缩放、增强、识别等数字图像处理操作,则必须先对该图像进行逆半色调处理,恢复原图像缺失的部分信息。目前,数字图像逆半色调方法有很多,查找表法（LUT）逆半色调方法有很大的优势,计算简单、复杂度低、易于程序化及可并行处理等等。本文针对影响LUT逆半色调图像质量的两大主要因素——空值项拟合和模板选取——进行研究,并实现具备较好客观效果和主观效果的灰度和彩色半色调图像的逆半色调。主要研究工作如下:（1）提出了基于超限学习机（ELM）的LUT逆半色调空值项拟合方法。在建立LUT表初始阶段,由于训练样本中未提取出全部索引值对应的连续值,使LUT表未能完整,出现空值,而空值的精确度直接影响到逆半色调阶段逆半色调图像的质量。本文提出的基于超限学习机的空值估计算法,具备简单易行、计算速度快和估值精确度高等优势。（2）提出了基于粒子群优化（PSO）的LUT逆半色调模板智能优化方法。结合粒子群优化方法寻求最优模板,优化时考虑了图像像素与其邻域像素的相关性,使求得的最优模板不仅有相对位置关系,而且也加入了相对顺序。（3）提出了将LUT表和高斯滤波相结合的逆半色调方法。将改进的基于查找表的和基于高斯滤波的逆半色调结果相融合,并将该算法运用到灰度半色调图像和彩色半色调图像的逆半色调化中。实验证明本文图像融合方法逆半色调处理后的图像比传统LUT逆半色调处理后的图像在客观评价和视觉效果上都更优,与原连续调图像更加相似。