Permasalahan dalam pengolahan citra yang sering ditemui adalah Inverse Halftoning. Secara sederhana, inverse halftoning adalah proses rekonstruksi citra yang memiliki derau halftone, yaitu derau continuous tone baik dalam bentuk titik maupun piksel hingga membentuk suatu pola gambar tertentu. Pada penelitian ini, arsitektur baru dikembangkan dengan memanfaatkan arsitektur Convolutional Vision Transformer (CvT) disebut CvT embedded Multi Layer Contour Enhancement (MLCE-CvT). Arsitektur ini dikembangkan untuk memberikan hasil rekonstruksi citra inverse halftoning yang lebih baik dibandingkan pada metode-metode sebelumnya berdasarkan nilai Peak Signal to Noise Ratio (PSNR). Eksperimen dilakukan dengan memanfaatkan dataset Div2K yang digunakan untuk training dan validation serta citra uji Barbara, Bear, Cactus, Koala, Pepper dan Shop. Dengan metode yang diajukan mampu menyelesaikan permasalahan dengan nilai rata-rata PSNR 34.97 dB. Eksperimen menunjukkan arsitektur yang diusulkan memberikan hasil yang paling baik dibandingkan dengan ALLM dengan 24.27 dB, MAP dengan 24.48 dB, LPA-ICI dengan 25.84 dB, GLDP dengan 25.92 dB, LLDO dengan 26.48 dB, CNN inverse dengan 27.69 dB, SWD dengan 29.95 dB, dan DRCNN dengan 29.77 dB.