CN101788341B - 一种检测织物颜色的装置和方法 - Google Patents

Abstract

本发明涉及一种利用扫描仪对织物颜色进行分析的装置和方法。用基于标准色卡的织物标准来对常规织物进行扫描仪表征。本发明能在多种光源和复杂观测者下，根据扫描到的所测量区域(ROI)的RGB值，获得CIE设备独立色彩坐标，而不需要采用昂贵的器材如色度计、分光光度计和多光源照相机。所述织物颜色分析系统适用于不同材料，如羊毛、丝绸和其他天然或合成织物，用户对材料定义容许色差后，即可根据数据库的信息对这些不同材料进行颜色分类和颜色自动匹配。所述特征化方法可用在很多商用台式扫描仪上，做为表面颜色应用工业领域的质量检测工具来检测织物、画、纸、皮革、塑料、印刷品等的质量。

Description

一种检测织物颜色的装置和方法

技术领域

本发明根据非线性颜色模型，可从扫描到的织物图像上准确得到设备独立色彩坐标，从而进行颜色分析。要对商用扫描仪进行表征，只需要一个基于标准织物的模型就可以了，无需传统的昂贵器材如色度计、分光光度计、多光源照相机等。所述方法和系统可用作表面颜色工业领域的质量控制工具，如检测织物、油漆、纸、皮革、塑料和印刷品等的质量。 

背景技术

由扫描仪获取的RGB格式的颜色受照明类型和能将可见波长分成多个颜色组分的光学滤波器的特性有关。常规台式扫描仪的显色性都比较差。所有的常用成像系统，包括数码相机、扫描仪和CRTs，它们的颜色再现都是采用相似的3波段颜色编码方案，因为它们的目的都是要将信息输入到人类视觉系统。 

三重传感器是多对一的反射光谱仪器，我们到目前为止还不能根据简化的图像来重构完美的原始光谱，也不可能还原表面所具有的精确的表面反射特性。最好的方法是采用一种三参数描述的方式来说明反射系数和照明属性。 

CRT(Cathode Ray Tube，阴极射线管)显示器、扫描仪、彩色打印机和印前系统等具有高度的设备依赖：如果没有考虑不同设备的特点、定性标准、颜色和表面轮廓，就把RGB值从一个设备传送到另一个设备，则很可能结果会得到不同的颜色。这种情况在纺织品方面很突出，所以需要高精度的系统能对 设备颜色再现特征做适当处理，如表面轮廓、图像分布噪点的曝光部分等特征，这样才能正确地评估像素级RGB值。 

颜色特征可定义为设备“颜色空间”和CIE颜色测量系统如颜色转换空间之间的关系，也可以定义为由一套方程式构成的数学模型。 

使用三波段颜色编码的人类视觉系统，对于突发性照明变化表现出非凡的调整能力。CIE采用的是另一套设计巧妙的有特定属性的原始刺激，定义为X、Y和Z，包括相应三刺激值X、Y和Z和颜色匹配函数。 

$X=\underset{a}{\overset{b}{\mathrm{\Σ}}}K.E\left(\mathrm{\λ}\right).\stackrel{\‾}{X}\left(\mathrm{\λ}\right).r\left(\mathrm{\λ}\right)..\mathrm{d\λ},$ $Y=\underset{a}{\overset{b}{\mathrm{\Σ}}}K.E\left(\mathrm{\λ}\right).\stackrel{\‾}{Y}\left(\mathrm{\λ}\right).r\left(\mathrm{\λ}\right)..\mathrm{d\λ},$

$Z=\underset{a}{\overset{b}{\mathrm{\Σ}}}K.E\left(\mathrm{\λ}\right).\stackrel{\‾}{Z}\left(\mathrm{\λ}\right).r\left(\mathrm{\λ}\right)..\mathrm{d\λ}---\left(1\right)$

E(λ)＝能量分布函数，X(λ)＝标准观测者的颜色匹配函数，R(λ)＝被测对象的反射系数。 

Berns和Shyu在1994～1995年间提出了基于Beer-Bouger和Kubelka-Munk理论和扫描信号的颜色混合方法。他们采用多项式回归。Hardeberg等人在1996年提出一种基于三阶多项式回归的分析方法。他们使用CIE颜色空间值和IT8.7/2校准色卡其中的288个的扫描值。结果发现多项式回归比其他方式所得的结果好。 

Finlayson和Drew提到由颜色设备如扫描仪、彩色复印机以及彩色照相机等测量所得的颜色值必须转换成比色“三刺激”值，以便用设备独立色彩的形式来表征它们。它们还提出一种约束回归法，找到RGB数据和相应XYZ三刺激值的距离平方的总和的最小值点，即使在校准颜色不完整的情况下也可以办到。 

Kang在1997年指出许多科学家已经成功的应用回归方法使用IT8.7/2校 准色卡和Sharp JX 450扫描仪将扫描所得RGB值转换成为比色值。他把根据不同阶多项式和不同标准光源条件下获得的结果做了比较。 

Noriega等人在2001年用正密度和负密度测量法来测量扫描所得的RGB值和CIE XYZ颜色空间值来判定扫描仪的属性。他们因此得出以下结论：扫描仪扫描的比色值的偏差取决于设备的属性和相关的颜色管理系统。在基于多项式回归的模型中，颜色空间包含样品越多，则域边界(the gamut boundary)处的误差越少。像ISO 12640和12641这些常用测试指标中域边界处的样品数量都很有限。不过Green在2000年提出了一种定义中间域边界(media gamutboundary)的新的测试指标，所采用的是二阶多项式回归。 

尽管最近的学术论文中提到照相机的比色表征方法包含多项式回归、神经网络和查找表，但实际上在扫描仪表征的方法中多项式回归是最适合的。比色表征的主要限制因素是必须要同时结合光照和观测函数。最近的一项研究发现，在同一光源条件下，比色表征所反映的颜色准确性要高于光谱法。 

美国专利20050018191A1提出了有相机反射率评估的11变量多项式模型RGBXYZ。不过，23变量模型对减少误差的效果是最理想的，而这对于RGB转CIE L^*a^*b和基于材料的特征也是最适合的。因此，基于标准色卡的典型织物标准就被提议用来表征在特定变量模型下所有ATSM照明和观测者函数的的扫描仪颜色。 

颜色表征图的最佳选择——即多少(或者哪些)样本会影响到表征性能。Cheung和Westland在2006年通过实验验证并提出了标准Gretag Macbeth色卡，所述Gretag Macbeth色卡DC(直流)颜色只用到一套1269Munsell表面颜色的优化颜色样品的子集。 

美国专利7230707B2中，要求分光光度计应当结合使用具有对材料颜色 能进行准确表征的照相机，且这种材料要有典型的表面反射属性。 

发明内容

本发明涉及的是一种利用扫描仪分析织物颜色的装置和方法。现有技术的颜色分析大多要使用色度计、分光光度计、多光源照相机等昂贵的设备。本发明所要解决的问题是提供一种成本低的颜色检验的设备和方法。本发明采用的技术方案是：采用一种颜色特性分析系统模块，根据非线性颜色模型，可从扫描到的织物图像上准确得到设备独立色彩坐标，从而进行颜色分析。要对商用扫描仪进行表征，只需要一个基于标准织物的模型就可以了。所述方法和系统可用作表面颜色工业领域的质量控制工具，如检测织物、油漆、纸、皮革、塑料和印刷品等的质量。 

本发明所述检测织物颜色的装置和方法的装置包括：夹具：安装在扫描仪上，用于固定检测对象；扫描仪：获取检测对象图像信息数据；计算机：连接到扫描器，用于处理检测对象图像信息数据；颜色分析系统：存储在计算机里，用于分析扫描对象的颜色特性。本发明所述检测织物颜色的装置和方法中，所述颜色分析系统包括用于把扫描所得图像信息从RGB值转换为CIE^*l^*a^*b值的变量非线性模型模块。 

本发明所述检测织物颜色的装置和方法中，所述多变量非线性模型使用23个变量时最佳。 

本发明所述检测织物颜色的装置和方法中，所述23个变量为织物的属性信息值。本发明所述检测织物颜色的装置和方法中，所述颜色分析系统包括用于与扫描所得图像信息进行颜色分类、颜色搜索和自动匹配的织物标准色样数据库模块。 

本发明所述检测织物颜色的装置和方法中，所述颜色分析系统包括用户友好界面模块， 

用户在用户友好界面设定色容条件，多变量非线性模型模块转换所得的扫 描对象CIE^*l^*a^*b值和织物标准色样数据库模块里的织物标准色样信息根据设定色容条件进行颜色分类、颜色搜索和自动匹配； 

所述用户友好界面根据检测对象的RGB值得到并显示装置独立CIE颜色坐标。 

本发明所述检测织物颜色的装置和方法中，所述织物标准色样数据库模块是根据常用织物的典型表面轮廓特征和多项式回归模型的鲁棒性的分析结果中选出来的153种具有代表性织物标准色样所得，那些很透明的，光滑的以及表面复杂的织物材料都被排除在外；选好标准色样后，用分光光度计对所选取标准色样进行数据采集，采集所得数据即为织物标准色样数据库模块。 

本发明所述检测织物颜色的装置和方法中，所述用于固定检测对象的夹具，起到对检测对象的定位作用，安装在所述扫描仪上。 

本发明所述检测织物颜色的装置和方法中，所述方法包括以下步骤：S1：用扫描仪扫描固定在夹具上的扫描对象的图像信息； 

S2：把扫描所得扫描对象的图像信息输入连接到扫描仪上的计算机中； 

S3：计算机把输入的扫描对象图像信息从RGB值转换为CIE^*l^*a^*b值； 

S4：用户在计算机的用户友好界面设定相关色容信息，如：DE，DL^*，Da^*，Db^*，Dc^*&Dh^*； 

S5：把S3所得的扫描对象CIE^*l^*a^*b值与计算机数据库里的织物标准色样数据库模块进行颜色分类、颜色搜索和自动匹配，根据S4中用户自定义色容条件输出与检测对象信息相符的标准织物信息。 

本发明所述检测织物颜色的装置和方法中，所述颜色分析系统通过填补织物(substrates)的XYZ/CIE L^*a^*b^*值的基本数据库，预测到基于XYZ/CIEL^*a^*b^*匹配的染料配方。 

通过使用本发明所提供检测织物颜色的装置和方法可以得到以下有益效果：在多光源和观测者(ASTM颜色测量标准)下的设备独立CIE色彩坐标可以从所测量区域(ROI)扫描到的RGB值得到，而不需要采用昂贵的色度计、分光光度计等，所述用于织物颜色分析的系统适用于不同材质如羊毛、丝绸或者其他天然或合成的纤维，用户定义色容后，数据库可对这些不同材质进行颜色分类和自动匹配。所述方法可用在表面颜色应用工业领域的很多商用台式扫描仪上，这些工业领域包括纺织品、画、纸、皮革、塑料、印刷品等。 

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中： 

表1所示为用FABRIC EYE D2000扫描Xrite色卡验证模型的高阶变量结果比较表格； 

表2所示为用FABRIC EYE D2000扫描，采用基于153种织物的织物表征模型的高阶变量所得的比较表格； 

表3所示为用FABRIC EYE D2000扫描，采用基于153种织物的表征模型来扫描其中的52种随机织物得到的结果表格； 

图1-3是本发明通过扫描仪的颜色表征进行织物颜色分析的系统构成示意图； 

图4所示为所述系统的工作原理示意图； 

图5所示为被扫描织物的ROI颜色分析的用户友好界面示意图； 

图6和图7所示为两种不同的扫描仪D-2000及佳能8887对X-rite SGA色卡140的颜色表征结果示意图； 

图8所示为分别采用RGB L^*a^*b^*模型和RGBXYZ 23Coffs.模型时用 FABRIC EYE D2000扫描Xrite色卡得到的结果比较示意图； 

图9所示为用FABRIC EYE D2000扫描Xrite色卡所得的高阶变量结果比较图； 

图10和图11所示为X-rite色卡和所述153织物标准的L^*、a^*、b^*(D6564)的分布状态； 

图12、图13和图14所示为采用织物颜色表征D-2000扫描仪得到的CIEL^*、a^*、b^*(D65-64)的预测性的实验值。 

具体实施方式

图1-3所示为本发明通过扫描仪表征织物颜色的系统的组成示意图。所述系统包括：图1所示的个人电脑和与个人电脑相连的扫描仪、图2所示的带有色卡样块的织物模板和图3所示的153种标准织物色样。 

带有色卡样块的织物模板是用来校准扫描仪的。多项式回归表征技术是用标准X-write色卡来评估织物颜色的，下文中将结合不同照明条件下连接三个典型扫描仪到分光光度计上去时推演设备独立色彩CIE参数的结果时来详述。但是用所得到的表征模型来证实纯色织物的CIE颜色坐标并不合适。 

因此，建议把基于色卡域的典型织物标准(如图10、11所示)用来表征那些分析常规纯色织物的扫描仪。考虑到织物的典型表面特征和多项式回归模型的鲁棒性，在排除典型样品(非常透明、表面很光滑且具有复杂轮廓的)后，153种纯色织物(如图3所示)被选出，则合适采用23个变量的基于RGBL^*a^*b^*织物的模型。 

图4所示为所述系统的工作原理示意图。关键参数特征对颜色显示有影响。首先，应该检查分光光度计的带通误差，必须根须参照ASTM E308-06(用 CIE系统计算物体颜色的标准)将三色刺激值和L^*，a^*，b^*都调整到400-700nm。所述第一步完成后，基于23个变量的(方程式2)的非线性模型可以通过优化每个光源和观测条件的目标误差函数(方程式3)获得。 

图5所示对被扫描织物的ROI进行颜色分析的用户友好界面示意图。表征和优化非线性模型之后，用户可以在用户友好界面选择每个光源和观测者，通过选择被测区域(ROI)来分析颜色参数。这样就获得了设备独立色彩参数，这些参数可用在随后的所有步骤(颜色交流、展示、渲染、颜色分类和匹配)。 

图6和图7所示为用两种不同的扫描仪D-2000及佳能8887对X-rite SGA色卡140的颜色表征结果示意图。 

图8所示为FABRIC EYE D2000扫描Xrite色卡分别采用RGB L^*a^*b^*和 RGBXYZ 23Coffs.模型的比较结果示意图。对于每个扫描仪，RGB L^*a^*b^*成像效果好于RGBXYZ的成像效果。在所有案例中RGBL^*a^*b^*模型预测的颜色差别(DE平均值、最大值、最小值和标准方差)都比RGBXYZ模型相比要小。 

图9所示为用FABRIC EYE D2000扫描Xrite色卡的高阶变量结果比较示意图。误差如DE平均值、最大值、最小值和标准方差随多项式变量的增加而减小。在测量织物样品时，多于23个变量时误差不再有明显改善，因此可以认为这就是最佳方案。 

表1、2、3所示验证了事实的结果。表1所示为用FABRIC EYE D2000扫描，采用Xrite色卡验证模型的高阶变量的比较结果。表2所示用FABRICEYE D2000扫描，采用基于153种织物的织物表征模型的高阶变量的比较结果。表3所示用FABRIC EYE D2000扫描，采用基于153种织物模型扫描其中的52种随机织物的高阶变量的验证结果示意表格。 

图10和图11所示为X-rite色卡和所述153种标准织物的L^*、a^*、b^*(D6564)分布。这些采用织物表征技术、基于色卡域的典型织物标准，认为是一种分析常用织物的有效方法。 

图12、图13和图14所示为织物颜色表征D-2000扫描仪采用所述技术预测的的L^*、a^*、b^*(D6564)分布结果。 

	Linear	8coff.	11coff.	20coff.	23coff.		Linear	8coff.	11coff.	20coff.	23coff.
												RGBLAB			A 64						A31
DE Avg	7.733	7.85	7.648	7.6457	7.609		7.787	7.855	7.646	7.6522	7.6082
															C 64						C31
DE Avg	7.809	7.996	7.922	7.9095	7.858		7.884	7.908	7.8925	7.8606	7.8063
															D50 64						D50 31
DE Avg	7.691	7.937	7.826	7.8123	7.763		7.707	7.855	7.7916	7.7643	7.7137
															D55 64						D55 31
DE Avg	7.718	7.863	7.862	7.8464	7.795		7.743	7.502	7.8274	7.7961	7.7433
															D65 64						D65 31
DE Avg	7.787	8.02	7.931	7.9107	7.857		7.837	7.93	7.898	7.8594	7.8043
															D75 64						D75 31
DE Avg	7.861	8.078	7.991	7.9663	7.913		7.99	7.669	7.9641	7.9152	7.8579
															F2 64						F2 31
DE Avg	7.289	8.408	7.644	7.6954	7.626		7.343	8.181	7.6585	7.6964	7.6259
															F7 64						F7 31
DE Avg	7.734	7.995	7.943	7.9394	7.882		7.823	7.809	7.9383	7.915	7.8566
															F11 64						F1131
DE Avg	7.496	7.598	7.761	7.7607	7.687		7.527	7.441	7.802	7.7808	7.7074

表1 

 

	Linear	8coff.	11coff.	20coff.	23coff.		Linear	8coff.	11coff.	20coff.	23coff.
												RGBLAB			D55 64						D55 31
DE Avg	7.04	4.402	3.781	3.3355	3.143		7.042	4.304	3.7174	3.2365	3.0722
															D75 64						D75 31
DE Avg	7.151	4.462	3.865	3.4187	3.214		7.248	4.376	3.817	3.3262	3.1517
															F2 64						F2 31
DE Avg	6.601	4.134	3.648	3.2315	3.008		6.613	4.115	3.6708	3.2224	3.019
															F7 64						F7 31
DE Avg	7.043	4.424	3.872	3.4267	3.207		7.099	4.363	3.8488	3.3585	3.1658
															A64						A31
DE Avg	6.993	4.285	3.57	3.1017	2.929		6.998	4.263	3.5489	3.0808	2.9328
															C 64						C31
DE Avg	7.121	4.417	3.81	3.3667	3.159		7.165	4.319	3.7512	3.2587	3.0801
															D65 64						D65 31
DE Avg	7.095	4.434	3.828	3.3835	3.184		7.119	4.337	3.7674	3.2809	3.1106
															D50 64						D50 31
DE Avg	7.017	4.386	3.754	3.307	3.119		7.009	4.289	3.6887	3.211	3.0505
															F11 64						F11 31
DE Avg	6.88	4.347	3.838	3.391	3.17		6.894	4.349	3.8865	3.4176	3.2121

表2 

表3 

Claims (5)

1.一种检测织物颜色的装置，其特征在于，该装置包括：

夹具：安装在扫描仪上，用于固定检测对象；

扫描仪：获取检测对象图像信息数据；

计算机：连接到扫描仪，用于处理检测对象图像信息数据；

颜色分析系统：存储在计算机里，用于分析扫描对象的颜色特性；

所述颜色分析系统包括用于把扫描所得图像信息从RGB值转换为CIE*l*a*b值的多变量非线性模型模块，用于与扫描所得图像信息进行颜色分类、颜色搜索和自动匹配的织物标准色样数据库模块，以及用户友好界面模块；

用户在用户友好界面设定色容条件，多变量非线性模型模块转换所得的扫描对象CIE*l*a*b值和织物标准色样数据库模块里的织物标准色样信息根据设定色容条件进行颜色分类、颜色搜索和自动匹配，输出与检测对象信息相符的标准织物信息；

所述用户友好界面根据检测对象的RGB值得到并显示装置独立CIE颜色坐标；

其中，所述多变量非线性模型使用23个变量；

$\left[\begin{array}{c}\mathrm{Lp}*\\ \mathrm{ap}*\\ \mathrm{bp}*\end{array}\right]=\left[\begin{array}{ccc}{a}_{\mathrm{1,1}}& a_{\mathrm{1,2}}& a_{\mathrm{1,23}}\\ a_{\mathrm{2,1}}& a_{\mathrm{2,2}}& a_{\mathrm{2,23}}\\ a_{\mathrm{3,1}}& a_{\mathrm{3,2}}& a_{\mathrm{3,23}}\end{array}\right]X\left[\begin{array}{c}1\\ r\\ g\\ b\\ r^2\\ g^2\\ b^2\\ \mathrm{rg}\\ \mathrm{gb}\\ \mathrm{rb}\\ \mathrm{rgb}\\ r^2\mathrm{gb}\\ g^2\mathrm{rb}\\ b^2\mathrm{gr}\\ r^{2}g\\ g^{2}r\\ g^{2}b\\ b^{2}g\\ r^{2}b\\ b^{2}r\\ r3\\ g^3\\ b^3\end{array}\right]$

2.据权利要求1所述检测织物颜色的装置，其特征在于，所述23个变量为织物的属性信息值。

3.权利要求1所述检测织物颜色的装置，其特征在于，所述织物标准色样数据库模块是根据常用织物的典型表面轮廓特征和多项式回归模型的鲁棒性的分析结果中选出来的153种具有代表性织物标准色样所得，那些很透明的，光滑的以及表面复杂的织物材料都被排除在外；选好标准色样后，用分光光度计对所选取标准色样进行数据采集，采集所得数据即为织物标准色样数据库模块。

4.根据权利要求1所述检测织物颜色的装置，其特征在于，所述用于固定检测对象的夹具，起到对检测对象的定位作用，安装在所述扫描仪上。

5.一种检测织物颜色的方法，其特征在于，所述方法包括以下步骤：S1：用扫描仪扫描固定在夹具上的扫描对象的图像信息；

S2：把扫描所得扫描对象的图像信息输入连接到扫描仪上的计算机中；

S3：计算机把输入的扫描对象图像信息从RGB值转换为CIE*l*a*b值，转换采用的多变量非线性模型使用23个变量；

$\left[\begin{array}{c}\mathrm{Lp}*\\ \mathrm{ap}*\\ \mathrm{bp}*\end{array}\right]=\left[\begin{array}{ccc}{a}_{\mathrm{1,1}}& a_{\mathrm{1,2}}& a_{\mathrm{1,23}}\\ a_{\mathrm{2,1}}& a_{\mathrm{2,2}}& a_{\mathrm{2,23}}\\ a_{\mathrm{3,1}}& a_{\mathrm{3,2}}& a_{\mathrm{3,23}}\end{array}\right]X\left[\begin{array}{c}1\\ r\\ g\\ b\\ r^2\\ g^2\\ b^2\\ \mathrm{rg}\\ \mathrm{gb}\\ \mathrm{rb}\\ \mathrm{rgb}\\ r^2\mathrm{gb}\\ g^2\mathrm{rb}\\ b^2\mathrm{gr}\\ r^{2}g\\ g^{2}r\\ g^{2}b\\ b^{2}g\\ r^{2}b\\ b^{2}r\\ r3\\ g^3\\ b^3\end{array}\right]$

S4：用户在计算机的用户友好界面设定色容条件；

S5：把S3所得的扫描对象CIE*l*a*b值与计算机数据库里的织物标准色样数据库模块进行颜色分类、颜色搜索和自动匹配，根据S4中用户自定义色容条件输出与检测对象信息相符的标准织物信息。

Images