CN102721471A - 一种光谱转换为色度的方法 - Google Patents
一种光谱转换为色度的方法 Download PDFInfo
- Publication number
- CN102721471A CN102721471A CN2012102247781A CN201210224778A CN102721471A CN 102721471 A CN102721471 A CN 102721471A CN 2012102247781 A CN2012102247781 A CN 2012102247781A CN 201210224778 A CN201210224778 A CN 201210224778A CN 102721471 A CN102721471 A CN 102721471A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- lambda
- wavelength
- curve
- spectrum picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Spectrometry And Color Measurement (AREA)
Abstract
本发明的技术方案涉及光谱领域,具体地说是一种光谱转换为色度的方法,步骤是:光谱图像的采集和数字化处理;计算机进行光谱图像的预处理;计算机对光谱图像中的横、纵坐标和光谱曲线加以识别,并从光谱图像中提取光谱数据;计算机显示光谱数据,并将提取数据绘制成光谱曲线;光谱数据逼近和插值处理;通过光谱强度与三刺激值乘积,然后使用离散化求和计算出X、Y和Z值,并由计算机显示色度(x,y)值。本发明方法克服了现有技术不能够快速识别光谱曲线,提取光谱数据,并自动转换成色度的缺点。
Description
技术领域
本发明的技术方案涉及光谱领域,具体地说是一种光谱转换为色度的方法。
背景技术
随着半导体材料生长和器件工艺水平的不断发展和完善,特别是蓝宝石为衬底研制蓝光和绿光发光管(LED)研制成功,各种颜色荧光材料的出现,超高亮度LED取得突破性进展,人们越来越重视材料和器件的色度,为此本技术领域的技术人员开始了对色度的研究,并研发了不同的色度仪。CN1691749公开了可测量色度坐标及相关色温度的数字相机及其方法;WO02/090909披露了一种用于识别红、绿和蓝光源的原色色度坐标的系统和方法;CN2504616公开了光谱色度测量仪,其构成包括光路上的光源、透镜和光谱探测器;CN1691749报道了使用相关色温度的数码相机接受物体的颜色方法。上述公开的现有技术存在的问题是:①没有涉及快速识别光谱曲线、提取光谱数据和将光谱自动转换成色度的研究和实施方法,而人工在光谱图片中读取每一个点的方法效率低且误差大;②对于用户提供的光谱曲线图片或照片及光谱设备输出的光谱曲线图片或照片,这些图片或照片也可能是对于低温和特定条件下测量得到光谱曲线,无法将其变换成色度显示;③通过积分球或探测器构建的色度仪,不能将已经在包含在光谱图片或照片中光强转换成色度;④色度仪可以测量材料的发光的色度,但是整体开发系统中包含了电源、探测器、处理设备和显示设备,造价较高;⑤经过数码相机拍照的彩色图片,是整个光谱区域颜色的平均效果,会丢失光谱的一些细节,无法将黑白的光谱曲线照片转化成色度,同时还会受到数码相机灵敏度的限制。
发明内容
本发明所要解决的技术问题是:提供一种光谱转换为色度的方法,克服了现有技术不能够快速识别光谱曲线,提取光谱数据,并自动转换成色度的缺点。
本发明解决该技术问题所采用的技术方案是:一种光谱转换为色度的方法,步骤是:
第一步,光谱图像的采集和数字化处理
采集光谱图像的来源是,Ⅰ.用户提供的光谱曲线图片或照片,Ⅱ.印刷出版期刊中光谱曲线图片,Ⅲ.光谱设备输出的光谱曲线图片或照片,将上述来源的光谱图像通过百万像素的扫描仪或500万像素~1000万像素数的数码相机数字化,变成计算机能够处理的光谱图像;
第二步,计算机进行光谱图像的预处理
采用Windows支持的图像处理软件Photoshop或Microsoft Office Picture Manager对第一步得到的光谱图像进行预处理,完成个别噪声去除,提高图像清晰度,如果经过图像处理软件处理后,通过视觉还无法观察出第一步得到的光谱图像中的光谱曲线,则重新采集光谱图像;
第三步,计算机对光谱图像中的横、纵坐标和光谱曲线加以识别,并从光谱图像中提取光谱数据
利用计算机图像处理的方法,按照光谱图像中坐标和曲线规律识别光谱曲线和光谱图像的坐标轴,利用两个坐标轴相互垂直,坐标轴的单位与坐标垂直且长度远远短于坐标轴和曲线,光谱曲线连续并且很长的特征为识别要点来整体识别经过第二步计算机进行预处理后的光谱图像,并从光谱图像中提取光谱数据,具体作法是:
计算机图像实际上是存储不同数值的矩阵,图像中坐标轴、坐标单位、曲线和文字被看成像素点不同的数值形成,对于灰度图像取值范围为0~255,对于彩色图像存储在红、蓝和绿三个矩阵存储,矩阵为双精度,取值范围为[0,1],八进制取值范围为[0,255],十六进制范围为为[0,65535],二值图像中只取两个取值,采用图像处理的方法,将彩色图像变成灰度图像,再变成二值图像,图像矩阵中“0”位置代表了黑点,这些黑点不同在走向确定了连线的形状,依照坐标轴、坐标单位和曲线形状对光谱曲线加以识别,在坐标识别中,x坐标轴一般在图像下方,y轴一般在图像的左边,根据这个特点,在寻找坐标轴过程中限制坐标寻找区域,根据像素值为0的数量和与临近点的方位关系可以判断坐标轴和单位,识别的任意坐标轴的点,确定实际坐标单位,依照坐标轴、坐标单位和曲线形状对光谱曲线加以识别,在识别光谱曲线中,根据三刺激及对应可见光光谱的范围应在400nm~780nm之间,并且光谱强度远离中心波峰位置大幅度地降低,从而确定识别范围,突出了重点区域数据的提取;
第四步,计算机显示光谱数据,并将提取数据绘制成光谱曲线
用计算机显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线,具体作法是:由第三步从光谱图像中提取的光谱数据分别存储在光谱波长λ和强度I(λ)两个数组中,在编写程序中使用Wavelength代替λ,使用Matlab的语句:plot(Wavelength,I),由此查看λ和I(λ)两个数组的值,即显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线;
第五步,光谱数据逼近和插值处理
a.光谱数据逼近是分别以国际规定的三刺激值每个离散化波长为中心点,在采集的光谱数据中整体寻找,确定与各个中心点最近邻左边和右边两个数据点,具体实现方法如下:
国际规定的三刺激值波长用Wavelength0存储,先选定国际规定的三刺激值的初始点j=1,在Wavelength0(j)中读取国际规定的三刺激值对应波长,在提取光谱数据存储数组Wavelength顺序取出光谱波长Wavelength(k),起始点为k=1,令Wavelength0(j)与Wavelength(1)之差为dist0,然后对比Wavelength0(j)与Wavelength(2)的差,如果dist0大于Wavelength0(j)与Wavelength(2),将Wavelength0(j)与Wavelength(2)之差存入dist0,否则向下一个点Wavelength(3)寻找,在Wavelength(k)大于Wavelength0(j)寻找停止,由此判断出国际规定的三刺激值最近邻的左边点,在I(λ)中对应位置找到其光强,然后寻找逼近国际规定的三刺激值下一个离散点的左近邻,用Wavelength0与Wavelength位置互换,可以逼近判断出国际规定的三刺激值每个离散波长最近邻的右边点及对应的光强;
b.插值处理是指光谱图像采样点已经接近实际国际规定三刺激值离散化波长位置,但是两者仍然存在差异,使用下面插值处理公式(1-1)实现[λm,λn]之间λi位置的补点:
第六步,通过光谱强度与三刺激值乘积,然后使用离散化求和计算出X、Y和Z值,并由计算机显示色度(x,y)值
经过第五步的光谱数据逼近和插值处理,第一步采集的光谱图像的光谱数据调整后与国际规定三刺激值离散化波长位置一致,然后使用离散化求和计算出X、Y和Z值,计算色坐标(x,y)值公式如下:
其中λ0为起始波长,N为离散数据的数量,Δλ为离散点间距,
最后由计算机输出色度(x,y)数值。
上述一种光谱转换为色度的方法,所述采集光谱图像中的光谱曲线图片或照片是黑白的或彩色的,对于彩色的光谱曲线图片或照片需要使用图像处理软件Photoshop变换成灰度图像。
上述一种光谱转换为色度的方法,如果用户直接提供了光谱图像中的光谱数据,那么可以将第一步的数字化处理和第二步省略。
上述一种光谱转换为色度的方法,所用到的计算机、扫描仪、数码相机和其他设备均无特别要求,均通过商购获得;所用到的操作方法是本领域技术人员所能掌握的。
上述一种光谱转换为色度的方法,所用到Windows和Photoshop或Microsoft OfficePicture Manager软件以及Matlab开发环境,无特别要求,均通过商购获得或者免费试用获得。
本发明的有益效果是:
本发明一种光谱转换为色度的方法与现有技术相比,所具有的突出的实质性特点是,根据人们的视觉的三刺激的可见光光谱的范围在400nm~780nm之间,并且远离中心波峰位置光谱强度大幅度的衰减,从而确定识别范围,在该范围内读取数据。通过突出了区域数据的提取,相比将坐标框和框外的区域设为背景色再整体识别,减小提取数据的区域,因此可以加快了识别效率。
本发明一种光谱转换为色度的方法与现有技术相比,所具有的显著的进步在于:
(1)本发明方法在普通微机上实现光谱图片提取光谱数据并转换成色度,光谱图片经过扫描仪或数码相机转换成数字图像需要五分钟之内,预先处理的光谱图像转换成色度控制在一分钟之内,整个操作控制在十分钟之内。本发明方法采用区域坐标定位,识别坐标轴、坐标单位和曲线,提高了识别速度,识别线性光谱曲线,同时可以识别填充的光谱图片,并快速转换为色度。本发明方法在线性光谱曲线和填充光谱曲线中快速地读取数据,包含光谱的波长及强度,相比人工方法读取数据速度快及准确度高。
(2)在汕头大学学报(自然科学版,2010(5),25(2))搜索出坐标框各角点在灰度矩阵的位置,在判断坐标中若每行或每列三分之二的元素值累加仍然不大于一定的灰度值(通常为零),认为该列或该行为坐标框,在该论文中将坐标框和框外的区域设为背景色(白色),再以框的内边为搜索起点,找到标尺位置,将其它设为背景色。这种方法对光谱三刺激值在[400 nm,780 nm]会识别多余数据并存在无必要的变换,特别是接近坐标轴读取数据过程中产生误差,并且论文中没有给出寻找时间,也没有对光谱曲线转换成色度。本发明方法不设定坐标框的限制,利用二值位置确定光谱曲线的走向,在规定区域寻找坐标轴,在0.1%峰值高度之内,波长[400nm,780nm]范围内寻找光谱曲线,提高处理效率,识别提取数据时间控制在一分钟之内,并且整个光谱数据识别的误差控制在1%之内,数据验证为0.5%。
(3)本发明方法使用普通的计算机,扫描仪或者数码相机为通用设备,在市场购买的计算机和扫描仪无特别要求,中档价位和性能的数码相机就能满足要求,将文献中图片利用计算机图像处理并转化色度,没有使用探测器和滤波片光学元件及专用电路构建新测试系统,因此用本发明方法来扩展光谱仪的功能的费用低。本发明方法能够快速地识别光谱仪输出的光谱曲线图片或照片中的光谱曲线,快速读取光谱数据并转换成色度空间表示,以此把光谱仪提升到色度仪,扩展光谱仪的功能,节省了通过重新构建色度仪的探测器的费用。
(4)本发明方法适应性强。本发明方法采用坐标识别,在曲线定位中使用识别坐标轴中的点,相比采用坐标框各角点位置确定比例因子,适应性更强。本发明方法适用于不同地点和不同时间测量的光谱数据的转化,可以先期光谱图像恢复出数据,对工作环境要求低。
(5)本发明方法使用光谱仪输出的图片和数据,光谱仪探测精度要高于简单探测器的精度,并且光谱仪具有良好的稳定性,通过扫描仪或数码相机获取图像,计算机实现识别和转换,相比重新构建光路和电路的可靠性高,结构简便,容易实现。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明一种光谱转换为色度的方法的流程框图。
图2为本发明实施例1中所采集的模拟待识别数字化光谱图片。
图3为本发明实施例1中对图2提取光谱数据后绘制光谱曲线。
图4为本发明实施例2中所采集待识别的文献(发光学报,2000(12),21(4):380~382)中的光谱图片经过扫描仪获得数字化后变成的计算机光谱图像。
图5为本发明实施例2中在识别图4并提取光谱数据后绘制的光谱曲线。
图6为本发明实施例3中所采集待识别的光谱仪输出图片经过Sony DSC-V1数码相机拍照的LED光谱照片。
图7为本发明实施例3中识别图6并提取光谱数据后绘制的光谱曲线。
图8为本发明实施例4中所采集待识别的网络提供的红光LED光谱图经计算机进行光谱图像的预处理后得图像。
图9为本发明实施例4中识别图8并提取光谱数据后绘制的光谱曲线。
具体实施方式
图1所示实施例表明,本发明一种光谱转换为色度的方法的流程包括:光谱图像的采集和数字化处理;计算机进行光谱图像的预处理;计算机对光谱图像中的横、纵坐标和光谱曲线加以识别,并从光谱图像中提取光谱数据;计算机显示光谱数据并绘制提取数据后的光谱曲线;光谱数据逼近和插值处理;通过光谱强度与三刺激值乘积,然后使用离散化求和计算出X、Y和Z值,并由计算机显示色度(x,y)值。
实施例1
第一步,光谱图像的采集和数字化处理
采集光谱图像的来源是由用户提供的模拟待识别的光谱图片,见图2。该光谱图片是通过两个高斯函数合成模拟光谱曲线图片,使用的公式:
通过公式(2-1)计算数据,使用plot绘制出光谱图,由于用户直接提供了该光谱图像中的光谱数据,故省略了第一步的光谱图像的数字化处理。
第二步,计算机进行光谱图像的预处理
由于第一步中采集的光谱图像是通过模拟两个高斯函数合成,计算机产生图像后直接调用,省略了第二步计算机进行光谱图像的预处理。
第三步,计算机对光谱图像中的横、纵坐标和光谱曲线加以识别,并从光谱图像中提取光谱数据
利用计算机图像处理的方法,按照光谱图像中坐标和曲线规律识别光谱曲线和光谱图像的坐标轴,利用两个坐标轴相互垂直,坐标轴的单位与坐标垂直且长度远远短于坐标轴和曲线,光谱曲线连续并且很长的特征为识别要点来整体识别,经过第二步计算机进行预处理后的光谱图像,并从光谱图像中提取光谱数据,具体作法是:
计算机图像实际上是存储不同数值的矩阵,图像中坐标轴、坐标单位、曲线和文字被看成像素点不同的数值形成,对于灰度图像取值范围为0~255,对于彩色图像存储在红、蓝和绿三个矩阵存储,矩阵为双精度,取值范围为[0,1],八进制取值范围为[0,255],十六进制范围为为[0,65535],二值图像中只取两个取值,采用图像处理的方法,将彩色图像变成灰度图像,再变成二值图像,图像矩阵中“0”位置代表了黑点,这些黑点不同在走向确定了连线的形状,依照坐标轴、坐标单位和曲线形状对光谱曲线加以识别,在坐标识别中,x坐标轴一般在图像下方,y轴一般在图像的左边,根据这个特点,在寻找坐标轴过程中限制坐标寻找区域,根据像素值为0的数量和与临近点的方位关系可以判断坐标轴和单位,识别的任意坐标轴的点,确定实际坐标单位。
依照坐标轴、坐标单位和曲线形状对光谱曲线加以识别后,在识别光谱曲线中,根据三刺激及对应可见光光谱的范围应在400nm~780nm之间,并且光谱强度远离中心波峰位置大幅度地降低,从而确定识别范围,突出了重点区域数据的提取,采用坐标轴和单位及曲线划分区域识别,寻找的区域变小,因此可以提高了识别的效率。
第四步,计算机显示光谱数据,并将提取数据绘制成光谱曲线
用计算机显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线,具体作法是:由第三步从光谱图像中提取的光谱数据分别存储在光谱波长λ和强度I(λ)两个数组中,在编写程序中使用Wavelength代替λ,使用Matlab的语句:plot(Wavelength,I),由此查看λ和I(λ)两个数组的值,即显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线。
本实施例中计算机显示第三步从图2中提取的光谱数据见表1中的识别λ和识别I(a.u),公式(2-1)中自变量λ分别取各个识别λ值后得到表中的计算I(a.u)的数值。图3为提取的光谱的波长和强度数据绘制成的光谱曲线。
第五步,光谱数据逼近和插值处理
a.光谱数据逼近是分别以国际规定的三刺激值每个离散化波长为中心点,在采集的光谱数据中整体寻找,确定与各个中心点最近邻左边和右边两个数据点,具体实现方法如下:
国际规定的三刺激值波长用Wavelength0存储,先选定国际规定的三刺激值的初始点j=1,在Wavelength0(j)中读取国际规定的三刺激值对应波长,在提取光谱数据存储数组Wavelength顺序取出光谱波长Wavelength(k),起始点为k=1,令Wavelength0(j)与Wavelength(1)之差为dist0,然后对比Wavelength0(j)与Wavelength(2))的差,如果dist0大于Wavelength0(j)与Wavelength(2),将Wavelength0(j)与Wavelength(2)之差存入dist0,否则向下一个点Wavelength(3)寻找,在Wavelength(k)大于Wavelength0(j)寻找停止,由此判断出国际规定的三刺激值最近邻的左边点,在I(λ)中对应位置找到其光强,然后寻找逼近国际规定的三刺激值下一个离散点的左近邻,用Wavelength0与Wavelength位置互换,可以逼近判断出国际规定的三刺激值每个离散波长最近邻的右边点及对应的光强。
例如,对本实施例的第三步提取的光谱数据中经过对波长的寻找,逼近在545.00nm的左右两个近邻点为544.00nm和547.69nm,对应提取光谱数据强度分别为0.09592和0.07959。
b.插值处理是指光谱图像采样点已经接近实际国际规定三刺激值离散化波长位置,但是两者仍然存在差异,使用下面插值处理公式(2-2)实现[λm,λn]之间λi位置的补点。
本实施例中从400nm开始提取数据,数据间隔为3.69nm,与国际规定三刺激值离散化波长位置存在差异,故使用下面插值处理公式(2-2)实现[λm,λn]之间λi位置的补点:
例如,本实施例中对544.00nm和547.69nm之间插值得到波长545.00nm对应的强度为0.09149。
第六步,通过光谱强度与三刺激值乘积,然后使用离散化求和计算出X、Y和Z值,并由计算机显示色度(x,y)值
经过第五步的光谱数据逼近和插值处理,第一步采集的光谱图像的光谱数据调整后与国际规定三刺激值离散化波长位置一致,计算色坐标(x,y)值公式如下:
其中λ0为起始波长,N为离散数据的数量,Δλ为离散点间距。
本实施例最后由计算机输出色度(x,y)数值为(0.1799,0.3052),显示浅蓝色。
表1实施例1中实际计算光谱数据和识别提取光谱数据的对比
表1列出实际计算光谱数据和识别提取光谱数据的对比,结果表明本发明方法对于光强数值较大时表中识别I(a.u)与计算I(a.u)达到较精确的一致,两者偏差较小。对于光波强度很小,特别是相对光强小于0.01的光谱曲线,由于曲线接近接近坐标轴,识别结果相对该点光强误差较大,但是识别绝对误差很小,并且由于这部分对光谱及色度的贡献很小,虽然可以读取到小数点后5位,表明识别最小精度,但由于坐标轴、坐标单位和曲线有一定的宽度,达到小数点后面比较高的位会产生误差。对比数据表明本发明方法在处理这一组数据中误差控制在小数点后第三位量级,即前两位基本正确,第三位会与实际数据有差异,整个数据的标准差为0.5%,提取整体数据到达误差小于1%的精度。
实施例2
第一步,光谱图像的采集和数字化处理
采集光谱图像的来源是文献(发光学报,2000(12),21(4):380~382)中的光谱图片经过扫描仪获得数字化后变成的计算机光谱图像,见图4;
第二步,计算机进行光谱图像的预处理
采用Windows下的图像处理软件Photoshop对第一步得到的光谱图像进行预处理,完成个别噪声去除、提高图像清晰度;
第三步,计算机对光谱图像中的横、纵坐标和光谱曲线加以识别,并从光谱图像中提取光谱数据
同实施例1。
第四步,计算机显示光谱数据,并将提取数据绘制成光谱曲线
用计算机显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线,具体作法是:由第三步从光谱图像中提取的光谱数据分别存储在光谱波长λ和强度I(λ)两个数组中,在编写程序中使用Wavelength代替λ,使用Matlab的语句:plot(Wavelength,I),由此查看λ和I(λ)两个数组的值,即显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线。
本实施例中计算机显示第三步从图4中提取92个光谱数据,表2列举出其中在识别峰值附近的9个光谱数据及对应的波长。
表2计算机显示第三步从第一步得到的图4中提取的部分光谱数据
图5为将提取的光谱的波长和强度数据绘制成的光谱曲线。
对比图5与图4可见,图4经过扫描和预处理,与提取数据后的光谱曲线图5基本一致。
第五步,光谱数据逼近和插值处理
a.光谱数据逼近是分别以国际规定的三刺激值每个离散化波长为中心点,在采集的光谱数据中整体寻找,确定与各个中心点最近邻左边和右边两个数据点,具体实现方法如下:
国际规定的三刺激值波长用Wavelength0存储,先选定国际规定的三刺激值的初始点j=1,在Wavelength0(j)中读取国际规定的三刺激值对应波长,在提取光谱数据存储数组Wavelength顺序取出光谱波长Wavelength(k),起始点为k=1,令Wavelength0(j)与Wavelength(1)之差为dist0,然后对比Wavelength0(j)与Wavelength(2))的差,如果dist0大于Wavelength0(j)与Wavelength(2),将Wavelength0(j)与Wavelength(2)之差存入dist0,否则向下一个点Wavelength(3)寻找,在Wavelength(k)大于Wavelength0(j)寻找停止,由此判断出国际规定的三刺激值最近邻的左边点,在I(λ)中对应位置找到其光强,然后寻找逼近国际规定的三刺激值下一个离散点的左近邻,用Wavelength0与Wavelength位置互换,可以逼近判断出国际规定的三刺激值每个离散波长最近邻的右边点及对应的光强。
b.插值处理是指光谱图像采样点已经接近实际国际规定三刺激值离散化波长位置,但是两者仍然存在差异,使用下面插值处理公式(3-1)实现[λm,λn]之间λi位置的补点。
本实施例中从410.99nm开始提取数据,数据间隔3.14nm,与国际规定三刺激值离散化波长位置存在差异,故使用下面插值处理公式(3-1)实现[λm,λn]之间λi位置的补点:
例如,本实施例中对439.27nm和442.41nm之间插值得到波长440.00nm对应的强度为3.1614。
第六步,通过光谱强度与三刺激值乘积,然后使用离散化求和计算出X、Y和Z值,并由计算机显示色度(x,y)值
经过第五步的光谱数据逼近和插值处理,第一步采集的光谱图像的光谱数据与国际规定三刺激值离散化波长位置一致,计算色坐标(x,y)值公式如下:
其中λ0为起始波长,N为离散数据的数量,Δλ为离散点间距。
本实施例最后由计算机输出色度(x,y)数值为(0.318,0.328),与图4文献(发光学报,2000(12),21(4):380~382)计算的色度(x,y)数值(0.31,0.32)比较接近。
实施例3
第一步,光谱图像的采集和数字化处理
采集光谱图像的来源是,ANDO Optical Spectrum Analyzer AQ-6315说明书中的照片,该光谱仪的输出图片经过Sony DSC-V1数码相机拍照的LED输出的光谱照片,见图6,该原始图片较小,图片中坐标数字模糊不清,但是坐标轴、坐标单位和曲线还可以清晰分辨;
第二步,计算机进行光谱图像的预处理
采用Windows下的图像处理软件Microsoft Office Picture Manager对第一步得到的光谱图像进行预处理,完成个别噪声去除、提高图像清晰度;
第三步,计算机对光谱图像中的横、纵坐标和光谱曲线加以识别,并从光谱图像中提取光谱数据
同实施例1。
第四步,计算机显示光谱数据,并将提取数据绘制成光谱曲线
用计算机显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线,具体作法是:由第三步从光谱图像中提取的光谱数据分别存储在光谱波长λ和强度I(λ)两个数组中,在编写程序中使用Wavelength代替λ,使用Matlab的语句:plot(Wavelength,I),由此查看λ和I(λ)两个数组的值,即显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线。
本实施例中计算机显示第三步从图6中提取135个光谱数据。
图7为将提取的光谱的波长和强度数据绘制成的光谱曲线,图7与图6一致,说明已经从图6提取光谱数据。
第五步,光谱数据逼近和插值处理
第三步提取的光谱数据中的波长位置与国际规定的三刺激值位置会不一致,要进行如下的光谱数据逼近和插值处理:
a.光谱数据逼近是分别以国际规定的三刺激值每个离散化波长为中心点,在采集的光谱数据中整体寻找,确定与各个中心点最近邻左边和右边两个数据点,具体实现方法如下:
国际规定的三刺激值波长用Wavelength0存储,先选定国际规定的三刺激值的初始点j=1,在Wavelength0(j)中读取国际规定的三刺激值对应波长,在提取光谱数据存储数组Wavelength顺序取出光谱波长Wavelength(k),起始点为k=1,令Wavelength0(j)与Wavelength(1)之差为dist0,然后对比Wavelength0(j)与Wavelength(2))的差,如果dist0大于Wavelength0(j)与Wavelength(2),将Wavelength0(j)与Wavelength(2)之差存入dist0,否则向下一个点Wavelength(3)寻找,在Wavelength(k)大于Wavelength0(j)寻找停止,由此判断出国际规定的三刺激值最近邻的左边点,在I(λ)中对应位置找到其光强,然后寻找逼近国际规定的三刺激值下一个离散点的左近邻,用Wavelength0与Wavelength位置互换,可以逼近判断出国际规定的三刺激值每个离散波长最近邻的右边点及对应的光强。
例如,对本实施例的第三步提取的光谱数据中的波长位置经过寻找,逼近在570.00nm的左右两个近邻点为569.83nm和570.46nm,对应提取光谱数据强度分别为36.954mW和36.379mW。
b.插值处理是指光谱图像采样点已经接近实际国际规定三刺激值离散化波长位置,但是两者仍然存在差异,使用下面插值处理公式(4-1)实现[λm,λn]之间λi位置的补点。
本实施例中从528.45nm开始提取数据,数据间隔0.63nm,与国际规定三刺激值离散化波长位置存在差异,故使用下面插值处理公式(5-1)实现[λm,λn]之间λi位置的补点:
例如,本实施例中对569.83nm和570.46nm之间插值得到波长570.00nm对应的强度为36.989mW。
第六步,通过光谱强度与三刺激值乘积,然后使用离散化求和计算出X、Y和Z值,并由计算机显示色度(x,y)值
经过第五步的光谱数据逼近和插值处理,第一步采集的光谱图像的光谱数据与国际规定三刺激值离散化波长位置一致,计算色坐标(x,y)值公式如下:
其中λ0为起始波长,N为离散数据的数量,Δλ为离散点间距,
本实施例最后由计算机输出色度(x,y)数值为(x=0.4308,y=0.5668),与刊载图6的ANDO Optical Spectrum Analyzer AQ-6315说明书中给出的图6的色度(x,y)数值(x=0.4325,y=0.5649)接近。
实施例4
第一步,光谱图像的采集和数字化处理
采集光谱图像的来源是,网络(http://group.zol.com.cn/tips/show_pic.php?picd=5374464(2012年6月16日))中提供的红光LED光谱图,光谱图片中光谱曲线与横向坐标轴围成区域填满了颜色,网络提供光谱图片为填充曲线。
第二步,计算机进行光谱图像的预处理
在网络提供的红光LED光谱图中含有对不同波长位置标定的颜色,并且图像的右半部分为色度图。首先使用Windows中屏幕抓屏拷贝整个图片,然后使用Photoshop截取要识别光谱图像部分,使用Photoshop把获得的彩色图像变成灰度图像,再变成位图,得到图8。
第三步,计算机对光谱图像中的横、纵坐标和光谱曲线加以识别,并从光谱图像中提取光谱数据
同实施例1。
第四步,计算机显示光谱数据,并将提取数据绘制成光谱曲线
用计算机显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线,具体作法是:由第三步从光谱图像中提取的光谱数据分别存储在光谱波长λ和强度I(λ)两个数组中,在编写程序中使用Wavelength代替λ,使用Matlab的语句:plot(Wavelength,I),由此查看λ和I(λ)两个数组的值,即显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线。
本实施例中计算机显示第三步从图8中提取301个光谱数据。
图9为将提取的光谱的波长和强度数据绘制成的光谱曲线。图9所显示的识别后提取光谱数据后绘制的光谱曲线,与图8所显示的光谱曲线一致。
第五步,光谱数据逼近和插值处理
a.光谱数据逼近是分别以国际规定的三刺激值每个离散化波长为中心点,在采集的光谱数据中整体寻找,确定与各个中心点最近邻左边和右边两个数据点,具体实现方法如下:
国际规定的三刺激值波长用Wavelength0存储,先选定国际规定的三刺激值的初始点j=1,在Wavelength0(j)中读取国际规定的三刺激值对应波长,在提取光谱数据存储数组Wavelength顺序取出光谱波长Wavelength(k),起始点为k=1,令Wavelength0(j)与Wavelength(1)之差为dist0,然后对比Wavelength0(j)与Wavelength(2))的差,如果dist0大于Wavelength0(j)与Wavelength(2),将Wavelength0(j)与Wavelength(2)之差存入dist0,否则向下一个点Wavelength(3)寻找,在Wavelength(k)大于Wavelength0(j)寻找停止,由此判断出国际规定的三刺激值最近邻的左边点,在I(λ)中对应位置找到其光强,然后寻找逼近国际规定的三刺激值下一个离散点的左近邻,用Wavelength0与Wavelength位置互换,可以逼近判断出国际规定的三刺激值每个离散波长最近邻的右边点及对应的光强。
例如,对本实施例的第三步提取的光谱数据中的波长位置经过寻找,逼近在645.00nm的左右两个近邻点为624.74nm和626.05nm,对应提取光谱数据强度分别为0.7713和0.8422。
b.插值处理是指光谱图像采样点已经接近实际国际规定三刺激值离散化波长位置,但是两者仍然存在差异,使用下面插值处理公式(5-1)实现[λm,λn]之间λi位置的补点。
本实施例中以382.63nm为起始点提取光谱数据,数据间隔1.31nm,与国际规定三刺激值离散化波长位置存在差异,故使用下面插值处理公式(5-1)实现[λm,λn]之间λi位置的补点:
例如,本实施例中对624.74nm和626.05nm之间插值得到波长625.00nm对应的强度为0.7854。
第六步,通过光谱强度与三刺激值乘积,然后使用离散化求和计算出X、Y和Z值,并由计算机显示色度(x,y)值
计算色坐标(x,y)值公式如下:
其中λ0为起始波长,N为离散数据的数量,Δλ为离散点间距,
本实施例最后由计算机输出色度(x,y)数值为(x=0.6236,y=0.3141),与图8给出的色度(x,y)数值(x=0.667,y=0.3043)相差不大。
上述所有实施例中所用到的计算机、扫描仪、数码相机和其他设备均无特别要求,均通过商购获得;所用到的操作方法是本领域技术人员所能掌握的。
上述所有实施例中所用到Windows和Photoshop或Microsoft Office Picture Manager软件以及Matlab开发环境,无特别要求,均通过商购获得或者免费试用获得。
Claims (3)
1.一种光谱转换为色度的方法,其特征在于步骤是:
第一步,光谱图像的采集和数字化处理
采集光谱图像的来源是,Ⅰ.用户提供的光谱曲线图片或照片,Ⅱ.印刷出版期刊中光谱曲线图片,Ⅲ.光谱设备输出的光谱曲线图片或照片,将上述来源的光谱图像通过百万像素的扫描仪或500万像素~1000万像素数的数码相机数字化,变成计算机能够处理的光谱图像;
第二步,计算机进行光谱图像的预处理
采用Windows支持的图像处理软件Photoshop或Microsoft Office Picture Manager对第一步得到的光谱图像进行预处理,完成个别噪声去除,提高图像清晰度,如果经过图像处理软件处理后,通过视觉还无法观察出第一步得到的光谱图像中的光谱曲线,则重新采集光谱图像;
第三步,计算机对光谱图像中的横、纵坐标和光谱曲线加以识别,并从光谱图像中提取光谱数据
利用计算机图像处理的方法,按照光谱图像中坐标和曲线规律识别光谱曲线和光谱图像的坐标轴,利用两个坐标轴相互垂直,坐标轴的单位与坐标垂直且长度远远短于坐标轴和曲线,光谱曲线连续并且很长的特征为识别要点来整体识别经过第二步计算机进行预处理后的光谱图像,并从光谱图像中提取光谱数据,具体作法是:
计算机图像实际上是存储不同数值的矩阵,图像中坐标轴、坐标单位、曲线和文字被看成像素点不同的数值形成,对于灰度图像取值范围为0~255,对于彩色图像存储在红、蓝和绿三个矩阵存储,矩阵为双精度,取值范围为[0,1],八进制取值范围为[0,255],十六进制范围为为[0,65535],二值图像中只取两个取值,采用图像处理的方法,将彩色图像变成灰度图像,再变成二值图像,图像矩阵中“0”位置代表了黑点,这些黑点不同在走向确定了连线的形状,依照坐标轴、坐标单位和曲线形状对光谱曲线加以识别,在坐标识别中,x坐标轴一般在图像下方,y轴一般在图像的左边,根据这个特点,在寻找坐标轴过程中限制坐标寻找区域,根据像素值为0的数量和与临近点的方位关系可以判断坐标轴和单位,识别的任意坐标轴的点,确定实际坐标单位,依照坐标轴、坐标单位和曲线形状对光谱曲线加以识别,在识别光谱曲线中,根据三刺激及对应可见光光谱的范围应在400nm~780nm之间,并且光谱强度远离中心波峰位置大幅度地降低,从而确定识别范围,突出了重点区域数据的提取;
第四步,计算机显示光谱数据,并将提取数据绘制成光谱曲线
用计算机显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线,具体作法是:由第三步从光谱图像中提取的光谱数据分别存储在光谱波长λ和强度I(λ)两个数组中,在编写程序中使用Wavelength代替λ,使用Matlab的语句:plot(Wavelength,I),由此查看λ和I(λ)两个数组的值,即显示第三步从光谱图像中提取的光谱数据,并将提取数据绘制成光谱曲线;
第五步,光谱数据逼近和插值处理
a.光谱数据逼近是分别以国际规定的三刺激值每个离散化波长为中心点,在采集的光谱数据中整体寻找,确定与各个中心点最近邻左边和右边两个数据点,具体实现方法如下:
国际规定的三刺激值波长用Wavelength0存储,先选定国际规定的三刺激值的初始点j=1,在Wavelength0(j)中读取国际规定的三刺激值对应波长,在提取光谱数据存储数组Wavelength顺序取出光谱波长Wavelength(k),起始点为k=1,令Wavelength0(j)与Wavelength(1)之差为dist0,然后对比Wavelength0(j)与Wavelength(2))的差,如果dist0大于Wavelength0(j)与Wavelength(2),将Wavelength0(j)与Wavelength(2)之差存入dist0,否则向下一个点Wavelength(3)寻找,在Wavelength(k)大于Wavelength0(j)寻找停止,由此判断出国际规定的三刺激值最近邻的左边点的光强,然后寻找逼近国际规定的三刺激值下一个离散点的左近邻,用Wavelength0与Wavelength位置互换,可以逼近判断出国际规定的三刺激值每个离散波长最近邻的右边点的光强;
b.插值处理是指光谱图像采样点已经接近实际国际规定三刺激值离散化波长位置,但是两者仍然存在差异,使用下面插值处理公式(5-1)实现[λm,λn]之间λi位置的补点:
第六步,通过光谱强度与三刺激值乘积,然后使用离散化求和计算出X、Y和Z值,并由计算机显示色度(x,y)值
经过第五步的光谱数据逼近和插值处理,第一步采集的光谱图像的光谱数据与国际规定三刺激值离散化波长位置一致,然后使用离散化求和计算出X、Y和Z值,计算色坐标(x,y)值公式如下:
其中λ0为起始波长,N为离散数据的数量,Δλ为离散点间距。
最后由计算机输出色度(x,y)数值。
2.按照权利要求1所述一种光谱转换为色度的方法,其特征在于:所述采集光谱图像中的光谱曲线图片或照片是黑白的或彩色的,对于彩色的光谱曲线图片或照片需要使用图像处理软件Photoshop变换成灰度图像。
3.按照权利要求1所述一种光谱转换为色度的方法,其特征在于:如果用户直接提供了光谱图像中的光谱数据,那么可以将第一步的数字化处理和第二步省略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210224778.1A CN102721471B (zh) | 2012-07-02 | 2012-07-02 | 一种光谱转换为色度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210224778.1A CN102721471B (zh) | 2012-07-02 | 2012-07-02 | 一种光谱转换为色度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102721471A true CN102721471A (zh) | 2012-10-10 |
CN102721471B CN102721471B (zh) | 2014-03-26 |
Family
ID=46947296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210224778.1A Active CN102721471B (zh) | 2012-07-02 | 2012-07-02 | 一种光谱转换为色度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102721471B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046646A (zh) * | 2015-05-29 | 2015-11-11 | 西安电子科技大学 | 一种高光谱图像的色彩可视化的方法 |
CN105117653A (zh) * | 2015-07-23 | 2015-12-02 | 王家俊 | 一种近红外光谱数据加密方法 |
CN105426892A (zh) * | 2015-12-23 | 2016-03-23 | 上海携程商务有限公司 | 图像识别的背景过滤方法 |
CN106483551A (zh) * | 2015-08-28 | 2017-03-08 | 易良碧 | 一种仿核信号发生器及其工作方法 |
CN108646635A (zh) * | 2018-06-27 | 2018-10-12 | 广东好帮手环球科技有限公司 | 一种电源控制装置 |
CN110220674A (zh) * | 2019-04-25 | 2019-09-10 | 深圳大学 | 显示屏健康性能评估方法与装置 |
CN111458112A (zh) * | 2020-06-19 | 2020-07-28 | 武汉精立电子技术有限公司 | 基于Gamma校正的色坐标测量方法、装置、设备及存储介质 |
WO2021238843A1 (zh) * | 2020-05-25 | 2021-12-02 | 吉林求是光谱数据科技有限公司 | 一种基于多光谱图像探测技术的环境色温测试方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB914820A (en) * | 1958-03-26 | 1963-01-02 | Egyesuelt Izzolampa | Improvements in apparatus for colorimetry |
US3645633A (en) * | 1971-01-11 | 1972-02-29 | Us Army | Chromacorder |
-
2012
- 2012-07-02 CN CN201210224778.1A patent/CN102721471B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB914820A (en) * | 1958-03-26 | 1963-01-02 | Egyesuelt Izzolampa | Improvements in apparatus for colorimetry |
US3645633A (en) * | 1971-01-11 | 1972-02-29 | Us Army | Chromacorder |
Non-Patent Citations (4)
Title |
---|
丁培柱,母英魁,潘守甫: "光学厚柱对称等离子体光谱诊断的分段线性插值解法", 《中国激光》, vol. 18, no. 11, 30 November 1991 (1991-11-30) * |
刘光蓉,张瑞新,张涛: "用Matlab软件拼合超辐射发光二极管宽带光源", 《激光与光电子学进展》, vol. 45, no. 8, 31 August 2008 (2008-08-31) * |
张姗姗: "色度计算方法及其影响因素研究", 《包装工程》, vol. 30, no. 11, 30 November 2009 (2009-11-30) * |
荆其诚,焦书兰,喻柏林,胡维生: "《色度学》", 31 October 1979, article "色度学" * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046646A (zh) * | 2015-05-29 | 2015-11-11 | 西安电子科技大学 | 一种高光谱图像的色彩可视化的方法 |
CN105046646B (zh) * | 2015-05-29 | 2018-11-16 | 西安电子科技大学 | 一种高光谱图像的色彩可视化的方法 |
CN105117653A (zh) * | 2015-07-23 | 2015-12-02 | 王家俊 | 一种近红外光谱数据加密方法 |
CN105117653B (zh) * | 2015-07-23 | 2018-01-19 | 王家俊 | 一种近红外光谱数据加密方法 |
CN106483551A (zh) * | 2015-08-28 | 2017-03-08 | 易良碧 | 一种仿核信号发生器及其工作方法 |
CN106483551B (zh) * | 2015-08-28 | 2018-11-09 | 成都理工大学 | 一种仿核信号发生器及其工作方法 |
CN105426892A (zh) * | 2015-12-23 | 2016-03-23 | 上海携程商务有限公司 | 图像识别的背景过滤方法 |
CN108646635A (zh) * | 2018-06-27 | 2018-10-12 | 广东好帮手环球科技有限公司 | 一种电源控制装置 |
CN110220674A (zh) * | 2019-04-25 | 2019-09-10 | 深圳大学 | 显示屏健康性能评估方法与装置 |
CN110220674B (zh) * | 2019-04-25 | 2021-06-01 | 深圳大学 | 显示屏健康性能评估方法与装置 |
WO2021238843A1 (zh) * | 2020-05-25 | 2021-12-02 | 吉林求是光谱数据科技有限公司 | 一种基于多光谱图像探测技术的环境色温测试方法及系统 |
CN111458112A (zh) * | 2020-06-19 | 2020-07-28 | 武汉精立电子技术有限公司 | 基于Gamma校正的色坐标测量方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102721471B (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102721471B (zh) | 一种光谱转换为色度的方法 | |
Oh et al. | Do it yourself hyperspectral imaging with everyday digital cameras | |
CN106896069B (zh) | 一种基于彩色数码相机单幅rgb图像的光谱重建方法 | |
Chane et al. | Integration of 3D and multispectral data for cultural heritage applications: Survey and perspectives | |
CN103366178B (zh) | 一种用于对目标图像进行颜色分类的方法与设备 | |
CN106384117B (zh) | 一种车辆颜色识别方法及装置 | |
CN107144353A (zh) | 一种基于数码相机的纺织品色差测量方法 | |
CN108020519A (zh) | 一种基于颜色恒常性的虚拟多光源光谱重建方法 | |
Ennis et al. | Hyperspectral database of fruits and vegetables | |
CN102831400A (zh) | 一种多光谱人脸识别方法及其系统 | |
CN101424523A (zh) | 一种快速测定草林植被盖度的数字式可视化方法 | |
Jiang et al. | Recovering spectral reflectance under commonly available lighting conditions | |
KR20140023877A (ko) | 이미지 내의 복합 토큰들을 식별하기 위한 시스템 및 방법 | |
CN105865624A (zh) | 高光谱采集系统的光谱提取方法及装置 | |
CN104677853B (zh) | 一种基于近红外高光谱的壁画起甲病害评估方法 | |
CN109506780B (zh) | 基于多光谱led照明的物体光谱反射率重建方法 | |
CN110986889A (zh) | 一种基于遥感图像技术的高压变电站全景态监测方法 | |
Tominaga et al. | Object recognition by multi-spectral imaging with a liquid crystal filter | |
US11935268B2 (en) | Construction method and system for visible near-infrared spectrum dictionary | |
CN107941337A (zh) | 快照式光谱成像方法、装置及光谱成像仪 | |
CN206832360U (zh) | 基于led照明的颜色测量多光谱成像系统的封闭式灯箱 | |
CN116385894A (zh) | 基于遥感图像的海岸线识别方法、装置以及设备 | |
Andersen et al. | Classifying the illumination condition from two light sources by color histogram assessment | |
Gao et al. | Color image retrieval and analysis using image color measures | |
Dong et al. | Spectral bidirectional texture function reconstruction by fusing multiple-color and spectral images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |