CN103344338A - 不同色差等级彩色样品的色差评价及计算方法 - Google Patents

Abstract

本发明涉及一种不同色差等级彩色样品的色差评价及计算方法，包括选取BFD数据组；绘制样本对的视觉色差值ΔV和CIELAB色差计算值的散点分布图；对散点分布图分别进行线性拟合和Stevens′幂指数方程S=aI^b拟合；选取幂指数方程对不同色差公式进行幂指数方程的优化；另外选择15个色差数据组，用优化后的色差公式计算不同色差等级数据组的色差值，及计算色差值与视觉色差的STRESS值；用F检验的方法评价优化前后色差公式的表现；综合考虑优化后的结果对16个色差数据组的影响，得到不同色差公式的a，b值，建立适用于不同的色差公式用于评价不同色差等级的彩色样品色差的计算方法。

Description

不同色差等级彩色样品的色差评价及计算方法

技术领域

本发明涉及一种不同色差等级彩色样品的色差评价及计算方法，通过确定不同色差公式的计算系数，从而对不同色差等级的彩色样品进行色差计算评价。

背景技术

颜色的准确复制与评价计算是颜色科学中一项非常重要和基础的研究，在实施色彩管理和评价不同样本的颜色时，需要计算颜色的色差来实现控制颜色的目的。一直以来，印刷领域常用CIELAB色差公式进行色差大小计算，纺织行业使用CMC色差公式进行色差大小计算，但是这些色差公式与人眼视觉的相关性并不是很好。近年来，CIEDE2000，CAM02-LCD，CAM02-SCD，CAM02-UCS，DIN99d，OSA-Gp-Eu等色差公式也逐渐被采用和检验，成为不同行业领域，取代CIELAB和CMC色差公式的新公式。

但是上述不同色差公式有其具体的测试范围，在评价不同的色差等级彩色样品时，应该选择不同的色差公式，如CIEDE2000适合评价色差大小在5.0CIELAB以下的样本对，CAM02-LCD适合评价大于5.0CIELAB的样本对。技术人员和质检人员在检测色差大小时，往往没有考虑到色差等级的影响，忽略了不同色差公式的应用范围。如何准确评价不同色差等级彩色样品的色差大小，仍是需要探讨和解决的问题。

发明内容

本发明的目的在于解决现有技术中存在的问题，提出一种适合于不同色差大小计算的色差公式，避免实际在进行颜色样本色差计算时，不同色差等级与测试用色差公式应用范围不匹配，导致计算结果与人眼视觉匹配度不高的缺陷。

本发明通过确定不同色差公式的计算系数，建立新的色差公式，适用于在较大色差等级范围内计算不同色差等级彩色样本的色差大小，使其与人眼视觉评价结果达到一致的结果。该方法适用于针对不同颜色样本进行色差评价计算。

为实现上述目的，本发明采取以下技术方案：

一种不同色差等级彩色样品的色差评价及计算方法，包括如下步骤：

（1）目前国际上公认的建立和检验颜色空间和色差公式的综合数据集为包含RIT-DuPont，Leeds，BFD和Witt四个数据组在内的数据集。本发明选用经典色差数据集中的BFD（Bradford University Dataset）数据组，该数据组包括2776对样本对，平均CIELAB色差大小为3.0，最大CIELAB色差为18.2；

CIELAB色差是指用CIELAB颜色空间中的色度值直接计算出的待比较的两个颜色样本点在空间中的距离。

（2）绘制BFD数据组中样本对的视觉色差值ΔV和CIELAB色差计算值的散点分布图；

（3）对散点分布图分别进行线性拟合和Stevens′幂指数方程（S=aI^b）拟合，比较不同方法拟合的差异；

（4）选取上述与人眼视觉相关性一致性较高的幂指数方程对不同的色差公式进行幂指数方程的优化，优化的目标一方面通过a值调节计算色差，使优化后的计算色差值与视觉色差具有相同的色差大小等级（尺度），另一方面通过b值调节计算色差，使优化后的计算色差值与视觉色差的线性相关性达到最佳，即计算STRESS值最小；

（5）另外选择15个色差数据组，用优化后的色差公式计算不同色差等级数据组的色差值，及计算色差值与视觉色差的STRESS值；

（6）用F检验的方法评价优化前后色差公式的表现，分别计算原始色差公式、优化后的色差公式与视觉色差值的线性相关性，用F评价因子表示F检验的结果；

（7）综合考虑优化后的结果对16个色差数据组的影响，得到不同色差公式最终的a，b值，建立适用于不同的色差公式用于评价不同色差等级的彩色样品色差的计算方法。

结果表明对所有色差数据组，优化后的色差公式较优化前的原始色差公式的性能有所改善，特别是评价阈值色差数据组、小色差数据组，较优化前的原始色差公式的评价性能有显著性的改善。

步骤（1）中，所述的样本对包括不同基底的颜色样本，如羊毛织物样本，不同光泽纸质样本、油漆样本、基于显示器的自发光颜色样本等，其中，数据组的2776对样本对划分为8个色差等级，样本对的CIELAB色差等级分布比例为：

色差分布的范围较广，符合优化数据组选用的要求。

步骤（4）中，不同的色差公式包括CIELAB、CIED2000、CIE94、CMC、CAM02-LCD、CAM02-SCD、CAM02-UCS、DIN99d、OSA和OSA-Gp-Eu等色差公式。

步骤（5）中，综合考虑不同色差大小分布，不同材质和不同目视方法，选用的其它的15个色差数据组为：BIGC-TS17、BIGC-TM05、BIGC-TS05、BIGC-TG05、Wang、BIGC-SS17、RIT-DuPont、Leeds、WITT、OSA、Munsell、A&P、GUAN、ZHU和BADU-P色差数据组。每个色差数据组的组成和特点请参考表1。

表1本发明中用到的16个色差数据组

步骤（6）中，所述的F检验的方法中，F评价因子为

其中，STRESS_A为优化后的色差公式的计算色差值与视觉色差值的STRESS值，STRESS_B为原始色差公式的计算色差值与视觉色差值的STRESS值。

步骤（7）中，综合考虑优化后的结果对16个色差数据组的影响，最大程度保证优化后的色差公式较原始公式有显著改善。保证10个优化后的色差公式评价16个不同色差数据组中的STRESS值都较原始色差公式有所减小，F检验检测优化后的色差公式较原始色差公式的改善程度，10个色差公式优化后评价16个色差数据组的性能，大多数优化后的色差公式均较原始色差公式有显著性改善，F评价因子接近或小于临界值（临界值见表3中的Fc）。

对不同的色差公式包括CIELAB、CIED2000、CIE94、CMC、CAM02-LCD、CAM02-SCD、CAM02-UCS、DIN99d、OSA和OSA-Gp-Eu十个色差公式，进行幂指数方程（S=aI^b）的a，b常数的优化后，不同色差公式的Stevens’幂指数方程中的a，b常数如表2所示。

表210个色差公式的Stevens’幂指数方程中的常数a，b

本发明以BFD数据组为源数据，迭代的方法取a，b值，同时还兼顾到其它数据组。使优化后的色差公式不仅对BFD达到最优，而且对其它数据组也有显著改善。

本发明不同色差等级彩色样品的色差计算方法，通过确定不同色差公式的计算系数，建立新的色差公式，适用于在较大色差等级范围内计算不同色差等级彩色样本的色差大小，使其与人眼视觉评价结果达到一致的结果。用F检验的方法对色差公式优化前后的效果进行显著性分析，结果表明优化后的色差公式在检测不同色差等级样本时，较原始色差公式的性能有所改善，特别在阈值色差范围较原始色差公式有显著性的改善。一定程度上解决了一直困扰科学界和工业界难以准确评价阈值小色差的难题。

本发明是一种不同色差等级的彩色样品色差计算方法，绘制BFD色差数据组中不同色差公式的色差计算值与视觉色差值的散点图，用Stevens′幂指数方程描述计算色差和视觉色差的关系优于线性方程，更符合物理刺激与心理物理感受间的关系分布。用16个色差数据组数据作为源数据，优化Stevens′幂指数方程中的a，b系数，优化的目的一方面使计算色差值与视觉色差具有相同的色差大小尺度，通过a值调节；另一方面使计算色差值与视觉色差具有较高的线性相关性，即STRESS值小，通过b值调节。

F检验表明，优化后的色差公式评价性能明显优于原始色差公式。可计算的色差大小从阈值色差，小色差到大色差，色差计算的范围很广，评价的颜色样品基底有不同光泽的印刷样品，高光泽的油漆样品，上色的瓷砖，羊毛、尼龙织物，CRT显示器的自发光色等，色差数据组的视觉评价方法有灰梯尺法，恒常刺激法，倍率法，比较法等不同的视觉方法。

下面通过附图和具体实施方式对本发明做进一步说明，但并不意味着对本发明保护范围的限制。

附图说明

图1是BFD数据组的视觉色差和CIELAB色差的散点分布图及线性和幂指数拟合关系。

图2是不同色差数据组的色差分布。

具体实施方式

对经典色差数据集中的BFD色差数据组的2776对样本绘制视觉色差和计算色差散点分布图，分别用线性和幂指数方程拟合视觉色差和计算色差，发现用幂指数方程描述视觉色差和计算色差符合物理刺激与心理物理感受间的关系，并且优于线性方程。对不同色差公式进行幂指数方程的优化，以确定幂指数方程中的a，b系数。优化的目标一方面通过a值调节计算色差，使其与视觉色差保持在同样的尺度，另一方面通过b值调节计算色差，使其与视觉色差间的线性相关性达到最佳。

以BFD色差数据组中的CIELAB色差和视觉色差ΔV为例。需要说明的是，本发明并不局限于色差数据组中涉及的不同基底彩色样本和视觉方法，其适用于不同基底的彩色样本和不同视觉方法建立的目视色差。

现有对颜色样本进行色差评价常选用不同的色差公式，但是并未考虑到不同色差公式适用评价的色差范围，同时在色差公式推荐的评价范围内进行色差大小的计算，仍与人眼的目视评价结果有一定的不一致性。目前尚无针对本发明所述适用于不同色差等级彩色样品的色差计算方法。

对不同色差等级彩色样品的色差公式的优化方法，包括如下步骤：

1）选取经典色差数据集中的BFD数据组，该数据包括2776对样本对，由纺织品，羊毛织物，油漆样本和自发光色等不同材质组成，平均CIELAB色差大小为3.0,最大CIELAB色差为18.2，色差范围分布较广，符合本发明所述不同色差等级范围要求。其中BFD数据组中不同色差等级的样本分布比例为0.0-1.0(19.6%)，1.0-1.0(22.0%)，2.0-3.0(19.3%)，3.0-4.0(14.3%)，4.0-5.0(8.6%)，5.0-10.0(14.0%)，10.0-15.0(1.9%)，15.0-20.0(0.3%)。CIELAB色差是指用CIELAB颜色空间中的色度值直接计算出的待比较的两个颜色样本点在空间中的距离。

2）绘制BFD色差数据组中的视觉色差值ΔV和CIELAB色差公式计算值的散点图，图1所示为BFD数据组的ΔV和CIELAB色差值散点图，可见样本对间的CIELAB值增大到一定的程度，视觉色差达到饱和，增大缓慢。这种规律性与Stevens′幂指数方程描述物理刺激与心理物理感受度间的关系较为一致。

3）对图1所示散点分布图分别进行线性拟合和Stevens′幂指数方程（S=aI^b）拟合，比较不同方法拟合的差异，如图1所示。结果发现，用幂指数方程描述视觉色差与计算色差的关系优于线性方程。

4）选取上述与人眼视觉相关性一致性较高的幂指数方程进行色差公式的优化，优化的目标一方面使计算色差值与视觉色差具有相同的色差大小等级，另一方面使得优化的方程计算色差值与人眼视觉的相关性较高，即计算STRESS值小。本发明以BFD数据组为源数据，迭代的方法取a，b值。

以图1中BFD数据组中2776对样本对的ΔV值和CIELAB色差值为例：通过迭代的方法改变b值，得到不同色差公式的a，b值及改变后的色差公式。对幂指数方程（S=aI^b），设定b值以0.5为初始值，以0.01为步长递增变化，变化到1.0，当b值为0.64时，ΔV和CIELAB色差值的STRESS因子最小，为36.7。与ΔV和原始CIELAB色差值的STRESS因子42.5相比，F值为0.75，小于置信水平为95%，自由度为2775时的F临界值0.9，说明该幂指数优化方程对CIELAB色差公式有显著性改善。

同理，对a值的优化，是为了使优化后的CIELAB色差值和ΔV尺度一致，对BFD数据组，取a值为1.26时，计算的2776对样本对的CIELAB平均色差值为2.13，与ΔV的平均值1.77较为接近。

5）另外选择15个色差数据组，如表1中除BFD之外的15个色差数据组，用建立的色差公式计算表1中包括阈值色差（平均CIELAB色差为0.55-1.10），小色差（平均CIELAB色差为1.36-3.03）和大色差数据组（平均CIELAB色差从8.9-14.3）在内的不同色差等级数据组的色差值，及计算色差值与视觉色差的STRESS值。

采用表1中除BFD之外的15个色差数据组，对CIELAB色差公式进行优化。即采用优化后的色差公式计算每个不同色差等级数据组的色差值，及计算色差值与视觉色差的STRESS值。

6）用F检验的方法评价优化前后色差公式的表现。F检验的方法为检验优化后的色差公式和原始色差公式与视觉色差间的STRESS因子，即分别计算原始色差公式、优化色差公式与视觉色差值的线性相关性，用评价因子表示F检验的结果（参见表3），其中，STRESS_A为优化后的色差公式的计算色差值与视觉色差值的STRESS值，STRESS_B为原始色差公式的计算色差值与视觉色差值的STRESS值。

7）综合考虑优化后的结果对16个色差数据组的影响，最大程度保证优化后的色差公式较原始公式有显著改善，保证10个色差公式优化后评价16个不同色差数据组中的STRESS值都较原始色差公式有所减小，F检验检测优化后的色差公式较原始色差公式的改善程度，

10个色差公式优化后评价16个色差数据组的性能，使大多数优化后的色差公式均较原始色差公式有显著性改善，即F值小于临界值，尽可能少数优化后的色差公式均较原始色差公式有改善，F值接近临界值，临界值参见表3中的Fc，得到不同色差公式最终的a，b值，建立适用于不同的色差公式用于评价不同色差等级的彩色样品色差的计算方法。

针对表1及图2所示的16个色差数据组（不同色差大小分布，不同材质和不同目视方法），优化后的CIELAB色差公式，在计算16个色差数据组时，与目视色差的STRESS值都低于原始色差公式与目视色差的STRESS值。同时通过调整a值的大小，使得计算色差值与目视色差值保持相同的色差尺度，综合考虑优化后的结果对16个色差数据组的影响，最大程度保证优化后的色差公式较原始公式有显著改善，F检验检测优化后的色差公式较原始色差公式的改善程度，

为了保证色差公式优化后评价16个色差数据组的性能，使大多数优化后的色差公式均较原始色差公式有显著性改善，F值接近或小于临界值（临界值见表3中的Fc），选取a值为1.26，b值为0.55，建立适用于CIELAB色差公式用于评价不同色差等级的彩色样品色差的计算方法，并在最大程度上保证了优化后的色差公式较原始公式有显著改善。

本发明以BFD数据组为源数据，迭代的方法取a，b值，同时还兼顾到其它数据组。使优化后的色差公式不仅对BFD达到最优，而且对其它数据组也有显著改善。

对其它的九个色差公式CIED2000、CIE94、CMC、CAM02-LCD、CAM02-SCD、CAM02-UCS、DIN99d、OSA和OSA-Gp-Eu采用相同的优化方法，得到不同色差公式a，b值，建立适用于不同色差公式用于评价不同色差等级的彩色样品色差计算方法，不同色差公式的a，b值如表2所示。

结果表明，对所有色差数据组，优化后的色差公式较优化前的原始色差公式的性能均有所改善，在检验不同色差等级样本时，特别是评价阈值色差数据组、小色差数据组时，较优化前的原始色差公式的评价性能有显著性的改善，如表3所示。

表3原始和优化色差公式的F检验结果

本发明通过选择典型色差数据集中的BFD数据组作为测试数据组，绘制视觉色差和色差公式计算色差的散点分布图，分别用线性方程和幂指数方程拟合视觉色差和色差公式计算值的散点图。得到视觉色差和计算色差间的关系，与Stevens′幂指数方程描述的物理刺激与心理物理感受度间的关系较为一致。综合考虑不同色差大小分布，不同材质和不同目视方法的16个色差数据组，对不同色差公式进行幂指数方程a，b常数的优化。通过用F检验的方法对色差公式优化前后的效果进行显著性分析，结果表明对于上述16个色差数据组，优化后的色差公式在检测不同色差等级样本时，较原始色差公式的性能有所改善，特别在阈值色差范围较原始色差公式有显著性的改善。一定程度上解决了一直困扰科学界和工业界难以准确评价阈值小色差的难题。

Claims (7)

1.一种不同色差等级彩色样品的色差评价及计算方法，包括如下步骤：

（1）选取BFD数据组，该数据组包括2776对样本对，平均CIELAB色差大小为3.0，最大CIELAB色差为18.2；

（2）绘制BFD数据组中样本对的视觉色差值ΔV和CIELAB色差计算值的散点分布图；

（3）对散点分布图分别进行线性拟合和Stevens′幂指数方程S=aI^b拟合，比较不同方法拟合的差异；

（4）选取与人眼视觉相关性一致性较高的幂指数方程对不同色差公式进行幂指数方程的优化，一方面通过a值调节计算色差，使优化后的计算色差值与视觉色差具有相同的色差大小等级，另一方面通过b值调节计算色差，使优化后的计算色差值与视觉色差的线性相关性达到最佳；

（5）另外选择15个色差数据组，用优化后的色差公式计算不同色差等级数据组的色差值，及计算色差值与视觉色差的STRESS值；

（6）用F检验的方法评价优化前后色差公式的表现，分别计算原始色差公式、优化后的色差公式与视觉色差值的线性相关性，用F评价因子表示F检验的结果；

（7）综合考虑优化后的结果对16个色差数据组的影响，最大程度保证优化后的色差公式较原始公式有显著改善，得到不同色差公式最终的a，b值，建立适用于不同的色差公式用于评价不同色差等级的彩色样品色差的计算方法。

2.如权利要求1所述的不同色差等级彩色样品的色差评价及计算方法，其特征在于：所述的样本对包括羊毛织物样本、纸质样本、油漆样本和基于显示器的自发光颜色样本。

3.如权利要求1所述的不同色差等级彩色样品的色差评价及计算方法，其特征在于：所述的BFD数据组的2776对样本对划分为8个色差等级，样本对的CIELAB色差等级分布比例为：

4.如权利要求1所述的不同色差等级彩色样品的色差评价及计算方法，其特征在于：所述的不同的色差公式包括CIELAB、CIED2000、CIE94、CMC、CAM02-LCD、CAM02-SCD、CAM02-UCS、DIN99d、OSA和OSA-Gp-Eu色差公式。

5.如权利要求1所述的不同色差等级彩色样品的色差评价及计算方法，其特征在于：所述的15个色差数据组为：BIGC-TS17、BIGC-TM05、BIGC-TS05、BIGC-TG05、Wang、BIGC-SS17、RIT-DuPont、Leeds、WITT、OSA、Munsell、A&P、GUAN、ZHU和BADU-P色差数据组。

6.如权利要求1所述的不同色差等级彩色样品的色差评价及计算方法，其特征在于：所述的F评价因子为

其中，STRESS_A为优化后的色差公式的计算色差值与视觉色差值的STRESS值，STRESS_B为原始色差公式的计算色差值与视觉色差值的STRESS值。

7.如权利要求4所述的不同色差等级彩色样品的色差评价及计算方法，其特征在于：对不同的色差公式进行幂指数方程a，b常数的优化后，不同色差公式的Stevens’幂指数方程中的a，b常数如下：

Images