CN103862858B - 一种多色打印印刷系统光谱分色方法 - Google Patents

Abstract

一种多色打印印刷系统光谱分色方法，包括对多色打印印刷系统进行子模型拆分，逐个判断待分色光谱是否在某子模型色域内部，组成样本集P；将P中各子模型进一步拆分为若干超型细胞及小型细胞，其中超型细胞皆由一定数量的小型细胞组成；逐个判断待分色光谱是否在某超型内部，组成样本集C；以光谱误差为评价度量，从C中超型细胞所包含的所有小细胞中选择p个最优小细胞，并在各小细胞中以Φ为评价度量进行光谱分色，并将具有最优Φ精度的分色墨量值作为最终分色墨量值，完成分色。本发明在保证多色打印印刷系统分色精度的同时，显著提高了分色效率及度量切换灵活性，且实施方便，在高保真色彩复制领域具有较高适用性。

Description

一种多色打印印刷系统光谱分色方法

技术领域

本发明属于多色打印印刷色彩复制技术领域，具体涉及一种以分色区间快速确定及分步式混合度量优化为手段的细胞分区YNSN模型光谱分色方法。

背景技术

多色打印印刷色彩复制技术具有复制色域范围宽广、复制品技术层次丰富以及细节清晰等优势，是目前影像复制领域的主流技术。然而，受多色打印印刷系统本身基色数较多的影响，目前对其系统进行整体建模仍存在采样压力巨大，建模效率较低等问题。此外，考虑到油墨、墨水等着色剂以及承印材料所固有的理化属性，过多种类及过大墨量的多色叠印也往往会造成叠印色彩稳定性较差以及叠印墨量过量等问题。目前业界解决此类问题的主要方法是对多色打印印刷系统进行拆分建模，该方法的核心思想是将一个多色打印印刷系统拆分为若干个三色或四色子系统模型，通过子系统建模的方式实现多色打印印刷系统的整体建模。此种方法既可以提高系统建模效率，同时也一定程度上避免了墨量超限、叠印色彩稳定性差等问题。

打印印刷系统拆分后，对于每个子系统模型的分色过程一般包括正向光谱预测建模和反向光谱分色建模。其中，从打印印刷墨量信息到输出色彩光谱信息之间的映射模型，称为正向光谱预测模型；其对应反向映射模型，即从待输出光谱反射率信息到原始打印印刷系统墨量控制值的反向映射模型则称为反向光谱分色模型。在正向建模方面，细胞分区形式的尤尔-尼尔森修正的光谱涅格伯格模型（Yule-NielsenSpectralNeugebauerModel，简称YNSN模型）是目前光谱预测领域精度最为理想的模型之一。该模型通过增加采样节点数的方法增加涅格伯尔基色数量，进而提高YNSN模型中非线性插值预测的精度。

细胞分区建模的优势在于可以通过采样数量的增加提高正反向预测模型的精度。然而，在反向分色方面，细胞分区方式也在一定程度上提高了分色模型构建的难度。其中，从大量细胞区域中选择最优细胞进行光谱分色，是该过程最为耗时的问题。另外，在整个反向分色过程中，目前工业界主要采用单一度量作为评价标准进行分色。鉴于不同色彩评价度量之间存在非线性，过分强调某类度量的分色效果往往会造成其他色彩匹配层面的色彩失真。为此，近几年学术界提出了混合度量的概念，实现了不同角度色彩复制精度的提高。然而，由于混合度量权重的确定难以预先估计，故此种方法仅能通过多次分色寻优的方法来确定权重，实施较为复杂。对于以上问题，目前学术界及工业界中皆尚未提出相应解决方法，以同时实现细胞分区YNSN模型反向分色过程效率的提升以及分色综合性精度的提高。

发明内容

本发明的目的是为了解决背景技术中所述问题，提出一种多色打印印刷系统光谱分色方法。

本发明的技术方案为一种多色打印印刷系统光谱分色方法，具体包括以下步骤：

步骤1，对多色打印印刷系统进行子模型拆分，设拆分成W个墨色数量为m的子模型P1，P2…PW；

步骤2，利用inhull算法，逐个判断待分色光谱是否在某子模型色域内部；

步骤3，设步骤2所得色域包含待分色光谱的子模型共有T个，分别记为P1，P2…PT，当1≤T≤W，这T个子模型组成样本集P，当T=0，则将P强制定义为包含所有子模型P1，P2…PW的集合，且令T=W；

步骤4，对于P中各个子模型，分别按照以下子步骤逐一进行光谱分色，

步骤4.1，对子模型进行细胞分区采样，包括对该子模型的各墨色进行N级采样，采样点总数X共为N^m个，得到（N—1）^m个小型细胞；测量获取各采样点光谱反射率信息；

步骤4.2，对该子模型将各墨色以Y级进行采样，得到Y^m个超型细胞采样点，并得到（Y－1）^m个超型细胞；

步骤4.3，利用主成分三维降维以及凸包色域表征方法对Y^m个超型细胞采样点所构成的各个超型细胞的色域进行构建，并利用inhull算法对待分色光谱是否处于各个超型细胞色域内部进行判断；

步骤4.4，设步骤4.4所得色域包含待分色光谱的超型细胞共有S个，分别记为C1，C2….CS，当1≤S≤（Y－1）^m，这S个超型细胞组成样本集C；当S=0，则将C强制定义为包含步骤4.2所得所有超型细胞的集合，且令S=（Y－1）^m；

步骤4.5，利用YNSN模型求解各小型细胞中点光谱值；

步骤4.6，将待分色光谱与样本集C中超型细胞所包含的所有小型细胞的中点光谱进行光谱误差RMS求解；

步骤4.7，以光谱误差RMS最小化为依据，从样本集C中超型细胞所包含的所有小型细胞中选择p个小型细胞作为目标小型细胞；

步骤4.8，以预设度量Φ最小化为依据，对p个目标小型细胞进行逐一反向分色，反向分色所得墨量值为小型细胞内相对墨量值，通过线性插值方法求得对于实际分色墨量值，如下公式所示；

c_submodel＝c_{smallcellcolorseparated}/N+c_{smallcelllower}

其中c_submodel为实际分色墨量值，c_{smallcellcolorseparated}为小型细胞反向分色后所得的墨量值，c_{smallcelllower}表示小型细胞各墨色端点的最小值；

步骤4.9，将步骤4.8所得的实际分色墨量值分别代入各对应小型细胞并利用YNSN模型进行正向预测，得到正向预测光谱，进而以Φ为评价度量，比较各目标小型细胞分色精度，并将最优精度的小型细胞对应分色墨量值作为该子模型的分色墨量值；

步骤5，根据步骤4所得T个子模型的分色墨量值及其对应光谱，以Φ为评价度量，比较T个子模型的分色精度，并将具有最优Φ精度的分色墨量值作为最终分色墨量值，完成分色。

而且，m的值取为3或4。

本发明通过色域的逐级划分与动态判断，在保证最优分色区域搜寻精度的前提下，显著提高了搜寻速度，进而实现了整体分色效率的提升。通过采用分步混合度量最小化控制方法，以光谱误差为度量控制前期分色步骤，将分色最优解的范围进行准确锁定，显著避免同色异谱问题。在此基础上，结合具体分色复制意图，以特定度量控制最终小型细胞分色步骤，实现不同角度色彩精度的兼顾及灵活切换。本发明方法在建模效率与模型精度方面均明显优于现有方法，从而可以促进打印印刷系统更高效准确的发挥其色彩复制的能力，进而满足高保真彩色复制的需求。由于本发明技术方案具有重要应用意义，受到多个项目支持：1.国家自然基金项目61275172，2.国家文物局文物保护领域科学和技术研究一般课题2013-YB-HT-034，3.国家973基础研究子项目2012CB725302。对本发明技术方案进行保护，将对我国相关行业竞争国际领先地位具有重要意义。

附图说明

图1为本发明系统整体分色流程图。

图2为本发明子模型分色流程图

具体实施方式

本发明技术方案具体实施时可由本领域技术人员采用计算机软件技术实现自动运行。结合附图，提供本发明实施例具体描述如下。

如图1、图2所示，实施例提供的一种多色打印印刷系统光谱分色方法，采用一台佳能IPF5100型17英寸十二色打印机选取其中CMYKRGB七色，配合某品牌高光相纸，在保证多色打印印刷系统分色精度的同时，显著提高了分色效率及度量切换灵活性。其中CMYKRGB分别是青（Cyan）、洋红或品红（Magenta）、黄（Yellow）、黑（Black）、红（Red）、绿（Green）和蓝（Blue）七种颜色的简写。需要说明的是，本发明并不局限于特定打印机及特定纸张类型，对于其他类型打印机以及其他类型纸张介质同样适用。

实施例包括以下步骤：

1)对多色打印印刷系统进行子模型拆分，将原系统拆分成W个墨色数量为m的子模型P1，P2…PW。一般m的值可取为3或4。

实施例中W取值为5,m取值为4，拆分所得5个4色子模型为CMYK,CYRG,CMRB,MYKR以及CYGB。

2)利用计算机图形学领域inhull算法，逐个判断待分色光谱是否在某子模型色域内部。inhull算法为现有技术，可参见：

http://www.mathworks.com/matlabcentral/fileexchange/10226-inhull

3)设2)所得色域包含待分色光谱的子模型共有T个，分别记为P1，P2…PT，当1≤T≤W，将这T个子模型组成样本集P，若待分色光谱不在任何子模型内，即T=0，P为空集，则将P强制定义为包含各子模型的集合（此时令T=W）；

实施例中T=5。

4)对于P中各个子模型，如图2所示，分别按照以下步骤逐一进行光谱分色，得到相应的分色结果墨量值及其对应光谱：

4.1）打印印刷系统m色子模型细胞分区采样，对该m色子模型的各个墨色进行N级采样，采样总数X为N^m个，即实现X级全局均匀采样，得到（N—1）^m个小型细胞。打印测量获取各采样点光谱反射率信息。在此过程中，打印印刷系统、打印印刷介质、测量系统等皆处于稳定条件。

实施例中N取值为5，采样点取值为0,25,50,75,100，m取值为4，打印印刷系统CMYK四色子模型细胞分区采样：对该4色子模型的各墨色进行0,25,50,75,100这5级采样，采样总数共为5⁴=625个，得到256个小型细胞。

4.2）子模型超型细胞划分：从小型细胞各节点中选取特定节点，进行子模型色空间超型细胞划分（Y级采样），令各超型细胞皆包含特定数量的小型细胞。在此步骤中，将各墨色以Y级进行采样至此，可得Y^m个超型细胞采样点，并可得（Y－1）^m个超型细胞。各维度Y级采样后所得的Y^m个采样点可直接从X级全局均匀采样的N^m个采样点中挑选而得，无需重复打印印刷测量，仅需从上步中挑出对应的Y级样本点即可。

实施例中取Y=3，从小型细胞各节点中选取0,50,100节点，进行子模型色空间超型细胞划分（3级采样），令各超型细胞皆包含4个小型细胞。在此步骤中，即无需重复打印印刷测量，仅需从上步中挑出对应的0,50,100为间隔的3级样本点即可。可得Y^m=81个超型细胞采样点和（Y－1）^m=16个超型细胞。实施例中，小型细胞是2*2*2*2=16个节点组成的，超型细胞是3*3*3*3=81个节点组成的。

4.3）利用主成分三维降维以及凸包色域表征方法对Y^m个超型细胞采样点所构成的各个超型细胞的色域进行构建，并利用inhull算法对待分色光谱是否处于各个超型细胞色域内部进行判断。

实施例利用主成分三维降维以及凸包色域表征方法对81个节点所构成的16个超型细胞色域进行构建，包括对光谱数据集进行主成分分析，选取前三个主成分构建主成分空间，进而实现光谱空间的降维处理；并利用计算机图形学领域inhull算法对待分色光谱是否处于各个超型细胞色域内部进行判断。主成分三维降维以及凸包色域表征方法为现有技术，本发明不予赘述。

4.4）设4.3）所得色域包含待分色光谱的超型细胞有S个，将色域包含待分色光谱的S个超型细胞组成样本集C（C1，C2..CS）(1≤S≤（Y－1）^m)。若待复制光谱不在任何超型细胞内，即S=0，则强制定义C为包含4.2）所得所有超型细胞的集合，且令S=（Y－1）^m。

实施例将色域包含待分色光谱的S个超型细胞组成样本集C（C1，C2…CS）(S≤16)。若待复制光谱不在任何超型细胞内，即S=0，则此时强制定义C为包含各超型细胞的集合（即S=16）。

4.5）利用YNSN模型求解各小型细胞中点光谱值。具体实施时，可以一次性求解所有（N—1）^m个小型细胞分别的中点光谱值，以备使用。中点指小细胞各个维度的端点的中值。例如在青色维度上，某小型细胞的16个节点中，八个点的墨量值是25，八个点的墨量值是50，则青色维度的中点值就是37.5，另外三色维度以此类推。

4.6）将待分色光谱与样本集C中超型细胞所包含的所有小型细胞的中点光谱进行光谱误差RMS求解，即求取这两个光谱向量的均方根。

4.7）以光谱误差RMS最小化为依据，从样本集C中超型细胞所包含的所有小型细胞中选择p个小型细胞作为目标小型细胞。

实施例中p取值为3。

4.8）对p个目标小型细胞进行逐一分色。在此分色过程中，以预设度量Φ最小化为依据，对p个目标小型细胞进行反向分色，以实现分色复制过程中光谱精度与其它色彩精度的平衡，提高分色的整体精度。在此过程中，反向分色所得墨量值为小型细胞内相对墨量值，其取值为[0,1]（若百分比形式则为[0,100]）。对于实际分色墨量值，需通过线性插值方法求得，如下公式所示。其中c_submodel为实际分色墨量值(百分比形式)，c_{smallcellcolorseparated}为小型细胞反向分色后所得的墨量值（百分比形式），c_{smallcelllower}表示小型细胞各墨色端点的最小值。

c_submodel＝c_{smallcellcolorseparated}/N+c_{smallcelllower}

具体实施时，本发明技术人员可自行设定度量Φ。实施例中，Φ选用D65/2°条件下的色差CIEDE2000。对4.7）所得3个目标小型细胞进行逐一光谱分色。但在小型细胞分色过程中，以D65/2°条件下CIEDE2000最小化为依据，代替光谱误差RMS最小化对3个目标小型细胞进行反向分色，以实现在特定光源下颜色在视觉匹配角度更为准确的再现。

4.9)待p个目标小型细胞分色运算完成后，将所得的实际分色墨量值分别代入各对应小型细胞并利用YNSN模型进行正向预测，得到正向预测光谱，进而以Φ为评价度量，比较各目标小型细胞分色精度，并将最优精度的小型细胞对应分色墨量值作为该子模型的分色墨量值。

实施例待3个目标小型细胞分色运算完成后，将所得的实际分色墨量值分别代入各对应小型细胞并利用YNSN模型进行正向预测，得到正向预测光谱，进而以D65/2°条件下的CIEDE2000为评价度量，比较各目标小型细胞分色精度，并将最优精度的小型细胞对应分色墨量值作为该子模型的分色墨量值。

5)根据步骤4）对T个子模型分别执行光谱分色流程所得T组分色墨量值及其对应光谱。以Φ为评价度量，比较T组结果的分色精度，并将具有最优Φ精度的分色墨量值作为最终分色墨量值，完成分色。

实施例以D65/2°条件下的CIEDE2000为评价度量，比较5组结果的分色精度，并将具有最优D65/2°条件下CIEDE2000精度的分色墨量值作为最终分色墨量值，完成分色。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (2)

1.一种多色打印印刷系统光谱分色方法，其特征在于，包括以下步骤：

步骤1，对多色打印印刷系统进行子模型拆分，设拆分成W个墨色数量为m的子模型P1，P2…PW；

步骤2，利用inhull算法，逐个判断待分色光谱是否在某子模型色域内部；

步骤3，设步骤2所得色域包含待分色光谱的子模型共有T个，分别记为P1，P2…PT，当1≤T≤W，这T个子模型组成样本集P，当T＝0，则将P强制定义为包含所有子模型P1，P2…PW的集合，且令T＝W；

步骤4，对于P中各个子模型，分别按照以下子步骤逐一进行光谱分色，

步骤4.1，对子模型进行细胞分区采样，包括对该子模型的各墨色进行N级采样，采样点总数X共为N^m个，得到(N—1)^m个小型细胞；测量获取各采样点光谱反射率信息；

步骤4.2，对该子模型将各墨色以Y级进行采样，得到Y^m个超型细胞采样点，并得到(Y－1)^m个超型细胞；

步骤4.3，利用主成分三维降维以及凸包色域表征方法对Y^m个超型细胞采样点所构成的各个超型细胞的色域进行构建，并利用inhull算法对待分色光谱是否处于各个超型细胞色域内部进行判断；

步骤4.4，设步骤4.3所得色域包含待分色光谱的超型细胞共有S个，分别记为C1，C2…CS，当1≤S≤(Y－1)^m，这S个超型细胞组成样本集C；当S＝0，则将C强制定义为包含步骤4.2所得所有超型细胞的集合，且令S＝(Y－1)^m；

步骤4.5，利用YNSN模型求解各小型细胞中点光谱值；

步骤4.6，将待分色光谱与样本集C中超型细胞所包含的所有小型细胞的中点光谱进行光谱误差RMS求解；

步骤4.7，以光谱误差RMS最小化为依据，从样本集C中超型细胞所包含的所有小型细胞中选择p个小型细胞作为目标小型细胞；

步骤4.8，以预设度量Φ最小化为依据，对p个目标小型细胞进行逐一反向分色，所述Φ选用D65/2°条件下的色差CIEDE2000，反向分色所得墨量值为小型细胞内相对墨量值，通过线性插值方法求得实际分色墨量值，如下公式所示：

c_submodel＝c_{smallcellcolorseparated}/N+c_{smallcelllower}

其中c_submodel为实际分色墨量值，c_{smallcellcolorseparated}为小型细胞反向分色后所得的墨量值，c_{smallcelllower}表示小型细胞各墨色端点的最小值；

步骤4.9，将步骤4.8所得的实际分色墨量值分别代入各对应小型细胞并利用YNSN模型进行正向预测，得到正向预测光谱，进而以Φ为评价度量，比较各目标小型细胞分色精度，并将最优精度的小型细胞对应分色墨量值作为该子模型的分色墨量值；

步骤5，根据步骤4所得T个子模型的分色墨量值及其对应光谱，以Φ为评价度量，比较T个子模型的分色精度，并将具有最优Φ精度的分色墨量值作为最终分色墨量值，完成分色。

2.根据权利要求1所述多色打印印刷系统光谱分色方法，其特征在于：m的值取为3或4。