CN106504241A - 一种自动对色装置和方法 - Google Patents

Abstract

本发明公开了一种自动对色装置和方法，该装置包括箱体，箱体内侧设置有摄像机和光源，箱体内侧底部放置样品或模板，摄像机的输出端连接有用于计算样品或模板颜色并判断样品颜色是否符合要求的处理器，处理器的输出端连接有用于控制光源开或关的控制器。本发明结合图像处理功能，用机器视觉代替人工观察，为自动化生产创造了条件。

Description

一种自动对色装置和方法

技术领域

本发明属于图像处理领域，具体涉及一种自动对色装置和方法。

背景技术

在印刷、纺织等生产过程中，为了保证颜色的一致性，每次生产之前需要对当前所使用的颜色与前次使用的颜色(模板颜色)进行打样(样品)对比，以保证两次生产的颜色一致，如果不一致，则需要调整当前使用的颜色。

目前使用的颜色对比方法主要是将标准产品(模板)和样品放入对色灯箱中以人眼观测为主，即将本次生产的产品与前次生产的产品放入对色灯箱中，在不同的光源下观察颜色的异同并提出调整意见。观察角度为90度光源、45度视线。对色灯箱通常是一个巨型的箱体，上部安装有几种光源，光源由开关控制。对色灯箱通常是多种光源的组合体，这些光源必须是国际大型机构认可的，如沃尔玛、玛莎认可的商店灯光等，如：D65(D50)国际标准人工日光(Artificial Daylight)，色温：6500K(5000K)；TL84(TL83)欧洲、日本、中国商店光源，色温：4000K；CWF冷白色荧光(Cool White Fluorescent)，色温：4150K；UV紫外灯光源(Ultra-Violet)，波长：365nm；TL83美国暖白商店光源(Warm White Fluorescent)，色温：3000K；U30(U35荧光)美国暖白商店光源(Warm White Fluorescent)，色温：3000K(3500K)；A卤钨灯(居家照明)，色温：2856K；F家庭酒店用灯、比色参考光源，色温：2700K。标准光源对色灯箱广泛应用于各行各业的目测评定、配色打样、鉴别色差、荧光物质等颜色管理领域。

此外，还有分光光度法、透射密度法等方法进行颜色对比，这些方法主要是利用光的分解原理，通过光电转换和信号处理与计算，测量出物体的颜色值，比较两次测量物体的颜色值来判定颜色差异。

对色技术还广泛应用于塑胶、油漆、油墨、颜料、包装、陶瓷、皮革、化妆品等行业。

目前常用的对色装置主要有以下三种：应用标准对色灯箱：在标准对色灯箱的对应光源下人眼观测颜色的一致性；应用改进的对色灯箱：标准对色灯箱的改进型是添加光源开关控制时间、光源开关时间、轮换方式等；应用色度仪：使用色度仪又称为便携式色差计、色彩分析仪、色彩色差计。色度仪是一种简单的颜色偏差测试仪器，即制作一块模拟与人眼感色灵敏度相当的分光特性的滤光片，用它对样品进行测光，关键是设计这种感光器的分光灵敏度特性，并能在某种光源下通过电脑软件测定并显示出色差值。

针对这几种方式，广大科技工作者进行了广泛的研究工作：翟保京,王贤瑞对对色光源进行了深入分析；赵雪、展义臻分析了光照对活性染料染色织物测色对色的影响；钱洪海发明了一种印刷颜色差别装置；楚高利、成刚虎对色彩管理技术在数码打样中的应用进行了研究。对色技术的主要理论根据是色彩(颜色)学、色彩(颜色)管理、色彩(颜色)匹配。基于色彩学的色彩匹配算法的目的是计算标准颜色与样品颜色差别、进而实现颜色管理，最终实现自动配色。

在实现对色、配色的过程中，除了考虑光的因素之外，描述方法也是一种因素。计算机中表示色彩采用的是RGB颜色空间，而人眼观察到的是亮度、色度、饱和度，即Lab颜色空间更适合人眼的观察，因此，为了与人眼的观察一致，需要将RGB颜色空间转换到Lab颜色空间，对此，巩亚萍、高军研究了一种利用四面体插值技术和三维查找表技术的RGB到L^*a^*b^*转换新方法；古晶在RGB到Lab颜色空间转换中对三维查找表插值法、多项式回归法、色差算法进行了分析；章惠对色彩空间转换的理论和实证研究进行了分析；杨振亚、王勇、杨振东等对RGB颜色空间的矢量-角度距离色差公式开展研究；薛文博对基于GRNN的RGB到L^*a^*b^*色彩空间的转换建立了新的模型；高军、范增华对基于神经网络的L^*a^*b^*－CMYK色彩空间转换算法进行了研究；周袆、曹从军对基于数码打样CMYK到L^*a^*b^*色彩空间转换方法进行了研究；巩亚萍、高军对印刷品检测过程中的色彩空间转换进行了研究；缪晓丽、唐正宁对印刷品质量检测过程中的色空间转换方法进行了研究；汤慧梅，赵跃进对分数阶微分的CIE L*a*b*颜色空间边缘检测方法进行了研究。

在对色、配色过程中，一般用色差描述颜色差别，很多人对如何计算色差进行了研究。顿绍坤、魏海平、孙明柱提出一种RGB颜色空间新的色差公式；郑元林、杨淑蕙、周世生等对CMC(1:c)、CIE94和CIEDE2000色差公式进行了对比研究；杨振亚、王勇、杨振东等提出一种新的RGB色差度量公式；王英、刘好学对基于色差公式的印刷图像色差评价方法进行了研究；郭娟娟、赵秀萍对三种不同色差公式加权系数和可接受阈值进行了研究。

生产过程中的打样、对色过程基本上是把标准色和样张放在标准光源下，通过人眼观侧或基于光分原理的仪器下，检测颜色的差别，这样的对色方法存在以下几种缺陷：

1、人眼观察分析颜色的方法缺少客观性，结果与操作人员的技术水平、责任心、心情等有很大关系；

2、人眼观察只能给出颜色识别定性(颜色深、浅等)的描述，无法给出定量的色差描述；

3、现有的对色灯箱只是提供了一个观察颜色的标准光源，不具备颜色是否一致的判定功能；

4、分光法是按照光谱进行判别，适用于点状、线状对比，对于面状对比相对比较复杂；

5、分光法色差计算算法相对单一，按照光谱计算；

6、不具备标准和样品的保存功能。颜料长时间暴露在空气中时会发生也难怪颜色蜕变，这样很难保证以前生产色产品与当前产品颜色的一致性。

综上所述，虽然广大科技工作者对对色方法进行了深入研究，但均局限于对色中的部分技术，没有完整的新方法应用于生产中。即使应用广泛的对色仪，也无法完整保存标准和样品的形状及在各种光源下的颜色值。

发明内容

本发明的目的在于提供一种自动对色装置和方法，以克服现有技术中的问题，本发明结合图像处理功能，用机器视觉代替人工观察，为自动化生产创造了条件。

为达到上述目的，本发明采用如下技术方案：

一种自动对色装置，包括箱体，箱体内侧设置有摄像机和光源，箱体内侧底部放置样品或模板，摄像机的输出端连接有用于计算样品或模板颜色并判断样品颜色是否符合要求的处理器，处理器的输出端连接有用于控制光源开或关的控制器。

进一步地，所述箱体内部涂有吸光材料。

进一步地，处理器的输出端还连接有用于输入参数、显示样品或模板图像以及显示处理器数据的交互与显示装置。

进一步地，控制器上还连接有报警器。

一种自动对色装置的自动对色方法，包括以下步骤：

(1)设置光源；

(2)通过摄像机采集模板图像和样品图像；

(3)将模板图像和样品图像进行预处理及图像格式转换；

(4)计算模板图像和样品图像的颜色差别；

(5)对色结果分析与显示。

进一步地，步骤(3)中预处理包括将模板图像和样品图像按照位置或者按照区域进行分割；

其中将模板图像和样品图像按照位置分割具体为：将模板图像和样品图像从背景图中提取出来，然后归一化为大小相同、方向和位置一致的图像；

将模板图像和样品图像按照区域分割具体为：按照颜色划分出模板图像和样品图像中各种颜色的区域，不同区域代表不同颜色。

进一步地，按照位置分割具体为：

设采集的模板图像是彩色图像f(R,G,b)，大小为：M*N，M表示行，N表示列，首先将其转换为灰度图像f(x,y)，转换公式为：

f(x,y)＝0.11R+0.59G+0.3B (式1)

模板图像按行投影结果为：

模板图像按列投影结果为：

模板图像的区域由式2和式3得到：

y₀＝max(g(y))

y₁＝max(g(y))

x₀＝max(g(x))

x₁＝max(g(x))

以(x₀,y₀),(x₀,y₁),(x₁,y₀),(x₁,y₁)为四个顶点构成的四边形即为模板图像的大小，在这个范围内根据模板图像的点、线相对位置确定模板图像是否需要进行旋转变换，若变换的角度α，按照式4进行旋转变换，即得到变换后的模板图像f_m(x,y)；

对于样品图像用上述方法同样得到以(x₀',y₀'),(x₀',y₁'),(x₁',y₀'),(x₁',y₁')为四个顶点构成的四边形，在这个范围内根据样品图像的点、线相对位置确定样品图像是否需要进行旋转变换，若变换的角度β，按照式5进行旋转变换，即得到变换后的样品图像f_y(x,y)；

以模板图像的位置和大小作为参考位置和大小，能够计算出样品图像相对于模板图像的偏移量Δx、Δy以及缩放系数k，根据式6和式7即实现模板图像和样品图像的归一化，即得到归一化后的样品图像f_y(x,y)；

1)旋转变换：

模板图像的旋转变换：

样品图像的旋转变换：

2)平移变换：

样品图像相对模板图像的平移：

3)缩放变换：

样品图像相对模板图像的缩放：

经过变换后样品图像和模板图像的位置和大小完全相同。

进一步地，按照区域对色中按照颜色划分出模板图像和样品图像中各种颜色的区域包括区域分割方法和聚类方法；

其中区域分割方法具体为：

(1)对于灰度图像，根据灰度图像的边缘检测算法提取各个区域的边缘，然后进行区域分割；

(2)对于彩色图像，根据彩色图像的亮度信息和色度信息的融合提取各种颜色的边缘，再根据边缘划分各颜色区域；

其中，根据彩色图像的亮度信息和色度信息的融合提取各种颜色的边缘具体步骤为：

1)根据式9将CIERGB颜色空间转换到CIEL^*a^*b^*颜色空间；

2)在L^*分量上计算方向梯度，取8个方向梯度的最大值作为该点的分数梯度，并记录该点的方向信息；

3)对L^*分量进行非极大值抑制；

4)采用最大类间方差法计算L^*分量分数梯度阈值，将该阈值乘以一个系数作为L^*分量分数梯度的高阈值，用高阈值在L^*分量上提取亮度边缘；

5)在a^*、b^*分量上计算方向梯度，确定中心点梯度，将a^*、b^*分量的分数阶梯度作比较，选取两分量中梯度较大者作为该点最后的色度梯度，并记录较大梯度所在分量的方向信息；

6)对色度梯度大于指定阈值的点进行非极大值抑制，符合极大值条件的点确定为色度边缘点；

7)将色度边缘与亮度边缘相叠加；

8)将高阈值乘一个系数得到低阈值，将步骤7)中得到的边缘进行8邻域低阈值边缘连接，即若高于低阈值且低于高阈值的像素点A与步骤7)提取到的边缘邻接，则将A点判为边缘点；

聚类方法具体为：

1)随机确定初始聚类中心(c₀,c₁,...,c_k-1)，初始聚类中心的个数为k；

2)计算每个样本x_i到各聚类中心的距离，选取距离样本x_i最近的聚类中心c_v作为x_i的类；

3)移动c_v到其标明的聚类的中心；

4)计算偏差d；

5)若d值收敛，则得到聚类中心(c₀,c₁,...,c_k-1)同时终止算法，若d值不收敛，则返回步骤2)。

进一步地，步骤(3)中图像格式转换具体为：将图像由CIERGB颜色空间转换CIEL^*a^*b^*颜色空间；

1)CIERGB转换为CIEXYZ

设r、g、b为CIERGB颜色空间中颜色点的R、G、B分量对应的数值，X、Y、Z为CIEXYZ颜色空间中各分量的值；

2)CIEXYZ转换为CIEL^*a^*b^*

L*＝116f(Y/Y_n)-16

a*＝500[f(X/X_n)-f(Y/Y_n)]

b*＝200[f(Y/Y_n)-f(Z/Z_n)]

其中

其中，X_n、Y_n和Z_n分别是CIE XYZ空间白点的三色刺激值，代表基准白色；

3)CIEL^*a^*b^*转换到CIELCH

CIELCH颜色模型采用了同CIEL^*a^*b^*一样的颜色空间，但它采用L表示明度值；C表示饱和度值，H表示色调角度值。

进一步地，步骤(4)中计算模板图像和样品图像的颜色差别具体包括：

1)CIEL^*a^*b^*容差

根据式9，同时计算出模板图像各点颜色的Lab数据 和样品图像的Lab数据 i＝0,1,2,...,S-1，S为颜色个数；j＝0,1,2,...,P_s-1，P_i为第i种颜色的像素个数，则由式12计算出各种颜色的亮度、颜色的差别ΔL_i,Δa_i,Δb_i；

计算出各种颜色的亮度、颜色的差别ΔL_i、Δa_i、Δb_i之后，根据它们的值得出对色结论：针对第i种颜色，如果ΔL_i大于0，表示样品图偏暗，如果ΔL_i小于0，表示样品图偏亮，如果ΔL_i等于0，表示样品图与模板图亮度相同；如果Δa_i大于0，表示样品图偏绿，如果Δa_i小于0，表示样品图偏红，如果Δa_i等于0，表示样品图与模板图红、绿色相同；如果Δb_i大于0，表示样品图偏蓝，如果Δb_i小于0，表示样品图偏黄，如果Δb_i等于0，表示样品图与模板图黄、蓝相色同；

2)CIELCH容差

根据式11，同时计算出模板图像各点颜色的LCH数据 和样品图像的LCH数据 i＝0,1,2,...,S-1，S为颜色个数；j＝0,1,2,...,P_s-1，P_i为第i种颜色的像素个数，则由式13计算出各种颜色的明度ΔL_i、饱和度ΔC_i、色调ΔH_i；

计算出各种颜色的明度ΔL_i、饱和度ΔC_i、色调ΔH_i之后，根据它们的值得出对色结论：针对第i种颜色，如果ΔL_i大于0，表示样品图偏深，如果ΔL_i小于0，表示样品图偏浅，如果ΔL_i等于0，表示样品图与模板图明度相同；如果ΔC_i大于0，表示样品图偏暗，如果ΔC_i小于0，表示样品图偏浅，如果ΔC_i等于0，表示样品图与模板图饱和度相同；如果ΔH_i大于0，表示样品图偏顺时针方向色调，如果ΔH_i小于0，表示样品图逆时针方向色调，如果ΔH_i等于0，表示样品图像与模板图像色调相同；

3)ΔE_i容差

根据式12计算出第i种颜色的亮度、颜色差值ΔL_i、Δa_i、Δb_i，i＝0,1,2,...,S-1，S为颜色个数，根据公式14计算出总容差；

ΔE_i代表总容差，ΔE_i越小，代表色差越小，反之色差越大；

计算出各种颜色的总容差ΔE_i之后，根据它们的值得出对色结论：针对第i种颜色，如果ΔE_i取值为0.0-0.5，表示样品图与模板图有微小色差；如果ΔE_i取值为0.1-1.5，表示样品图与模板图有小色差；如果ΔE_i取值为1.5-3.0，表示样品图与模板图有较小色差；如果ΔE_i取值为3.0-6.0，表示样品图与模板图有较大色差；如果ΔE_i取值为6.0以上，表示样品图与模板图有大色差。

与现有技术相比，本发明具有以下有益的技术效果：

本发明装置结合图像处理功能，用机器视觉代替人工观察，为自动化生产创造了条件，同时具有如下优点：克服人眼观察的主观性缺陷，使对色更具客观性；用高精度的定量描述代替对色中的定性描述，是数字印刷的发展方向；通过计算机图像保存，使得对色具有永久保存颜色不变的功能，克服样品保留时间长后颜色蜕变的缺陷；用机器视觉和图像处理技术代替人工观察，实现了对比自动化功能，通过给出的参考值，为调节颜色提供了依据；相对于分光式颜色对比，不再局限于点的颜色比较，具有整体比较功能；通过物联网可以将设计的产品图传递给对色装置，然后直接和样品进行比较，提供了在线设计与对色的可能；克服点、线颜色比较的不足，实现一幅图像同时对比若干颜色；该装置可广泛应用于各行各业的颜色对比中，应用范围广。

本发明方法用机器视觉代替人工观察，克服人眼观察的主观性缺陷，使对色更具客观性；用高精度的定量描述代替了对色中的定性描述，是数字印刷的发展方向；通过计算机图像保存，使得对色具有永久保存颜色不变的功能，克服模板保留时间长后颜色蜕变的缺陷；用机器视觉和图像处理技术代替人工观察，实现了对比自动化功能，通过给出的参考值，为调节颜色提供了依据；相对于分光式颜色对比，不再局限于点的颜色比较，具有整体比较功能；通过物联网可以将设计的产品图传递给对色装置，然后直接和样品进行比较，提供了在线设计与对色的可能；克服了点、线颜色比较的不足，实现一幅图像同时对比若干颜色；该装置可广泛应用于各行各业的颜色对比中，应用范围广。

附图说明

图1为本发明装置的结构示意图；

图2为本发明的原理图；

图3为本发明的颜色对比算法流程图；

图4为本发明的图像预处理算法流程图；

图5为本发明的区域对色与处理算法流程图；

图6为分数阶微分在CIELab颜色空间提取边缘算法流程图。

具体实施方式

下面结合附图对本发明作进一步详细描述：

本发明装置应用视觉检测、图像处理、智能分析原理，设计一套满足生产过程自动对色的系统，用自动对色替代人工对色。为了实现自动对色，应用摄像机、处理器、交互与显示装置、箱体、光源、控制器等组成全自动对色系统，如图1所示。

摄像机为光电转换装置，将模板和样品在光的作用下形成图象转换为电信号，并将电信号转换为图像的数字信号传输给处理器。

处理器为装置的数据处理单元，处理器接收摄像机的数据，然后应用图像处理技术、模式识别技术、机器视觉等保存、计算样品的各种颜色，显示、判断颜色是否符合要求，读出、查阅图像数据及相应的对色数据、光源类型。

交互与显示装置用来输入相关参数、显示当前检测样品(模板)图像，显示相关数据及状态，用作人、机交互。

控制器接收处理器的信号，控制、记录箱体中各种光源的开、关。

光源为多光源，用来保证产品能够清晰呈现。常用的标准光源包括D65(D50)国际标准人工日光(Artificial Daylight)；TL84(TL83)欧洲、日本、中国商店光源；CWF冷白色荧光(Cool White Fluorescent)；UV紫外灯光源(Ultra-Violet)；TL83美国暖白商店光源(Warm White Fluorescent)；U30(U35荧光)美国暖白商店光源(Warm WhiteFluorescent)；A卤钨灯(居家照明)；F家庭酒店用灯等。

箱体为矩形箱体，内部涂有吸光材料(如孟塞尔N7)，保证箱体内部无反光。

光源位于产品上部，摄像机位于产品上部(与光源成某种角度)，摄像机与处理器相连接，摄像机将待检测样品、标准图像输入到处理器，处理器经过一套检测算法处理，计算出当前样品与标准产品颜色色差，将色差图像和数据显示在显示器上，工人可通过观察显示器得知颜色是否正常，当处理器发现颜色差别比较大时，发出提示，同时显示标准颜色与样品颜色，供工人确定生产颜色并进行调整，原理如图2所示。

基于图像处理与视觉检测的颜色对比方法，是利用在相同的光照条件下，颜色的反射光(或照射光)所成图像的一致性，即相同颜色在图像中的值相同，不同颜色在图像中的值不同。这样，就将判别颜色的问题转换为判别数值大小的问题。根据色彩理论，世界上任何一种颜色都可以由R(红色)、G(绿色)、B(蓝色)三种基本色混合而得到，但RGB只代表的这三种颜色值的大小，无法准确描述颜色，或者说与人们常用的颜色描述方式不一致，人们描述所观察到的颜色时，一般在确定是某种颜色的情况下，会用深、浅，亮、暗等来进一步说明。因此，在颜色对比时，首先将表示颜色的图像数据由RGB颜色空间转换到Lab颜色空间，再在Lab颜色空间进行颜色比对，计算出比对结果呈现给观察者，再将比对图像结果转换到RGB颜色空间，显示给观察者，使观察者既可通过习惯的颜色描述方式得出对色结论，也可通过图像观察到样品与标准颜色的差异。

对色主要是实现已有模板(标准)颜色与当前生产产品(样品)颜色的对比(匹配)。首先读取存在计算机数据中的已有标准模板(或同时采集的模板)，由于采集的图像格式一般是RGB、YUV或其他常用格式，而比对常用Lab的图像格式，因次在对比前需要对原图像进行预处理和图像格式转换，然后再计算标准模板图像与当前采集的产品图像的颜色差别，再显示计算结果，供操作人员使用，算法流程如图3所示。

图像预处理算法

预处理算法包含图像数据处理中的常用算法，为后续算法提供依据，由于算法结构的不同，与处理算法分为两种。

1、按照位置对色

对于像印刷品这类产品的对色，它是在一张图中固定位置有固定颜色，可以考虑将模板图像与样品图像放在同等大小、方向的位置进行比较，检测不同位置的各种颜色是否相同，从而达到几种颜色同时对色的目的。图像预处理主要实现产品区域提取、产品位置确定、图像大小归一化等功能，流程如图4所示。

设采集的图像是彩色图像f(R,G,b)，大小为：M*N(M行，N列)，进行预处理前，首先将其转换为灰度图像f(x,y)转换公式为：

f(x,y)＝0.11R+0.59G+0.3B (式1)

图像按行投影结果为：

图像按列投影结果为：

如果图像位于中部，由式2和式3可以得到：

y₀＝min(g(y))

y₁＝max(g(y))

x₀＝min(g(x))

x₁＝max(g(x))

以(x₀,y₀),(x₀,y₁),(x₁,y₀),(x₁,y₁)为四个顶点构成的四边形即为模板图像的大小，在这个范围内可根据模板图像的点、线相对位置确定模板图是否需要进行旋转变换及变换的角度α，然后按照式4进行旋转变换，可得到变换后的模板图像f_m(x,y)。对于样品图像同样可得到以(x₀',y₀'),(x₀',y₁'),(x₁',y₀'),(x₁',y₁')为四个顶点构成的四边形，在这个范围内可根据样品图像的点、线相对位置确定样品图像是否需要进行旋转变换及变换的角度β，然后按照式5进行旋转变换，可得到变换后的样品图像f_y(x,y)。以模板图的位置和大小作为参考位置和大小，可以计算出样品图像相对于模板图像的偏移量Δx、Δy以及缩放系数k，根据式6和式7可实现模板图像和样品图像的归一化，即得到归一化后的的样品图像f_y(x,y)。

1)、旋转变换

模板图像的旋转变换：

样品图像的旋转变换：

2)、平移变换

样品图像相对模板图像的平移：

3)、缩放变换

样品图像相对模板图像的缩放：

在变换的过程中，可采用插值的算法。经过变换后模板图像和样品图像的位置、大小完全相同。

2、按照区域对色

对于像印染等生产的对色，在同一张图中会出现几种颜色，而各种颜色出现的位置不确定，考虑按照区域的方法进行对色，首先按照颜色划分出各种颜色的区域，在计算各区域内的颜色值，然后进行色差计算，显示标准图、样品图、比较结果图、比较结果数据，预处理算法如图5所示。

分析图像的颜色区域可以按照区域分割算法实现，比较成熟的图像分割方法有：直方图法、边缘检测、区域分割和聚类法等。

1)区域分割算法流程

区域分割的方法是用某种算法找到颜色边界，则在由边界划分的一个封闭区域即为一种颜色，图6是分数阶微分在CIELab颜色空间提取边缘算法流程图。

1)根据灰度图像的边缘检测算法提取各个区域的边缘，然后进行区域分割。

2)根据彩色图像的亮度信息和色度信息的融合来提取各种颜色的边缘，再根据边缘划分各颜色区域。算法首先按照权利要求8进行颜色空间转换，将CIERGB颜色空间转换到CIEL^*a^*b^*颜色空间。

彩色图像边缘提取具体步骤为：

1)根据式9将CIERGB颜色空间转换到CIEL^*a^*b^*颜色空间；

2)在L^*分量上计算方向梯度，取8个方向梯度的最大值作为该点的分数梯度，并记录该点的方向信息；

3)对L^*分量进行非极大值抑制；

4)采用最大类间方差法(Otsu)计算L^*分量分数梯度阈值，将该阈值乘以一个系数作为L^*分量分数梯度的高阈值。用高阈值在L^*分量上提取亮度边缘；

5)在a^*、b^*分量上计算方向梯度，确定中心点梯度，将a^*、b^*分量的分数阶梯度作比较，选取两分量中梯度较大者作为该点最后的色度梯度，并记录较大梯度所在分量的方向信息；

6)对色度梯度大于指定阈值的点进行非极大值抑制，符合极大值条件的点确定为色度边缘点；

7)将色度边缘与亮度边缘相叠加；

8)将高阈值值乘一个系数得到低阈值，将步骤7)中得到的边缘进行8邻域低阈值边缘连接，即若高于低阈值且低于高阈值的像素点A与步骤7)提取到的边缘邻接，则将A点判为边缘点。

2)聚类算法流程

聚类法在图像分割这一领域有着相当普遍的利用。聚类就是对一组数据进行分类，在分类的过程中会依照某种特定的评价标准，最后得到由具有尽可能大的相似性的对象组成的类或者簇，相对的，种类不相同的元素之间的差异会相当大。聚类就是尽最大可能集合具有相似性的对象到一起，让无相似性的对象尽可能的分开。

此算法的输入是聚类中心的数目k和包含n个样本的数据库，输出是使得平方误差准则最小的k个聚类中心。对n个样本进行聚类的具体过程如下：

(1)初始化：随机确定初始聚类中心(c₀,c₁,...,c_k-1)，初始聚类中心的个数为k；

(2)分配x_i：计算每个样本x_i到各聚类中心的距离，选取距离样本x_i最近的聚类中心c_v作为x_i的类；

(3)修正c_v：移动c_v到其标明的聚类的中心；

(4)计算偏差d；

(5)判断偏差d是否收敛：若d值收敛，则得到聚类中心(c₀,c₁,...,c_k-1)同时终止算法，若d值不收敛，则返回步骤(2)。

图像格式转换

将图像由CIERGB颜色空间转换CIEL^*a^*b^*(CIELab)颜色空间。

CIEL*a*b*颜色空间是一个颜色对立空间，L*代表亮度(lightness)，取值范围是0～100，a*和b*是依据CIE XYZ的非线性坐标压缩建立的两个颜色对立维度，a*正端代表红色，负端代表绿色；b*的正端代表黄色，负端代表蓝色，二者取值范围均为-128～127。

1)CIERGB转换为CIEXYZ

CIEXYZ是在CIERGB颜色空间的基础上，用数学方法，选用三个理想的原色来代替实际的三原色，从而将CIERGB空间中的光谱三刺激值和色度坐标r、g、b均变为正值。转换过程为：设r、g、b为CIERGB颜色空间中颜色点的R、G、B分量对应的数值，X、Y、Z为CIEXYZ颜色空间中各分量的值；

2)CIEXYZ转换为CIEL^*a^*b^*

L*＝116f(Y/Y_n)-16

a*＝500[f(X/X_n)-f(Y/Y_n)]

b*＝200[f(Y/Y_n)-f(Z/Z_n)]

其中

式中，X_n、Y_n和Z_n分别是CIE XYZ空间白点的三色刺激值，代表基准白色。

3)CIEL^*a^*b^*转换到CIELCH

CIELCH颜色模型采用了同CIEL^*a^*b^*一样的颜色空间，但它采用L表示明度值；C表示饱和度值，H表示色调角度值。

容差计算与结果

1、CIELab容差

根据式8、式9、式10，同时计算出模板图(m)各点颜色的Lab数据和样品图(d)的Lab数据i＝0,1,2,...,S-1，S为颜色个数；j＝0,1,2,...,P_s-1，P_i为第i种颜色的像素个数。可由式12计算出各种颜色的亮度、颜色的差别ΔL_i,Δa_i,Δb_i，结果如表1所示，

表1CIELab容差结果

名称	+	-	0
				ΔL	待检测图偏暗	待检测图偏暗	待检测图与模板图亮度相同
Δa	待检测图偏绿	待检测图偏红	待检测图与模板图红、绿色相同
				Δb	待检测图偏蓝	待检测图偏黄	待检测图与模板图黄、蓝色相同

2、CIELCH容差

根据式11，同时计算出模板图(m)各点颜色的LCH数据和样品图(d)的LCH数据i＝0,1,2,...,S-1，S为颜色个数；j＝0,1,2,...,P_s-1，P_i为第i种颜色的像素个数。可由式13计算出各种颜色的明度ΔL_i、饱和度ΔC_i、色调ΔH_i，结果如表2所示。

表2CIELCH容差结果

3、ΔE_i容差

根据公式12计算出第i种颜色的亮度、颜色差值ΔL_i、Δa_i、Δb_i，i＝0,1,2,...,S-1，S为颜色个数，根据式14计算出总容差。ΔE_i代表第i种颜色的总容差，i＝0,1,2,...,S-1，S为颜色个数，ΔE_i越小，代表第i种颜色的色差越小，反之色差越大。

计算出各种颜色的总容差ΔE_i之后，根据它们的值得出对色结论：针对第i种颜色，如果ΔE_i取值为0.0-0.5，表示样品图与模板图有微小色差；如果ΔE_i取值为0.1-1.5，表示样品图与模板图有小色差；如果ΔE_i取值为1.5-3.0，表示样品图与模板图有较小色差；如果ΔE_i取值为3.0-6.0，表示样品图与模板图有较大色差；如果ΔE_i取值为6.0以上，表示样品图与模板图有大色差。

针对不同颜色将上述结果以表格形式显示，供对色人员参考。为了更直观观察，可以计算出模板图与样品图的差值图并显示。设模板图为F(R_m,G_m,B_m)，样品图为F(R_d,G_d,B_d)，按照式14计算两幅图的差值图F(R,G,B)。

F(R,G,B)＝F(R_m-R_d+T,G_m-G_d+T,B_m-B_d+T) (式15)

为了能够清楚观察到对色结果图，在计算每个像素的三基色值之后增加亮度值T，(T＝0,1,2,...,255)，在RGB颜色空间显示对色结果图像，即可观察到两者之间的差别。

这样，可以通过观察亮度、颜色、饱和度和色调的数值及模板图像、样品图像的颜色差值图一起判定两种图的颜色差别。

本发明的自动对色装置是基于机器视觉、图像处理技术，利用摄像机在对应光源下采集标准图像和样品图像，存贮模板和样品图像，可以在任何时候展示模板图像和样品图像。具有分类查询、分产品查询功能。设计中采用光源自动控制的方式，可以通过界面任意选择光源。存储图像时同时记录光源类型，因此，在后续的对色过程中不需要再选光源。在每次采集需要进行颜色对比的样品图像，如果是初次样品则按照规律命名并保存该样品图，用作模板图以备查询。当生产时自动提取该图像图，与当前样品进行对比，经过算法分析后提出比较结论及调整方式。

本装置结合图像处理功能，用机器视觉代替人工观察，为自动化生产创造了条件，同时具有如下优点：

1)克服了人眼观察的主观性缺陷，使对色更具客观性；

2)用高精度的定量描述代替对色中的定性描述，是数字印刷的发展方向；

3)通过计算机图像保存，使得对色具有永久保存颜色不变的功能，克服样品保留时间长后颜色蜕变的缺陷；

4)用机器视觉和图像处理技术代替人工观察，实现了对比自动化功能，通过给出的参考值，为调节颜色提供了依据；

5)相对于分光式颜色对比，不再局限于点的颜色比较，具有整体比较功能；

6)通过物联网可以将设计的产品图传递给对色装置，然后直接和样品进行比较，提供了在线设计与对色的可能；

7)克服点、线颜色比较的不足，实现一幅图像同时对比若干颜色；

8)该装置及方法可广泛应用于各行各业的颜色对比中，应用范围广。

Claims (10)

1.一种自动对色装置，其特征在于，包括箱体，箱体内侧设置有摄像机和光源，箱体内侧底部放置样品或模板，摄像机的输出端连接有用于计算样品或模板颜色并判断样品颜色是否符合要求的处理器，处理器的输出端连接有用于控制光源开或关的控制器。

2.根据权利要求1所述的一种自动对色装置，其特征在于，所述箱体内部涂有吸光材料。

3.根据权利要求1所述的一种自动对色装置，其特征在于，处理器的输出端还连接有用于输入参数、显示样品或模板图像以及显示处理器数据的交互与显示装置。

4.根据权利要求1所述的一种自动对色装置，其特征在于，控制器上还连接有报警器。

5.一种采用权利要求1所述自动对色装置的自动对色方法，其特征在于，包括以下步骤：

(1)设置光源；

(2)通过摄像机采集模板图像和样品图像；

(3)将模板图像和样品图像进行预处理及图像格式转换；

(4)计算模板图像和样品图像的颜色差别；

(5)对色结果分析与显示。

6.根据权利要求5所述的一种自动对色方法，其特征在于，步骤(3)中预处理包括将模板图像和样品图像按照位置或者按照区域进行分割；

其中将模板图像和样品图像按照位置分割具体为：将模板图像和样品图像从背景图中提取出来，然后归一化为大小相同、方向和位置一致的图像；

将模板图像和样品图像按照区域分割具体为：按照颜色划分出模板图像和样品图像中各种颜色的区域，不同区域代表不同颜色。

7.根据权利要求6所述的一种自动对色方法，其特征在于，按照位置分割具体为：

设采集的模板图像是彩色图像f(R,G,b)，大小为：M*N，M表示行，N表示列，首先将其转换为灰度图像f(x,y)，转换公式为：

f(x,y)＝0.11R+0.59G+0.3B (式1)

模板图像按行投影结果为：

模板图像按列投影结果为：

模板图像的区域由式2和式3得到：

y₀＝max(g(y))

y₁＝max(g(y))

x₀＝max(g(x))

x₁＝max(g(x))

以(x₀,y₀),(x₀,y₁),(x₁,y₀),(x₁,y₁)为四个顶点构成的四边形即为模板图像的大小，在这个范围内根据模板图像的点、线相对位置确定模板图像是否需要进行旋转变换，若变换的角度α，按照式4进行旋转变换，即得到变换后的模板图像f_m(x,y)；

对于样品图像用上述方法同样得到以(x₀',y₀'),(x₀',y₁'),(x₁',y₀'),(x₁',y₁')为四个顶点构成的四边形，在这个范围内根据样品图像的点、线相对位置确定样品图像是否需要进行旋转变换，若变换的角度β，按照式5进行旋转变换，即得到变换后的样品图像f_y(x,y)；

以模板图像的位置和大小作为参考位置和大小，能够计算出样品图像相对于模板图像的偏移量Δx、Δy以及缩放系数k，根据式6和式7即实现模板图像和样品图像的归一化，即得到归一化后的样品图像f_y(x,y)；

1)旋转变换：

模板图像的旋转变换：

样品图像的旋转变换：

2)平移变换：

样品图像相对模板图像的平移：

3)缩放变换：

样品图像相对模板图像的缩放：

经过变换后样品图像和模板图像的位置和大小完全相同。

8.根据权利要求6所述的一种自动对色方法，其特征在于，按照区域对色中按照颜色划分出模板图像和样品图像中各种颜色的区域包括区域分割方法和聚类方法；

其中区域分割方法具体为：

(1)对于灰度图像，根据灰度图像的边缘检测算法提取各个区域的边缘，然后进行区域分割；

(2)对于彩色图像，根据彩色图像的亮度信息和色度信息的融合提取各种颜色的边缘，再根据边缘划分各颜色区域；

其中，根据彩色图像的亮度信息和色度信息的融合提取各种颜色的边缘具体步骤为：

1)根据式9将CIERGB颜色空间转换到CIEL^*a^*b^*颜色空间；

2)在L^*分量上计算方向梯度，取8个方向梯度的最大值作为该点的分数梯度，并记录该点的方向信息；

3)对L^*分量进行非极大值抑制；

4)采用最大类间方差法计算L^*分量分数梯度阈值，将该阈值乘以一个系数作为L^*分量分数梯度的高阈值，用高阈值在L^*分量上提取亮度边缘；

5)在a^*、b^*分量上计算方向梯度，确定中心点梯度，将a^*、b^*分量的分数阶梯度作比较，选取两分量中梯度较大者作为该点最后的色度梯度，并记录较大梯度所在分量的方向信息；

6)对色度梯度大于指定阈值的点进行非极大值抑制，符合极大值条件的点确定为色度边缘点；

7)将色度边缘与亮度边缘相叠加；

8)将高阈值乘一个系数得到低阈值，将步骤7)中得到的边缘进行8邻域低阈值边缘连接，即若高于低阈值且低于高阈值的像素点A与步骤7)提取到的边缘邻接，则将A点判为边缘点；

聚类方法具体为：

1)随机确定初始聚类中心(c₀,c₁,...,c_k-1)，初始聚类中心的个数为k；

2)计算每个样本x_i到各聚类中心的距离，选取距离样本x_i最近的聚类中心c_v作为x_i的类；

3)移动c_v到其标明的聚类的中心；

4)计算偏差d；

5)若d值收敛，则得到聚类中心(c₀,c₁,...,c_k-1)同时终止算法，若d值不收敛，则返回步骤2)。

9.根据权利要求5所述的一种自动对色方法，其特征在于，步骤(3)中图像格式转换具体为：将图像由CIERGB颜色空间转换CIEL^*a^*b^*(颜CIE色La空b)间；

1)CIERGB转换为CIEXYZ

设r、g、b为CIERGB颜色空间中颜色点的R、G、B分量对应的数值，X、Y、Z为CIEXYZ颜色空间中各分量的值；

2)CIEXYZ转换为CIEL^*a^*b^*

L*＝116f(Y/Y_n)-16

a*＝500[f(X/X_n)-f(Y/Y_n)]

b*＝200[f(Y/Y_n)-f(Z/Z_n)]

其中

其中，X_n、Y_n和Z_n分别是CIE XYZ空间白点的三色刺激值，代表基准白色；

3)CIEL^*a^*b^*转换到CIELCH

CIELCH颜色模型采用了同CIEL^*a^*b^*一样的颜色空间，但它采用L表示明度值；C表示饱和度值，H表示色调角度值。

10.根据权利要求9所述的一种自动对色方法，其特征在于，步骤(4)中计算模板图像和样品图像的颜色差别具体包括：

1)CIEL^*a^*b^*容差

根据式9，同时计算出模板图像各点颜色的Lab数据和样品图像的Lab数据i＝0,1,2,...,S-1，S为颜色个数；j＝0,1,2,...,P_s-1，P_i为第i种颜色的像素个数，则由式12计算出各种颜色的亮度、颜色的差别ΔL_i,Δa_i,Δb_i；

计算出各种颜色的亮度、颜色的差别ΔL_i、Δa_i、Δb_i之后，根据它们的值得出对色结论：针对第i种颜色，如果ΔL_i大于0，表示样品图偏暗，如果ΔL_i小于0，表示样品图偏亮，如果ΔL_i等于0，表示样品图与模板图亮度相同；如果Δa_i大于0，表示样品图偏绿，如果Δa_i小于0，表示样品图偏红，如果Δa_i等于0，表示样品图与模板图红、绿色相同；如果Δb_i大于0，表示样品图偏蓝，如果Δb_i小于0，表示样品图偏黄，如果Δb_i等于0，表示样品图与模板图黄、蓝相色同；

2)CIELCH容差

根据式11，同时计算出模板图像各点颜色的LCH数据和样品图像的LCH数据i＝0,1,2,...,S-1，S为颜色个数；j＝0,1,2,1P_i为第i种颜色的像素个数，则由式13计算出各种颜色的明度ΔL_i、饱和度ΔC_i、色调ΔH_i；

计算出各种颜色的明度ΔL_i、饱和度ΔC_i、色调ΔH_i之后，根据它们的值得出对色结论：针对第i种颜色，如果ΔL_i大于0，表示样品图偏深，如果ΔL_i小于0，表示样品图偏浅，如果ΔL_i等于0，表示样品图与模板图明度相同；如果ΔC_i大于0，表示样品图偏暗，如果ΔC_i小于0，表示样品图偏浅，如果ΔC_i等于0，表示样品图与模板图饱和度相同；如果ΔH_i大于0，表示样品图偏顺时针方向色调，如果ΔH_i小于0，表示样品图逆时针方向色调，如果ΔH_i等于0，表示样品图像与模板图像色调相同；

3)ΔE_i容差

根据式12计算出第i种颜色的亮度、颜色差值ΔL_i、Δa_i、Δb_i，i＝0,1,2,...,S-1，S为颜色个数，根据公式14计算出总容差；

ΔE_i代表总容差，ΔE_i越小，代表色差越小，反之色差越大；

计算出各种颜色的总容差ΔE_i之后，根据它们的值得出对色结论：针对第i种颜色，如果ΔE_i取值为0.0-0.5，表示样品图与模板图有微小色差；如果ΔE_i取值为0.1-1.5，表示样品图与模板图有小色差；如果ΔE_i取值为1.5-3.0，表示样品图与模板图有较小色差；如果ΔE_i取值为3.0-6.0，表示样品图与模板图有较大色差；如果ΔE_i取值为6.0以上，表示样品图与模板图有大色差。