CN106896068A - 解决网购颜色失真的商品颜色获取与再现方法及其系统 - Google Patents

解决网购颜色失真的商品颜色获取与再现方法及其系统 Download PDF

Info

Publication number
CN106896068A
CN106896068A CN201710236649.7A CN201710236649A CN106896068A CN 106896068 A CN106896068 A CN 106896068A CN 201710236649 A CN201710236649 A CN 201710236649A CN 106896068 A CN106896068 A CN 106896068A
Authority
CN
China
Prior art keywords
color
spectral
commodity
online shopping
spectrum
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
Application number
CN201710236649.7A
Other languages
English (en)
Other versions
CN106896068B (zh
Inventor
吴光远
高文兴
牛世军
曹丽红
邹彬
刘志睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qilu University of Technology
Original Assignee
Qilu University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qilu University of Technology filed Critical Qilu University of Technology
Priority to CN201710236649.7A priority Critical patent/CN106896068B/zh
Publication of CN106896068A publication Critical patent/CN106896068A/zh
Application granted granted Critical
Publication of CN106896068B publication Critical patent/CN106896068B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/462—Computing operations in or between colour spaces; Colour management systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明涉及一种解决网购颜色失真的商品颜色获取与再现方法与系统，主要包括物体表面颜色数据的获取、颜色数据校正、光谱重建算法和多场景颜色特性再现四部分。系统充分考虑了智能手机的方便性、快捷性及相机多滤镜性，选用其作为网购商品获取设备，解决网购商品颜色多通道图像获取问题；同时，根据手机自身的特性选择灰阶颜色样本和多项式拟合进行颜色数据校正；最后利用光谱重建方法实现颜色校正数据在线转换成光谱反射率，同时用光谱的积分方式得到物体的颜色刺激值，得到买家想要的外界条件下的真实颜色。本发明对应软件稳定性高、网购商品光谱还原速度快、颜色再现精确高，具有较高的实用价值和应用前景。

Description

解决网购颜色失真的商品颜色获取与再现方法及其系统
技术领域
本发明涉及电子商务和颜色获取与再现领域，具体涉及的是一种解决网购颜色失真的商品颜色获取与再现方法及其系统，主要用于实现所见即所得的网购要求。
背景技术
随着网络技术的普及和上网人数的不断增加，电子商务得到了迅猛发展，特别是网购已成为人们日常生活中的一部分。与此同时网购产生的纠纷也日益增多，其中纠纷最多的就是商品颜色失真的问题。在网购过程中，人们在屏幕上看到的商品颜色与实物颜色之间的差异日益成为商家与买家产生纠纷的根源，严重限制了网购的进一步发展。产生这种现象根本原因是网购商品颜色获取方法是通过光谱积分的方式获得商品在特定观察环境下的颜色值（色度值），丢失了更能准确表达颜色的光谱信息，存在颜色失真问题。例如，卖家在特定环境（D65光源）下拍摄商品颜色与买家（所处环境为A光源/F2光源）实际收到商品的颜色一般会存在较大差异，导致出现网购颜色失真问题。
光谱反射率是物体的固有属性，能够准确地表达在任意观察环境下物体的颜色特性，其被称为物体的“指纹”。所以得到商品表面的光谱反射率可以从根本上保证在买家在各种环境下通过光谱反射率准确观察到商品的颜色特性，真正地实现所见即所得的网购目标。
在现有技术中，获得物体表面光谱反射率的方法主要有两大类：第一类是直接获取法，其主要设备由光谱辐射度计、分光光度仪、光谱仪等；测量精度高，但相关设备价格昂贵，且在其测量时只能对具有一定尺寸的平面物体进行测量，无法得到多光谱图像，测量效率低。第二类是采用光谱重建方法把数字成像设备获得的颜色设备响应值还原成光谱反射率，其主要设备为多通道相机、普通数码相机、扫描仪等，尽管可以得到多光谱图像，但重建精度较低；一般通过滤色片获得多通道图像，但获取与校正过程相当繁琐，不利于网购多光谱图像的获取。
如何快速、高效、高精度地获取商品的光谱反射率，并把高维光谱反射率转换为商品的颜色特性，从而买家根据不同光源条件下判断商品颜色是否是其想购买的，已成为亟需解决的问题。
发明内容
本发明为弥补现有技术的不足，解决现有网购商品出现的颜色失真问题以满足所见即所得的网购要求，提供一种快速、高效、高精度地解决网购颜色失真的商品颜色获取与再现方法及其系统。
一种解决网购颜色失真的光谱颜色获取与再现方法，其特征在于，包括：
（1）物体表面颜色数据的获取——卖家通过数字成像设备对标准色块和网购商品进行拍照，获得色块和商品的颜色设备响应值；
（2）颜色数据校正——对获得的非线性颜色设备响应值进行线性换校正得到颜色校正数据，以满足数字成像设备的线性输入输出的要求；
（3）光谱重建方法——利用光谱重建方法把颜色校正数据还原成商品表面的光谱反射率，实现光谱重建；
（4）多场景颜色特性再现——卖家把多光谱图像数据传递到网购平台，买家可根据自身需求选择所处的外界环境，通过光谱积分的方式获得任意观察环境和光源下的商品颜色特性。
一种解决网购颜色失真的光谱颜色获取与再现系统，其特征在于，包括：
第一物体表面颜色数据的获取模块，用于卖家通过数字成像设备选择、手机滤镜选择及拍摄环境选择获得网购商品表面的颜色信息；
第二颜色数据校正模块，卖家把由物体表面颜色数据的获取模块得到的颜色信息进行校正，得到颜色校正数据；
第三光谱重建模块，利用光谱重建方法把颜色校正数据还原成商品表面的光谱反射率，重建出物体表面的光谱反射率；
第四多场景颜色特性再现模块，卖家把多光谱图像数据传递到网购平台，买家可根据自身需求在线选择所处的外界环境，通过光谱积分的方式获得任意观察环境和光源下的商品颜色特性。
本发明的有益效果是：充分考虑实际场景的需求，利用手机相机的方便性、快捷性及相机多滤镜性，选用其作为网购商品获取设备，解决网购商品颜色多通道图像获取问题；同时，根据手机自身的特性选择灰阶颜色样本和多项式拟合进行颜色数据校正；最后利用光谱重建方法实现颜色校正数据在线转换成光谱反射率，同时用光谱的积分方式得到物体的颜色刺激值，得到买家想要的外界条件下的真实颜色。本发明系统稳定性高、网购商品光谱还原速度快、颜色再现精确高，具有较高的实用价值和应用前景。
附图说明
图1是本发明的流程示意图；
图2是实施例中物体表面颜色数据的获取拍摄场景示意图。
具体实施方式
附图为本发明的一种具体实施例。
本发明的解决网购颜色失真的商品颜色获取与再现方法包括以下步骤：
步骤1，卖家通过数字成像设备对标准色块和网购商品进行拍照，获得色块和商品的颜色设备响应值；具体操作步骤如下：
（1）数字成像设备的选择：为了提高系统的方便性和便捷性，选用智能手机作为图像获取设备；
（2）手机滤镜的选择：为了增加商品的颜色设备响应值个数进而提高光谱重建精度，利用穷举法通过多次测试和计算分析总结归纳出手机相机滤镜的选择；
基于穷举法的滤镜选择方法即列举N个滤镜所有可能的滤镜组合，根据光谱重建精度作为选择的标准。从N个滤镜中选出K个滤镜所有的排列组合M的计算方法为：
（3）拍摄环境的选择：网购商品拍摄条件必须选择一个稳定的拍摄环境（参照CIE推荐的45/0几何测量条件），包括手机相机本身的设置和周围环境的设置，拍摄条件如图2。
步骤2，对获得的非线性颜色设备响应值进行线性换校正得到颜色校正数据，以满足数字成像设备的线性输入输出的要求；具体操作步骤如下：
（1）在均匀的光照条件（参照CIE推荐的45/0几何测量条件）下，针对日系滤镜和标准滤镜两种模式通过拍摄ColorChecker 24标准色卡中的6个灰阶颜色样本得到建模实验数据；
（2）使用准确性和便捷性较高的X-rite i1分光光度仪作为测量设备测量灰阶颜色样本的光谱反射率；
（3）利用各灰阶颜色样本曲线的积分和线性比例，采用多项式拟合方法对手机获得色块和商品的颜色设备响应值进行校正；为了计算简单、准确率高，选择四次多项式拟合作为手机相机线性化校正的转换方程：
f(x)=c 1 x 4 +c 2 x 3 +c 3 x 2 +c 4 x+d
式中，f(x)代表着灰阶颜色样本曲线的积分和，x分别代表手机相机数字信号，C1、C2、C3、C4拟合多项式系数，d为常数。
步骤3，利用光谱重建方法把颜色校正数据还原成商品表面的光谱反射率，实现光谱重建；具体操作步骤如下：
（1）通过步骤 1 和步骤 2 获得训练样本（如ColorChecker 24）的颜色校正数据X；使用准确性和便捷性较高的X-rite i1分光光度仪作为测量设备测量训练样本的光谱反射率R；建立训练样本颜色校正数据与其光谱反射率之间的函数关系，求得转换矩阵M:
X=MR
M=XR -1
为了提高光谱重建精度，采用动态加权的方式来实现，定义W为加权函数：
XW=MRW
M=(XW)(RW) -1
其中，W函数的确定由测试样本与训练样本之间欧式空间距离确定的加权函数W1和测试样本与训练之间颜色校正数据相似性确定的加权函数W2:
其中，x1，y1，z1表示在第一种滤镜下得到的测试样本的颜色值；x1i，y1i，z1i表示在第一种滤镜下得到的训练样本的颜色值；x2，y2，z2表示在第二种滤镜下得到的测试样本的颜色值；x2i，y2i，z2i表示在第二种滤镜下得到的训练样本的颜色值；
其中，t1表示测试样本在两种滤镜下得到的样本颜色值；t2表示训练样本在两种滤镜下得到的样本颜色值。
对于训练样本的选择，可以是整体，也可以是部分；对于部分选择，具体操作步骤为在测试样本与训练样本之间欧式空间距离和测试样本与训练之间颜色校正数据相似性加入限定阈值即可选择。
（2）通过步骤 1 和步骤 2 获得网购商品的颜色校正数据X 1 ，通过伪逆法带入转换矩阵M可得网购商品的光谱反射率r：
。
步骤4，卖家把多光谱图像数据传递到网购平台，买家可根据自身需求在线选择所处的外界环境，系统会根据买家要求通过光谱积分的方式获得任意观察环境和光源下的商品颜色特性；
样本的CIE XYZ三刺激值能够通过物体的光谱反射率，光源相对功率分布和标准观察者函数的积分得到。三刺激值可以表示为
这里的k是修正系数，是CIE颜色匹配函数。
根据本实施例所提供的跨媒体光谱域的映射方法，因为先判断测试样本点是否在目标设备的光谱域空间内，包括在目标设备的色度色域空间和同色异谱黑降维空间的位置判断；然后根据测试样本在目标设备的色度色域空间和同色异谱黑降维空间位置的不同进行光谱域映射，所以本实施例的跨媒体光谱域映射更加灵活，维数少，利于光谱颜色管理系统建立，并且相对用户使用而言也较为方便。
在本实施例的解决网购颜色失真的商品颜色获取与再现方法与系统中，系统充分考虑了智能手机的方便性、快捷性及相机多滤镜性，选用其作为网购商品获取设备，解决网购商品颜色多通道图像获取问题；同时，根据手机自身的特性选择灰阶颜色样本和多项式拟合进行颜色数据校正；最后利用光谱重建方法实现颜色校正数据在线转换成光谱反射率，同时用光谱的积分方式得到物体的颜色刺激值，得到买家想要的外界条件下的真实颜色。结果表明软件稳定性高、网购商品光谱还原速度快、颜色再现精确高，具有较高的实用价值和应用前景。

Claims (7)

1.一种解决网购颜色失真的光谱颜色获取与再现方法，其特征在于，由以下步骤构成实现：
步骤1，物体表面颜色数据的获取——卖家通过数字成像设备对标准色块和网购商品进行拍照，获得色块和商品的颜色设备响应值；
步骤2，颜色数据校正——对获得的非线性颜色设备响应值进行线性化校正得到颜色校正数据，以满足数字成像设备的线性输入输出的要求；
步骤3，光谱重建方法——利用光谱重建方法把颜色校正数据还原成商品表面的光谱反射率，实现光谱重建；
步骤4，多场景颜色特性再现模块——卖家把多光谱图像数据传递到网购平台，买家可根据自身需求在线选择所处的外界环境，通过光谱积分的方式获得任意观察环境和光源下的商品颜色特性。
2.根据权利要求1所述一种解决网购颜色失真的光谱颜色获取与再现方法，其特征在于，步骤1包括以下具体步骤：
(1)数字成像设备的选择：为了提高系统的方便性和便捷性，选用智能手机作为图像获取设备；
(2)手机滤镜的选择：为了增加商品的颜色设备响应值个数进而提高光谱重建精度，利用穷举法通过多次测试和计算分析总结归纳出手机相机滤镜的选择;
从N个滤镜中选出K个滤镜所有的排列组合M的计算方法为：
(3) 拍摄环境的选择：网购商品拍摄条件必须选择一个稳定的拍摄环境，包括手机相机本身的设置和周围环境的设置。
3.根据权利要求1所述一种解决网购颜色失真的光谱颜色获取与再现方法与方法，其特征在于，步骤2包括以下具体步骤：
(1)在均匀的光照条件下，手机滤镜模式通过拍摄标准色卡中的多个灰阶颜色样本得到建模实验数据；使用分光光度仪作为测量设备测量灰阶颜色样本的光谱反射率；
(2)利用各灰阶颜色样本曲线的积分和线性比例，采用多项式拟合方法对手机获得色块和商品的颜色设备响应值进行校正；
f(x)=c 1 x 4 +c 2 x 3 +c 3 x 2 +c 4 x+d
式中，f(x)代表着灰阶颜色样本曲线的积分和，x分别代表手机相机数字信号，C1、C2、C3、C4拟合多项式系数，d为常数。
4.根据权利要求1所述一种解决网购颜色失真的光谱颜色获取与再现方法与方法，其特征在于，步骤3包括以下具体步骤：
(1)通过步骤1和步骤2获得训练样本的颜色校正数据；且使用分光光度仪作为测量设备测量训练样本的光谱反射率；建立训练样本颜色校正数据与其光谱反射率之间的函数关系，求得转换矩阵M:
X=MR
M=XR -1
(2)通过步骤1和步骤2获得网购商品的颜色校正数据，通过伪逆法带入转换矩阵可得网购商品的光谱反射率r；
。
5.根据权利要求1所述一种解决网购颜色失真的光谱颜色获取与再现方法，其特征在于，步骤4包括以下具体步骤：
用光谱的积分方式在线得到物体的颜色刺激值，得到买家想要的外界条件下的真实颜色；
样本的CIE XYZ三刺激值能够通过物体的光谱反射率，光源相对功率分布和标准观察者函数的积分得到；三刺激值可以表示为：
。
这里的k是修正系数，是CIE颜色匹配函数。
6.根据权利要求4所述一种解决网购颜色失真的光谱颜色获取与再现方法，其特征在于，步骤3还包括以下具体步骤：
为了提高光谱重建精度，采用动态加权的方式来实现，定义W为加权函数：
XW=MRW
M=(XW)(RW) -1
其中，W函数的确定由测试样本与训练样本之间欧式空间距离确定的加权函数W1和测试样本与训练之间颜色校正数据相似性确定的加权函数W2:
其中，x1，y1，z1表示在第一种滤镜下得到的测试样本的颜色值；x1i，y1i，z1i表示在第一种滤镜下得到的训练样本的颜色值；x2，y2，z2表示在第二种滤镜下得到的测试样本的颜色值；x2i，y2i，z2i表示在第二种滤镜下得到的训练样本的颜色值；
其中，t1表示测试样本在两种滤镜下得到的样本颜色值；t2表示训练样本在两种滤镜下得到的样本颜色值；
对于训练样本的选择，可以是整体，也可以是部分；对于部分选择，具体操作步骤为在测试样本与训练样本之间欧式空间距离和测试样本与训练之间颜色校正数据相似性加入限定阈值即可选择。
7.一种权利要求1所述的解决网购颜色失真的光谱颜色获取与再现方法所用的系统，其特征在于，包括：
第一物体表面颜色数据的获取模块，用于卖家通过数字成像设备选择、手机滤镜选择及拍摄环境选择获得网购商品表面的颜色信息；
第二颜色数据校正模块，卖家把由物体表面颜色数据的获取模块得到的颜色信息进行校正，得到颜色校正数据；
第三光谱重建模块，利用光谱重建方法把颜色校正数据还原成商品表面的光谱反射率，重建出物体表面的光谱反射率；
第四多场景颜色特性再现模块，卖家把多光谱图像数据传递到网购平台，买家可根据自身需求在线选择所处的外界环境，通过光谱积分的方式获得任意观察环境和光源下的商品颜色特性。
CN201710236649.7A 2017-04-12 2017-04-12 解决网购颜色失真的商品颜色获取与再现方法及其系统 Active CN106896068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710236649.7A CN106896068B (zh) 2017-04-12 2017-04-12 解决网购颜色失真的商品颜色获取与再现方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710236649.7A CN106896068B (zh) 2017-04-12 2017-04-12 解决网购颜色失真的商品颜色获取与再现方法及其系统

Publications (2)

Publication Number Publication Date
CN106896068A true CN106896068A (zh) 2017-06-27
CN106896068B CN106896068B (zh) 2023-07-18

Family

ID=59196465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710236649.7A Active CN106896068B (zh) 2017-04-12 2017-04-12 解决网购颜色失真的商品颜色获取与再现方法及其系统

Country Status (1)

Country Link
CN (1) CN106896068B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110926608A (zh) * 2019-10-14 2020-03-27 齐鲁工业大学 一种基于光源筛选的光谱重建方法
CN114902645A (zh) * 2020-01-22 2022-08-12 莉迪亚·A·科尔比 颜色渲染

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004145773A (ja) * 2002-10-28 2004-05-20 Japan Science & Technology Agency 通信ネットワークを介した商品画像の色再現方法
CN101072291A (zh) * 2006-05-12 2007-11-14 佳能株式会社 颜色处理设备及其方法
CN104168475A (zh) * 2014-08-15 2014-11-26 浙江大学 一种数码相机参数可变的成像式获取颜色三刺激值的方法
CN106153193A (zh) * 2016-07-22 2016-11-23 浙江大学 一种利用多光谱相机双光源响应值获取光谱反射比的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004145773A (ja) * 2002-10-28 2004-05-20 Japan Science & Technology Agency 通信ネットワークを介した商品画像の色再現方法
CN101072291A (zh) * 2006-05-12 2007-11-14 佳能株式会社 颜色处理设备及其方法
CN104168475A (zh) * 2014-08-15 2014-11-26 浙江大学 一种数码相机参数可变的成像式获取颜色三刺激值的方法
CN106153193A (zh) * 2016-07-22 2016-11-23 浙江大学 一种利用多光谱相机双光源响应值获取光谱反射比的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张成梁;李蕾;董全成;葛荣雨;: "基于颜色和形状特征的机采棉杂质识别方法", 农业机械学报 *
黄金;万晓霞;孙鹏;肖超;朱小利;: "校正带宽误差获取精确光谱数据的方法研究", 中国印刷与包装研究 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110926608A (zh) * 2019-10-14 2020-03-27 齐鲁工业大学 一种基于光源筛选的光谱重建方法
CN114902645A (zh) * 2020-01-22 2022-08-12 莉迪亚·A·科尔比 颜色渲染

Also Published As

Publication number Publication date
CN106896068B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN108020519B (zh) 一种基于颜色恒常性的虚拟多光源光谱重建方法
JP6257551B2 (ja) 色忠実環境補正装置および色忠実環境補正方法
US9076068B2 (en) Method and apparatus for evaluating color in an image
CN113170028B (zh) 生成基于机器学习的成像算法的图像数据的方法
JP2003141518A (ja) 色再現システム
JP7076760B2 (ja) 色判定装置及び色判定方法
CN109963133A (zh) 色彩校正系统和方法
WO2015141233A1 (ja) 色忠実環境補正装置および色忠実環境補正方法
JP2016006954A (ja) 色補正パラメータ算出方法、色補正パラメータ算出装置および画像出力システム
Helling et al. Algorithms for spectral color stimulus reconstruction with a seven-channel multispectral camera
CN110926609A (zh) 一种基于样本特征匹配的光谱重建方法
CN106896068B (zh) 解决网购颜色失真的商品颜色获取与再现方法及其系统
Zhang et al. Spectral shift correction and adaptive band selection for multispectral imaging
Raza et al. Accuracy of hyperspectral imaging systems for color and lighting research
Darling et al. Real-time multispectral rendering with complex illumination
US20050110797A1 (en) Method for specifying paint color from computer graphics picture
CN110926608A (zh) 一种基于光源筛选的光谱重建方法
JP4174707B2 (ja) 分光測定システム、色再現システム
CN111896109A (zh) 一种基于数码相机原始响应值的光谱重建方法
WO2022242608A1 (zh) 物体喜好记忆色的获取方法及喜好记忆色标准色卡
Liu et al. Color fusion based on EM algorithm for IR and visible image
Vaillant et al. Color correction matrix for sparse RGB-W image sensor without IR cutoff filter
CN105744267B (zh) 基于齐次多项式数码相机参数可变的获取三刺激值方法
Guarnera et al. Turning a Digital Camera into an Absolute 2D Tele‐Colorimeter
JP2007165995A (ja) 画像生成装置、画像生成方法および画像生成プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 250000 science and Technology Park, Xincheng University, Jinan, Shandong Province

Patentee after: Qilu University of Technology (Shandong Academy of Sciences)

Country or region after: China

Address before: 250000 science and Technology Park, Xincheng University, Jinan, Shandong Province

Patentee before: Qilu University of Technology

Country or region before: China