CN106937018B - 基于rbf神经网络用于纺织品喷墨印染的色彩映射方法 - Google Patents

Abstract

一种基于RBF(Radical Basis Function)神经网络用于纺织品数码印花的色彩映射方法。此方法由下面三个部分组成：首先设计节省油墨量的CMYK样本集，利用测色仪采集颜色样本数据；对于印染机色域内颜色，利用RBF神经网络建立RGB与CMYK之间的转换关系；对于印染机色域外颜色，通过四种压缩方法，获得色域内的替换颜色。通过上述3个步骤建立的转换关系，可以将任何一张RGB图片精确地转换为对应CMYK颜色值图片，用于纺织品花型稿的喷墨印染。

Description

基于RBF神经网络用于纺织品喷墨印染的色彩映射方法

技术领域

本发明属于数码印花颜色管理领域，针对数码印花颜色管理中印染颜色与显示器颜色不一致以及油墨量浪费较多的情况，提出一种基于RBF神经网络用于纺织品喷墨印染的色彩映射方法，适用于新的RGB与CMYK样本集转换。

背景技术

纺织品的数码喷墨印花开始于20世纪70年代，随着计算机技术的不断发展，数码喷墨印花技术逐渐成为一种集计算机数据处理、精密器械、光电技术为一体的现在科技应用的产物。印染行业为我国纺织工业的重要组成部分，但我国对数码喷墨印花技术的研究起步较晚，只占印染行业很少的一部分，与传统印花打样相比，数码喷墨印花节约时间和成本，必定会替代传统印染技术。

数码喷墨印花中，颜色一致性的度量学习为核心技术部分，现有的颜色一致性度量学习模型主要分为三类：物理转换模型、数值量化转换模型、3D LUT法。物理转换模型一般会假定颜色通道相互独立、色度恒定、颜色空间均匀等条件，但人眼在观察真实颜色时，色差并不是均匀的；数值量化转换模型通过数值模型学习设备相关颜色空间与设备无关颜色空间的转换关系，数值模型主要有多项式回归法、神经网络法、连续线性插值法、径向基函数法等几种。数值模型方法并没有物理转换模型中假设的限制，但数值模型需要进行大量的数据采集，而且会存在多种映射与映射不准确的问题。3D LUT法将设备无关颜色空间和设备相关颜色空间之间的转换关系建立在表中，3D LUT法的精确性主要依赖于测量的颜色数量与颜色转换时选择的插值方法，该方法局限性在于需要采集大量的颜色数据，操作繁琐、成本高昂，无法适应数码印花设备大规模部署的情况。

数码喷墨印花颜色管理系统中，显示器端RGB空间到印染机CMYK空间之间的转换，通过显示器ICC profile和印染机ICC profile颜色特性文件实现颜色之间的转换，RGB颜色值通过显示器ICC profile转换到标准颜色空间，转换后的颜色值通过印染机ICCprofile色彩特性文件转换为CMYK颜色值。现有的显示器与印染机之间颜色一致性度量方法一般通过上述三类方法学习得到RGB到PCS的转换，PCS到CMYK之间的转换关系。通过上述转换，将学习得到的转换关系分别写入到显示器与印染机ICC特性文件中，实现显示器到印染机之间的转换。上述转换算法中，通过学习得到的转换关系写入到ICC文件后，存在一定的数值转换损失。

发明内容

本发明要克服现有技术的不足，在节省油墨量的情况下提供一种基于RBF神经网络的色彩映射方法，可以实现RGB颜色空间与CMYK颜色空间的转换。

一种基于RBF(Radical Basis Function)神经网络用于纺织品数码印花的色彩映射方法，包括如下步骤：

1)印染机CMYK墨水样本选取；

任意CMYK颜色值，可以通过CMK、CYK、MYK三种中的某一种组合进行替代。对CMYK中每个通道以10％为间隔选取11个等级的网点面积率为采样点，通过三种颜色组合采样，剔除重复样本，获得3641个不重复样本。

2)使用RBF神经网络建立转换关系；

本发明使用的实现RGB颜色空间与公共颜色空间相互转换的神经网络为径向基函数(RBF)神经网络，该RBF神经网络主要包含三层：输入层、隐层、输出层。本文使用的RBF神经网络的三层神经元个数分别为3、17、3，中间隐层径向基函数采用Gauss(高斯)函数

3)RGB与CMYK样本转换步骤；

通过测色仪获得显示器RGB颜色样本颜色值nCIEXYZ,利用上述RBF神经网络，获得nCIEXYZ到RGB之间的转换关系F1，测色仪获得的CMYK样本颜色值nCIEXYZ利用转换关系F1，转换为对应RGB值；获得CMYK与RGB样本对后，利用RBF神经网络学习色域内RGB到CMYK之间颜色的转换；

4)直接建立RGB与CMYK之间的转换；

RGB到CMYK之间的转换主要包含两个步骤：样本对颜色点的直接转换；非样本对点，通过邻近样本对点插值获得转换结果。对于处于样本对中的RGB颜色值，直接利用步骤3建立RGB于CMYK样本对之间的对应关系进行转换；对于非样本点利用三线性插值法获得转换结果CMYK值。

本发明的方法是一种基于RBF神经网络色彩映射方法，用于解决显示器端RGB颜色值与印染机端CMYK颜色值之间的颜色一致性的学习。针对油墨量浪费的情况，本发明采样了新的CMYK颜色值样本，该样本可以大幅节省油墨量。对于印染机色域内颜色，该方法通过神经网络建立RGB与标准颜色空间的转换关系F1，利用转换关系F1,将采集的CMYK样本颜色值转换为对应RGB值，获得对应CMYK与RGB颜色值样本对，利用RBF神经网络，学习RGB到CMYK之间的转换关系F2；对于印染机色域外颜色值，通过四种方式进行压缩，用色域内颜色进行替代，通过上述步骤，可以实现任意一张RGB值图片将其转换为CMYK颜色值图片，用于纺织品喷墨印染。

本发明具有的有益的效果是：可以大幅节省油墨量的使用，利用RBF神经网络直接建立RGB与CMYK之间的转换关系，可以减少颜色转换的损失。与传统颜色管理算法的处理流程相比，通过省略将获得转换关系写入ICC色彩特性文件，直接建立RGB到CMYK之间得转换关系，可以提高颜色转换的精确度。

附图说明

图1是本发明的RBF神经网络示意图。

具体实施方式

下面结合附图进一步说明本发明的技术方案。

本发明的一种基于RBF(Radical Basis Function)神经网络用于纺织品数码印花的色彩映射方法，包括如下步骤：

1)印染机CMYK墨水样本选取

印染机端，现有方法在采集印染机颜色样本时，一般对每个通道进行间隔取样，通过组合获得完整数据集。该种取样方法可以覆盖印染机的整个色域空间，但存在墨水的严重浪费。对于任意某一CMYK颜色值，都可以通过CMK、CYK、MYK三种中的某一种组合进行替代，通过CMK、CYK、MYK三种颜色组合采样，可以节省油墨量的使用。为了保证选取实验样本阶调分布的均匀性，对于CMK、CYK、MYK三种颜色中的每一种，对于每一种基色墨水均从0(无墨)到100(最大墨量)，以10％为间隔选取11个等级的网点面积率，并通过单通道控制输出各个基本色的不同阶调色块。在获得CMK、CYK、MYK三种颜色组合结果后，通过去除冗余颜色块，获得颜色样本集，在无色彩管理的介入，通过直接印染到纺织品上，利用测色仪获得CMYK样本对应颜色值nCIEXYZ。显示器端，对RGB值每个通道以10％为间隔选取11个等级的样本值，通过显示器端显示样本值，利用测色仪获得对应颜色值nCIEXYZ。

2)标准化测色仪采集颜色值

测色仪在采集颜色过程中，显示器端采集颜色与印染布匹上采集的颜色光照条件不一致，对于采集得到的源nCIEXYZ值,首先将其转换为视锥细胞刺激值，调整视锥细胞刺激值到标准观测环境，获得标准视锥细胞刺激值，将其转换为固定光照环境D50下nCIEXYZ值，通过上述步骤，可将显示器端与印染布匹上采集得到的源nCIEXYZ值转换到相同固定光照环境D50下nCIEXYZ值，该环境下nCIEXYZ值的范围已被标准化到0～1之间。

3)利用RBF神经网络建立RGB与标准颜色空间之间的转换关系

对于RGB样本值，通过除以255获得0～1之间标准化颜色值。对于获得的标准化样本值，通过RBF神经网络学习RGB到标准颜色空间nCIEXYZ之间的转换关系。RBF网络的设计主要包括两个方面，一个是结构设计，即隐藏层含有几个节点的设计；另一个就是参数设计，也就是对网络参数进行求解。本方法中，输入节点3个，分别对应RGB三个通道，中间隐藏层选取17个隐藏节点，输出节点3个，分别对应nCIEXYZ三个通道。利用该神经网络，通过对代价函数进行梯度下降，不断修正每个参数，获得转换关系F1。

4)利用RBF神经网络建立RGB到CMYK之间的转换关系

通过步骤2，将测色仪获得源nCIEXYZ值，转换到固定光照环境D50下nCIEXYZ值，利用步骤3获得的转换关系F1，将其转换为对应RGB值。对于步骤1获得的CMYK样本集，通过除以100，归一化到0～1之间，获得CMYK与RGB值样本对。建立RGB与CMYK之间转换关系的RBF神经网络，输入节点为3，分别对应nCIEXYZ三个通道，中间节点同样选取17个，输出节点为4，分别对应CMYK四个通道。利用该RBF神经网络，建立RGB到CMYK之间的转换关系F2。在将RGB值转换为CMYK颜色值时，显示器RGB色域比印染机色域大出很多，根据不同的印染需求，需要选择适当的色彩空间转换类型，转换方式主要分为四种：知觉型、饱和型、相对色度型、绝对色度型。知觉型的色域压缩方法，收缩较大的RGB颜色空间到印染机的CMYK整个空间，该方法会改变图像中，所有的颜色，包括位于印染机色域内部的颜色，但能保持颜色之间的视觉关系；饱和型色域压缩方法能够保持图像色彩相对饱和度，溢出色域的颜色被转化为具有相同色相，但刚好落入印染机色域之内的颜色，印染机色域外的颜色会映射到色域饱和度范围之内，印染机色域内的颜色与色域饱和度范围内的颜色比较靠近；相对色度型进行色彩映射时，位于印染机色域空间之外的颜色，将被替换为色域内与它色度值尽可能接近的颜色，位于印染机色域空间之内的颜色将不受影响。绝对色度型在转换颜色时，精确地匹配色度值，不做会影响图像明亮程度的白场、黑场调整，这种转换方式与相对色度转换不同之处在于有不同的白点值。

通过上述步骤，可以在大幅节省油墨量的情况下，可以实现对任意一张RGB值图片精确地转换为对应CMYK颜色值图片。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于RBF神经网络用于纺织品数码印花的色彩映射方法，包括下列步骤：

1)印染机CMYK墨水样本选取；

任意CMYK颜色值，可以通过CMK、CYK、MYK三种中的某一种组合进行替代；对CMYK中每个通道以10％为间隔选取11个等级的网点面积率为采样点，通过三种颜色组合采样，剔除重复样本，获得3641个不重复样本；

2)使用RBF神经网络建立转换关系；

本发明使用的实现RGB颜色空间与公共颜色空间相互转换的神经网络为径向基函数(RBF)神经网络，该RBF神经网络主要包含三层：输入层、隐层、输出层；本文使用的RBF神经网络的三层神经元个数分别为3、17、3，中间隐层径向基函数采用Gauss(高斯)函数

3)RGB与CMYK样本转换步骤；

通过测色仪获得显示器RGB颜色样本颜色值nCIEXYZ,利用上述RBF神经网络，获得nCIEXYZ到RGB之间的转换关系F1，测色仪获得的CMYK样本颜色值nCIEXYZ利用转换关系F1，转换为对应RGB值；获得CMYK与RGB样本对后，利用RBF神经网络学习色域内RGB到CMYK之间颜色的转换；

4)直接建立RGB与CMYK之间的转换；

RGB到CMYK之间的转换主要包含两个步骤：样本对颜色点的直接转换；非样本对点，通过邻近样本对点插值获得转换结果；对于处于样本对中的RGB颜色值，直接利用步骤3建立RGB于CMYK样本对之间的对应关系进行转换；对于非样本点利用三线性插值法获得转换结果CMYK值。