CN107509005A - 一种半色调设备光谱分色算法优化校正方法及系统 - Google Patents
一种半色调设备光谱分色算法优化校正方法及系统 Download PDFInfo
- Publication number
- CN107509005A CN107509005A CN201710861483.8A CN201710861483A CN107509005A CN 107509005 A CN107509005 A CN 107509005A CN 201710861483 A CN201710861483 A CN 201710861483A CN 107509005 A CN107509005 A CN 107509005A
- Authority
- CN
- China
- Prior art keywords
- color separation
- sample
- ink
- color
- module
- 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
Links
- 238000000926 separation method Methods 0.000 title claims abstract description 151
- 238000001228 spectrum Methods 0.000 title claims abstract description 50
- 238000005457 optimization Methods 0.000 title claims abstract description 47
- 230000003595 spectral effect Effects 0.000 claims abstract description 89
- 238000002310 reflectometry Methods 0.000 claims abstract description 62
- 238000012360 testing method Methods 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000001612 separation test Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 20
- 230000002441 reversible effect Effects 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 5
- 230000003252 repetitive effect Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000001413 cellular effect Effects 0.000 abstract description 7
- 230000010076 replication Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 3
- 238000004040 coloring Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229920002472 Starch Polymers 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000007641 inkjet printing Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/405—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Abstract
一种半色调设备光谱分色算法优化校正方法及系统，可以有效实现基于细胞分区形式尤尔尼尔森光谱涅格伯尔模型的分色校正，包括制备正向建模样本、测量其光谱反射率信息并以此构建正向光谱预测模型及反向光谱分色算法；制备分色算法检验样本，并依据现有分色算法对其进行色彩复制；测量光谱反射率信息并进行分色算法误差分析；结合分色算法误差分析，针对建模及检验样本进行最优参数计算并设定分色校正阈值条件；对于任意待分色色彩信息，首先利用现有分色算法进行分色，随后以是否满足阈值条件为依据，结合前述计算所得最优参数，酌情对正向模型进行参数优化，进而实现分色优化校正。
Description
技术领域
本发明属于半色调色彩复制技术领域，具体涉及一种半色调设备光谱分色算法优化校正方法及系统。
背景技术
半色调色彩复制是目前影像色彩复制领域的主流技术，其通过半色调墨点的疏密排列与叠合，从而实现待复制色彩的准确再现。在此项技术中，半色调分色是色彩复制过程中的关键环节，其实质是将待复制色彩信息分解为半色调设备墨量信息，从而通过半色调设备实现颜色信息的准确复制。
在实际应用中，半色调分色模型的建立，往往是以构建正向色彩预测模型，并随之进行模型反转的方式实现的。其中，正向色彩预测建模，是指由墨量信息到半色调色彩信息的映射过程，其模型构建可通过制备色彩样本，测量色彩信息并进行相关模型描述而实现。在此基础上，利用最优化算法等数学建模过程，可以实现正向预测模型的求逆，既得反向分色算法。在部分文献中，正向模型与反向模型建模过程，统称半色调设备特性化过程。
在现阶段，基于光谱的半色调设备分色，可以最大限度的克服传统分色过程所固有的同色异谱问题，从而实现更高水平的色彩复制，故其是目前相关领域的研究热点。其中，基于细胞分区形式尤尔尼尔森修正光谱涅格伯尔模型(Cellular Yule-Nielsenspectral Neugebauer model,以下简称CYNSN模型)的反向光谱分色，是目前公认的具有较高精度的一类分色算法，其在本领域应用广泛。
参考文献1：Liu Q,Wan X,Xie D.Optimization of spectral printer modelingbased on a modified cellular Yule Nielsen spectral Neugebauer model.J Opt SocAm A.2014；31(6):1284-94.
目前，上述基于CYNSN模型的分色算法平均分色精度已达到理想水平，在不考虑设备色域问题的前提下，其平均分色精度可逼近1△00(CIEDE2000)。然而，该精度仅为平均精度，在部分色彩区域，仍存在分色误差较大的问题(大于3△00)。此外，受设备自身固有属性以及外部温湿度等多重因素的影响，半色调设备无可避免的存在模型偏移问题(printerdrift)，该问题可导致分色算法精度随时间推移逐渐下降，从而提升了反向光谱分色过程中大误差问题出现的概率。
参考文献2：Bala R,Sharma G,Monga V,Van de Capelle J-P.Two-dimensionaltransforms for device color correction and calibration.Image Processing,IEEETransactions on.2005；14(8):1172-86.
现阶段，受理论方法、认识水平等主观因素的制约，本领域技术人员尚未提出有效的解决方法，对基于CYNSN模型的分色算法进行有效的优化校正，以解决前文所述局部分色误差较大的问题。
发明内容
本发明的目的是为了解决背景技术中所述问题，提出一种面向CYNSN模型的半色调设备光谱分色算法优化校正方法及系统。
本发明的技术方案为提供一种面向CYNSN模型的半色调设备光谱分色算法优化校正方法，包括以下步骤：
步骤1，在半色调设备颜色空间中进行采样，并以对应墨量制备半色调色彩正向建模样本集M；
步骤2，利用颜色测量设备，测量获取步骤1中M样本集各样本光谱反射率信息；
步骤3，以步骤2中测量所得色彩光谱反射率数据及步骤1中对应墨量数据为基础，构建CYNSN模型F；
步骤4，利用最优化算法对步骤3中所构建CYNSN模型进行反向，确定分色算法B；
步骤5，在设备颜色空间中进行采样，得墨量信息Tink，并以此制备分色算法检验样本集T，测量T所对应光谱反射率信息，利用步骤4所构建分色算法B对其进行分色，得墨量信息Tink’，并制备对应复制样本集T’；
步骤6，利用颜色测量设备，获取步骤5中样本集T’各样本光谱反射率信息；
步骤7，以步骤6中测量所得光谱反射率信息为基础进行误差分析，记录步骤5中样本集T与样本集T’各样本分色误差值，包括各样本光谱误差RMSE以及色度误差CIEDE2000；
步骤8，将步骤5中样本集T以及样本集T’各色彩样本光谱反射率信息以及对应墨量Tink与Tink’信息代入步骤3所构建正向模型F，并以光谱误差RMSE最小化为原则，拟合求取CYNSN模型针对各色彩样本的最优n值；
步骤9，对于任意待复制色彩光谱反射率信息，首先利用分色算法B进行分色，得对应墨量信息X；
步骤10，设定分色校正阈值条件，包括设定墨量空间距离阈值Hink1,墨量空间误差阈值Hink2,光谱误差阈值HRMSE以及色度误差阈值H△00；其中，阈值条件成立时应满足：
1)在步骤5墨量信息Tink与Tink’中搜寻与步骤9中墨量信息X之间欧式距离最小的墨量样本，设为Y1，该样本与X之间的归一化距离L小于墨量空间距离阈值Hink1；
2)设Y1于T或T’中所对应原始墨量信息为Y2，即若Y1为Tink中样本，则Y2为Tink’中样本，若Y1为Tink’中样本，则Y2为Tink中样本；则下列三项条件至少满足其一：a.Y1与Y2间的归一化距离L大于墨量空间误差阈值Hink2；b.步骤7中所记录Y1所对应光谱反射率信息与Y2所对应光谱反射率信息间的光谱误差RMSE大于光谱误差阈值HRMSE；c.步骤7中所记录Y1所对应色度信息与Y2所对应色度信息间的色度误差CIEDE2000大于色度误差阈值H△00；
步骤11，若步骤9中X不满足步骤10中所述阈值条件，则保留原分色算法及对应墨量值X；若步骤9中X满足步骤10中所述阈值条件，则结合步骤8中所计算各样本最优n值，对步骤3构建的F模型进行参数优化，修正F模型的整体最优n值，记为noptimal，并在此基础上重复步骤4进行重新分色，得针对待分色色彩信息的分色算法B’及其对应分色墨量信息X’，完成分色校正，
其中，noptimal的计算公式为：
上述公式中li表示步骤5中墨量信息Tink以及Tink’中8组离X欧氏距离最近的墨量值中的第i组墨量值与X之间的欧式距离，ni表示第i组墨量值于步骤8中所求之最优n值。
而且，步骤5中，分色算法检验样本集T所对应墨量信息的采样方式为色度空间均匀采样，具体为，通过墨量空间均匀采样的方式生成墨量值，利用步骤4所构建正向模型F预测其对应CIELAB色度信息，并以CIELAB空间明度值L均匀分布为原则，确定最终墨量采样值，并进而制备检验样本T。
而且，步骤10中，归一化距离L的求解方式为：
其中，l表示Y1与X的欧式距离,k为墨色数量；空间距离阈值Hink1取值范围为0.1<Hink1<0.5，墨量空间误差阈值Hink2取值范围为0.1<Hink2<0.5，光谱误差阈值HRMSE取值范围为0.02<RMSE<0.04，色度误差阈值H△00取值范围为1<CIEDE2000<4。
而且，步骤4中，采用序列二次规划算法对步骤3中所构建CYNSN模型F进行反向，确定分色算法B。
本发明提供一种面向CYNSN模型的半色调设备光谱分色算法优化校正系统，包括以下模块：
正向模型建模样本制备模块，用于在半色调设备颜色空间中进行采样，并以对应墨量制备半色调色彩正向建模样本集M；
建模样本测量模块，用于利用颜色测量设备，测量获取正向模型建模样本制备模块中M样本集各样本光谱反射率信息；
正向建模模块，用于以建模样本测量模块中测量所得色彩光谱反射率数据及正向模型建模样本制备模块中对应墨量数据为基础，构建CYNSN模型F；
反向建模模块，用于利用最优化算法对正向建模模块中所构建CYNSN模型进行反向，确定分色算法B；
检验样本制备模块，用于在设备颜色空间中进行采样，得墨量信息Tink，并以此制备分色算法检验样本集T，测量T所对应光谱反射率信息，利用反向建模模块所构建分色算法B对其进行分色，得墨量信息Tink’，并制备对应复制样本集T’；
检验样本二次测量模块，用于利用颜色测量设备，获取检验样本制备模块中样本集T’各样本光谱反射率信息；
误差分析模块，用于以检验样本二次测量模块中测量所得光谱反射率信息为基础进行误差分析，记录检验样本制备模块中样本集T与样本集T’各样本分色误差值，包括各样本光谱误差RMSE以及色度误差CIEDE2000；
最优参数计算模块，用于将检验样本制备模块中样本集T以及样本集T’各色彩样本光谱反射率信息以及对应墨量Tink与Tink’信息代入正向建模模块所构建正向模型F，并以光谱误差RMSE最小化为原则，拟合求取CYNSN模型针对各色彩样本的最优n值；
样本初始分色模块，用于对于任意待复制色彩光谱反射率信息，首先利用分色算法B进行分色，得对应墨量信息X；
阈值条件设定模块，用于设定分色校正阈值条件，包括设定墨量空间距离阈值Hink1,墨量空间误差阈值Hink2,光谱误差阈值HRMSE以及色度误差阈值H△00；其中，阈值条件成立时应满足：
1)在检验样本制备模块墨量信息Tink与Tink’中搜寻与样本初始分色模块中墨量信息X之间欧式距离最小的墨量样本，设为Y1，该样本与X之间的归一化距离L小于墨量空间距离阈值Hink1；
2)设Y1于T或T’中所对应原始墨量信息为Y2，即若Y1为Tink中样本，则Y2为Tink’中样本，若Y1为Tink’中样本，则Y2为Tink中样本；则下列三项条件至少满足其一：a.Y1与Y2间的归一化距离L大于墨量空间误差阈值Hink2；b.误差分析模块中所记录Y1所对应光谱反射率信息与Y2所对应光谱反射率信息间的光谱误差RMSE大于光谱误差阈值HRMSE；c.误差分析模块中所记录Y1所对应色度信息与Y2所对应色度信息间的色度误差CIEDE2000大于色度误差阈值H△00；
分色校正模块，若样本初始分色模块中X不满足阈值条件设定模块中所述阈值条件，则保留原分色算法及对应墨量值X；若样本初始分色模块中X满足阈值条件设定模块中所述阈值条件，则结合最优参数计算模块中所计算各样本最优n值，对正向建模模块构建的F模型进行参数优化，修正F模型的整体最优n值，记为noptimal，并在此基础上重复反向建模模块进行重新分色，得针对待分色色彩信息的分色算法B’及其对应分色墨量信息X’，完成分色校正；
其中，noptimal的计算公式为：
上述公式中li表示检验样本制备模块中墨量信息Tink以及Tink’中8组离X欧氏距离最近的墨量值中的第i组墨量值与X之间的欧式距离，ni表示第i组墨量值于最优参数计算模块中所求之最优n值。
而且，检验样本制备模块中，分色算法检验样本集T所对应墨量信息的采样方式为色度空间均匀采样，具体为，通过墨量空间均匀采样的方式生成墨量值，利用反向建模模块所构建正向模型F预测其对应CIELAB色度信息，并以CIELAB空间明度值L均匀分布为原则，确定最终墨量采样值，并进而制备检验样本T。
而且，阈值条件设定模块中，归一化距离L的求解方式为：
上述公式中，l表示欧式距离,k为墨色数量；空间距离阈值Hink1取值范围为0.1<Hink1<0.5，墨量空间误差阈值Hink2取值范围为0.1<Hink2<0.5，光谱误差阈值HRMSE取值范围为0.02<RMSE<0.04，色度误差阈值H△00取值范围为1<CIEDE2000<4。
而且，反向建模模块中，采用序列二次规划算法对正向建模模块中所构建CYNSN模型F进行反向，确定分色算法B。
与现有技术相比，本发明的有益效果如下：
本发明提出的一种面向CYNSN模型的半色调设备光谱分色算法优化校正技术方案，可以实现基于CYNSN模型的光谱分色算法的校正优化，有效避免此类模型光谱分色过程中存在的局部误差过大问题，且使用方法灵活，实施方便，在半色调色彩复制技术领域具有较强的适用性。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.国家自然科学基金项目61505149，2.武汉市青年晨光人才计划2016070204010111，3.湖北省自然科学基金项目2015CFB204，4深圳市基础研究项目JCYJ20150422150029093。5.华南理工大学纸浆造纸工程国家重点实验室开放基金201528.
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为本发明实施例的流程图。
具体实施方式
结合附图，提供本发明实施例具体描述如下。
如图1所示实施例提供的一种面向CYNSN模型的半色调设备光谱分色算法优化校正技术方案，可以实现基于CYNSN模型的光谱分色算法的校正优化，有效避免此类模型光谱分色过程中存在的局部误差过大问题，且使用方法灵活，实施方便，在半色调色彩复制技术领域具有较强的适用性。实施例采用某品牌CMYK四色喷墨打印机以及某品牌喷墨打印介质为例，对本发明提及的一种面向CYNSN模型的半色调设备光谱分色算法优化校正技术方案进行介绍。需要说明的是，本发明并不局限于上述研究所提及设备及纸张介质，对于其他设备及介质，本方法同样适用。
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。实施例提供的方法流程包括以下步骤：
1)在半色调设备颜色空间中进行采样，并以对应墨量制备半色调色彩正向建模样本集M；
实施例对CMYK四色空间的各色维度进行5级均匀采样，即单色墨量值范围为0—100，取0,25,50,75,100，如此可以采集到5×5×5×5＝625个颜色色块样本作为CYNSN模型的建模样本，随后，制备CMYK各墨色11级梯尺(0,10,20,30,40...100),用于构建网点扩大曲线。制备442个随机色彩样本，用于训练神经网络，进而构建BPn-CYNSN模型。该模型是本领域研究最为先进的CYNSN优化模型之一，为现有技术，具体细节可参见参考文献：
Liu Q,Wan X,Xie D.Optimization of spectral printer modeling based ona modified cellular Yule Nielsen spectral Neugebauer model.J Opt Soc AmA.2014；31(6):1284-94.
2)利用颜色测量设备，测量获取1)中M样本集各样本光谱反射率信息；
实施例采用某品牌自动扫描式分光光度计，测量1)中共计1111(625+11*4+442)个样本的光谱反射率信息。
3)以2)中测量所得色彩光谱反射率数据及1)中对应墨量数据为基础，构建CYNSN模型F；
实施例以2)中测量所得色彩光谱反射率数据为基础，针对CMYK四色模型，构建BPn-CYNSN模型，设为F。该模型是本领域研究最为先进的CYNSN优化模型之一，为现有技术，具体细节可参见参考文献：
Liu Q,Wan X,Xie D.Optimization of spectral printer modeling based ona modified cellular Yule Nielsen spectral Neugebauer model.J Opt Soc AmA.2014；31(6):1284-94.
4)利用最优化算法对3)中所构建CYNSN模型进行反向，确定分色算法B；
实施例采用序列二次规划算法对3)中所构建CYNSN模型F进行反向，确定分色算法B。该分色方法为现有技术，具体细节可参见参考文献：
Liu Q,Wan X,Xie D.Optimization of spectral printer modeling based ona modified cellular Yule Nielsen spectral Neugebauer model.J Opt Soc AmA.2014；31(6):1284-94.
需要说明的是，本发明并不局限于上述正向建模及反向分色算法，对于其他形式的CYNSN模型以及对应分色算法，本发明同样适用。
5)在设备颜色空间中进行采样，得墨量信息Tink，并以此制备分色算法检验样本集T，测量T所对应光谱反射率信息，利用4)所构建分色算法B对其进行分色，得墨量信息Tink’，并制备对应复制样本集T’。其中，分色算法检验样本集T所对应墨量信息的采样方式为色度空间均匀采样。具体为，通过墨量空间均匀采样的方式生成墨量值，利用4)所构建正向模型F预测其对应CIELAB色度信息，并以CIELAB空间明度值L均匀分布为原则，确定最终墨量采样值，并进而制备检验样本T；
实施例中，首先对CMYK四色空间的各色维度进行6级均匀采样，即单色墨量值范围为0—100，取值为0,20,40,60,80,100，如此可以采集到6×6×6×6＝1296个颜色色块样本作为CYNSN模型的建模样本。随后，利用3)中所构建BPn-CYNSN模型，即模型F，预测该1296个样本的光谱反射率，并利用色度学公式计算其CIELAB值，此计算方法为现有技术。在此基础上，以CIELAB值中明度值L均匀分布为原则，选择500个样本作为Tink，并打印制备检验样本集T。随后，利用分光光度计测量T所对应光谱反射率信息，共计500组，利用4)所构建分色算法B对其进行分色，得墨量信息Tink’，并制备对应复制样本集T’。
6)利用颜色测量设备，获取5)中样本集T’各样本光谱反射率信息；
实施例采用某品牌自动扫描式分光光度计，测量5)中样本集T’共计500个样本的光谱反射率信息。
7)以6)中测量所得光谱反射率信息为基础进行误差分析，记录5)中样本集T与样本集T’各样本分色误差值，包括各样本光谱误差RMSE以及色度误差CIEDE2000；
实施例中，利用相关公式计算样本集T与样本集T’颜色信息之间的各样本光谱误差RMSE以及色度误差CIEDE2000，共计500组。其中，光谱误差RMSE以及色度误差CIEDE2000均为现有技术指标，参见参考文献：
Imai FH,Rosen MR,Berns RS,editors.Comparative study of metrics forspectral match quality.CGIV；2002；Poitiers,France.
Luo MR,Cui G,Rigg B.The development of the CIE 2000colour‐differenceformula:CIEDE2000.Color Research&Application.2001；26(5):340-50.
8)将5)中样本集T以及样本集T’各色彩样本光谱反射率信息以及对应墨量Tink与Tink’信息代入3)所构建正向模型F，并以光谱误差RMSE最小化为原则，拟合求取CYNSN模型针对各色彩样本的最优n值；
实施例中，将5)中样本集T以及样本集T’各500组色彩样本光谱反射率信息以及对应墨量Tink与Tink’信息代入3)所构建正向模型F，并以光谱误差RMSE最小化为原则，拟合求取CYNSN模型针对各色彩样本的最优n值，共计500+500＝1000组n值，该n值为CYNSN模型中的参数，即Yule-Nielsen系数，其获取过程为现有技术，本发明不予撰述。
9)对于任意待复制色彩光谱反射率信息，首先利用现有分色算法B进行分色，得对应墨量信息X；
实施例中，以某色彩样本光谱反射率信息为例，首先利用现有分色算法B进行分色，得对应墨量信息X(C＝60，M＝3，Y＝58，K＝2)
10)设定分色校正阈值条件，包括设定墨量空间距离阈值Hink1,墨量空间误差阈值Hink2,光谱误差阈值HRMSE以及色度误差阈值H△00。其中，阈值条件成立时应满足：
①在5)墨量信息Tink与Tink’中搜寻与9)中墨量信息X之间欧式距离最小的墨量样本，设为Y1，该样本与X之间的归一化距离L小于墨量空间距离阈值Hink1；
②设在在5)中，Y1于T或T’中所对应原始墨量信息为Y2，即若Y1为Tink中样本，则Y2为Tink’中样本，若Y1为Tink’中样本，则Y2为Tink中样本。则下列三项条件至少满足其一：a.Y1与Y2间的归一化距离L大于墨量空间误差阈值Hink2；b.7)中所记录Y1所对应光谱反射率信息与Y2所对应光谱反射率信息间的光谱误差RMSE大于光谱误差阈值HRMSE；c.7)中所记录Y1所对应色度信息与Y2所对应色度信息间的色度误差CIEDE2000大于色度误差阈值H△00。
其中，归一化距离L的求解方式为：公式中，l表示Y1与X的欧式距离,k为墨色数量。空间距离阈值Hink1取值范围为0.1<Hink1<0.5、墨量空间误差阈值Hink2取值范围为0.1<Hink2<0.5，光谱误差阈值HRMSE取值范围为0.02<RMSE<0.04，色度误差阈值H△00取值范围为1<CIEDE2000<4，本领域技术人员可按照实际分色需求，在权衡校正精度及分色效率的基础上，自行设定。
在本发明中，Hink1值越高，Hink2、HRMSE以及H△00值越低，则满足阈值条件，即校正优化发生的概率越高，分色模型整体优化程度更高，但由于分色优化样本数相应增多，分色时间相应增加；反之，Hink1值越低，Hink2、HRMSE以及H△00值越高，则满足阈值条件，即校正优化发生的概率越低，则优化精度下降，但精度提升。为此，本领域技术人员可结合实际需要，对阈值进行相应设定。
本实施例中，分色校正阈值条件设定为：墨量空间距离阈值Hink1＝0.3,墨量空间误差阈值Hink2＝0.2,光谱误差阈值HRMSE＝0.03以及色度误差阈值H△00＝3。
实施例中，墨色数为4，即k＝4。Tink与Tink’共计1000组墨量信息中，与9)中分色值X(C＝60，M＝3，Y＝58，K＝2)欧式距离最近的点Y1的墨量值为Y1(C＝58，M＝0，Y＝58，K＝3),其二者间归一化距离为L＝0.0187<Hink1,即条件①满足。同时，Y1(C＝58，M＝0，Y＝58，K＝3)与Y2(C＝60，M＝0，Y＝60，K＝0)间的归一化距离L＝0.0206,大于Hink2，且Y1与Y2间的光谱误差RMSE＝0.034及色度误差CIEDE2000＝3.7均大于对应阈值条件，故条件②同时满足。因此，实施例中，阈值条件满足。
11)若9)中X不满足10)中所述阈值条件，则保留原分色算法及对应墨量值X；若9)中X满足10)中所述阈值条件，则结合8)中所计算各样本最优n值，对3)构建的F模型进行参数优化，修正F模型的整体最优n值，记为noptimal，并在此基础上重复4)进行重新分色，得针对待分色色彩信息的分色算法B’及其对应分色墨量信息X’，完成分色校正。
其中，noptimal的计算公式为：
上述公式中li表示5)中墨量信息Tink以及Tink’中8组离X欧氏距离最近的墨量值中的第i组墨量值与X之间的欧式距离，ni表示第i组墨量值于8)中所求之最优n值。
实施例中，因9)中X(C＝60，M＝3，Y＝58，K＝2)满足10)中所述阈值条件，故采用公式进行模型最优n值优化。其中，墨量信息Tink以及Tink’中8组离X欧氏距离最近的墨量值,及所对应欧式距离及最优n值分别为
(C＝58，M＝0，Y＝58，K＝3)；l＝3.7；n＝1.75
(C＝60，M＝0，Y＝60，K＝0)；l＝4.1；n＝1.7；
(C＝58，M＝17，Y＝61，K＝3)；l＝14.5；n＝1.9；
(C＝60，M＝20，Y＝60，K＝0)；l＝17.2；n＝1.9；
(C＝61，M＝2，Y＝60，K＝19)；l＝17.2；n＝1.55；
(C＝60，M＝0，Y＝60，K＝20)；l＝18.3；n＝1.65；
(C＝60，M＝20，Y＝60，K＝20)；l＝24.8；n＝1.7；
(C＝62，M＝18，Y＝59，K＝17)；l＝21.3；n＝1.8
因此，依据上述公式，可求得noptimal＝1.74。随后，此基础上重复4)进行重新分色，得针对待分色色彩信息的分色算法及其对应分色墨量信息X’(C＝59，M＝2，Y＝59，K＝4)，完成分色校正。
经计算，对于原始分色墨量X(C＝60，M＝3，Y＝58，K＝2)，其色彩复制精度为RMSE＝0.031；CIEDE2000＝3.4；对于优化校正后分色墨量X’(C＝59，M＝2，Y＝59，K＝4)，其色彩复制精度为RMSE＝0.014；CIEDE2000＝1.4；可见，其优化效果明显。
为进一步验证本发明可行性，随机选取100组色彩样本光谱反射率信息，重复上述步骤。结果显示，对于其100组样本，其原始色彩复制平均精度为RMSE＝0.021；CIEDE2000＝1.4；其中，最大值RMSE＝0.045；CIEDE2000＝4.2；优化校正后，色彩复制平均精度为RMSE＝0.017；CIEDE2000＝1.1；其中，最大值RMSE＝0.025；CIEDE2000＝2.7。可见，本发明提供的一种面向CYNSN模型的半色调设备光谱分色算法优化校正技术方案，在基于CYNSN模型的分色优化校正，以解决局部分色误差较大问题方法，具有较强的适用性。
本发明还提供一种面向CYNSN模型的半色调设备光谱分色算法优化校正系统，包括以下模块：
正向模型建模样本制备模块，用于在半色调设备颜色空间中进行采样，并以对应墨量制备半色调色彩正向建模样本集M；
建模样本测量模块，用于利用颜色测量设备，测量获取正向模型建模样本制备模块中M样本集各样本光谱反射率信息；
正向建模模块，用于以建模样本测量模块中测量所得色彩光谱反射率数据及正向模型建模样本制备模块中对应墨量数据为基础，构建CYNSN模型F；
反向建模模块，用于利用最优化算法对正向建模模块中所构建CYNSN模型进行反向，确定分色算法B；
检验样本制备模块，用于在设备颜色空间中进行采样，得墨量信息Tink，并以此制备分色算法检验样本集T，测量T所对应光谱反射率信息，利用反向建模模块所构建分色算法B对其进行分色，得墨量信息Tink’，并制备对应复制样本集T’；
检验样本二次测量模块，用于利用颜色测量设备，获取检验样本制备模块中样本集T’各样本光谱反射率信息；
误差分析模块，用于以检验样本二次测量模块中测量所得光谱反射率信息为基础进行误差分析，记录检验样本制备模块中样本集T与样本集T’各样本分色误差值，包括各样本光谱误差RMSE以及色度误差CIEDE2000；
最优参数计算模块，用于将检验样本制备模块中样本集T以及样本集T’各色彩样本光谱反射率信息以及对应墨量Tink与Tink’信息代入正向建模模块所构建正向模型F，并以光谱误差RMSE最小化为原则，拟合求取CYNSN模型针对各色彩样本的最优n值；
样本初始分色模块，用于对于任意待复制色彩光谱反射率信息，首先利用现有分色算法B进行分色，得对应墨量信息X；
阈值条件设定模块，用于设定分色校正阈值条件，包括设定墨量空间距离阈值Hink1,墨量空间误差阈值Hink2,光谱误差阈值HRMSE以及色度误差阈值H△00。其中，阈值条件成立时应满足：
1)在检验样本制备模块墨量信息Tink与Tink’中搜寻与样本初始分色模块中墨量信息X之间欧式距离最小的墨量样本，设为Y1，该样本与X之间的归一化距离L小于墨量空间距离阈值Hink1；
2)设在检验样本制备模块中，Y1于T或T’中所对应原始墨量信息为Y2，即若Y1为Tink中样本，则Y2为Tink’中样本，若Y1为Tink’中样本，则Y2为Tink中样本。则下列三项条件至少满足其一：a.Y1与Y2间的归一化距离L大于墨量空间误差阈值Hink2；b.误差分析模块中所记录Y1所对应光谱反射率信息与Y2所对应光谱反射率信息间的光谱误差RMSE大于光谱误差阈值HRMSE；c.误差分析模块中所记录Y1所对应色度信息与Y2所对应色度信息间的色度误差CIEDE2000大于色度误差阈值H△00；
分色校正模块，若样本初始分色模块中X不满足阈值条件设定模块中所述阈值条件，则保留原分色算法及对应墨量值X；若样本初始分色模块中X满足阈值条件设定模块中所述阈值条件，则结合最优参数计算模块中所计算各样本最优n值，对正向建模模块构建的F模型进行参数优化，修正F模型的整体最优n值，记为noptimal，并在此基础上重复反向建模模块进行重新分色，得针对待分色色彩信息的分色算法B’及其对应分色墨量信息X’，完成分色校正。此处，noptimal的计算公式为：
上述公式中li表示检验样本制备模块中墨量信息Tink以及Tink’中8组离X欧氏距离最近的墨量值中的第i组墨量值与X之间的欧式距离，ni表示第i组墨量值于最优参数计算模块中所求之最优n值。
其中，检验样本制备模块中，分色算法检验样本集T所对应墨量信息的采样方式为色度空间均匀采样。具体为，通过墨量空间均匀采样的方式生成墨量值，利用反向建模模块所构建正向模型F预测其对应CIELAB色度信息，并以CIELAB空间明度值L均匀分布为原则，确定最终墨量采样值，并进而制备检验样本T。
其中，阈值条件设定模块中，归一化距离L的求解方式为：上述公式中，l表示Y1与X的欧式距离,k为墨色数量。空间距离阈值Hink1取值范围为0.1<Hink1<0.5、墨量空间误差阈值Hink2取值范围为0.1<Hink2<0.5，光谱误差阈值HRMSE取值范围为0.02<RMSE<0.04，色度误差阈值H△00取值范围为1<CIEDE2000<4，本领域技术人员可按照实际分色需求，在权衡校正精度及分色效率的基础上，自行设定。
其中，反向建模模块中，采用序列二次规划算法对正向建模模块中所构建CYNSN模型F进行反向，确定分色算法B。
各模块具体实现和各步骤相应，本发明不予赘述。
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 (8)
1.一种半色调设备光谱分色算法优化校正方法，其特征在于，包括以下步骤：
步骤1，在半色调设备颜色空间中进行采样，并以对应墨量制备半色调色彩正向建模样本集M；
步骤2，利用颜色测量设备，测量获取步骤1中M样本集各样本光谱反射率信息；
步骤3，以步骤2中测量所得色彩光谱反射率数据及步骤1中对应墨量数据为基础，构建CYNSN模型F；
步骤4，利用最优化算法对步骤3中所构建CYNSN模型进行反向，确定分色算法B；
步骤5，在设备颜色空间中进行采样，得墨量信息Tink，并以此制备分色算法检验样本集T，测量T所对应光谱反射率信息，利用步骤4所构建分色算法B对其进行分色，得墨量信息Tink’，并制备对应复制样本集T’；
步骤6，利用颜色测量设备，获取步骤5中样本集T’各样本光谱反射率信息；
步骤7，以步骤6中测量所得光谱反射率信息为基础进行误差分析，记录步骤5中样本集T与样本集T’各样本分色误差值，包括各样本光谱误差RMSE以及色度误差CIEDE2000；
步骤8，将步骤5中样本集T以及样本集T’各色彩样本光谱反射率信息以及对应墨量Tink与Tink’信息代入步骤3所构建正向模型F，并以光谱误差RMSE最小化为原则，拟合求取CYNSN模型针对各色彩样本的最优n值；
步骤9，对于任意待复制色彩光谱反射率信息，首先利用分色算法B进行分色，得对应墨量信息X；
步骤10，设定分色校正阈值条件，包括设定墨量空间距离阈值Hink1,墨量空间误差阈值Hink2,光谱误差阈值HRMSE以及色度误差阈值H△00；其中，阈值条件成立时应满足：
1)在步骤5墨量信息Tink与Tink’中搜寻与步骤9中墨量信息X之间欧式距离最小的墨量样本，设为Y1，该样本与X之间的归一化距离L小于墨量空间距离阈值Hink1；
2)设Y1于T或T’中所对应原始墨量信息为Y2，即若Y1为Tink中样本，则Y2为Tink’中样本，若Y1为Tink’中样本，则Y2为Tink中样本；则下列三项条件至少满足其一：a.Y1与Y2间的归一化距离L大于墨量空间误差阈值Hink2；b.步骤7中所记录Y1所对应光谱反射率信息与Y2所对应光谱反射率信息间的光谱误差RMSE大于光谱误差阈值HRMSE；c.步骤7中所记录Y1所对应色度信息与Y2所对应色度信息间的色度误差CIEDE2000大于色度误差阈值H△00；
步骤11，若步骤9中X不满足步骤10中所述阈值条件，则保留原分色算法及对应墨量值X；若步骤9中X满足步骤10中所述阈值条件，则结合步骤8中所计算各样本最优n值，对步骤3构建的F模型进行参数优化，修正F模型的整体最优n值，记为noptimal，并在此基础上重复步骤4进行重新分色，得针对待分色色彩信息的分色算法B’及其对应分色墨量信息X’，完成分色校正，
其中，noptimal的计算公式为：
上述公式中li表示步骤5中墨量信息Tink以及Tink’中8组离X欧氏距离最近的墨量值中的第i组墨量值与X之间的欧式距离，ni表示第i组墨量值于步骤8中所求之最优n值。
2.根据权利要求1所述的一种半色调设备光谱分色算法优化校正方法，其特征在于：
步骤5中，分色算法检验样本集T所对应墨量信息的采样方式为色度空间均匀采样，具体为，通过墨量空间均匀采样的方式生成墨量值，利用步骤4所构建正向模型F预测其对应CIELAB色度信息，并以CIELAB空间明度值L均匀分布为原则，确定最终墨量采样值，并进而制备检验样本T。
3.根据权利要求1或2所述的一种半色调设备光谱分色算法优化校正方法，其特征在于：
步骤10中，归一化距离L的求解方式为：
其中，l表示Y1与X的欧式距离,k为墨色数量；空间距离阈值Hink1取值范围为0.1<Hink1<0.5，墨量空间误差阈值Hink2取值范围为0.1<Hink2<0.5，光谱误差阈值HRMSE取值范围为0.02<RMSE<0.04，色度误差阈值H△00取值范围为1<CIEDE2000<4。
4.根据权利要求3所述的一种半色调设备光谱分色算法优化校正方法，其特征在于：
步骤4中，采用序列二次规划算法对步骤3中所构建CYNSN模型F进行反向，确定分色算法B。
5.一种半色调设备光谱分色算法优化校正系统，其特征在于，包括以下模块：
正向模型建模样本制备模块，用于在半色调设备颜色空间中进行采样，并以对应墨量制备半色调色彩正向建模样本集M；
建模样本测量模块，用于利用颜色测量设备，测量获取正向模型建模样本制备模块中M样本集各样本光谱反射率信息；
正向建模模块，用于以建模样本测量模块中测量所得色彩光谱反射率数据及正向模型建模样本制备模块中对应墨量数据为基础，构建CYNSN模型F；
反向建模模块，用于利用最优化算法对正向建模模块中所构建CYNSN模型进行反向，确定分色算法B；
检验样本制备模块，用于在设备颜色空间中进行采样，得墨量信息Tink，并以此制备分色算法检验样本集T，测量T所对应光谱反射率信息，利用反向建模模块所构建分色算法B对其进行分色，得墨量信息Tink’，并制备对应复制样本集T’；
检验样本二次测量模块，用于利用颜色测量设备，获取检验样本制备模块中样本集T’各样本光谱反射率信息；
误差分析模块，用于以检验样本二次测量模块中测量所得光谱反射率信息为基础进行误差分析，记录检验样本制备模块中样本集T与样本集T’各样本分色误差值，包括各样本光谱误差RMSE以及色度误差CIEDE2000；
最优参数计算模块，用于将检验样本制备模块中样本集T以及样本集T’各色彩样本光谱反射率信息以及对应墨量Tink与Tink’信息代入正向建模模块所构建正向模型F，并以光谱误差RMSE最小化为原则，拟合求取CYNSN模型针对各色彩样本的最优n值；
样本初始分色模块，用于对于任意待复制色彩光谱反射率信息，首先利用分色算法B进行分色，得对应墨量信息X；
阈值条件设定模块，用于设定分色校正阈值条件，包括设定墨量空间距离阈值Hink1,墨量空间误差阈值Hink2,光谱误差阈值HRMSE以及色度误差阈值H△00；其中，阈值条件成立时应满足：
1)在检验样本制备模块墨量信息Tink与Tink’中搜寻与样本初始分色模块中墨量信息X之间欧式距离最小的墨量样本，设为Y1，该样本与X之间的归一化距离L小于墨量空间距离阈值Hink1；
2)设Y1于T或T’中所对应原始墨量信息为Y2，即若Y1为Tink中样本，则Y2为Tink’中样本，若Y1为Tink’中样本，则Y2为Tink中样本；则下列三项条件至少满足其一：a.Y1与Y2间的归一化距离L大于墨量空间误差阈值Hink2；b.误差分析模块中所记录Y1所对应光谱反射率信息与Y2所对应光谱反射率信息间的光谱误差RMSE大于光谱误差阈值HRMSE；c.误差分析模块中所记录Y1所对应色度信息与Y2所对应色度信息间的色度误差CIEDE2000大于色度误差阈值H△00；
分色校正模块，若样本初始分色模块中X不满足阈值条件设定模块中所述阈值条件，则保留原分色算法及对应墨量值X；若样本初始分色模块中X满足阈值条件设定模块中所述阈值条件，则结合最优参数计算模块中所计算各样本最优n值，对正向建模模块构建的F模型进行参数优化，修正F模型的整体最优n值，记为noptimal，并在此基础上重复反向建模模块进行重新分色，得针对待分色色彩信息的分色算法B’及其对应分色墨量信息X’，完成分色校正；
其中，noptimal的计算公式为：
上述公式中li表示检验样本制备模块中墨量信息Tink以及Tink’中8组离X欧氏距离最近的墨量值中的第i组墨量值与X之间的欧式距离，ni表示第i组墨量值于最优参数计算模块中所求之最优n值。
6.根据权利要求5所述的一种半色调设备光谱分色算法优化校正系统，其特征在于：
检验样本制备模块中，分色算法检验样本集T所对应墨量信息的采样方式为色度空间均匀采样，具体为，通过墨量空间均匀采样的方式生成墨量值，利用反向建模模块所构建正向模型F预测其对应CIELAB色度信息，并以CIELAB空间明度值L均匀分布为原则，确定最终墨量采样值，并进而制备检验样本T。
7.根据权利要求5或6所述的一种半色调设备光谱分色算法优化校正系统，其特征在于：
阈值条件设定模块中，归一化距离L的求解方式为：
上述公式中，l表示Y1与X的欧式距离,k为墨色数量；空间距离阈值Hink1取值范围为0.1<Hink1<0.5，墨量空间误差阈值Hink2取值范围为0.1<Hink2<0.5，光谱误差阈值HRMSE取值范围为0.02<RMSE<0.04，色度误差阈值H△00取值范围为1<CIEDE2000<4。
8.根据权利要求7所述的一种半色调设备光谱分色算法优化校正系统，其特征在于：
反向建模模块中，采用序列二次规划算法对正向建模模块中所构建CYNSN模型F进行反向，确定分色算法B。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710861483.8A CN107509005B (zh) | 2017-09-21 | 2017-09-21 | 一种半色调设备光谱分色算法优化校正方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710861483.8A CN107509005B (zh) | 2017-09-21 | 2017-09-21 | 一种半色调设备光谱分色算法优化校正方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107509005A true CN107509005A (zh) | 2017-12-22 |
| CN107509005B CN107509005B (zh) | 2019-02-12 |
Family
ID=60697058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710861483.8A Expired - Fee Related CN107509005B (zh) | 2017-09-21 | 2017-09-21 | 一种半色调设备光谱分色算法优化校正方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107509005B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108462863A (zh) * | 2018-02-11 | 2018-08-28 | 上海健康医学院 | 一种基于复合模型的显示设备色空间转换方法 |
| CN111524111A (zh) * | 2020-04-17 | 2020-08-11 | 北京古今盛世文化传播有限公司 | 基于艺术作品的打印处理方法及装置 |
| CN111950735A (zh) * | 2020-06-30 | 2020-11-17 | 上海交通大学 | 一种基于双向模型的强化学习方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103870689A (zh) * | 2014-03-11 | 2014-06-18 | 武汉大学 | 一种打印印刷系统光谱预测方法 |
| CN103862858A (zh) * | 2014-03-11 | 2014-06-18 | 武汉大学 | 一种多色打印印刷系统光谱分色方法 |
| CN104316469A (zh) * | 2014-10-29 | 2015-01-28 | 永发印务(东莞)有限公司 | 一种面向同色异谱防伪的打印印刷光谱分色方法 |
-
2017
- 2017-09-21 CN CN201710861483.8A patent/CN107509005B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103870689A (zh) * | 2014-03-11 | 2014-06-18 | 武汉大学 | 一种打印印刷系统光谱预测方法 |
| CN103862858A (zh) * | 2014-03-11 | 2014-06-18 | 武汉大学 | 一种多色打印印刷系统光谱分色方法 |
| CN104316469A (zh) * | 2014-10-29 | 2015-01-28 | 永发印务(东莞)有限公司 | 一种面向同色异谱防伪的打印印刷光谱分色方法 |
Non-Patent Citations (3)
| Title |
|---|
| BALA R,SHARMA G,MONGA V: "《Two-dimensional transforms for device color correction and calibration》", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
| LIU Q，WAN XX，XIE DH: "《Optimization of spectral printer modeling based on a modified cellular Yule-Nielsen spectral Neugebauer model》", 《JOURNAL OF THE OPTICAL SOCIETY OF AMERICA A-OPTICS IMAGE SCIENCE AND VISION》 * |
| 刘强: "《基于光谱的颜色喷墨再现关键问题研究》", 《信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108462863A (zh) * | 2018-02-11 | 2018-08-28 | 上海健康医学院 | 一种基于复合模型的显示设备色空间转换方法 |
| CN108462863B (zh) * | 2018-02-11 | 2020-06-05 | 上海健康医学院 | 一种基于复合模型的显示设备色空间转换方法 |
| CN111524111A (zh) * | 2020-04-17 | 2020-08-11 | 北京古今盛世文化传播有限公司 | 基于艺术作品的打印处理方法及装置 |
| CN111950735A (zh) * | 2020-06-30 | 2020-11-17 | 上海交通大学 | 一种基于双向模型的强化学习方法 |
| CN111950735B (zh) * | 2020-06-30 | 2023-11-17 | 上海交通大学 | 一种基于双向模型的强化学习方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107509005B (zh) | 2019-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107509005A (zh) | 一种半色调设备光谱分色算法优化校正方法及系统 | |
| US20150341527A1 (en) | Method and system for closed-loop color correction based on a multidimensional table | |
| CN102945556B (zh) | 基于胞元划分纽介堡方程的七色分色算法 | |
| CN104205796B (zh) | 用于使用于彩色设备的墨模型规则化的系统和方法 | |
| US20110075923A1 (en) | Image processing apparatus and image processing method | |
| CN104516231B (zh) | 图像形成装置 | |
| CN103870689B (zh) | 一种打印印刷系统光谱预测方法 | |
| JPH0983824A (ja) | 色修正方法 | |
| CN101987529B (zh) | 一种专色参与图像的数码打样方法 | |
| CN107330188A (zh) | 面向复制对象的多色半色调设备拆分式建模方法及系统 | |
| US8325394B2 (en) | Hierarchical scanner characterization | |
| CN106937018A (zh) | 基于rbf神经网络用于纺织品喷墨印染的色彩映射方法 | |
| CN107341303A (zh) | 基于墨量限制样本的喷印设备光谱分色模型校正方法及系统 | |
| CN108280044B (zh) | 一种基于半色调实地的纽介堡方程修正方法 | |
| CN107452042B (zh) | 一种半色调设备光谱特性化模型优化方法及系统 | |
| CN103862858B (zh) | 一种多色打印印刷系统光谱分色方法 | |
| CN102075667A (zh) | 一种基于查表法的反向色彩空间转换方法 | |
| JP5181746B2 (ja) | 分光反射率導出装置、分光反射率導出方法及び分光反射率導出プログラム | |
| CN107357537B (zh) | 面向不同介质的半色调设备分色模型批量构建方法及系统 | |
| Fdhal et al. | Color space transformation from RGB to CIELAB using neural networks | |
| Green | Test target for defining media gamut boundaries | |
| CN103618845A (zh) | 一种基于最小显色误差激光打印机模型绿噪声半色调算法 | |
| Liu et al. | Quality assessment of digital proofing and discussion on standards of color difference | |
| Yanzhe | A novel algorithm based on improved BP neural network and its application in color management | |
| US20030184776A1 (en) | Image processing diagnostic method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190212 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |