CN107766681B - 一种印刷品黑色油墨预测光谱的校正技术 - Google Patents
一种印刷品黑色油墨预测光谱的校正技术 Download PDFInfo
- Publication number
- CN107766681B CN107766681B CN201711189370.4A CN201711189370A CN107766681B CN 107766681 B CN107766681 B CN 107766681B CN 201711189370 A CN201711189370 A CN 201711189370A CN 107766681 B CN107766681 B CN 107766681B
- Authority
- CN
- China
- Prior art keywords
- spectral
- ink
- theta
- spectrum
- black ink
- 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.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 52
- 238000005516 engineering process Methods 0.000 title claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 239000000976 ink Substances 0.000 claims description 74
- 230000003595 spectral effect Effects 0.000 claims description 52
- 239000013598 vector Substances 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000135164 Timea Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004042 decolorization Methods 0.000 description 1
- 230000031700 light absorption Effects 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
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G01J3/28—Investigating the spectrum
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Spectrometry And Color Measurement (AREA)
- Color Image Communication Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种印刷品黑色油墨预测光谱校正技术,通过获取光谱数据、建立减色线性空间、进行空间转换、原色油墨光谱预测、识别是否使用黑色油墨、最后采用基于非线性有约束的优化函数进行校正优化,最终得到与印刷品原稿中使用的黑色油墨在光谱曲线上极度逼近的优化结果。本发明能最大限度上消除同色异谱现象,实现印刷品中黑色油墨优化光谱与原稿的一致性,在印刷光谱复制领域中原色油墨的最佳匹配、光谱复制以及光谱配色等方面有重要的应用价值。
Description
技术领域
本发明涉及印刷复制领域,特别涉及一种印刷品黑色油墨预测光谱校正技术。
背景技术
现在阶段适合于印刷品原色油墨光谱预测的方法中,只能实现彩色油墨光谱的准确预测,其预测的彩墨光谱曲线能与实际光谱拟合程度较高,但黑色油墨预测光谱特性曲线与实际光谱曲线有一定差距,其黑墨预测光谱形状类似于预测的彩色油墨光谱曲线的线性叠加。目前还没有对黑墨光谱预测结果的校正方法。
这种黑墨预测结果不准确的现象,与印刷品半色调原稿的减色呈色原理相关,中性灰的呈色可以是黑色油墨的色彩再现,也可看作是其他三彩色油墨对光线吸收反射的混合结果,预测得到的黑墨曲线像是运用了底色去除(GCR)印刷工艺,这对真正使用的黑原色油墨光谱的预测有一定程度的干扰。故经印刷品原色油墨光谱预测方法直接预测的黑色油墨光谱曲线,需通过研发新的算法对其进行优化校正,使其逼近实际光谱曲线。
发明内容
本发明目的是提供一种印刷品黑色油墨预测光谱校正技术。
本发明解决技术问题采用如下技术方案:
一种印刷品黑色油墨预测光谱校正技术,包括以下步骤:
1)获取印刷品原稿图像的光谱数据,依据光谱数据建立减色线性经验空间,将光谱数据从光谱反射率空间转换到减色线性经验空间Θ,利用基于非负矩阵分解的光谱预测算法完成对原稿所用油墨的光谱预测,并计算实际转换空间Θ与预测转换空间θ的逼近误差ε1;
2)对预测得到的原色油墨光谱向量组A中,识别是否使用黑色油墨,若有黑墨光谱向量将其记为[black],将[black]定为进行优化的目标,并与其他彩墨光谱组成新的向量组记为Anew,新得到的数据空间记为θ1,计算与实际转换空间Θ的逼近误差ε2;
3)针对原色油墨光谱预测算法得到的黑色油墨光谱曲线与实际曲线存在的偏差,采用基于非线性有约束的优化函数f=min||Θ-θ1||2实现预测黑色油墨光谱曲线的校正优化。
作为本发明的一种优选,所述的逼近误差是指两个空间的差值的二范数的平方。
作为本发明又进一步的优选,所述的识别是否使用黑色油墨的过程是指对预测光谱向量组的每个向量进行最大值最小值做差,差值中的最小值若不在青、品红、黄色油墨的曲线范围内即为黑色油墨。
作为本发明的更进一步的优选,所述的基于非线性有约束的优化函数f=min||Θ-θ1||2实现预测黑色油墨光谱曲线的校正优化包括以下步骤:
对[black]不断优化,在每次优化过程中得到的一个新的数据空间θ1,计算新的θ1与Θ两者之间逼近误差ε2,当ε2达到最小值min||Θ-θ1||2时,将其值赋予f,此时输出优化目标[black]。
作为本发明的另一种优选,所述的将光谱数据从光谱反射率空间转换到减色线性经验空间Θ的步骤中转换模型为:
Θ=Rp 1/n-Rm 1/n,其中,所述n表示转换因子且n≥2,Θ表示减色线性经验空间,Rp表示印刷品纸张的光谱反射率,Rm表示测得的半色调原稿印刷品的光谱反射率。
作为本发明的又一种优选,所述的一种印刷品黑色油墨预测光谱校正技术,所述的基于非负矩阵分解的光谱预测算法表达式如下:
Ψ=Σai×yi=AC;0<ai<1;0<yi<1;Σyi=1;
Ψ为p×q矩阵表示半色调原稿整体的光学特性;p为矩阵维数即光谱维度;q为原稿颜色采样样本数即测量的色块数目;ai表示第i个原色油墨的光谱特性;向量组A表示(a1,a2,a3…);yi表示第i个原色油墨对应的浓度百分比;向量组C表示(y1,y2,y3…)。
本发明具有如下有益效果:本发明能够对预测得到的黑色油墨光谱进行优化,使其与印刷品原稿中真正使用的黑色油墨在光谱曲线上极度逼近,能最大限度上消除同色异谱现象,实现印刷品中黑色油墨优化光谱与原稿的一致性。本发明对印刷品原稿光谱预测中实现全部油墨原色光谱预测十分重要,在印刷光谱复制领域中原色油墨的最佳匹配、光谱复制以及光谱配色等方面有重要的应用价值。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步阐述。
具体实施方式一:一种印刷品黑色油墨预测光谱校正技术,包括以下步骤:
1)获取印刷品原稿图像的光谱数据,依据光谱数据建立减色线性经验空间,将光谱数据从光谱反射率空间转换到减色线性经验空间Θ,利用基于非负矩阵分解的光谱预测算法完成对原稿所用油墨的光谱预测,并计算实际转换空间Θ与预测转换空间θ的逼近误差ε1;
2)对预测得到的原色油墨光谱向量组A中,识别是否使用黑色油墨,若有黑墨光谱向量将其记为[black],将[black]定为进行优化的目标,并与其他彩墨光谱组成新的向量组记为Anew,新得到的数据空间记为θ1,计算与实际转换空间Θ的逼近误差ε2;
3)针对原色油墨光谱预测算法得到的黑色油墨光谱曲线与实际曲线存在的偏差,采用基于非线性有约束的优化函数f=min||Θ-θ1||2实现预测黑色油墨光谱曲线的校正优化。
具体实施方式二:本实施方式是对实施方式一的一种限定,所述的逼近误差是指两个空间的差值的二范数的平方。
具体实施方式三:本实施方式是对实施方式二的一种限定,所述的识别是否使用黑色油墨的过程是指对预测光谱向量组的每个向量进行最大值最小值做差,差值中的最小值若不在青、品红、黄色油墨的曲线范围内即为黑色油墨。
具体实施方式四:本实施方式是对实施方式三的一种限定,所述的基于非线性有约束的优化函数f=min||Θ-θ1||2实现预测黑色油墨光谱曲线的校正优化包括以下步骤:
对[black]不断优化,在每次优化过程中得到的一个新的数据空间θ1,计算新的θ1与Θ两者之间逼近误差ε2,当ε2达到最小值min||Θ-θ1||2时,将其值赋予f,此时输出优化目标[black]。
具体实施方式五:本实施方式是对实施方式一至四的一种限定,所述的将光谱数据从光谱反射率空间转换到减色线性经验空间Θ的步骤中转换模型为:
Θ=Rp 1/n-Rm 1/n,其中,所述n表示转换因子且n≥2,Θ表示减色线性经验空间,Rp表示印刷品纸张的光谱反射率,Rm表示测得的半色调原稿印刷品的光谱反射率。
具体实施方式六:本实施方式是对实施方式一至四的另一种限定,所述的基于非负矩阵分解的光谱预测算法表达式如下:
Ψ=Σai×yi=AC;0<ai<1;0<yi<1;Σyi=1;
Ψ为p×q矩阵表示半色调原稿整体的光学特性;p为矩阵维数即光谱维度;q为原稿颜色采样样本数即测量的色块数目;ai表示第i个原色油墨的光谱特性;向量组A表示(a1,a2,a3…);yi表示第i个原色油墨对应的浓度百分比;向量组C表示(y1,y2,y3…)。
最后应说明的是:以上具体实施方式仅用以说明本发明的技术方案,而非对其限制;尽管参照前述具体实施方式对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明具体实施方式的技术方案的精神和范围。
Claims (3)
1.一种印刷品黑色油墨预测光谱校正技术,其特征在于,包括以下步骤:
1)获取印刷品原稿图像的光谱数据,依据光谱数据建立减色线性经验空间,将光谱数据从光谱反射率空间转换到减色线性经验空间Θ,利用基于非负矩阵分解的光谱预测算法完成对原稿所用油墨的光谱预测,并计算实际转换空间Θ与预测转换空间θ的逼近误差ε1;
2)对预测得到的原色油墨光谱向量组A中,识别是否使用黑色油墨,若有黑墨光谱向量将其记为[black],将[black]定为进行优化的目标,并与其他彩墨光谱组成新的向量组记为Anew,新得到的数据空间记为θ1,计算与实际转换空间Θ的逼近误差ε2;
3)针对原色油墨光谱预测算法得到的黑色油墨光谱曲线与实际曲线存在的偏差,采用基于非线性有约束的优化函数f=min||Θ-θ1||2实现预测黑色油墨光谱曲线的校正优化;
其中,所述的逼近误差是指两个空间的差值的二范数的平方;
所述的识别是否使用黑色油墨的过程是指对预测光谱向量组的每个向量进行最大值最小值做差,差值中的最小值若不在青、品红、黄色油墨的曲线范围内即为黑色油墨;
所述的基于非线性有约束的优化函数f=min||Θ-θ1||2实现预测黑色油墨光谱曲线的校正优化包括以下步骤:
对[black]不断优化,在每次优化过程中得到的一个新的数据空间θ1,计算新的θ1与Θ两者之间逼近误差ε2,当ε2达到最小值min||Θ-θ1||2时,将其值赋予f,此时输出优化目标[black]。
2.根据权利要求1所述的一种印刷品黑色油墨预测光谱校正技术,其特征在于,所述的将光谱数据从光谱反射率空间转换到减色线性经验空间Θ的步骤中转换模型为:
Θ=Rp 1/n-Rm 1/n,其中,所述n表示转换因子且n≥2,Θ表示减色线性经验空间,Rp表示印刷品纸张的光谱反射率,Rm表示测得的半色调原稿印刷品的光谱反射率。
3.根据权利要求1所述的一种印刷品黑色油墨预测光谱校正技术,所述的基于非负矩阵分解的光谱预测算法表达式如下:
Ψ=∑ai×yi=AC;0<ai<1;0<yi<1;Σyi=1;
Ψ为p×q矩阵表示半色调原稿整体的光学特性;p为矩阵维数即光谱维度;
q为原稿颜色采样样本数即测量的色块数目;ai表示第i个原色油墨的光谱特性;
向量组A表示(a1,a2,a3…);yi表示第i个原色油墨对应的浓度百分比;向量组C表示(y1,y2,y3…)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711189370.4A CN107766681B (zh) | 2017-11-24 | 2017-11-24 | 一种印刷品黑色油墨预测光谱的校正技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711189370.4A CN107766681B (zh) | 2017-11-24 | 2017-11-24 | 一种印刷品黑色油墨预测光谱的校正技术 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107766681A CN107766681A (zh) | 2018-03-06 |
CN107766681B true CN107766681B (zh) | 2021-03-16 |
Family
ID=61276009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711189370.4A Active CN107766681B (zh) | 2017-11-24 | 2017-11-24 | 一种印刷品黑色油墨预测光谱的校正技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107766681B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108593104B (zh) * | 2018-03-30 | 2020-06-26 | 北京化工大学 | 一种小型高信噪比手持式光谱检测系统 |
CN109740712B (zh) * | 2018-12-21 | 2022-03-08 | 北京印刷学院 | 隐藏防伪标识图像的二维码 |
CN110189649B (zh) * | 2019-05-05 | 2021-10-01 | 苏州胜利精密制造科技股份有限公司 | 一种用于实现显示屏幕息屏一体黑的油墨配色方法 |
CN114166777B (zh) * | 2021-11-30 | 2023-09-01 | 海南电网有限责任公司电力科学研究院 | 一种用于绝缘纸的近红外光谱影响因素校正方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646393A (zh) * | 2013-11-22 | 2014-03-19 | 深圳职业技术学院 | 油画基色颜料光谱预测方法 |
CN104392243A (zh) * | 2014-11-18 | 2015-03-04 | 西北工业大学 | 基于核稀疏非负矩阵分解的高光谱图像非线性解混方法 |
CN104952050A (zh) * | 2015-07-07 | 2015-09-30 | 西安电子科技大学 | 基于区域分割的高光谱图像自适应解混方法 |
CN107367464A (zh) * | 2017-06-09 | 2017-11-21 | 深圳职业技术学院 | 印刷品原色油墨光谱预测方法 |
-
2017
- 2017-11-24 CN CN201711189370.4A patent/CN107766681B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646393A (zh) * | 2013-11-22 | 2014-03-19 | 深圳职业技术学院 | 油画基色颜料光谱预测方法 |
CN104392243A (zh) * | 2014-11-18 | 2015-03-04 | 西北工业大学 | 基于核稀疏非负矩阵分解的高光谱图像非线性解混方法 |
CN104952050A (zh) * | 2015-07-07 | 2015-09-30 | 西安电子科技大学 | 基于区域分割的高光谱图像自适应解混方法 |
CN107367464A (zh) * | 2017-06-09 | 2017-11-21 | 深圳职业技术学院 | 印刷品原色油墨光谱预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107766681A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766681B (zh) | 一种印刷品黑色油墨预测光谱的校正技术 | |
JP5310298B2 (ja) | 画像処理装置、画像形成システム、およびプログラム | |
US8280161B2 (en) | Spot color table compensation | |
JP5712684B2 (ja) | 色処理装置及びプログラム | |
JP2017201758A (ja) | 画像処理装置、画像処理方法及びプログラム | |
US7307755B2 (en) | Method for correcting unadjusted printing data on the basis of colormetrically measured reference sheet | |
CN107105126B (zh) | 用于使用于彩色设备的墨模型规则化的系统和方法 | |
JP7299048B2 (ja) | 色予測方法および色予測プログラム | |
US11410004B2 (en) | Color prediction method and computer readable recording medium having recorded therein color prediction program | |
JP5651665B2 (ja) | 色材総量制限プロファイルの作成方法、色材総量制限プロファイルの作成装置、画像信号処理装置、画像信号処理システム及びプログラム | |
JP5699608B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
JP2015142250A (ja) | 色変換対応情報作成装置、方法、プログラム、印刷装置の製造システム及び製造方法 | |
EP3687151B1 (en) | Color prediction method and color prediction program | |
US9876943B2 (en) | Color managed printing system | |
JP2010147586A (ja) | 印刷結果予測方法、プロファイル作成方法、印刷装置、および、調査シート | |
JP2007158688A (ja) | 画像処理装置、方法、プログラムおよび記録媒体 | |
US20090303501A1 (en) | Print Management System, and Method and Program for the Same | |
JP7082919B2 (ja) | 色予測方法、印刷データ生成方法、印刷データ生成装置、および色予測プログラム | |
US11659131B2 (en) | Method and computer program product for predicting spectral characteristics of ink applied to a base material | |
JP5880231B2 (ja) | 色変換テーブル作成装置、色変換テーブル作成装置を含む出力システム、及び色変換テーブル作成装置の制御プログラム | |
JP7220823B2 (ja) | 色予測方法 | |
Tominaga | Color conversion using neural networks | |
Dianat et al. | Dynamic optimization algorithm for generating inverse printer map with reduced measurements | |
Tarasov et al. | Determining the ideal initial printing colorants in electrophotography by the discrete gradation trajectories | |
JP2006345435A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、及び記憶媒体 |
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 |