CN108700467A - 简化的纹理比较引擎 - Google Patents

简化的纹理比较引擎 Download PDF

Info

Publication number
CN108700467A
CN108700467A CN201780011913.5A CN201780011913A CN108700467A CN 108700467 A CN108700467 A CN 108700467A CN 201780011913 A CN201780011913 A CN 201780011913A CN 108700467 A CN108700467 A CN 108700467A
Authority
CN
China
Prior art keywords
coating
relative
texture
feature
target coating
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
CN201780011913.5A
Other languages
English (en)
Other versions
CN108700467B (zh
Inventor
P·奈森
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.)
PPG Industries Ohio Inc
PPG Industries Inc
Original Assignee
PPG Industries Inc
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 PPG Industries Inc filed Critical PPG Industries Inc
Publication of CN108700467A publication Critical patent/CN108700467A/zh
Application granted granted Critical
Publication of CN108700467B publication Critical patent/CN108700467B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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
    • G01J3/463—Colour matching
    • 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
    • G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
    • G01J3/504—Goniometric colour measurements, for example measurements of metallic or flake based paints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30156—Vehicle coating

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Image Generation (AREA)
  • Image Analysis (AREA)

Abstract

用于计算涂层纹理指标的方法可以包括从图像接收目标涂层纹理变量。该方法还可以包括访问相对纹理特点数据库，该数据库存储多个涂层的纹理特点关系的集合。该方法还可以包括计算目标涂层纹理变量和与比较涂层相关联的目标涂层纹理变量之间的相关性。基于计算出的相关性，该方法可以包括计算目标涂层的相对纹理特点的集合，其指示目标涂层与比较涂层之间纹理的相对差异。所述相对纹理特点中的每一个相对纹理特点可以包括在所有角度上对目标涂层的评估。

Description

简化的纹理比较引擎
背景技术
涂层已经使用了数百年以用于保护并且增加产品和结构的视觉吸引力。例如，房屋被涂漆或染色以保护下面的壁板免受天气影响并且还为房屋增加美学品质。类似地，汽车有时用多个专用层涂漆，以保护车辆的金属主体并且还增加车辆的视觉吸引力。
各种涂层可以具有对于某些用途有益的或期望的具体特征和特性。例如，不同的涂层可以具有不同的导电特性、不同的化学反应特性、不同的硬度特性、不同的UV特性和其它不同的特定于使用的特性。此外，涂层可以包括独特的视觉特征。例如，一些汽车涂层包括赋予涂层独特视觉效果的纹理特征。
提供高度一致的涂料组合物的能力是许多不同涂料市场的重要方面。例如，期望装饰涂层包括一致的颜色和视觉特征。类似地，将先前施加的涂层与可用涂层颜色匹配的能力是重要的。例如，当修复汽车涂层中的划痕时，期望匹配原始涂层的颜色和纹理。匹配涂层的能力需要一致的涂料组合物和工具，用于正确地识别目标涂层和/或识别可接受的组合物以匹配目标涂层。
在向最终用户提供复杂涂层和纹理信息方面存在显著的技术困难。例如，涂层信息涉及来自不同角度的大量不同测量。所产生的数据集可以是大的并且在实践中难以使用。由此，需要用于处理大型涂层数据集并以易于使用和理解的一致术语向最终用户呈现结果信息的技术上可靠的方法和方案。
发明内容
例如，本发明的实现可以包括用于计算涂层纹理指标的方法。该方法可以包括从目标涂层的图像接收目标涂层纹理变量。该方法还可以包括访问相对纹理特点数据库，该数据库存储多个涂层的纹理特点关系的集合。该方法还可以包括计算目标涂层纹理变量和与比较涂层相关联的体纹理数据变量之间的相关性。该方法还可以包括基于计算出的相关性计算目标涂层的相对纹理特点的集合，相对纹理特点指示目标涂层与比较涂层之间的纹理的相对差异。每个相对纹理特点可以包括对目标涂层的所有角度的评估。
此外，本发明的实现可以包括计算机化的系统，该计算机化的系统被配置为执行用于计算涂层纹理指标的方法。例如，该方法可以包括接收目标涂层纹理变量，其可以包括从目标涂层的图像生成的体纹理数据变量。该方法还可以包括，基于从相机使能的分光光度计接收的信息，识别与目标涂层相关联的涂层颜色。
此外，在该系统中实现的方法可以包括访问相对纹理特点数据库。相对纹理特点数据库可以包括与涂层颜色相关的一个或多个涂层的相对纹理特点的集合。所实现的方法还可以包括计算目标涂层纹理变量和与所提出的匹配涂层相关联的体纹理数据变量之间的相关性。另外，基于计算出的相关性，所实现的方法可以包括计算所提出的匹配涂层的相对纹理特点的集合，相对纹理特点指示目标涂层与所提出的匹配涂层之间的纹理的相对差异。每个相对纹理特点可以包括对目标涂层的所有角度的评估。还有，所实现的方法可以包括发送能够使显示器描绘该相对纹理特点的集合的数字数据。
另外，本发明的实现可以包括用于计算涂层纹理指标的方法。在这种情况下，该方法可以包括从目标涂层的图像接收目标涂层纹理变量，其可以包括从图像生成的体纹理数据变量。该方法还可以包括访问相对纹理特点数据库。相对纹理特点数据库可以包括用于多个涂层的纹理特点关系的集合。此外，该方法可以包括计算目标涂层纹理变量和与多个不同涂层相关联的体纹理数据变量之间的相关性。基于计算出的相关性，该方法可以包括计算目标涂层的相对纹理特点的集合，相对纹理特点指示目标涂层与多个不同涂层之间的纹理的相对差异，其中每个相对纹理特点包括对目标涂层的所有角度的评估。另外，该方法可以包括发送能够使显示器描绘该相对纹理特征的数字数据。
本发明的示例性实现的附加特征和优点将在随后的描述中阐述，并且部分地将从描述中明显得出，或者可以通过这种示例性实现的实践来学习。借助于所附权利要求中特别指出的仪器和组合，可以实现和获得这种实现的特征和优点。根据以下描述和所附权利要求，这些和其它特征将变得更加明显，或者可以通过实践如下文所述的这种示例性实现来学习。
附图说明
为了描述可以获得本发明的上述和其它优点和特征的方式，下面将参考附图对以上简要描述的本发明的更具体的描述进行描述。要理解的是，这些附图仅仅描绘了本发明的示例性或典型实现，因此不应认为是对其范围的限制，本发明将通过使用附图的附加特征和细节进行描述和解释，其中：
图1描绘了根据本发明的实现的用于计算涂层纹理的系统的示意图；
图2A描绘了根据本发明的实现的相对纹理特点图表和伴随的示例涂层；
图2B描绘了根据本发明的实现的另一个相对纹理特点图表和伴随的示例涂层；
图2C描绘了根据本发明的实现的又一个相对纹理特点图表和伴随的示例涂层；
图3描绘了根据本发明的实现的相对纹理特征的线图表；
图4描绘了根据本发明的实现的纹理变量的表。
图5描绘了根据本发明的实现的感知纹理特点的相关性的图表；以及
图6描绘了根据本发明的实现的用于计算纹理特点的方法中的步骤的流程图。
具体实施方式
本发明扩展到被配置为相对于一个或多个先前分析的参考涂层表征目标涂层的系统、方法和装置。在本文中，计算机系统和数据获取设备可以用于从目标涂层搜集纹理信息并生成描述目标涂层相对于一个或多个其它涂层的一个或多个纹理输出。本发明可以采用计算机系统和数据获取设备，用于接收纹理变量的大数据集并将大数据集变换成简化且易于使用的纹理值指标。另外，本发明还可以包括用于将未处理的纹理变量映射到人类感知的纹理特点的数据变换。本发明的实现为涂层匹配领域提供了新颖且非显而易见的改进。
因而，本发明提供了用于分析和匹配涂层纹理的新颖且创新的系统和方法。与显示纹理差异的常规方法相反，本发明可以提供外行人可理解的简单且清晰的信息。此外，本发明可以为被分析的涂层提供真实的视觉纹理匹配。特别地，根据本发明，目标涂层可以与基于一般群体的大的截面的视觉印象的参考数据匹配。由此，本发明可以提供更简单和更准确的用于分析和匹配涂层纹理的手段。
本发明的至少一个实现可以包括涂层纹理计算软件应用100。图1相应地描绘了用于计算涂层纹理的系统的示意图。特别地，图1示出了软件应用100可以包括数据输入模块120，该数据输入模块120被配置为从图像接收目标涂层纹理变量并从目标涂层接收涂层颜色变量。如本文所使用的，数据输入模块120包括用于与涂层纹理计算软件应用100通信的应用程序接口(“API”)、用于与涂层纹理计算软件应用100通信的用户界面，或者被配置为将输入接收到涂层纹理计算软件应用100中和/或将输出发送出涂层纹理计算软件应用100的任何其它功能。目标涂层纹理变量可以包括从目标涂层的图像生成的目标涂层纹理变量。
例如，图1示出了数据输入模块120可以与涂层测量仪器(诸如相机使能的分光光度计110，其为软件应用100提供用于目标涂层的目标涂层纹理变量集合)通信。如本文所使用的，目标涂层纹理变量包括或者从分光光度计接收的或者从已经处理了涂层图像的算法接收的纹理相关数据。目标涂层纹理变量可以包括与目标涂层相关的各种不同测量结果，包括在宽范围的不同角度下的读数。此外，在至少一个实现中，从相机使能的分光光度计接收的实际数据可以取决于相机使能的分光光度计的类型和品牌。例如，不同品牌的相机使能的分光光度计可以测量涂层的不同特点，并且可以在将数据传送到计算机以进行进一步处理之前对数据执行独特的内部处理。由此，涂层纹理变量可以包括各种不同的形式和值，这取决于具体数据最初是如何收集和处理的。
在替代实现中，数据输入模块120可以直接接收涂层的图像。所接收的图像可以包括用数码相机以至少三倍光学变焦拍摄的照片。数据输入模块120可以被配置为分析涂层的图像并计算期望的纹理变量。在至少一个实现中，利用黑白图像来计算用于目标涂层的纹理变量集，因为可以通过移除颜色信息来简化计算。相反，在至少一个实现中，可以使用彩色图像来计算目标涂层的纹理变量集，因为在彩色图像中可以获得附加的纹理信息，否则在黑白图像中这些信息将无法访问。
图1还示出了数据输入模块120可以将涂层颜色变量提供给颜色匹配模块170。颜色涂层变量可以从光谱仪接收并使用常规方法处理。使用涂层颜色变量，颜色匹配模块170可以在涂层信息数据库140中搜索与目标涂层的颜色最接近地匹配的一种或多种颜色。在至少一个实现中，存储在涂层信息数据库140内的每种颜色可以与特定涂层相关联并与涂层纹理变量相关联。例如，颜色匹配模块170可以确定目标涂层包括森林绿，其类似于存储在涂层信息数据库140内的特定颜色组。
一旦识别出一个或多个提出的匹配颜色，颜色匹配模块170就可以为纹理计算模块130提供所提出的匹配的指标。指标可以包括指向涂层信息数据库内提出的匹配的指针，包括关于每个提出的匹配的信息的数据结构，或者为纹理计算模块130提供对所提出的匹配的必要的涂层信息的访问的任何其它数据通信。如图1所示，纹理计算模块130然后可以从涂层信息数据库140内访问与一个或多个所提出的匹配涂层中的每一个相关联的涂层纹理变量。
使用与所提出的匹配涂层相关联的涂层纹理变量和与目标涂层相关联的涂层纹理变量，纹理计算模块130可以计算目标涂层与每个所提出的匹配涂层之间的相关性。基于计算出的相关性，纹理计算模块130可以计算所提出的匹配涂层的相对纹理特点的集合，相对纹理特点指示所提出的匹配涂层与目标涂层之间的纹理的相对差异。每个相对纹理特征可以包括对目标涂层的所有角度的评估。
相对纹理特点可以基于人提供的不同参考涂层之间的相对视觉印象。例如，相对视觉印象可以包括相对于多个不同参考涂层的相对粗糙度、相对闪光强度和/或相对闪光密度。可以通过让大量不同的个体相对于彼此观察几个不同的涂层样品来搜集相对印象。然后，个体可以陈述他们对样品的各种纹理特征的印象。
例如，可以要求个体在数字尺度上将各个样本评定为具有相对更多或更少的总体纹理。类似地，可以要求个体对于粗糙度、闪光强度和/或闪光密度在相对尺度上对相应的样本进行评级。然后可以将相对印象统计地映射到与每个相应样本相关联的涂层纹理变量。因而，可以在从分光光度计接收的每个涂层纹理变量与各种纹理特点的人类感知之间创建统计相关性。
纹理计算模块130可以利用统计相关性来识别目标涂层相对于每个所提出的涂层匹配的相对纹理特点的集合。例如，纹理计算模块130可以计算相对粗糙度值、相对纹理密度值和/或相对纹理强度值。此外，纹理计算模块130可以基于相对纹理特点的集合来计算总体相对纹理特点值。例如，总体相对纹理特点值可以直接从与人类感知的相关性导出，或者总体相对纹理特点值可以从其它相关纹理数据的平均值来计算。
然后，显示模块150可以在图形用户界面上向用户(例如，在显示器160处)显示识别出的相对纹理特点，使得用户可以容易地识别出目标涂层与每个提出的匹配涂层之间的纹理特点的差异。所显示的相对纹理特点可以包括单个总体纹理值、相对粗糙度值、相对纹理密度值和/或相对纹理强度值。由此，本发明的各种实现可以显著地简化和标准化显示给最终用户的纹理信息。
提供一个或多个涂层之间的人类感知差异的简单指示可以提供涂层匹配技术领域的显著改进。特别地，提供用于区分涂层的纹理属性的一致和标准基础解决了该技术领域中的显著缺点。由此，使用利用纹理差异的人类感知的统计标准化方法可以提供用于匹配涂层纹理的创新方法。例如，在至少一个实现中，可以相对于所有可用的涂层组合物提供相对纹理值，使得不必识别具体的潜在匹配涂层以便生成相对纹理值。相反，可以基于大的颜色空间来计算标准化的纹理值。
图2A描绘了从在本发明的实现中收集和利用人类感知的纹理差异导出的图表230的示例。特别地，图2A描绘了第一示例涂层200、第二示例涂层210和人类透视纹理对比图表230。虽然第一示例涂层200和第二示例涂层210在图2A中以图像形式描绘，但是当呈现给用户时，第一示例涂层200和第二示例涂层210也可以是实际涂漆和固化的面板。由此，为(一个或多个)用户提供最终涂层颜色和纹理的真实且准确的表示。
人类透视纹理比较图表230指向第一示例涂层200与第二示例涂层310之间的视觉外观的差异。例如，人类透视纹理比较图表230请求人类用户指示他们是否感知到第一示例涂层200包括比第二示例涂层210更多或更少的总体感知纹理。如图2A的人类透视纹理对比图表230所示，可以要求人类用户关于各种不同的纹理特征对两个示例涂层200、210进行评级。可以使用预定义的评级选项260(a-e)来提供每个评级。
可以要求具有不同种族、性别和其他人口统计差异的大量用户比较相同的两个示例性涂层200、210并提供他们自己的相应的感知纹理差异。然后可以分别总结对各种用户的产生的总体感知，从而计算每个所请求的纹理问题的典型的或最可能的预测的人类感知纹理比较。
在图2A中描绘的示例中，用户确定第一示例涂层200包括比第二示例涂层210“略少”的总体感知纹理。此外，图2A示出了用户确定第一示例涂层图200包括与第二示例涂层210“相对相等”的感知粗糙度。另外，图2A示出了用户确定第一示例涂层200包括比第二示例涂层210“少得多”的闪光强度。还有，图2A示出了用户确定第一示例涂层200包括比第二示例涂层210“略少”的闪光密度。
图2B描绘了与图2A中描绘的类似的人类透视纹理比较图表230。但是，在图2B中，该图表示出了用户将第一示例涂层200与第三示例涂层220进行比较。如由图2B的人类透视纹理对比图表240所示，第三示例涂层220包括与第一示例涂层200或第二示例涂层210不同的纹理特点剖面。
图2C描绘了另一个人类透视纹理比较图表230。在这个特定描绘中，用户正在将第三示例涂层220与第二示例涂层210进行比较。因而，图2A-2C图示了可以从各种不同的示例涂层之间的人类感知比较得出的几个不同结果，并提供跨一系列不同纹理特点的示例涂层之间的人类透视比较。提供给图2A-2C的人类透视纹理对比图表230的人类透视比较可以被转换成相关数值。然后可以将所产生的值存储在涂层信息数据库140中。
例如，图3描绘了具有每个相应的示例涂层200、210、220的指示300、310、320的数字线330。特别地，图3示出了“X”指示300表示第一示例涂层200，而方形指标310表示第二示例涂层210，并且圆形指标320表示第三示例涂层220。图示的数字线330可以表示示例涂层200、210、220相对于它们的总体感知纹理的相对关系。将理解的是，数字线330仅仅是示例性的，并且是为了清楚和示例而提供的。在实践中，不同涂层的各种纹理特点之间的关系可以包括更复杂的、多变量的关系，其更难以方便地描绘和描述。因而，提供数字线330作为简化示例以在本发明的实现中建立各种创新和新颖的特征。
图2A-2C的人类透视纹理比较图表230、240、250包括五个不同的相对指示260(a-e)。在至少一个实现中，对于两个相应的示例涂层之间的每次比较，可以将相关值指派给每个指标，其中示例涂层之一被认为是要与其它示例涂层进行比较的“目标”。例如，“远少于目标”的指标260a可以被指派相对值-2，“略少于目标”的指标260b可以被指派相对值-1，“相对等于目标”的指标260c可以被指派相对值0，“略多于目标”的指标260d可以被指派相对值+1，并且“远多于目标”的指标260e可以被指派相对值+2。将理解的是，为了举例和清楚起见，提供了上面提供的-2、-1、0、+1、+2的整数。各种实现可以利用不同的方案，包括非整数和非数值方案来量化人类感知。
返回到图2A中关于“总体感知纹理”的人类透视纹理比较，用户指示第一示例涂层200包括比第二示例涂层210“略少”的总体感知纹理。因此，可以相对于第二示例涂层210将数值-1指派给第一示例涂层200。
在图2B中，关于“总体感知纹理”，用户指示第一示例涂层200包括比第三示例涂层220“多得多”的总体感知纹理。因此，可以相对于第三示例涂层220将数值+2指派给第一示例涂层200。
在图2C中，关于“总体感知纹理”，用户指示第三示例涂层220包括比第二示例涂层210“少得多”的总体感知纹理。因此，可以相对于第二示例涂层210将数值-2指派给第三示例涂层220。
对上述人体透视纹理比较数据的分析揭示，第三示例涂层220包括比第一示例涂层200和第二示例涂层210“少得多”的总体感知纹理。可以基于图2B中的指示第一示例涂层200包括比第三示例涂层220“多得多”的感知纹理的人类透视纹理比较数据等同于第三示例涂层220包括比第一示例涂层200“少得多”的感知纹理的假设来获得该结论。人类透视纹理比较数据的进一步类似分析揭示，第二示例涂层210包括比第一示例涂层200略多的总体感知纹理，并且包括比第三示例涂层220多得多的总体感知纹理。
可以通过将第一示例涂层200的“X”指标300放在数字线330上的“0”处来描绘这些关系。在这个示例中，第一示例涂层200被放在“0”处，作为规格化中间人类透视纹理比较数据点(在这种情况下，为第一示例涂层200)周围的数值关系的形式。上述数据指示第二示例涂层210的纹理比第一示例涂层200高+1。这个关系可以通过将第二示例涂层210的方形指标210放在数字线330上的“+1”上来表示。
第三示例涂层220在数字线300上的放置可以包括考虑两个不同的人类透视纹理比较数据点。例如，人类透视纹理比较数据指示第三示例涂层220包括比第二示例涂层210“少得多”的总体感知纹理。此外，人类透视纹理比较数据指示第一示例涂层200包括比第三示例涂层220“多得多”的总体感知纹理。换言之，为关系指派数值将要求对第三示例涂层220相对于第一示例涂层200和第二示例涂层210指派数值-2。
因为第一示例涂层200和第二示例涂层210相对于彼此具有不同的总体感知纹理，所以在至少一个实现中，指派给第三示例涂层220的数值-2可以被视为最小差异。由此，第三示例涂层220可以被放在数字线330上，使得它至少比第一示例涂层200和第二示例涂层210都低-2的数值。通过将用于第三示例涂层220的圆形指标320放在“-2”处，同时将用于第一示例涂层200的“X”指标300放在数字线330上的“0”处，并将用于第二示例涂层210的方形指标210放在数字线330上的“+1”上，这个关系在图3中描绘。
虽然图3的数字线330限于来自第一示例涂层200、第二示例涂层210和第三示例涂层220的数据，但是将认识到的是，在至少一个实现中，数字线330可以包括来自公司的整个涂层组合或大量随机涂层的信息。创建考虑大量涂层的数字线330可以导致标准基础，通过该标准基础可以评定任何涂层(无论是否最初在数字线上考虑)。更一般地说，比较大量不同的涂层及其相关联的纹理可以导致标准比较度量，通过该度量可以普遍地比较纹理。该普遍标准可以允许用户将单个涂层输入涂层纹理计算软件应用100中，并接收涂层纹理相对于大量随机输入的涂层纹理的比较的指示。因而，在至少一个实现中，涂层纹理计算软件应用100可以提供关于特定涂层的纹理的标准化指标，而无需用户输入具体的比较涂层。
图4描绘了涂层分析输出数据表400，其包括从分光光度计110接收的示例数据。图4描绘了分别用于第一示例涂层200、第二示例涂层210和第三示例涂层220的四个示例性数据变量(λ、δ、σ和θ)。如本文所使用的，数据变量λ、δ、σ和θ仅仅是示例性的。各种不同的分光光度计可以提供独特的专有输出数据。类似地，在涂层纹理计算软件应用100自身处理图像(即，照片)的实现中，它还可以提供输出变量的唯一数据集。因而，这里关于变量λ、δ、σ和θ提供的示例仅仅是为了清楚和讨论，并且不应当被理解为将本发明限制于任何特定的方法、系统或装置。
在至少一个实现中，可以利用模式匹配算法、机器学习技术来统计地分析或以其它方式分析涂层分析输出数据表400和人类透视纹理比较图表230，以识别数据表400内的各种变量与通过人类透视纹理比较获得的相对纹理特点之间的相关性和模式。例如，可以识别出λ与δ之间的差与涂层的总体感知纹理之间存在反比关系。例如，关于第三示例涂层220，λ是114并且δ是21，这导致差为93。相较而言，对于第一示例涂层210和第二示例涂层200，λ与δ之间的差分别是36和7。由此，具有最小量的总体感知纹理的第三示例涂层220包括λ与δ之间的最大差，而具有最大量的总体感知纹理的第二示例涂层包括λ与δ之间的最小差。
在至少一个实现中，可以识别出涂层分析输出数据表400和各种不同的随机涂层之间的相关性和/或关系。此外，识别出的相关性和/或关系可以用于导出描述识别出的相关性和/或关系的公式。由此，涂层纹理计算软件应用100可以处理新的独特涂层并且内插各种人类透视纹理特征。
例如，图5描绘了对于第一、第二和第三示例涂层的λ与δ之间的差以及它们相应的总体感知纹理的图表500。特别地，图表500在Y轴上描绘了总体感知纹理520并且在X轴上描绘了λ与δ之间的差510。此外，使用常规的曲线拟合算法或其它复杂的统计分析，可以获得在每个相应的数据点310、300、320之间绘制线530的等式。
然后，在至少一个实现中，基于从相应目标涂层接收的λ和δ变量，可以使用该等式来内插其它涂层的总体感知纹理。虽然图5的等式被描绘为线性的并且仅取决于λ与δ之间的差，在至少一个实现中，所接收的输出变量与特定感知纹理特点之间的关系可能复杂得多。由此，仅为了示例和清楚起见，提供图5中描绘的图表500和关系。
因而，图1-5和对应的文字描绘了或以其它方式描述了适于分析涂层的纹理特点的本发明的各种实现。特别地，本发明可以识别人类用户将如何感知特定涂层的纹理特点。将认识到的是，还可以依据包括用于实现特定结果的一个或多个动作的流程图来描述本发明的实现。例如，图6和对应的文字描述用于识别人类用户将如何感知特定涂层的纹理特点的方法中的动作。下面参考图1-5中所示的元件描述图6的动作。
例如，图6图示了用于计算涂层纹理指标的方法可以包括接收目标涂层纹理变量的动作600。动作600可以包括从分光光度计或图像接收目标涂层纹理变量。目标涂层纹理变量可以包括由相机使能的分光光度计生成的纹理数据变量或基于接收的图像计算的纹理数据变量。例如，如关于图1所描绘和描述的，涂层纹理计算软件应用100(例如，在计算机系统160上执行)可以从相机使能的分光光度计110接收各种涂层纹理变量。所接收的变量可以特定于用于分析目标涂层并提供变量的设备。
此外，图6示出了该方法可以包括识别涂层颜色的动作610。动作610可以包括基于从相机使能的分光光度计接收的信息识别与目标涂层相关联的涂层颜色。例如，如关于图1所描绘和描述的，颜色匹配模块170可以基于从相机使能的分光光度计110接收的信息来识别涂层颜色。
图6还示出了该方法可以包括访问相对纹理特点数据库的动作620。在至少一个实现中，相对纹理特点数据库可以包括与涂层颜色相关的一个或多个涂层的相对纹理特点关系的集合。例如，如关于图3-5所描绘和描述的，相对纹理特点关系可以包括可以被导出(例如，经由正在执行应用100的计算机系统160处的处理器)并且将各种纹理特点与从目标涂层的图像接收的纹理变量相关联的等式。相对纹理特点数据库可以包括存储一个或多个涂层的相对纹理特点的任何类型的计算机存储文件。
在各种实现中，可以存在描述不同纹理特点(例如，总体感知纹理、总体感知粗糙度、总体感知闪光强度、总体感知闪光密度等等)的多个等式。此外，可能需要为不同的颜色族开发不同的等式。由此，在至少一个实现中，等式可以存储在相对纹理特点数据库内，该数据库将每个等式映射到其期望的输入和输出。如本文所使用的，相对纹理特点数据库可以包括能够存储输入数据和特定纹理特点之间的至少一个相关性的任何数据结构。
此外，图6示出了该方法可以包括计算目标涂层纹理变量与其它涂层的涂层纹理变量之间的相关性的动作630。动作630可以包括计算目标涂层纹理变量和与所提出的匹配涂层相关联的目标涂层纹理变量之间的相关性。在至少一个实现中，可以通过常规颜色匹配算法来识别所提出的匹配涂层。此外，在至少一种实现中，所提出的匹配涂层是与目标涂层进行比较的任何涂层。例如，如关于图5所描绘和描述的，可以生成(例如，经由正在执行应用100的计算机系统160处的处理器)描述从分光光度计接收的数据与感知的纹理特征之间的一般关系的等式。目标涂层可以包括先前未分析的涂层类型。由此，从分光光度计接收的输入数据可以与从先前分析的涂层接收的先前输入数据相关联。
另外，图6示出了该方法可以包括计算相对纹理特点的集合的动作640。动作640可以包括，基于计算出的相关性，计算针对所提出的匹配涂层的、指示所提出的匹配涂层与目标涂层之间的纹理相对差异的相对纹理特点的集合。每个相对纹理特点可以包括对目标涂层的所有角度的评估。例如，如关于图2A-5所描绘和描述的，可以将从分光光度计110接收的数据输入到将具体输入数据与感知的纹理特点相关联的等式中。所得到的相关性可以用于描述目标涂层的一个或多个纹理特点。
还有，图6示出了该方法可以包括将相对纹理特点发送到显示器的动作650。动作650可以包括发送能够使显示器描绘该相对纹理特点的集合的数字数据。例如，如关于图1所描绘和描述的，显示模块150可以将所得到的数据发送到客户端计算机160处的显示器。客户端计算机设备160可以包括远程计算设备或本地计算设备。由此，在各种实现中，涂层纹理计算软件100可以在远程服务器处或在客户端计算机设备160上本地执行。
因而，本发明的实现提供了用于识别感知到的纹理特点的独特且新颖的方法和系统。特别地，本发明的实现可以基于先前记录的关于其它涂层的人类感知将特定目标涂层的纹理特点映射到人类感知纹理特点。本发明的实现在涂层纹理匹配技术领域中提供了显著的益处。
虽然主题已经以特定于结构特征和/或方法动作的语言进行了描述，但是应当理解的是，所附权利要求中限定的主题不必限于上述描述的特征或动作，或上述动作的次序。相反地，所描述的特征和动作作为实现权利要求的示例形式被公开。
本发明的实施例可以包括或利用专用或通用计算机系统，其包括计算机硬件(诸如一个或多个处理器和系统存储器)，如下面更详细地讨论的。本发明的范围内的实施例还包括用于携带或存储计算机可执行指令和/或数据结构的物理和其它计算机可读介质。这种计算机可读介质可以是可由通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令和/或数据结构的计算机可读介质是计算机存储介质。携带计算机可执行指令和/或数据结构的计算机可读介质是传输介质。因此，作为示例而非限制，本发明的实施例可以包括至少两种明显不同种类的计算机可读介质：计算机存储介质和传输介质。
计算机存储介质是存储计算机可执行指令和/或数据结构的物理存储介质。物理存储介质包括计算机硬件，诸如RAM、ROM、EEPROM、固态驱动器(“SSD”)、闪存、相变存储器(“PCM”)、光盘存储装置、磁盘存储装置或其它磁存储设备，或可用来以计算机可执行指令或数据结构的形式存储程序代码的(一种或多种)任何其它硬件存储设备，其可以由通用或专用计算机系统访问和执行，以实现本发明所公开的功能。
传输介质可以包括网络和/或数据链路，其可以被用来以计算机可执行指令或数据结构的形式携带程序代码，并且可以由通用或专用计算机系统访问。“网络”被定义为使得电子数据能够在计算机系统和/或模块和/或其它电子设备之间运输的一个或多个数据链路。当经网络或另一种通信连接(硬连线、无线或者硬连线或无线的组合)向计算机系统传送或提供信息时，计算机系统可以将连接视为传输介质。以上的组合也应当包括在计算机可读介质的范围内。
另外，在到达各种计算机系统部件时，计算机可执行指令或数据结构形式的程序代码可以被自动地从传输介质传送到计算机存储介质(反之亦然)。例如，经网络或数据链路接收的计算机可执行指令或数据结构可以缓冲在网络接口模块(例如，“NIC”)内的RAM中，然后最终传送到计算机系统RAM和/或计算机系统中更不易失的计算机存储介质。因此，应当理解的是，计算机存储介质可以包括在也(或甚至主要)利用传输介质的计算机系统部件中。
计算机可执行指令包括例如当在一个或多个处理器上执行时使通用计算机系统、专用计算机系统或专用处理设备执行某个功能或功能组的指令和数据。计算机可执行指令可以是例如二进制文件、诸如汇编语言的中间格式指令，或者甚至是源代码。
本领域技术人员将认识到的是，本发明可以在具有许多类型的计算机系统配置的网络计算环境中实践，包括个人计算机、台式计算机、膝上型计算机、消息处理器、手持设备、多处理器系统、基于微处理器的或可编程消费电子产品、网络PC、微型计算机、大型计算机、移动电话、PDA、平板电脑、寻呼机、路由器、交换机等。本发明还可以在分布式系统环境中实现，其中通过网络链接(通过硬连线数据链路、无线数据链路或者通过硬连线和无线数据链路的组合)的本地和远程计算机系统都执行任务。由此，在分布式系统环境中，计算机系统可以包括多个组成计算机系统。在分布式系统环境中，程序模块可以既位于本地存储设备中又位于远程存储设备中。
本领域技术人员还将认识到是，本发明可以在云计算环境中实践。云计算环境可以是分布式的，但这不是必需的。当是分布式时，云计算环境可以在组织内国际地分布和/或具有跨多个组织拥有的部件。在本说明书和以下权利要求中，“云计算”被定义为用于启用对可配置计算资源(例如，网络、服务器、存储装置、应用和服务)的共享池的按需网络访问的模型。“云计算”的定义不限于在适当部署时可以从这种模型获得的其它许多优点中的任何一个。
云计算模型可以由各种特点组成，诸如按需自助服务、广泛的网络访问、资源池、快速弹性、测得的服务，等等。云计算模式也可以以各种服务模型的形式出现，诸如软件即服务(“SaaS”)、平台即服务(“PaaS”)以及基础架构即服务(“IaaS”)。也可以使用不同的部署模式(诸如私有云、社区云、公共云、混合云等)部署云计算模型。
一些实施例(诸如云计算环境)可以包括系统，该系统包括一个或多个主机，每个主机能够运行一个或多个虚拟机。在操作期间，虚拟机模拟操作计算系统，从而支持操作系统并且可能也支持一个或多个其它应用。在一些实施例中，每个主机包括虚拟机管理程序，其使用从虚拟机的视图抽象出的物理资源来模拟用于虚拟机的虚拟资源。虚拟机管理程序还提供虚拟机之间的适当隔离。因此，从任何给定的虚拟机的角度来看，即使虚拟机仅与物理资源的外观(例如，虚拟资源)接口连接，虚拟机管理程序也提供虚拟机与物理资源接口连接的错觉。物理资源的示例包括处理能力、存储器、盘空间、网络带宽、介质驱动器，等等。
因此，本发明特别涉及以下方面，但不限于此：
1.一种计算机实现的方法，包括
使用至少一个处理器接收目标涂层的图像，
使用处理器从目标涂层图像确定一个或多个纹理变量，
使用处理器访问数据库，该数据库包括针对多个参考涂层确定的对应纹理变量和通过不同参考涂层的视觉外观的比较人类评级获得的一个或多个相关联的相对纹理特点，
使用处理器分析存储在数据库中的数据，以针对相对纹理特点中的每一个确定纹理变量中的一个或多个与相应的相对纹理特点之间的统计相关性；
使用处理器计算所确定的目标涂层的一个或多个纹理变量和与选自参考涂层的一个或多个涂层相关联的对应的一个或多个纹理变量之间的差异；
基于所确定的相关性集合，使用处理器从计算出的一个或多个纹理变量中的差异来计算目标涂层的相对纹理特点集合，其指示目标涂层相对于所选择的一个或多个参考涂层的相对差异；以及
向用户显示计算出的相对纹理特点的集合。
2.如方面1所述的计算机实现的方法，其中相对纹理特点中的每一个与在所有视角上对相应涂层的评估对应。
3.如方面1或方面2中任一项所述的计算机实现的方法，其中从配备相机的分光光度计或从相机接收目标涂层的图像，其可以是黑白图像或彩色图像，其中相机优选地具有至少三倍光学变焦。
4.如前述方面中任一项所述的计算机实现的方法，还包括优选地通过分光光度计确定与目标涂层相关联的颜色。
5.如前述方面中任一项所述的计算机实现的方法，其中通过使用处理器的计算来识别从参考涂层中选择的所述一个或多个涂层，以从多个参考涂层中找到目标涂层的视觉外观或颜色的提出的匹配。
6.如前述方面中任一项所述的计算机实现的方法，其中相对纹理特点包括相对粗糙度、相对闪光强度和/或相对闪光密度。
7.如前述方面中任一项所述的计算机实现的方法，还包括使用处理器从所述相对纹理特点集合相对于每个所选择的参考涂层计算总体相对纹理值，并向用户显示所计算的总体相对纹理值，可选地与相关联的参考涂层的指示一起显示。
8.一种系统，包括：
包括显示器的用户界面；
数据库，包括从用于多个参考涂层中的每一个的图像确定的一个或多个纹理变量，以及通过不同参考涂层的视觉外观的比较人类评级获得的一个或多个相关联的相对纹理特点，
至少一个处理器，与用户界面和数据库通信，其中所述至少一个处理器被配置为：
接收目标涂层的图像并从目标涂层的图像中确定一个或多个纹理变量；
访问数据库并分析存储在数据库中的数据，以便为相对纹理特点中的每一个确定纹理变量中的一个或多个与相应的相对纹理特点之间的统计相关性；
计算所确定的目标涂层的一个或多个纹理变量与对应的一个或多个纹理变量之间的差异，所述纹理变量与选自参考涂层的一个或多个涂层相关联；
使用处理器基于所确定的相关性的集合从所述一个或多个纹理变量的计算出的差异来计算用于目标涂层的相对纹理特点的集合，所述相对纹理特点指示目标涂层相对于所选择的一个或多个参考涂层的纹理的相对差异；以及在显示器上向用户显示计算出的相对纹理特点的集合。
9.如方面8所述的系统，其中相对纹理特点中的每一个与在所有视角上平均的相应涂层的评估对应。
10.如方面8或方面9中任一项所述的系统，还包括配备有相机的分光光度计或与处理器通信的相机，其中相机优选地具有至少三倍光学变焦。
11.如前述方面8-10中任一项所述的系统，其中相对纹理特点包括相对粗糙度、相对闪光强度和/或相对闪光密度。
12.如前述方面8-11中任一项所述的系统，其中处理器还被配置为从所述相对纹理特点的集合相对于每个所选择的参考涂层计算总体相对纹理值，并在显示器上向用户显示计算出的总体相对纹理值，可选地与相关联的参考涂层的指示一起显示。
13.如前述方面8-12中任一项所述的系统，被配置为优选地通过分光光度计来确定与目标涂层相关联的颜色。
14.如前述方面8-13中任一项所述的系统，其中处理器还被配置为通过计算来识别从参考涂层中选择的所述一个或多个涂层，以从多个参考涂层中找到目标涂层的视觉外观或颜色的提出的匹配。
15.一种非瞬态计算机可读介质，包括用于使处理器执行以下操作的软件：
接收目标涂层的图像并从目标涂层的图像确定一个或多个纹理变量；
访问数据库，该数据库包括为多个参考涂层确定的对应纹理变量和通过不同参考涂层的视觉外观的比较人类评级获得的一个或多个相关联的相对纹理特点；
分析存储在数据库中的数据，以针对相对纹理特点中的每一个确定纹理变量中的一个或多个与相应的相对纹理特点之间的统计相关性；
计算所确定的目标涂层的一个或多个纹理变量和与选自参考涂层的一个或多个涂层相关联的对应的一个或多个纹理变量之间的差异；
基于所确定的相关性集合，从计算出的一个或多个纹理变量中的差异来计算目标涂层的相对纹理特点的集合，其指示目标涂层相对于所选择的一个或多个参考涂层的相对差异；以及
向用户显示计算出的相对纹理特点的集合。
在不背离本发明的精神或基本特点的情况下，本发明可以以其它具体形式体现。所描述的实施例应当在所有方面都被仅看作说明性而非限制性的。因此，本发明的范围由所附权利要求而不是前面的说明书来指示。在权利要求的等同物的含义和范围内的所有改变都将被包括在其范围内。

Claims (20)

1.一种用于计算涂层纹理指标的计算机系统，包括：
一个或多个处理器；以及
一个或多个计算机可读介质，其上存储有可执行指令，所述可执行指令能够由所述一个或多个处理器执行以配置所述计算机系统执行至少以下操作：
从目标涂层的图像接收目标涂层纹理变量，其中目标涂层纹理变量包括从图像生成的纹理数据变量；
访问相对纹理特点数据库，其中相对纹理特点数据库包括多个涂层的纹理特点关系的集合；
计算目标涂层纹理变量和与比较涂层相关联的纹理数据变量之间的相关性；
基于计算出的相关性，计算目标涂层的相对纹理特点的集合，所述相对纹理特点指示目标涂层与比较涂层之间的纹理的相对差异，其中所述相对纹理特点中的每一个相对纹理特点包括在所有角度上对目标涂层的评估；以及
发送能够使显示器描绘所述相对纹理特点的集合的数字数据。
2.如权利要求1所述的计算机系统，所述可执行指令包括可执行以配置所述计算机系统基于计算出的相对纹理特点的集合计算总体纹理值的指令。
3.如权利要求2所述的计算机系统，所述可执行指令包括可执行以配置所述计算机系统在图形用户界面上显示所提出的匹配涂层的指示和总体纹理值的指示的指令。
4.如权利要求1所述的计算机系统，所述可执行指令包括可执行以配置所述计算机系统从相机使能的分光光度计接收图像的指令。
5.如权利要求4所述的计算机系统，其中相机使能的分光光度计被配置为基于黑白照片生成纹理数据。
6.如权利要求4所述的计算机系统，其中相机使能的分光光度计被配置为基于彩色照片生成纹理数据。
7.如权利要求1所述的计算机系统，所述可执行指令包括可执行以配置所述计算机系统从相机接收图像的指令。
8.如权利要求7所述的计算机系统，其中相机包括至少三倍光学变焦。
9.如权利要求1所述的计算机系统，其中所述相对纹理特点的集合包括相对粗糙度。
10.如权利要求1所述的计算机系统，其中所述相对纹理特点的集合包括相对闪光强度。
11.如权利要求1所述的计算机系统，其中所述相对纹理特点的集合包括相对闪光密度。
12.如权利要求1所述的计算机系统，其中所述相对纹理特点的集合包括相对粗糙度、相对闪光强度和相对闪光密度。
13.如权利要求1所述的计算机系统，所述可执行指令包括可执行以配置所述计算机系统执行以下操作的指令：
计算总体相对纹理特点值，其中从所述相对纹理特点的集合计算总体相对纹理特点值；以及
发送能够使显示器描绘总体相对纹理特点值的数字数据。
14.如权利要求1所述的计算机系统，其中相对纹理特点关系的集合是从人提供的不同涂层之间的相对印象得出的。
15.如权利要求14所述的计算机系统，其中所述相对印象包括相对于多个不同涂层的相对粗糙度、相对闪光强度和相对闪光密度。
16.如权利要求1所述的计算机系统，所述可执行指令包括可执行以配置所述计算机系统执行以下操作的指令：
从多个涂层中识别所提出的匹配涂层；以及
基于计算出的相关性，计算比较涂层的相对纹理特点的集合，所述相对纹理特点指示比较涂层与目标涂层之间纹理的相对差异，其中比较涂层包括所提出的涂层。
17.一种用于计算涂层纹理指标的方法，所述方法在包括一个或多个处理器的计算机系统上实现，所述方法包括：
从相机使能的分光光度计接收目标涂层纹理变量，其中所述目标涂层纹理变量包括由相机使能的分光光度计生成的纹理数据变量；
基于从相机使能的分光光度计接收的信息，用处理器识别与目标涂层相关联的涂层颜色；
用处理器访问相对纹理特点数据库，其中相对纹理特点数据库包括与涂层颜色相关的一个或多个涂层的相对纹理特点的集合；
用处理器从所述多个涂层内识别所提出的匹配涂层；
用处理器计算所述目标涂层纹理变量和与所提出的匹配涂层相关联的目标涂层纹理变量之间的相关性；
基于计算出的相关性，用处理器计算目标涂层的相对纹理特点的集合，所述相对纹理特点指示目标涂层与所提出的匹配涂层之间的纹理的相对差异，其中所述相对纹理特点中的每一个相对纹理特点包括在所有角度上对目标涂层的评估；以及
用处理器发送能够使显示器描绘所述相对纹理特点的集合的数字数据。
18.如权利要求17所述的方法，其中所述相对纹理特点的集合包括相对粗糙度、相对闪光强度和相对闪光密度。
19.如权利要求17所述的方法，所述可执行指令包括可执行以配置所述计算机系统执行以下操作的指令：
计算总体相对纹理特点值，其中从所述相对纹理特点的集合计算所述总体相对纹理特点值；以及
发送能够使显示器描绘总体相对纹理特点值的数字数据。
20.一种用于计算涂层纹理指标的方法，所述方法在包括一个或多个处理器的计算机系统上实现，所述方法包括：
从目标涂层的图像接收目标涂层纹理变量，其中所述目标涂层纹理变量包括从图像生成的纹理数据变量；
访问相对纹理特点数据库，其中相对纹理特点数据库包括多个涂层的纹理特点关系的集合；
计算所述目标涂层纹理变量和与多个不同涂层相关联的目标涂层纹理变量之间的相关性；
基于计算出的相关性，计算目标涂层的相对纹理特点的集合，所述相对纹理特点指示目标涂层与多个不同涂层之间的纹理的相对差异，其中所述相对纹理特点中的每一个相对纹理特点包括在所有角度上对目标涂层的评估；
发送能够使显示器描绘所述相对纹理特点的集合的数字数据。
CN201780011913.5A 2016-02-19 2017-02-17 简化的纹理比较引擎 Active CN108700467B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/047,982 US9818205B2 (en) 2016-02-19 2016-02-19 Simplified texture comparison engine
US15/047,982 2016-02-19
PCT/US2017/018336 WO2017143165A1 (en) 2016-02-19 2017-02-17 Simplified texture comparison engine

Publications (2)

Publication Number Publication Date
CN108700467A true CN108700467A (zh) 2018-10-23
CN108700467B CN108700467B (zh) 2021-01-22

Family

ID=58228568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780011913.5A Active CN108700467B (zh) 2016-02-19 2017-02-17 简化的纹理比较引擎

Country Status (11)

Country Link
US (1) US9818205B2 (zh)
EP (1) EP3417256A1 (zh)
JP (1) JP2019507346A (zh)
KR (1) KR102106728B1 (zh)
CN (1) CN108700467B (zh)
AU (1) AU2017221431B2 (zh)
BR (1) BR112018016982A2 (zh)
CA (1) CA3014901A1 (zh)
MX (2) MX2018009987A (zh)
RU (1) RU2687085C1 (zh)
WO (1) WO2017143165A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9563342B2 (en) * 2009-07-22 2017-02-07 Behr Process Corporation Automated color selection method and apparatus with compact functionality
US10613727B2 (en) 2016-02-19 2020-04-07 Ppg Industries Ohio, Inc. Color and texture match ratings for optimal match selection
US11062479B2 (en) * 2017-12-06 2021-07-13 Axalta Coating Systems Ip Co., Llc Systems and methods for matching color and appearance of target coatings
EP4111416A1 (en) * 2020-02-26 2023-01-04 BASF Coatings GmbH Method and device for deploying and using an image similarity metric with deep learning

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646929A (zh) * 2007-03-29 2010-02-10 纳幕尔杜邦公司 配色和数字彩色显示系统
CN102414722A (zh) * 2009-04-28 2012-04-11 阿克佐诺贝尔国际涂料股份有限公司 在电子显示设备上显示效果涂层
CN102667444A (zh) * 2009-12-18 2012-09-12 纳幕尔杜邦公司 用于涂层测量的方法
CN104769419A (zh) * 2012-09-19 2015-07-08 Ppg工业俄亥俄公司 通过视觉和/或仪器技术对涂料表面进行多角度的颜色、不透明度、颜料表征和纹理分析
CN105051762A (zh) * 2013-03-15 2015-11-11 Ppg工业俄亥俄公司 用于确定涂料配方的系统和方法

Family Cites Families (109)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4344142A (en) 1974-05-23 1982-08-10 Federal-Mogul Corporation Direct digital control of rubber molding presses
JPS5876741A (ja) 1981-10-31 1983-05-09 Toyota Central Res & Dev Lab Inc 光学装置
US4479718A (en) 1982-06-17 1984-10-30 E. I. Du Pont De Nemours And Company Three direction measurements for characterization of a surface containing metallic particles
US4711580A (en) 1985-01-28 1987-12-08 Hunter Associates Laboratory, Inc. Modeling properties of flake finishes using directional resolution and statistical flake orientation distribution function
US6411377B1 (en) 1991-04-02 2002-06-25 Hitachi, Ltd. Optical apparatus for defect and particle size inspection
US5319437A (en) 1991-07-26 1994-06-07 Kollmorgen Corporation Handheld portable spectrophotometer
US5231472A (en) 1991-09-16 1993-07-27 Ppg Industries, Inc. Color matching and characterization of surface coatings
US5612928A (en) 1992-05-28 1997-03-18 Northrop Grumman Corporation Method and apparatus for classifying objects in sonar images
DE69424321T2 (de) 1993-08-06 2000-10-19 Toyota Motor Co Ltd Verfahren zur Selektion der Farbe eines Lackes
US5680327A (en) 1995-03-21 1997-10-21 Light Source Computer Images, Inc. Apparatus and process for a digital swatchbook
US5926262A (en) 1997-07-01 1999-07-20 Lj Laboratories, L.L.C. Apparatus and method for measuring optical characteristics of an object
DE19636774C2 (de) 1996-09-10 1999-04-22 Herberts Gmbh Verfahren zur Anpassung einer Farbrezeptur
JP3986117B2 (ja) 1997-05-22 2007-10-03 日本ペイント株式会社 自動車補修用塗料の調色装置
US6166814A (en) 1997-09-30 2000-12-26 Georgia Tech Research Corp. Method and apparatus for color matching paints
JP3631365B2 (ja) 1998-02-10 2005-03-23 日本ペイント株式会社 変角分光反射率の測定方法
US6343264B1 (en) 1998-02-13 2002-01-29 Carpet Co-Op Of America Association Color selection method and system for floor, wall, and window coverings
US6266442B1 (en) 1998-10-23 2001-07-24 Facet Technology Corp. Method and apparatus for identifying objects depicted in a videostream
US6847373B1 (en) 1999-04-16 2005-01-25 Avid Technology, Inc. Natural color matching in a video editing system
US6721446B1 (en) 1999-04-26 2004-04-13 Adobe Systems Incorporated Identifying intrinsic pixel colors in a region of uncertain pixels
US6507824B1 (en) 1999-11-30 2003-01-14 General Electric Company Method and system for selecting product colors
US20020002497A1 (en) 2000-03-16 2002-01-03 Steve Tilman Method and system of marketing and selecting color
US6563510B1 (en) 2000-03-30 2003-05-13 Behr Process Corporation Paint color matching and coordinating system
US7743055B2 (en) 2000-03-28 2010-06-22 E.I. Du Pont De Nemours And Company Digital display of color and appearance and the use thereof
US6901379B1 (en) 2000-07-07 2005-05-31 4-D Networks, Inc. Online shopping with virtual modeling and peer review
US7062722B1 (en) 2000-08-22 2006-06-13 Bruce Carlin Network-linked interactive three-dimensional composition and display of saleable objects in situ in viewer-selected scenes for purposes of promotion and procurement
GB2408662B (en) 2000-10-03 2005-07-27 Colour Comm Ltd Colour system
US6760483B1 (en) 2000-10-13 2004-07-06 Vimatix (Bvi) Ltd. Method and apparatus for image analysis and processing by identification of characteristic lines and corresponding parameters
EP1221687A3 (en) 2000-12-27 2007-05-30 Dainippon Ink And Chemicals, Inc. Color-designating system
JP3871887B2 (ja) 2001-02-13 2007-01-24 日本ペイント株式会社 サーバ装置、端末装置、および通信端末を用いた塗料および塗料情報提供方法
JP4623842B2 (ja) * 2001-02-28 2011-02-02 関西ペイント株式会社 メタリック塗色の近似色を高速に検索する方法
US6928454B2 (en) 2001-05-30 2005-08-09 Ppg Industries Ohio, Inc. Method and system for color matching decorative products
US20020184168A1 (en) 2001-06-05 2002-12-05 Mcclanahan Craig J. System and method for determining acceptability of proposed color solution using an artificial intelligence based tolerance model
US7709070B2 (en) 2001-12-20 2010-05-04 The Procter & Gamble Company Articles and methods for applying color on surfaces
WO2003063719A1 (fr) 2002-01-29 2003-08-07 Nihon University Systeme de support chirurgical de decoupage de peau
CA2479223C (en) * 2002-03-22 2012-09-04 British Telecommunications Public Limited Company Comparing patterns
JP2003294530A (ja) * 2002-04-03 2003-10-15 Nisshinbo Ind Inc コンピュータ・カラーマッチングの計算方法
CA2426437A1 (en) 2002-05-02 2003-11-02 Rohm And Haas Company Color matching and simulation of multicolor surfaces
JP2003337848A (ja) 2002-05-17 2003-11-28 Dainippon Ink & Chem Inc 色指定サーバ，色指定受発注システム，色指定方法，色指定受発注方法及びそのプログラム
US6794669B2 (en) 2002-07-24 2004-09-21 Lexmark International, Inc. Media sensing apparatus for detecting an absence of print media
US20040158505A1 (en) 2003-02-10 2004-08-12 Meredith Corporation Decorating center
US7106343B1 (en) 2003-04-08 2006-09-12 Carter Hickman Method and process for virtual paint application
KR101176640B1 (ko) 2003-05-07 2012-08-28 이 아이 듀폰 디 네모아 앤드 캄파니 색-일치 코팅 조성물의 제조방법 및 여기에 사용되는 장치
US7787142B2 (en) 2003-05-09 2010-08-31 Ppg Industries Ohio, Inc. Method and system for designing the color of a coating composition on an article
US7295700B2 (en) 2003-10-24 2007-11-13 Adobe Systems Incorporated Object extraction based on color and visual texture
US20060001677A1 (en) 2003-11-06 2006-01-05 Marc Webb Color selection and coordination system
US7230629B2 (en) 2003-11-06 2007-06-12 Behr Process Corporation Data-driven color coordinator
US7193632B2 (en) 2003-11-06 2007-03-20 Behr Process Corporation Distributed color coordination system
US7330585B2 (en) 2003-11-06 2008-02-12 Behr Process Corporation Color selection and coordination kiosk and system
US7145656B2 (en) 2003-12-15 2006-12-05 E. I. Du Pont De Nemours And Company Computer-implemented method for matching paint
US7536048B2 (en) 2004-01-15 2009-05-19 Xerox Corporation Method and apparatus for automatically determining image foreground color
US7430316B2 (en) 2004-01-29 2008-09-30 Datacolor Holding Ag Method for visually accurately predicting color matches on different materials
US7909241B2 (en) 2004-03-09 2011-03-22 Lowe's Companies, Inc. Systems, methods and computer program products for implementing processes relating to retail sales
US20050281480A1 (en) 2004-06-18 2005-12-22 Baldwin Robert A Computer apparatus and method for generating a paint-by-number picture from a digital image
GB0413956D0 (en) 2004-06-22 2004-07-28 Ici Plc A colour display system
US7447382B2 (en) 2004-06-30 2008-11-04 Intel Corporation Computing a higher resolution image from multiple lower resolution images using model-based, robust Bayesian estimation
US7809155B2 (en) 2004-06-30 2010-10-05 Intel Corporation Computing a higher resolution image from multiple lower resolution images using model-base, robust Bayesian estimation
BRPI0513047A (pt) 2004-07-07 2008-04-22 Exxonmobil Upstream Res Co aplicações de rede bayesiana à geologia e à geografia
DE602005015869D1 (de) 2004-09-17 2009-09-17 Akzo Nobel Coatings Int Bv Verfahren zur farbabstimmung
CN1797420A (zh) 2004-12-30 2006-07-05 中国科学院自动化研究所 一种基于统计纹理分析的人脸识别方法
JP2006208327A (ja) * 2005-01-31 2006-08-10 Konica Minolta Sensing Inc メタリック塗装面評価方法、装置、及び動作プログラム
US20060195369A1 (en) 2005-02-28 2006-08-31 Marc Webb Color selection, coordination, purchase and delivery system
US7839501B2 (en) 2005-03-04 2010-11-23 Sun Chemical Corporation Method, apparatus and system for measuring the transparency of film
US20060202900A1 (en) 2005-03-08 2006-09-14 Ems Technologies, Inc. Capacitively coupled log periodic dipole antenna
US7953274B2 (en) 2005-03-18 2011-05-31 Valspar Sourcing, Inc. Digital method for matching stains
US7404123B1 (en) 2005-03-28 2008-07-22 Lam Research Corporation Automated test and characterization data analysis methods and arrangement
US20060232802A1 (en) 2005-04-01 2006-10-19 Melinda Gray Color selection process and system
US7940396B2 (en) 2005-04-25 2011-05-10 X-Rite, Inc. Measuring an appearance property of a surface using a spatially under-sampled bidirectional reflectance distribution function
US8345252B2 (en) 2005-04-25 2013-01-01 X-Rite, Inc. Method and system for enhanced formulation and visualization rendering
US7944561B2 (en) 2005-04-25 2011-05-17 X-Rite, Inc. Measuring an appearance property of a surface using a bidirectional reflectance distribution function
US9208394B2 (en) 2005-09-05 2015-12-08 Alpvision S.A. Authentication of an article of manufacture using an image of the microstructure of it surface
US7815435B2 (en) 2005-11-15 2010-10-19 Paula Riley Home decorating system
US8290275B2 (en) 2006-01-20 2012-10-16 Kansai Paint Co., Ltd. Effective pigment identification method, identification system, identification program, and recording medium therefor
JP5063076B2 (ja) 2006-01-20 2012-10-31 関西ペイント株式会社 光輝性顔料の同定方法、同定システム、同定プログラム及びその記録媒体
US20090015835A1 (en) 2006-02-24 2009-01-15 Akzo Nobel Coatings International B.V. Method of analyzing a paint film with effect pigments
US20070200337A1 (en) 2006-02-27 2007-08-30 Aaron Henry Johnson Method for creating a decoy exhibiting realistic spectral reflectance
WO2008014474A2 (en) 2006-07-27 2008-01-31 Drexel University Solver for hardware based computing
MX2009003465A (es) * 2006-10-02 2009-04-14 Du Pont Metodo para medir la apariencia del revestimiento y uso de este.
US8065314B2 (en) 2006-10-02 2011-11-22 E. I. Du Pont De Nemours And Company Method for matching color and appearance of a coating containing effect pigments
WO2008045418A1 (en) 2006-10-06 2008-04-17 Evonik Degussa Corporation Electronic consumer color selection and display with automated ordering and paint mixing system
US8175732B2 (en) 2006-12-22 2012-05-08 Harris Stratex Networks Operating Corporation Manufacturing system and method
US20080162157A1 (en) 2006-12-29 2008-07-03 Grzegorz Daniluk Method and Apparatus for creating and aggregating rankings of people, companies and products based on social network acquaintances and authoristies' opinions
US7761398B2 (en) 2007-01-22 2010-07-20 International Business Machines Corporation Apparatus and method for identifying process elements using request-response pairs, a process graph and noise reduction in the graph
JP2010519385A (ja) 2007-02-21 2010-06-03 イー・アイ・デュポン・ドウ・ヌムール・アンド・カンパニー コーティングの色および外観にマッチングする着色剤およびフレークの自動選択
US8452655B2 (en) 2007-04-10 2013-05-28 Utbk, Llc Systems and methods to facilitate real time communications and commerce via a social network
US20080284791A1 (en) 2007-05-17 2008-11-20 Marco Bressan Forming coloring books from digital images
US8392347B2 (en) * 2007-06-20 2013-03-05 Kansai Paint Co., Ltd. Coating color database creating method, search method using the database, their system, program, and recording medium
DE102007038483B4 (de) 2007-08-14 2021-07-01 Basf Coatings Gmbh Lernendes Verfahren zur Herstellung von Farbrezepturen
US20090157212A1 (en) 2007-12-12 2009-06-18 Basf Corporation System and method of determining paint formula having a effect pigment
US20090274827A1 (en) 2008-04-30 2009-11-05 Ppg Industries Ohio, Inc. Color formulation selection process with visual display
US8331685B2 (en) 2008-05-28 2012-12-11 Apple Inc. Defining a border for an image
JP5540553B2 (ja) 2008-06-30 2014-07-02 株式会社リコー 画像処理装置、画像形成装置、画像処理方法及び画像処理プログラム
US8385971B2 (en) 2008-08-19 2013-02-26 Digimarc Corporation Methods and systems for content processing
US8330991B2 (en) 2009-03-03 2012-12-11 Columbia Insurance Company Method for managing metamerism of color merchandise
US20100262551A1 (en) 2009-04-14 2010-10-14 Ppg Industries Ohio, Inc. Method and apparatus for digital coating project purchase
US8290253B1 (en) 2009-10-30 2012-10-16 Adobe Systems Incorporated Method and apparatus for applying Gaussian Mixture Models to local image patches using an adaptive color lookup table
US8340937B2 (en) 2010-05-11 2012-12-25 Xerox Corporation Characterization of a model-based spectral reflectance sensing device
US8462388B2 (en) 2010-06-08 2013-06-11 Xerox Corporation Identifying a color separation wherein a banding defect originates
US8760464B2 (en) 2011-02-16 2014-06-24 Apple Inc. Shape masks
JP5640812B2 (ja) 2011-02-24 2014-12-17 日産自動車株式会社 塗色評価方法
US20140242271A1 (en) 2011-09-30 2014-08-28 Axalta Coating Systmes Ip Co., Llc Method for matching color and appearance of coatings containing effect pigments
EP2783304B1 (en) 2011-11-24 2017-12-20 Microsoft Technology Licensing, LLC Reranking using confident image samples
TWI596385B (zh) 2012-02-13 2017-08-21 東麗股份有限公司 反射膜
US8848991B2 (en) 2012-03-16 2014-09-30 Soek Gam Tjioe Dental shade matching device
US8879066B2 (en) * 2012-10-26 2014-11-04 Ppg Industries Ohio, Inc. Texture analysis of a painted surface using specular angle data
US10147043B2 (en) 2013-03-15 2018-12-04 Ppg Industries Ohio, Inc. Systems and methods for texture assessment of a coating formulation
US9858661B2 (en) * 2013-06-13 2018-01-02 The Charles Stark Draper Laboratory, Inc. Detecting species diversity by image texture analysis
NZ631047A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using kepler’s planetary motion laws
NZ631068A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using electrostatics calculations
NZ631063A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using cross-normalization

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646929A (zh) * 2007-03-29 2010-02-10 纳幕尔杜邦公司 配色和数字彩色显示系统
CN102414722A (zh) * 2009-04-28 2012-04-11 阿克佐诺贝尔国际涂料股份有限公司 在电子显示设备上显示效果涂层
CN102667444A (zh) * 2009-12-18 2012-09-12 纳幕尔杜邦公司 用于涂层测量的方法
CN104769419A (zh) * 2012-09-19 2015-07-08 Ppg工业俄亥俄公司 通过视觉和/或仪器技术对涂料表面进行多角度的颜色、不透明度、颜料表征和纹理分析
CN105051762A (zh) * 2013-03-15 2015-11-11 Ppg工业俄亥俄公司 用于确定涂料配方的系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
N.DEKKER: "Total appearance differences for metallic and pearlescent materials: Contributions from color and texture", 《COLOR RESEARCH & APPLICATION》 *
ZHONGNING HUANG: "Camera-based model to predict the total difference between effect coatings under directional illumination", 《CHINESE OPTICS LETTERS》 *

Also Published As

Publication number Publication date
MX2018009987A (es) 2018-11-09
US20170243362A1 (en) 2017-08-24
MX2023007811A (es) 2023-07-11
CA3014901A1 (en) 2017-08-24
KR102106728B1 (ko) 2020-05-04
KR20180103133A (ko) 2018-09-18
AU2017221431A1 (en) 2018-09-20
RU2687085C1 (ru) 2019-05-07
AU2017221431B2 (en) 2020-03-12
BR112018016982A2 (pt) 2019-01-15
CN108700467B (zh) 2021-01-22
JP2019507346A (ja) 2019-03-14
US9818205B2 (en) 2017-11-14
EP3417256A1 (en) 2018-12-26
WO2017143165A1 (en) 2017-08-24

Similar Documents

Publication Publication Date Title
CN108700467A (zh) 简化的纹理比较引擎
JP6424256B2 (ja) コーティングの調合のテクスチャ査定のためのシステムおよび方法
US10969952B2 (en) Color and texture match ratings for optimal match selection
Sharan et al. Image statistics for surface reflectance perception
AU2014346526B2 (en) Texture analysis of a coated surface using electrostatics calculations
TWI550424B (zh) 使用樞軸正規化之塗料表面之結構分析
CA2948657C (en) Non-parametric microfacet factor models for isotropic bidirectional reflectance distribution functions
AU2014251372A1 (en) Skin diagnostic and image processing systems, apparatus and articles
KR20130141403A (ko) 미술품의 특성을 이용한 미술품 감정 방법 및 시스템
Schmid et al. Material category of visual objects computed from specular image structure
JP2024509505A (ja) 画像の選択的な編集
US20240046444A1 (en) Systems and methods for mapping coatings to a spatial appearance space
Thomas et al. Impact of Using a Privacy Model on Smart Buildings Data for CO2 Prediction
CN113221678A (zh) 一种标准工时确定方法、装置、计算机设备及存储介质
Niall Outlines of a Theory of Photopic Colorimetry (Part I): Basic Colorimetry, or Affine Color Properties (First Article)
Amaro The SOP model: the parameter estimation alternatives.

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