CN109655155A - 照明光源显色性评价方法和装置 - Google Patents

照明光源显色性评价方法和装置 Download PDF

Info

Publication number
CN109655155A
CN109655155A CN201811483507.1A CN201811483507A CN109655155A CN 109655155 A CN109655155 A CN 109655155A CN 201811483507 A CN201811483507 A CN 201811483507A CN 109655155 A CN109655155 A CN 109655155A
Authority
CN
China
Prior art keywords
dimensionality reduction
tinctorial pattern
tinctorial
collection
spectroscopic data
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
CN201811483507.1A
Other languages
English (en)
Other versions
CN109655155B (zh
Inventor
廉玉生
胡晓婕
刘艳星
金杨
魏先福
黄敏
徐艳芳
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.)
Beijing Institute of Graphic Communication
Original Assignee
Beijing Institute of Graphic Communication
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 Beijing Institute of Graphic Communication filed Critical Beijing Institute of Graphic Communication
Priority to CN201811483507.1A priority Critical patent/CN109655155B/zh
Publication of CN109655155A publication Critical patent/CN109655155A/zh
Application granted granted Critical
Publication of CN109655155B publication Critical patent/CN109655155B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明提供了照明光源显色性评价方法和装置，包括：获取色样的光谱数据和色度值；将色样的光谱数据和色度值通过色貌模型，得到色貌参数；将色貌参数通过聚类算法，得到初始聚类色样集；对初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据；对降维光谱数据进行光谱聚类，得到降维光谱聚类集；将降维光谱聚类集中心作为代表色样，得到优化色样集；根据优化色样集得到光源显色指数；该照明光源显色性评价方法和装置是针对印刷品照明光源建立的典型颜色样本集，色样代表性强，同时降低了计算量，可以普遍适用于印刷品照明光源显色性评价。

Description

照明光源显色性评价方法和装置
技术领域
本发明涉及照明技术领域，尤其是涉及照明光源显色性评价方法和装置。
背景技术
光源显色性是描述光源颜色特性的一个方面，即物体在光源照明下所呈现颜色的真实性。CIE规定光源显色性以计算显色指标的方法进行评价，显色指标是计算标准色样分别在待测光源和参照标准光源下的色差，颜色偏差越小，表明待测光源的显色性能越好。
现有的用于评价光源显色性的显色指标，存在色样代表性差，计算量大等问题，更没有针对印刷品照明光源建立典型颜色样本集，不能普遍适用于印刷品照明光源显色性评价。
发明内容
有鉴于此，本发明的目的在于提供照明光源显色性评价方法和装置，针对印刷品照明光源建立典型颜色样本集，色样代表性强，同时降低了计算量，可以普遍适用于印刷品照明光源显色性评价。
第一方面，本发明实施例提供了照明光源显色性评价方法，所述方法包括：
获取色样的光谱数据和色度值；
将所述色样的所述光谱数据和所述色度值通过色貌模型，得到色貌参数；
将所述色貌参数通过聚类算法，得到初始聚类色样集；
对所述初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据；
对所述降维光谱数据进行光谱聚类，得到降维光谱聚类集；
将所述降维光谱聚类集中心作为代表色样，得到优化色样集；
根据所述优化色样集得到光源显色指数。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，标准色样包括色域边界高饱和度色样集和色域内色样集，所述将所述色貌参数通过聚类算法，得到初始聚类色样集，还包括：
对所述色域边界高饱和度色样集的色貌参数进行聚类，得到第一初始聚类色样集；
对所述色域内色样的色貌参数进行聚类，得到第二初始聚类色样集。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述对所述初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据包括：
对所述第一初始聚类色样集内的所有色样进行光谱数据降维，得到第一降维光谱数据集；
对所述第二初始聚类色样集内的所有色样进行光谱数据降维，得到第二降维光谱数据集。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述对所述降维光谱数据进行光谱聚类，得到降维光谱聚类集包括：
对所述第一降维光谱数据集进行光谱聚类，得到第一降维光谱聚类集；
对所述第二降维光谱数据集进行光谱聚类，得到第二降维光谱聚类集。
结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述将所述降维光谱聚类集中心作为代表色样，得到优化色样集包括：
将所述第一降维光谱聚类集中心作为代表色样，得到第一优化色样集；
将所述第二降维光谱聚类集中心作为代表色样，得到第二优化色样集。
第二方面，本发明实施例还提供照明光源显色性评价装置，所述装置包括：
获取模块，用于获取色样的光谱数据和色度值；
色貌参数获取模块，用于将所述色样的所述光谱数据和所述色度值，通过色貌模型，得到色貌参数；
第一聚类模块，用于对所述色貌参数通过聚类算法，得到初始聚类色样集；
降维模块，用于对所述初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据；
第二聚类模块，用于对所述降维光谱数据进行光谱聚类，得到降维光谱聚类集；
优化模块，用于将所述降维光谱聚类集中心作为代表色样，得到优化色样集；
光源显色指数获取模块，用于根据所述优化色样集得到光源显色指数。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，标准色样包括色域边界高饱和度色样集和色域内色样集，所述第一聚类模块包括：
对所述色域边界高饱和度色样集的色貌参数进行聚类，得到第一初始聚类色样集；
对所述色域内色样的色貌参数进行聚类，得到第二初始聚类色样集。
结合第二方面的第一种可能的实施方式，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述降维模块包括：
对所述第一初始聚类色样集内的所有色样进行光谱数据降维，得到第一降维光谱数据集；
对所述第二初始聚类色样集内的所有色样进行光谱数据降维，得到第二降维光谱数据集。
结合第二方面的第二种可能的实施方式，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述第二聚类模块包括：
对所述第一降维光谱数据集进行光谱聚类，得到第一降维光谱聚类集；
对所述第二降维光谱数据集进行光谱聚类，得到第二降维光谱聚类集。
结合第二方面的第三种可能的实施方式，本发明实施例提供了第二方面的第四种可能的实施方式，其中，所述优化模块包括：
将所述第一降维光谱聚类集中心作为代表色样，得到第一优化色样集；
将所述第二降维光谱聚类集中心作为代表色样，得到第二优化色样集。
本发明实施例提供了照明光源显色性评价方法和装置，包括：获取色样的光谱数据和色度值；将色样的光谱数据和色度值通过色貌模型，得到色貌参数；将色貌参数通过聚类算法，得到初始聚类色样集；对初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据；对降维光谱数据进行光谱聚类，得到降维光谱聚类集；将降维光谱聚类集中心作为代表色样，得到优化色样集；根据优化色样集得到光源显色指数；该照明光源显色性评价方法和装置是针对印刷品照明光源建立的典型颜色样本集，色样代表性强，同时降低了计算量，可以普遍适用于印刷品照明光源显色性评价。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的照明光源显色性评价方法流程图；
图2为本发明实施例一提供的照明光源显色性评价方法中步骤S103的流程图；
图3为本发明实施例一提供的照明光源显色性评价方法中步骤S104的流程图；
图4为本发明实施例一提供的照明光源显色性评价方法中步骤S105的流程图；
图5为本发明实施例一提供的照明光源显色性评价方法中步骤S106的流程图；
图6为本发明实施例二提供的照明光源显色性评价装置示意图。
图标：
10-获取模块；20-色貌参数获取模块；30-第一聚类模块；40-降维模块；50-第二聚类模块；60-优化模块；70-光源显色指数获取模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为便于对本实施例进行理解，下面对本发明实施例进行详细介绍。
实施例一：
图1为本发明实施例一提供的一种照明光源显色性评价方法流程图。
参照图1，该方法包括以下步骤：
步骤S101,获取色样的光谱数据和色度值；
这里，色样选自印刷色彩管理中的标准色标，基于颜色管理流程，得到标准色标的光谱数据和色度值(三刺激值)，无需重新打印和测量色样数据，操作简单易行。
标准色样包括色域边界高饱和度色样集和色域内色样集。
单独考虑色域边界样本，有利于评价光源再现饱和颜色的能力，进而全面评价光源显色性；
具体地，选择已知光谱反射率的TC9.18标准色标，该色标共有1100个颜色，包含200多个高饱和度的边界色。基于颜色管理，用Epson Stylus7908打印该标准色标，使用分光光度计测量1100个样本的光谱数据。
步骤S102，将色样的光谱数据和色度值通过色貌模型，得到色貌参数；
这里，采用先进的色貌模型和均匀色貌空间，计算色样的色貌参数Jab。
具体地，以CAM02为色貌模型，内嵌CAT02色适应和CAM02-UCS均匀色貌空间，计算TC9.18的1100个样本的CAM02-UCS的色貌参数Jab，在CAM02-UCS-Jab色域中初选152个边界样本代表高饱和度样本，记录样本标号。
根据公式(1)(2)(3)计算色貌参数CAM02-UCS Jab：
aM＝M*cos(h) (2)
bM＝M*sin(h) (3)
其中，c为输入的环境光系数，z为非线性因子，A为非彩色响应因子，AW为参考白的非彩色响应因子，M为绝对彩度，h为色调角，J为明度值，一个颜色样品相对于参考白亮度Q所判断出的明暗等级，a为红绿度，b为黄蓝度。
步骤S103，将色貌参数通过聚类算法，得到初始聚类色样集；
具体地，使用Q聚类方法先对TC9.18的1100个色样在CAM02-UCS色空间中的1100*3个Jab色度值进行聚类，色域边界高饱和色样初始聚类为11类，色域边界内色样初始聚类为18类，导出数据，在相关软件中进行处理，记录每一小类别的样本序号和色度值；
进一步的，参照图2，步骤S103包括以下步骤：
步骤S201，对色域边界高饱和度色样集的色貌参数进行聚类，得到第一初始聚类色样集；
步骤S202，对色域内色样的色貌参数进行聚类，得到第二初始聚类色样集；
初始聚类色样集为第一初始聚类色样集和第二初始聚类色样集的集合。
步骤S104，对初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据；
为简化光谱数据，降低数据处理的复杂性，对聚类色样集中的所有色样进行光谱数据降维；
具体地，使用主成分分析方法，对81维光谱数据进行降维处理，得到前6个主成分，其贡献率达到99.83％，说明得到的6维数据能够很好的表征高维光谱信息，光谱误差很小；
进一步的，参照图3，步骤S104包括以下步骤：
步骤S301，对第一初始聚类色样集内的所有色样进行光谱数据降维，得到第一降维光谱数据集；
步骤S302，对第二初始聚类色样集内的所有色样进行光谱数据降维，得到第二降维光谱数据集；
步骤S105，对降维光谱数据进行光谱聚类，得到降维光谱聚类集；
在色样的选择过程中，针对色样的色貌和光谱进行优化，在保证色样色貌属性的同时，有效避免了同色异谱。提高了显色性评价的准确性。
进一步的，参照图4，步骤S105包括以下步骤：
步骤S401，对第一降维光谱数据集进行光谱聚类，得到第一降维光谱聚类集；
步骤S402，对第二降维光谱数据集进行光谱聚类，得到第二降维光谱聚类集。
步骤S106，将降维光谱聚类集中心作为代表色样，得到优化色样集；
色样优化对印刷色彩管理色标进行，色样的优化结果根据不同的印刷机进行自适应调整，对该印刷机制作的印刷品的照明光源的显色性评价更精确。
进一步的，参照图5，步骤S106包括以下步骤：
步骤S501，将第一降维光谱聚类集中心作为代表色样，得到第一优化色样集；
步骤S502，将第二降维光谱聚类集中心作为代表色样，得到第二优化色样集。
优化色样集为第一优化色样集和第二优化色样集的集合。
具体地，根据降维后的6维光谱数据，分别对色域边界内18个初始类中每一类别的6维光谱数据进行AP自适应聚类，得到17+10+10+10+8+7+4+6＝135个聚类中心即135个典型色样。对152个边界样本的11个初始类的6维光谱数据进行AP自适应聚类，得到12个边界饱和色样，最终得到135+12＝147个优化色样。
步骤S107，根据优化色样集得到光源显色指数。
根据显色指数计算公式，以优化色样集为标准色样，计算照明光源的显色指数，以评价该印刷(打印)机印刷品光源的显色性。同色异谱
选择CIE Ra和CRI 2012两种显色性评价指标，显色指数计算公式分别如下：
公式(4)(5)(6)为CRI Ra显色指数计算公式：
Ri＝100-4.6ΔEi (5)
其中，ΔEi为每个特定的颜色样本在两个不同的光源在CIE 1964U*V*W*均匀色空间下的颜色表现性差异；Ri为某一颜色样本i的特殊显色指数；Ra为一般显色指数(8个特殊显色指数的算术平均数)；r为参照光源；k为测试光源；i为色样序号；U*、V*、W*为均匀色空间坐标值，计算公式如下：
其中，Y为色样CIE1931的三刺激值Y；u、v为色样uv坐标值；u0、v0为光源的uv坐标值。
公式(8)(9)为CRI 2012显色指数计算公式：
其中，Ra,2012为一般显色指数；ΔEi为每个特定的颜色样本在两个不同的光源在CAM02-UCS均匀色空间下的色差；ΔERMS为色差均方根；K为常数。
具体地，对不同色温的LED、荧光等25种光源，分别比较优化色样和CIE样本下的显色指标与1100个原始标准样本下显色指标的差值，计算差值绝对值的平均值，平均值最小，优化色样效果更好。
其中CIE样本为孟塞尔色度系统中的14块标准色板中的前8块色板，处于中等明度和饱和度，色调不同，用于计算一般显色指标Ra。表1为25种光源不同样本下CIE Ra和CRI2012显色指标绝对差值的平均值，具体参照表1：
表1
如表1所示，和CIE样本相比，用优化样本计算得到的25种光源两种显色指标与原始标准样本的绝对差值的平均值仅为0.95和0.56，远远小于10.92和9.81，说明优化色样能够代表原始色样很好的评价光源显色性，且效果优于CIE样本。表2为不同色样下光源的显色指标Spearman相关性检验结果，具体参照表2：
表2
如表2所示，优化样本和原始样本显色指标的相关系数为0.994和0.993，说明二者有显著的相关性，而且0.993>0.958(0.992>0.897)，说明与原有的CIE样本相比，优化色样能够用更典型的色样达到和原始的1100个样本更为接近的评价效果，准确的评价光源的显色性，体现了优化色样方法的有效性。
实施例二：
图6为本发明实施例二提供的一种照明光源显色性评价装置。
参照图6，该装置包括获取模块10、色貌参数获取模块20、第一聚类模块30、降维模块40、第二聚类模块50、优化模块60、光源显色指数获取模块70。
获取模块10，用于获取色样的光谱数据和色度值；
色貌参数获取模块20，用于将色样的光谱数据和色度值，通过色貌模型，得到色貌参数；
第一聚类模块30，用于对色貌参数通过聚类算法，得到初始聚类色样集；
降维模块40，用于对初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据；
第二聚类模块50，用于对降维光谱数据进行光谱聚类，得到降维光谱聚类集；
优化模块60，用于将降维光谱聚类集中心作为代表色样，得到优化色样集；
光源显色指数获取模块70，用于根据优化色样集得到光源显色指数。
本发明实施例提供了照明光源显色性评价方法和装置，包括：获取色样的光谱数据和色度值；将色样的光谱数据和色度值通过色貌模型，得到色貌参数；将色貌参数通过聚类算法，得到初始聚类色样集；对初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据；对降维光谱数据进行光谱聚类，得到降维光谱聚类集；将降维光谱聚类集中心作为代表色样，得到优化色样集；根据优化色样集得到光源显色指数；色样优化对印刷色彩管理色标进行，在色彩管理流程中，无需重新打印和测量色样数据，操作简单易行，并且单独考虑色域边界色样，有利于评价光源再现饱和颜色的能力，进而全面评价光源显色性；在色样的选择过程中，针对色样的色貌和光谱进行优化，在保证色样色貌属性的同时，有效避免了同色异谱，提高了显色性评价的准确性；色样的优化结果可以根据不同的印刷机进行自适应调整，对该印刷机制作的印刷品的照明光源的显色性评价更精确。该照明光源显色性评价方法和装置是针对印刷品照明光源建立的典型颜色样本集，色样代表性强，同时降低了计算量，可以普遍适用于印刷品照明光源显色性评价。
本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例提供的照明光源显色性评价方法的步骤。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例的照明光源显色性评价方法的步骤。
本发明实施例所提供的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种照明光源显色性评价方法，其特征在于，所述方法包括：
获取色样的光谱数据和色度值；
将所述色样的所述光谱数据和所述色度值通过色貌模型，得到色貌参数；
将所述色貌参数通过聚类算法，得到初始聚类色样集；
对所述初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据；
对所述降维光谱数据进行光谱聚类，得到降维光谱聚类集；
将所述降维光谱聚类集中心作为代表色样，得到优化色样集；
根据所述优化色样集得到光源显色指数。
2.根据权利要求1所述的照明光源显色性评价方法，其特征在于，标准色样包括色域边界高饱和度色样集和色域内色样集，所述将所述色貌参数通过聚类算法，得到初始聚类色样集，还包括：
对所述色域边界高饱和度色样集的色貌参数进行聚类，得到第一初始聚类色样集；
对所述色域内色样的色貌参数进行聚类，得到第二初始聚类色样集。
3.根据权利要求2所述的照明光源显色性评价方法，其特征在于，所述对所述初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据包括：
对所述第一初始聚类色样集内的所有色样进行光谱数据降维，得到第一降维光谱数据集；
对所述第二初始聚类色样集内的所有色样进行光谱数据降维，得到第二降维光谱数据集。
4.根据权利要求3所述的照明光源显色性评价方法，其特征在于，所述对所述降维光谱数据进行光谱聚类，得到降维光谱聚类集包括：
对所述第一降维光谱数据集进行光谱聚类，得到第一降维光谱聚类集；
对所述第二降维光谱数据集进行光谱聚类，得到第二降维光谱聚类集。
5.根据权利要求4所述的照明光源显色性评价方法，其特征在于，所述将所述降维光谱聚类集中心作为代表色样，得到优化色样集包括：
将所述第一降维光谱聚类集中心作为代表色样，得到第一优化色样集；
将所述第二降维光谱聚类集中心作为代表色样，得到第二优化色样集。
6.一种照明光源显色性评价装置，其特征在于，所述装置包括：
获取模块，用于获取色样的光谱数据和色度值；
色貌参数获取模块，用于将所述色样的所述光谱数据和所述色度值，通过色貌模型，得到色貌参数；
第一聚类模块，用于对所述色貌参数通过聚类算法，得到初始聚类色样集；
降维模块，用于对所述初始聚类色样集内的所有色样进行光谱数据降维，得到降维光谱数据；
第二聚类模块，用于对所述降维光谱数据进行光谱聚类，得到降维光谱聚类集；
优化模块，用于将所述降维光谱聚类集中心作为代表色样，得到优化色样集；
光源显色指数获取模块，用于根据所述优化色样集得到光源显色指数。
7.根据权利要求6所述的照明光源显色性评价装置，其特征在于，标准色样包括色域边界高饱和度色样集和色域内色样集，所述第一聚类模块包括：
对所述色域边界高饱和度色样集的色貌参数进行聚类，得到第一初始聚类色样集；
对所述色域内色样的色貌参数进行聚类，得到第二初始聚类色样集。
8.根据权利要求7所述的照明光源显色性评价装置，其特征在于，所述降维模块包括：
对所述第一初始聚类色样集内的所有色样进行光谱数据降维，得到第一降维光谱数据集；
对所述第二初始聚类色样集内的所有色样进行光谱数据降维，得到第二降维光谱数据集。
9.根据权利要求8所述的照明光源显色性评价装置，其特征在于，所述第二聚类模块包括：
对所述第一降维光谱数据集进行光谱聚类，得到第一降维光谱聚类集；
对所述第二降维光谱数据集进行光谱聚类，得到第二降维光谱聚类集。
10.根据权利要求9所述的照明光源显色性评价装置，其特征在于，所述优化模块包括：
将所述第一降维光谱聚类集中心作为代表色样，得到第一优化色样集；
将所述第二降维光谱聚类集中心作为代表色样，得到第二优化色样集。
CN201811483507.1A 2018-12-05 2018-12-05 照明光源显色性评价方法和装置 Active CN109655155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811483507.1A CN109655155B (zh) 2018-12-05 2018-12-05 照明光源显色性评价方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811483507.1A CN109655155B (zh) 2018-12-05 2018-12-05 照明光源显色性评价方法和装置

Publications (2)

Publication Number Publication Date
CN109655155A true CN109655155A (zh) 2019-04-19
CN109655155B CN109655155B (zh) 2020-09-29

Family

ID=66112645

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811483507.1A Active CN109655155B (zh) 2018-12-05 2018-12-05 照明光源显色性评价方法和装置

Country Status (1)

Country Link
CN (1) CN109655155B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110231148A (zh) * 2019-06-04 2019-09-13 武汉大学 一种面向颜色分辨的展陈光源显色性评价方法及系统
CN111324986A (zh) * 2020-02-17 2020-06-23 北京印刷学院 优化色样集获取方法及装置，色域指数获取方法及装置
CN112254814A (zh) * 2020-10-21 2021-01-22 北京印刷学院 多维光谱颜色空间的构建方法、装置和电子设备
CN113670442A (zh) * 2021-08-09 2021-11-19 天津大学 用于中国彩绘文物照明光源的显色指数计算方法
CN114993630A (zh) * 2022-07-18 2022-09-02 武汉大学 一种面向鲜肉新鲜度的生鲜照明光品质评价方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130082622A1 (en) * 2011-09-29 2013-04-04 National Chiao Tung University Method for mixing light of led cluster
CN104634451A (zh) * 2015-02-11 2015-05-20 武汉大学 基于多通道成像系统的光谱重建方法及系统
CN105973572A (zh) * 2016-04-27 2016-09-28 浙江大学 一种多色led实现光源最佳显色性的光谱优化方法
CN106872146A (zh) * 2017-02-24 2017-06-20 中国测试技术研究院 一种光源相关色温和显色指数分析方法
CN107766896A (zh) * 2017-11-28 2018-03-06 齐鲁工业大学 一种基于色相聚类的光谱降维方法
CN108805191A (zh) * 2018-05-31 2018-11-13 广东欣薇尔服装有限公司 一种根据损耗规则自动补数的跟单管理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130082622A1 (en) * 2011-09-29 2013-04-04 National Chiao Tung University Method for mixing light of led cluster
CN104634451A (zh) * 2015-02-11 2015-05-20 武汉大学 基于多通道成像系统的光谱重建方法及系统
CN105973572A (zh) * 2016-04-27 2016-09-28 浙江大学 一种多色led实现光源最佳显色性的光谱优化方法
CN106872146A (zh) * 2017-02-24 2017-06-20 中国测试技术研究院 一种光源相关色温和显色指数分析方法
CN107766896A (zh) * 2017-11-28 2018-03-06 齐鲁工业大学 一种基于色相聚类的光谱降维方法
CN108805191A (zh) * 2018-05-31 2018-11-13 广东欣薇尔服装有限公司 一种根据损耗规则自动补数的跟单管理方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110231148A (zh) * 2019-06-04 2019-09-13 武汉大学 一种面向颜色分辨的展陈光源显色性评价方法及系统
CN111324986A (zh) * 2020-02-17 2020-06-23 北京印刷学院 优化色样集获取方法及装置，色域指数获取方法及装置
CN112254814A (zh) * 2020-10-21 2021-01-22 北京印刷学院 多维光谱颜色空间的构建方法、装置和电子设备
CN113670442A (zh) * 2021-08-09 2021-11-19 天津大学 用于中国彩绘文物照明光源的显色指数计算方法
CN113670442B (zh) * 2021-08-09 2023-09-19 天津大学 用于中国彩绘文物照明光源的显色指数计算方法
CN114993630A (zh) * 2022-07-18 2022-09-02 武汉大学 一种面向鲜肉新鲜度的生鲜照明光品质评价方法及系统

Also Published As

Publication number Publication date
CN109655155B (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN109655155A (zh) 照明光源显色性评价方法和装置
CN101518980B (zh) 综合目测、密度测量与色度测量的印刷色彩品质检测方法
CN100568283C (zh) 一种图片主色调分析方法及其装置
CN108020519B (zh) 一种基于颜色恒常性的虚拟多光源光谱重建方法
CN102445275A (zh) 光谱分光彩色影像颜色采集箱以及一种光谱分光彩色影像颜色检测方法
CN108801938A (zh) 一种色差在线测量方法及系统
CN108564631A (zh) 车灯光导色差检测方法、装置及计算机可读存储介质
Ma et al. Evaluation of whiteness metrics
Li et al. Comparison of real colour gamuts using a new reflectance database
CN104122213A (zh) 一种测量水质色度的方法
KR100882272B1 (ko) 다색상 led 패키지의 광특성 분석방법 및 분석장치
Cho et al. New colour appearance scales for describing saturation, vividness, blackness, and whiteness
CN113189021A (zh) 基于光谱识别岩石颜色的方法
CN106506902A (zh) 颜色管理系统和颜色管理方法
JP2010203825A (ja) モニタの分光分布測定方法
Gu et al. Quantifying the suitability of CIE D50 and a simulators based on LED light sources
CN106739484B (zh) 一种预测印刷品干燥过程颜色变化的方法
Derhak et al. Analysis and correction of the Joensuu Munsell glossy spectral database
CN113189031A (zh) 松香色度标准块量值溯源方法及装置
CN108362650A (zh) 液体色度检测方法及装置
CN106855434B (zh) 玻璃的选择方法
JP2002286549A (ja) 色調検査方法およびそのシステム
Kandi The effect of paper appearance on printed color of inkjet printer
Vik et al. Color Rendition of Artificial Light Sources: Past and Future
CN113196412A (zh) 用于确定着色产品推荐的方法

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