CN110110127A - 一种识别专色混合油墨的基色油墨的方法以及电子设备 - Google Patents
一种识别专色混合油墨的基色油墨的方法以及电子设备 Download PDFInfo
- Publication number
- CN110110127A CN110110127A CN201910368431.6A CN201910368431A CN110110127A CN 110110127 A CN110110127 A CN 110110127A CN 201910368431 A CN201910368431 A CN 201910368431A CN 110110127 A CN110110127 A CN 110110127A
- Authority
- CN
- China
- Prior art keywords
- primary color
- color inks
- ink
- inks
- mixed 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Immunology (AREA)
- Data Mining & Analysis (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Spectrometry And Color Measurement (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明公开一种识别专色混合油墨的基色油墨的方法以及电子设备,方法包括:预先建立包含多个基色油墨的属性信息和多个标准专色混合油墨的属性信息的数据库,并将所述数据库中的各光谱反射率记为第一光谱反射率;获取目标专色混合油墨的光谱反射率并将其记为第二光谱反射率,并对所述第一光谱反射率和第二光谱反射率分别进行差异预处理操作,得到对应的第一处理结果和第二处理结果;将第一处理结果和第二处理结果进行比较,从数据库中选取预定个与目标专色混合油墨颜色匹配的油墨;根据所述频数信息计算各基色油墨出现的概率;根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨。这样便能提高专色油墨配色的效率。
Description
技术领域
本发明涉及专色油墨配色领域,尤其涉及一种识别专色混合油墨的基色油墨的方法以及电子设备。
背景技术
专色油墨配色以颜色混合理论为基础,以基色油墨(青墨、品墨、黄墨、黑墨等)调和方式得到与目标色相同的颜色效果。
也就是说,专色油墨配色是一种识别目标油墨使用哪几种基色油墨的方法。传统专色油墨配色方法是凭借操作人员多年的技巧和经验,通过观察或对比的方式进行配色,一般适用于对色彩要求较低的小型包装印刷。但是,在使用过程中存在与原稿的色差较大和次品率高的问题。
近年来,还出现另一种专色油墨配色方法,具体是指计算机专色油墨配色方法。其原理是首先采用分光光度计测定目标色,经计算机配色软件处理后,获得目标色的颜色信息,然后采用储存在数据库中的基础颜色数据进行配色,从而配制与目标色接近的油墨配方。
然而,这两种方法均存在效率低下或配色失败率高的问题。
因此,现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足,本发明的目的在于提供一种识别专色混合油墨的基色油墨的方法以及电子设备,旨在解决现有专色油墨配色方法效率低下或配色失败率高的问题。
本发明的技术方案如下:
一种识别专色混合油墨的基色油墨的方法,其包括步骤:
预先建立包含多个基色油墨的属性信息和多个标准专色混合油墨的属性信息的数据库,且所述属性信息包括光谱反射率,并将所述数据库中的各光谱反射率记为第一光谱反射率;
获取目标专色混合油墨的光谱反射率并将其记为第二光谱反射率,并对所述第一光谱反射率和第二光谱反射率分别进行差异预处理操作,得到对应的第一处理结果和第二处理结果;
将第一处理结果和第二处理结果进行比较,从数据库中选取预定个与目标专色混合油墨颜色匹配的油墨;
若所选取的油墨仅包含基色油墨,则统计对应的基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨仅包含标准专色混合油墨,则统计相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨同时包含基色油墨和标准专色混合油墨,则统计相应基色油墨的频数信息以及相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;
根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨。
所述的识别专色混合油墨的基色油墨的方法,其中,所述属性信息还包括基色油墨种类、基色油墨比例和编号信息。
所述的识别专色混合油墨的基色油墨的方法,其中,所述差异预处理操作包括归一化处理操作和求一阶导数处理操作。
所述的识别专色混合油墨的基色油墨的方法,其中,通过计算余弦距离的方式比较第一处理结果和第二处理结果。
所述的识别专色混合油墨的基色油墨的方法,其中,所述计算余弦距离的公式如下:
式中,e表示相似度,r表示第一处理结果,r'表示第二处理结果。
所述的识别专色混合油墨的基色油墨的方法,其中,所述根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨的步骤包括:
对各个基色油墨出现的概率按照从高到低的方式进行排序,得到相应的排序结果。
所述的识别专色混合油墨的基色油墨的方法,其中,所述根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨的步骤具体包括:
从所述排序结果中选取靠前的两个概率所对应的基色油墨作为专色混合油墨的基色油墨。
本发明还提供一种电子设备,其包括:
处理器,适于实现各指令,以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行:
预先建立包含多个基色油墨的属性信息和多个标准专色混合油墨的属性信息的数据库,且所述属性信息包括光谱反射率,并将所述数据库中的各光谱反射率记为第一光谱反射率;
获取目标专色混合油墨的光谱反射率并将其记为第二光谱反射率,并对所述第一光谱反射率和第二光谱反射率分别进行差异预处理操作,得到对应的第一处理结果和第二处理结果;
将第一处理结果和第二处理结果进行比较,从数据库中选取预定个与目标专色混合油墨颜色匹配的油墨;
若所选取的油墨仅包含基色油墨,则统计对应的基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨仅包含标准专色混合油墨,则统计相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨同时包含基色油墨和标准专色混合油墨,则统计相应基色油墨的频数信息以及相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;
根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨。
本发明还提供一种计算机程序产品,其中,计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被处理器执行时,使所述处理器执行所述的识别专色混合油墨的基色油墨的方法。
本发明还提供一种非易失性计算机可读存储介质,其中,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行所述的识别专色混合油墨的基色油墨的方法。
有益效果:通过本发明提供的方法,先获取目标专色混合油墨的光谱反射率,将其记录为第二光谱反射率;然后将第二光谱反射率和数据库中的第一光谱反射率分别进行差异预处理操作,得到对应的第一处理结果和第二处理结果;再将第一处理结果和第二结果进行比较,并从数据库中选择预定个与目标专色混合油墨颜色匹配的油墨;然后根据选取油墨的类型,统计对应的基色油墨的频数信息或者统计相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;最后根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨。这样,便可以根据基色油墨出现的概率,从而判定目标专色混合油墨包含几种基色油墨,从而提高专色油墨配色的效率,以及降低专色油墨配色的失败率。
附图说明
图1为本发明识别专色混合油墨的基色油墨方法较佳实施例的流程图。
图2(a)表示第一光谱反射率经过差异预处理后较佳实施例的光谱曲线图;图2(b)表示第二光谱反射率经过差异预处理后较佳实施例的光谱曲线图。
图3为本发明各个基色油墨较佳实施例的频数统计图。
图4为本发明电子设备较佳实施例的结构框图。
具体实施方式
本发明提供一种识别专色混合油墨的基色油墨的方法以及电子设备,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,一种识别专色混合油墨的基色油墨的方法,其包括步骤:
S1、预先建立包含多个基色油墨的属性信息和多个标准专色混合油墨的属性信息的数据库,且所述属性信息包括光谱反射率,并将所述数据库中的各光谱反射率记为第一光谱反射率;
S2、获取目标专色混合油墨的光谱反射率并将其记为第二光谱反射率,并对所述第一光谱反射率和第二光谱反射率分别进行差异预处理操作,得到对应的第一处理结果和第二处理结果;
S3、将第一处理结果和第二处理结果进行比较,从数据库中选取预定个与目标专色混合油墨颜色匹配的油墨;
S4、若所选取的油墨仅包含基色油墨,则统计对应的基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨仅包含标准专色混合油墨,则统计相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨同时包含基色油墨和标准专色混合油墨,则统计相应基色油墨的频数信息以及相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;
S5、根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨。
通过本发明提供的方法,能够有效提高专色油墨配色的效率,并且本发明的提供的方法还具有简单和高效的特点。
所述步骤S1中,所述基色油墨是指单一颜色的油墨,例如,基色油墨为青墨、品墨、黄墨或者黑墨等等。
所述标准专色混合油墨是指一种预先混合好的特定彩色油墨,如荧光黄色、珍珠蓝色、金属金银色油墨等,且其由固定的几种基色油墨混合而成。
光谱反射率是指地物在某波段的反射通量与该波段的入射通量之比,即地物对不同波长的电磁波会产生选择性反射。因此,地物的反射率通常指的是光谱反射率。
为了方便与目标专色混合油墨的光谱反射率区分,因此,将数据库中基色油墨的光谱反射率和标准专色混合油墨的光谱反射率统一记为第一光谱反射率,更具体的说,第一光谱反射率包含多个基色油墨的光谱反射率和标准专色混合油墨的光谱反射率,这些光谱反射率统称为第一光谱反射率。例如,将基色油墨A的光谱反射率记为第一光谱反射率、将基色油墨B的光谱反射率记为第一光谱反射率、将标准专色混合油墨A的光谱反射率记为第一光谱反射率以及将标准专色混合油墨B的光谱反射率记为第一光谱反射率等等。与此同时,还需要将目标专色混合油墨的光谱反射率记为第二光谱反射率。
所述数据库实际上是指一种存储电子文件的容器,其能够记录用户编辑的信息。本发明中,数据库主要用于存储基色油墨和标准专色混合油墨的属性信息。其中,所述属性信息还包括基色油墨种类、基色油墨比例和编号信息。
按照油墨的版型可将油墨分成四大类,具体地说,基色油墨的种类包括:凸版油墨、平版油墨、凹版油墨和网孔板油墨。
基色油墨比例是指标准专色混合油墨各种基色油墨的比例。例如,标准专色混合油墨A由基色油墨b和基色油墨c组成,且基色油墨b和基色油墨c的比例为2:1。
为了方便查找基色油墨和标准专色混合油墨,可为基色油墨和标准专色混合油墨添加一个编号信息,编号信息分别与一个基色油墨或者一个标准专色混合油墨对应。
优选地,所述编号信息为数字、字母或者数字和字母组合的一种。例如,编号信息可以是1、2和3;也可以是A、b和C;当然也可以是a1、B2和c3等等。
所述步骤S2中,在获取第二光谱反射率(目标专色混合油墨的光谱反射率)后,便分别对第一光谱反射率和第二光谱反射率进行差异预处理,得到对应的第一处理结果和第二处理结果。进行差异预处理的目的是突出光谱反射率曲线之间的差异性,便于后续相似度评价。
需要说明的是,当对第一光谱反射率进行差异预处理操作时,对应得到多个第一处理结果。例如,对基色油墨A的光谱反射率进行差异预处理操作,得到第一处理结果A;对基色油墨B的光谱反射率进行差异预处理操作,得到第一处理结果B;对标准专色混合油墨C的光谱反射率进行差异预处理操作,得到第一处理结果C;对标准专色混合油墨D的光谱反射率进行差异预处理操作,得到第一处理结果D等等。也就是说,本发明中的第一处理结果包括第一处理结果A、第一处理结果B、第一处理结果C和第一处理结果D等等。
优选地,所述差异预处理操作包括归一化处理操作和求一阶导数处理操作。
其中,归一化处理操作方法有两种形式,一种是把数变为(0,1)之间的小数,另一种是把有量纲表达式变为无量纲表达式。目的均是为了方便处理数据,将数据映射到0~1范围之内,大大提高了处理速度。
求一阶导数处理操作与数学上的函数求导相似,故此不做赘述。
所述步骤S3中,在得到第一处理结果和第二处理结果后,便可以通过预设的方法比较第一处理结果和第二处理结果,并从数据库中选择预设个与目标专色混合油墨颜色匹配的油墨。
需要说明的是,由于第一处理结果具有多个,因此,需要将多个第一处理结果分别与第二处理结果进行比较,才能从数据库中选择预设个与目标专色混合油墨颜色匹配的油墨。
例如,第一处理结果包含:第一处理结果A、第一处理结果B、第一处理结果C和第一处理结果D,那么需要将第一处理结果A和第二处理结果进行比较;需要将第一处理结果B和第二处理结果进行比较;需要将第一处理结果C和第二处理结果进行比较;还需要将第一处理结果D和第二处理结果进行比较,这样,才能选择出与目标专色混合油墨颜色匹配的油墨。
也就是说,比较第一处理结果和第二处理结果后,从数据库中选择若干个与目标专色混合油墨颜色接近的基色油墨和/或标准专色混合油墨。
其中,可以从数据库中选择50个油墨,也可以选择10个油墨,但本发明最优选的方案是选择20个油墨。这样,数据量不会太大,也不会太小,不仅提高了专色油墨的配色效率,还提高了专色油墨配色的成功率。
优选地,通过计算余弦距离的方式比较第一处理结果和第二处理结果。
其中,所述计算余弦距离的公式如下:
式中,e表示相似度,r表示第一处理结果,r'表示第二处理结果。需要说明的是,T表示转置,将一个m×n的矩阵变换为n×m的矩阵。
如果相似度e越接近1,说明两个颜色越接近;如果相似度e越接近0,说明两个颜色差异较大。
所述步骤S4中,统计基色油墨的频数信息是指统计基色油墨出现的次数,然后,根据所述基色油墨的频数和基色油墨出现的总频数便可以计算各基色油墨出现的概率。
如果选取的油墨仅包含基色油墨:例如,从数据库中选择的油墨为基色油墨a、基色油墨b和基色油墨c。显然,基色油墨a的频数为:1;基色油墨b的频数为:1;基色油墨c的频数为:1;并且基色油墨出现的总频数为:1+1+1=3。因此,因此,基色油墨a出现的概率为:1/3;基色油墨b出现的概率为:1/3;基色油墨c出现的概率为:1/3。
如果选取的油墨仅包含标准专色混合油墨:例如,从数据库中选择的油墨为标准专色混合油墨acfe、标准专色混合油墨ef和标准专色混合油墨abc。显然,基色油墨a的频数为:2;基色油墨b的频数为:1;基色油墨c的频数为:2;基色油墨e的频数为:2以及基色油墨f的频数为:1;并且基色油墨出现的总频数为:2+1+2+2+1=9。因此,基色油墨a出现的概率为:2/9;基色油墨b出现的概率为:1/9;基色油墨c出现的概率为:2/9;基色油墨e出现的概率为:2/9;基色油墨e出现的概率为:2/9以及基色油墨f出现的概率为:1/9。
如果所选取的油墨同时包含基色油墨和标准专色混合油墨:例如,从数据库中选择的油墨为基色油墨a、基色油墨b、基色油墨c、标准专色混合油墨abc、标准专色混合油墨bcf和标准专色混合油墨efg。显然,基色油墨a的频数为:2;基色油墨b的频数为:3;基色油墨c的频数为:3;基色油墨f的频数为:2以及基色油墨g的频数为:1;并且基色油墨出现的总频数为:2+3+3+2+1=11。因此,基色油墨a出现的概率为:2/11;基色油墨b出现的概率为:3/11;基色油墨c出现的概率为:3/11;基色油墨f出现的概率为:2/11以及基色油墨g出现的概率为:1/11。
所述步骤S5中,根据概率的大小,选择若干个排名较高的对应的基色油墨作为目标专色混合油墨的基色油墨。
这样,便可以确定目标专色混合油墨的基色油墨,从而方便进行后续的配色等操作。
优选地,所述步骤S5包括:
对各个基色油墨出现的概率按照从高到低的方式进行排序,得到相应的排序结果。
为了方便统计概率,因此,对所有的概率按照从大到小的顺序进行排序。得到相应的排序结果。
优选地,所述步骤S5具体包括:
从所述排序结果中选取靠前的两个概率所对应的基色油墨作为专色混合油墨的基色油墨。
也就是说,选择两个概率较大的所对应的基色油墨作为专色混合油墨的基色油墨。
为了验证本发明的有效性,下面通过一个具体的实施例进行详细说明。
以一个由260个样本组成的油墨数据库为例,各样本的编号为1-260,数据库中保存有各基色油墨和标准专色混合油墨的基色种类、基色比例和光谱反射率信息。选择第180号样本为目标专色混合油墨,且其基色油墨为耐晒黄与金红。
请参阅图2,图2(a)表示第一光谱反射率经过差异预处理后的光谱曲线图;图2(b)表示第二光谱反射率经过差异预处理后的光谱曲线图。
经过对比,从数据库中选择20个基色油墨或标准专色混合油墨,其编号信息和相似度可参见下表1。
编号信息 | 相似度e |
173 | 0.9997 |
147 | 0.9996 |
146 | 0.9995 |
171 | 0.9994 |
145 | 0.9993 |
148 | 0.9991 |
121 | 0.9988 |
144 | 0.9988 |
122 | 0.9988 |
152 | 0.9988 |
150 | 0.9988 |
154 | 0.9986 |
143 | 0.9986 |
170 | 0.9985 |
176 | 0.9985 |
175 | 0.9985 |
151 | 0.9984 |
153 | 0.9982 |
155 | 0.9982 |
172 | 0.9980 |
表1:20个基色油墨的编号信息和相似度e的对应表
由于标准专色混合油墨由若干个基色油墨混合而成,因此仅需计算基色油墨的频数,以及计算基色油墨出现的概率。最终计算出的六个基色油墨的频数和六个基色油墨出现的概率分别见图3和表2。
表2:六个基色油墨出现的概率表
从图3和表2中可以看出,与目标专色混合油墨最相似的20个样本中出现的基色墨有6种,分别是:耐晒黄、金红、耐折白、四色黑、撤淡剂和四色黄。目标专色混合油墨是否含有耐折白、四色黑和撤淡剂可通过目视进行判断。就频率大小而言,目标专色混合油墨中必定含有金红墨,耐晒黄和四色黄都属于黄相墨,目标专色混合油墨含耐晒黄的可能性高于含四色黄,因此目标专色混合油墨中含金红和耐晒黄两种基墨,与真实情况相符。
请参阅图4,本发明还提供一种电子设备10,其包括:
处理器110,适于实现各指令,以及
存储设备120,适于存储多条指令,所述指令适于由处理器加载并执行:
预先建立包含多个基色油墨的属性信息和多个标准专色混合油墨的属性信息的数据库,且所述属性信息包括光谱反射率,并将所述数据库中的各光谱反射率记为第一光谱反射率;
获取目标专色混合油墨的光谱反射率并将其记为第二光谱反射率,并对所述第一光谱反射率和第二光谱反射率分别进行差异预处理操作,得到对应的第一处理结果和第二处理结果;
将第一处理结果和第二处理结果进行比较,从数据库中选取预定个与目标专色混合油墨颜色匹配的油墨;
若所选取的油墨仅包含基色油墨,则统计对应的基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨仅包含标准专色混合油墨,则统计相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨同时包含基色油墨和标准专色混合油墨,则统计相应基色油墨的频数信息以及相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;
根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨。
所述处理器110可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISC Machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有,处理器还可以是任何传统处理器、微处理器或状态机。处理器也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、任何其它这种配置。
存储设备120作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的识别专色混合油墨的基色油墨的方法对应的程序指令。处理器通过运行存储在存储设备中的非易失性软件程序、指令以及单元,从而执行识别专色混合油墨的基色油墨的各种功能应用以及数据处理,即实现上述方法实施例中的识别专色混合油墨的基色油墨的方法。
关于上述电子设备10的具体技术细节,已在上述步骤中详述,故此不做赘述。
本发明还提供一种计算机程序产品,其中,计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被处理器执行时,使所述处理器执行所述的识别专色混合油墨的基色油墨的方法。
本发明还提供一种非易失性计算机可读存储介质,其中,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行所述的识别专色混合油墨的基色油墨的方法。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种识别专色混合油墨的基色油墨的方法,其特征在于,包括步骤:
预先建立包含多个基色油墨的属性信息和多个标准专色混合油墨的属性信息的数据库,且所述属性信息包括光谱反射率,并将所述数据库中的各光谱反射率记为第一光谱反射率;
获取目标专色混合油墨的光谱反射率并将其记为第二光谱反射率,并对所述第一光谱反射率和第二光谱反射率分别进行差异预处理操作,得到对应的第一处理结果和第二处理结果;
将第一处理结果和第二处理结果进行比较,从数据库中选取预定个与目标专色混合油墨颜色匹配的油墨;
若所选取的油墨仅包含基色油墨,则统计对应的基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨仅包含标准专色混合油墨,则统计相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨同时包含基色油墨和标准专色混合油墨,则统计相应基色油墨的频数信息以及相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;
根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨。
2.根据权利要求1所述识别专色混合油墨的基色油墨的方法,其特征在于,所述属性信息还包括基色油墨种类、基色油墨比例和编号信息。
3.根据权利要求1所述识别专色混合油墨的基色油墨的方法,其特征在于,所述差异预处理操作包括归一化处理操作和求一阶导数处理操作。
4.根据权利要求1所述识别专色混合油墨的基色油墨的方法,其特征在于,通过计算余弦距离的方式比较第一处理结果和第二处理结果。
5.根据权利要求4所述识别专色混合油墨的基色油墨的方法,其特征在于,所述计算余弦距离的公式如下:
式中,e表示相似度,r表示第一处理结果,r'表示第二处理结果。
6.根据权利要求1所述识别专色混合油墨的基色油墨的方法,其特征在于,所述根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨的步骤包括:
对各个基色油墨出现的概率按照从高到低的方式进行排序,得到相应的排序结果。
7.根据权利要求6所述识别专色混合油墨的基色油墨的方法,其特征在于,所述根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨的步骤具体包括:
从所述排序结果中选取靠前的两个概率所对应的基色油墨作为专色混合油墨的基色油墨。
8.一种电子设备,其特征在于,包括:
处理器,适于实现各指令,以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行:
预先建立包含多个基色油墨的属性信息和多个标准专色混合油墨的属性信息的数据库,且所述属性信息包括光谱反射率,并将所述数据库中的各光谱反射率记为第一光谱反射率;
获取目标专色混合油墨的光谱反射率并将其记为第二光谱反射率,并对所述第一光谱反射率和第二光谱反射率分别进行差异预处理操作,得到对应的第一处理结果和第二处理结果;
将第一处理结果和第二处理结果进行比较,从数据库中选取预定个与目标专色混合油墨颜色匹配的油墨;
若所选取的油墨仅包含基色油墨,则统计对应的基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨仅包含标准专色混合油墨,则统计相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;若所选取的油墨同时包含基色油墨和标准专色混合油墨,则统计相应基色油墨的频数信息以及相应标准专色混合油墨中的各基色油墨的频数信息,并根据所述频数信息计算各基色油墨出现的概率;
根据概率高低选取多个概率高的基色油墨作为目标专色混合油墨的基色油墨。
9.一种计算机程序产品,其特征在于,计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被处理器执行时,使所述处理器执行权利要求1-7任一项所述的识别专色混合油墨的基色油墨的方法。
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行权利要求1-7任一项所述的识别专色混合油墨的基色油墨的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368431.6A CN110110127B (zh) | 2019-05-05 | 2019-05-05 | 一种识别专色混合油墨的基色油墨的方法以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368431.6A CN110110127B (zh) | 2019-05-05 | 2019-05-05 | 一种识别专色混合油墨的基色油墨的方法以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110110127A true CN110110127A (zh) | 2019-08-09 |
CN110110127B CN110110127B (zh) | 2023-07-18 |
Family
ID=67488209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910368431.6A Active CN110110127B (zh) | 2019-05-05 | 2019-05-05 | 一种识别专色混合油墨的基色油墨的方法以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110127B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113791746A (zh) * | 2021-08-31 | 2021-12-14 | 深圳劲嘉集团股份有限公司 | 一种胶印专色余墨再配色方法、装置、系统及介质 |
CN114808074A (zh) * | 2022-05-16 | 2022-07-29 | 日善电脑配件(嘉善)有限公司 | 一种基于光谱反射曲线的阳极氧化染料选择方法及应用 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5903712A (en) * | 1995-10-05 | 1999-05-11 | Goss Graphic Systems, Inc. | Ink separation device for printing press ink feed control |
US20110026835A1 (en) * | 2009-07-30 | 2011-02-03 | Ptucha Raymond W | System for matching artistic attributes of secondary image and template to a primary image |
CN102165294A (zh) * | 2008-09-29 | 2011-08-24 | 纳幕尔杜邦公司 | 颜色匹配方法 |
CN102164750A (zh) * | 2008-09-04 | 2011-08-24 | 太阳化学公司 | 用以产生各种金属外观的金属颜料油墨的网版印刷 |
CN102729612A (zh) * | 2012-06-27 | 2012-10-17 | 杭州电子科技大学 | 一种胶印专色油墨多目标优化配色方法 |
CN103593905A (zh) * | 2013-10-28 | 2014-02-19 | 深圳力合防伪技术有限公司 | 反铁磁共振射频识别票证管理系统和方法 |
CN106716483A (zh) * | 2014-08-12 | 2017-05-24 | 数字标记公司 | 产品包装中用于专色的数据隐藏 |
CN107856409A (zh) * | 2017-11-30 | 2018-03-30 | 西安理工大学 | 一种基于吸收光谱的印刷专色配色方法 |
CN108501556A (zh) * | 2018-02-01 | 2018-09-07 | 西安理工大学 | 一种薄膜凹版印刷专色配色方法 |
CN108629043A (zh) * | 2018-05-14 | 2018-10-09 | 平安科技(深圳)有限公司 | 网页目标信息的提取方法、装置及存储介质 |
CN108872156A (zh) * | 2018-07-09 | 2018-11-23 | 深圳劲嘉集团股份有限公司 | 一种基于光谱反射率倒数的油墨组份比例预测方法及设备 |
-
2019
- 2019-05-05 CN CN201910368431.6A patent/CN110110127B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5903712A (en) * | 1995-10-05 | 1999-05-11 | Goss Graphic Systems, Inc. | Ink separation device for printing press ink feed control |
CN102164750A (zh) * | 2008-09-04 | 2011-08-24 | 太阳化学公司 | 用以产生各种金属外观的金属颜料油墨的网版印刷 |
CN102165294A (zh) * | 2008-09-29 | 2011-08-24 | 纳幕尔杜邦公司 | 颜色匹配方法 |
US20110026835A1 (en) * | 2009-07-30 | 2011-02-03 | Ptucha Raymond W | System for matching artistic attributes of secondary image and template to a primary image |
CN102729612A (zh) * | 2012-06-27 | 2012-10-17 | 杭州电子科技大学 | 一种胶印专色油墨多目标优化配色方法 |
CN103593905A (zh) * | 2013-10-28 | 2014-02-19 | 深圳力合防伪技术有限公司 | 反铁磁共振射频识别票证管理系统和方法 |
CN106716483A (zh) * | 2014-08-12 | 2017-05-24 | 数字标记公司 | 产品包装中用于专色的数据隐藏 |
CN107856409A (zh) * | 2017-11-30 | 2018-03-30 | 西安理工大学 | 一种基于吸收光谱的印刷专色配色方法 |
CN108501556A (zh) * | 2018-02-01 | 2018-09-07 | 西安理工大学 | 一种薄膜凹版印刷专色配色方法 |
CN108629043A (zh) * | 2018-05-14 | 2018-10-09 | 平安科技(深圳)有限公司 | 网页目标信息的提取方法、装置及存储介质 |
CN108872156A (zh) * | 2018-07-09 | 2018-11-23 | 深圳劲嘉集团股份有限公司 | 一种基于光谱反射率倒数的油墨组份比例预测方法及设备 |
Non-Patent Citations (4)
Title |
---|
方恩印: "基于光谱曲线油墨配色方法的研究", 《出版与印刷》 * |
方恩印: "基于光谱曲线油墨配色方法的研究", 《出版与印刷》, 15 September 2016 (2016-09-15), pages 43 - 45 * |
逄世龙等: "通过优化油墨光谱反射率来拓展印刷色域", 《中国传媒科技》 * |
逄世龙等: "通过优化油墨光谱反射率来拓展印刷色域", 《中国传媒科技》, 23 May 2013 (2013-05-23), pages 106 - 108 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113791746A (zh) * | 2021-08-31 | 2021-12-14 | 深圳劲嘉集团股份有限公司 | 一种胶印专色余墨再配色方法、装置、系统及介质 |
CN113791746B (zh) * | 2021-08-31 | 2024-02-23 | 深圳劲嘉集团股份有限公司 | 一种胶印专色余墨再配色方法、装置、系统及介质 |
CN114808074A (zh) * | 2022-05-16 | 2022-07-29 | 日善电脑配件(嘉善)有限公司 | 一种基于光谱反射曲线的阳极氧化染料选择方法及应用 |
CN114808074B (zh) * | 2022-05-16 | 2023-08-18 | 日善电脑配件(嘉善)有限公司 | 一种基于光谱反射曲线的阳极氧化染料选择方法及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN110110127B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110110127A (zh) | 一种识别专色混合油墨的基色油墨的方法以及电子设备 | |
EP3618000A1 (en) | Method and apparatus for generating file colour matching solution | |
US11003958B2 (en) | Food quality image classification | |
CN107077474A (zh) | 快速颜色搜索 | |
Garcia et al. | Tomayto, tomahto: A machine learning approach for tomato ripening stage identification using pixel-based color image classification | |
CN103593343B (zh) | 一种电子商务平台中的信息检索方法和装置 | |
CN108279238A (zh) | 一种果实成熟度判断方法及装置 | |
CN101652988B (zh) | 颜色处理设备、颜色处理方法 | |
CN109344869A (zh) | 一种分类模型优化方法、装置及存储设备、程序产品 | |
Das et al. | Comparison of content based image retrieval systems using wavelet and curvelet transform | |
CN108431561A (zh) | 计算机辅助确定毛发颜色性能的方法和数据处理装置 | |
CN108062554A (zh) | 一种车辆年检标签颜色的识别方法及装置 | |
CN108713136A (zh) | 物质检测方法、装置、电子设备及计算机可读存储介质 | |
Mojsilovic | A method for color naming and description of color composition in images | |
Sebe et al. | Color based retrieval | |
CN105205054A (zh) | 用于展示图片的方法和获取图片色相特征值的方法及装置 | |
Guang-rong | Rice color inspection based on image processing technique | |
Costa et al. | Classification of macaw palm fruits from colorimetric properties for determining the harvest moment | |
Ganganagowdar et al. | Recognition and classification of White Wholes (WW) grade cashew kernel using artificial neural networks | |
Zhang | Color feature extraction | |
You et al. | The technique of color and shape-based multi-feature combination of trademark image retrieval | |
CN107292934B (zh) | 图片内容识别方法、建模方法及相关装置 | |
CN110728318A (zh) | 一种基于深度学习的头发丝颜色识别方法 | |
CN112052910B (zh) | 食品安全分类方法、装置、计算机设备及存储介质 | |
US20230046485A1 (en) | Method and apparatus for evaluating the composition of pigment in a coating based on an image |
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 |