CN110418030A - 基于图像色块用于纺织品喷墨印染的颜色一致性映射方法 - Google Patents

Abstract

一种基于图像色块用于纺织品喷墨印染的颜色一致性映射方法，包括下列步骤：1)印染机CMYK墨水样本选取；2)光箱相机颜色采集标定与色差补偿；3)图片色块颜色样本的采集与提取；4)利用RBF神经网络建立RGB颜色空间与CMYK颜色空间之间的转换。通过上述步骤建立的转换关系，可以将任何一张RGB图片精确地转换为对应CMYK颜色值图片，用于纺织品花型稿的喷墨印染。

Description

基于图像色块用于纺织品喷墨印染的颜色一致性映射方法

技术领域

本发明属于数码印花颜色管理领域，针对数码印花颜色管理中测色仪测量颜色存在较大色差值的情况，提出一种基于图像色块用于纺织品喷墨印染的颜色一致性空间图映射方法，适用于纺织品印染过程中，RGB颜色空间与CMYK颜色空间之间的转换。

背景技术

随着计算机技术的不断发展，起始于20世纪70年代的纺织品数码喷墨印花逐渐成为一种集计算机数据处理、光电技术、精密器械等技术为一体的高科技产物。与传统印染技术相比，纺织品的喷墨印花技术具有无污染、节能、效率高、颜色印染精准度高等特点，随着产业的升级换代，纺织品喷墨印花逐渐的代替传统的纺织品印染。数码喷墨印花机在使用之前以及使用一段时间后都需要进行数码喷墨印花颜色的转换与校准，数码喷墨印花的颜色转换与校准过程主要包括：颜色样本制作、颜色样本的颜色采集、颜色色域空间的生成、色域映射算法的建立、颜色转换、印染测试。在上述过程中，对印染颜色影响较为严重的步骤主要是颜色样本的颜色采集以及颜色色域映射算法的建立。

在颜色采集方面，现有颜色管理大部分都采用爱色丽的测色仪i1Pro2等颜色采集设备套装实现颜色的颜色样本的生成、颜色的采集、色域的生成、颜色映射算法的建立、ICC文件的生成。爱色丽i1Pro2等一系列的色彩校准解决方案包含了一系列专业的色彩管理工具，可确保已有大部分显示、打印输出模式能保持一致的色彩配置和校准。然而，爱色丽的测色仪在纺织品的颜色采集上存在较大的偏差，主要原因为纺织品存在纹理以及柔软性的特质，印染到纺织品上的颜色存在颜色深浅的问题以及测色中测色仪拉扯的问题，上述问题导致测量颜色存在一定的偏差。另外，爱色丽测色仪在测量颜色过程中仅仅测量较小的局部颜色，因印染不均匀问题会导致的较大的色差。

在色域映射算法方面，现有的颜色一致性度量学习模型主要分为三类：物理转换模型、数值量化转换模型、3D LUT法。物理转换模型一般会假定颜色通道相互独立、色度恒定、颜色空间均匀等条件，但人眼在观察真实颜色时，色差并不是均匀的；数值量化转换模型通过数值模型学习设备相关颜色空间与设备无关颜色空间的转换关系，数值模型主要有多项式回归法、神经网络法、连续线性插值法、径向基函数法等几种。数值模型方法并没有物理转换模型中假设的限制，但数值模型需要进行大量的数据采集，而且会存在多种映射与映射不准确的问题。3D LUT法将设备无关颜色空间和设备相关颜色空间之间的转换关系建立在表中，3D LUT法的精确性主要依赖于测量的颜色数量与颜色转换时选择的插值方法，该方法局限性在于需要采集大量的颜色数据，操作繁琐、成本高昂，无法适应数码印花设备大规模部署的情况。数码印花颜色空间映射算法实现显示器端RGB颜色空间到印染机CMYK颜色空间的转换主要通过显示器ICC文件和印染机ICC文件来实现。以显示器RGB颜色空间转换到印染机CMYK颜色空间为例，实现的流程主要包含如下步骤：RGB颜色值通过显示器ICC profile转换到标准颜色空间，转换后的颜色值通过印染机ICC profile色彩特性文件转换为CMYK颜色值。已有的显示器和印染机之间实现上述颜色一致性度量的方法一般通过上述三类方法学习得到RGB到PCS的转换，PCS到CMYK之间的转换关系。通过上述转换步骤，利用印染样本与显示器样本采集得到的颜色作为训练样本，学习得到RGB和CMYK空间之间的颜色转换，将该转换关系分别写入到显示器与印染机的ICC特性文件中。利用上述转换算法，通过采集颜色样本颜色学习得到的转换关系然后写入到显示器与印染机ICC文件，存在一定的数值转换损失，对整体的颜色管理影响有一定的影响。

发明内容

本发明要克服显示器与印染机之间颜色管理中，颜色采集与色域映射算法技术存在的不足，提供一种基于图像色块用于纺织品喷墨印染的颜色一致性空间图映射方法，可以实现显示器RGB颜色空间与印染机CMYK颜色空间之间颜色更精准的转换。

一种基于图像色块用于纺织品喷墨印染的颜色一致性映射方法，包括如下步骤：

1)印染机CMYK墨水样本选取；

针对CMYK颜色空间，通过均匀采样的方式，对CMYK中每个通道以10％为间隔选取11个等级的网点面积率为采样点，对于低于颜色值为20的暗色通道增加5％为间隔进行采样。对于油墨量大于300以上纺织品无法承受的样本将被剔除。

2)光箱相机颜色采集标定与色差补偿；

为实现颜色采集的一致性，需要进行光箱相机颜色采集的标定与色差补偿，标定和色差补偿步骤主要包含：在24种纯色A4纸样本上采集颜色，24种纯色纸张为CMYK四个通道颜色中分别均匀采用的颜色值印染获得的A4纸张；对于每张光箱中相机获得的图片，利用最小二乘法进行三维曲面的拟合；对于每个通道的颜色，最高和最低的颜色建立平面，对于获取得到的三维曲面和构建的平面，通过插值法可以获得颜色曲面间的转换关系；对于新拍摄的不同颜色的新样本，可以通过上一步骤获得的曲面转换关系获得新样本上的色差补偿。

3)图片色块颜色样本的采集与提取；

利用标准光源灯箱Datacolor采集印染样本图片数据需要进行印染样本颜色色块的分割与提取，提出新的适用于样本数据集的色块模板匹配分割算法用于提取色块中代表色，模板匹配分割算法步骤如下：首先，对于每张印染的色块样本图片，均有对应的未打印前的CMYK图片，通过分割获得未打印前图片中3x3大小的真实颜色色块作为模板色块；然后，利用该3x3的模板色块在印染颜色样本上搜索，获得匹配色差值最小的印染色块；对于新提取出的样本颜色值将用于下一步中RBF神经网络颜色色域映射算法的训练数据。

4)利用RBF神经网络建立RGB颜色空间与CMYK颜色空间之间的转换；

本发明使用的实现RGB颜色空间与印染机CMYK颜色空间相互转换的神经网络为径向基函数(RBF)神经网络，该RBF神经网络主要包含三层：输入层、隐层、输出层。本文使用的RBF神经网络的三层神经元个数分别为3、21、4，中间隐层径向基函数采用Gauss(高斯)函数r为核函数中心，σ为径向基函数的扩展常数，控制了函数的径向作用范围，输入层与隐层之间，以及隐层和输出层之间通过全连接的方式连接，层内不存在连接关系；通过光箱中标准光源采集到的颜色值归一化、色差补偿后，利用上述RBF神经网络，获得归一化并进行色差补偿后的RGB值到印染机CMYK之间的转换关系F1；对于印染机CMYK到归一化并进行色差补偿后的RGB值之间的转换通过上述逆向RBF神经网络来实现，具体步骤如下：首先构建包含输入层、隐层、输出层的RBF神经网络，每层对应神经元数量分别为4、21、3；然后以CMYK值作为输入，进行色差补偿后的RGB值作为输出，训练该RBF神经网络，获得CMYK到RGB颜色之间的转换关系网络。对于印染机色域内颜色值，直接利用转换关系F1和F2实现颜色值的转换，对于印染机色域外颜色值，通过查找最近颜色值实现色域的转换。

本发明的方法是一种基于图像色块用于纺织品喷墨印染的颜色一致性映射方法，用于解决显示器端RGB颜色值与印染机端CMYK颜色值之间的颜色一致性精准转换。该方法首先通过在RGB颜色空间均匀采样获得颜色样本；然后利用纯色样本对标准光源光箱中光照进行校准与色差补偿；在校准好的光箱中利用专业相机进行颜色样本颜色的采集；采集后的图像样本利用图像模板分割算法获取色块并提取出每个色块的主题色；利用RBF神经网络建立RGB颜色空间与CMYK颜色空间之间的转换。

本发明具有的有益效果是：利用标准光箱中相机采集颜色样本，可以解决测色仪i1Pro2等设备局部采集颜色与拉扯纺织品产生的色差等一系列问题；通过RBF网络直接建立RGB颜色空间与印染机CMYK颜色空间之间的转换，可以有效地减少颜色转换的色差值。

附图说明

图1是本发明方法的流程图。

具体实施方式

下面结合附图进一步说明本发明的技术方案。

本发明的一种基于图像色块用于纺织品喷墨印染的颜色一致性映射方法，包括如下步骤：

1)印染机CMYK墨水样本选取；+

为了保证选取实验样本阶调分布的均匀性，对于CMYK中每个颜色通道，每一种基色墨水均从0(无墨)到100(最大墨量)。针对CMYK颜色空间，我们通过均匀采样的方式，对CMYK中每个通道以10％为间隔选取11个等级的网点面积率，并通过单通道控制输出各个基本色的不同阶调色块。对于低于颜色值为20的暗色通道增加5％为间隔进行采样，由于喷墨印染的布匹承受油墨量能力有限，仅能承受等于小于总量300以内的油墨，超过300将会对周围油墨颜色产生影响，因此，对于大于300以上油墨量的样本将被剔除。

2)光箱相机颜色采集标定与色差补偿；

利用标准光源灯箱Datacolor对印染样本图片数据进行颜色采集，光箱在使用时间较长以后，同样颜色的样本在光箱中不同的位置采集到的颜色有一定的偏差，为实现颜色采集的一致性，需要进行光箱相机颜色采集的标定与色差补偿，标定和色差补偿主要包含：在24种纯色A4纸样本上采集颜色，24种纯色纸张为CMYK四个通道颜色中分别均匀采用的颜色值印染获得的A4纸张；对于每张光箱中相机获得的图片，利用最小二乘法进行三维曲面的拟合；对于每个通道的颜色，最高和最低的颜色建立平面，对于获取得到的三维曲面和构建的平面，可以通过插值法可以获得颜色曲面间的转换关系；对于新拍摄的不同颜色的新样本，可以通过上一步骤获得的曲面转换关系获得新样本上的色差补偿。

3)图片色块颜色样本的采集与提取；

在获得喷墨印染机印染的的颜色样本，我们利用标准光源对色灯箱Datacolor采集印染样本图片数据。通过喷墨印染机打印的颜色样本上存在多种颜色色块，为了获取每个色块的颜色，需要进行印染样本颜色色块的分割与提取，我们提出新的适用于样本数据集的色块模板匹配分割算法用于提取色块中代表色，模板匹配分割算法步骤如下：首先，对于每张印染的色块样本图片，均有对应的未打印前的CMYK图片，通过分割获得未打印前图片中3x3大小的真实颜色色块作为模板色块；然后，利用该3x3的模板色块在印染颜色样本上搜索，获得匹配色差值最小的印染色块；对于新提取出的样本颜色值将用于下一步中RBF神经网络颜色色域映射算法的训练数据。

4)利用RBF神经网络建立RGB颜色空间与CMYK颜色空间之间的转换；

本发明使用的实现RGB颜色空间与印染机CMYK颜色空间相互转换的神经网络为径向基函数(RBF)神经网络，该RBF神经网络主要包含三层：输入层、隐层、输出层。本文使用的RBF神经网络的三层神经元个数分别为3、21、4，中间隐层径向基函数采用Gauss(高斯)函数r为核函数中心，σ为径向基函数的扩展常数，控制了函数的径向作用范围，输入层与隐层之间，以及隐层和输出层之间通过全连接的方式连接，层内不存在连接关系；通过光箱中标准光源采集到的颜色值归一化、色差补偿后，利用上述RBF神经网络，获得归一化并进行色差补偿后的RGB值到印染机CMYK之间的转换关系F1；对于印染机CMYK到归一化并进行色差补偿后的RGB值之间的转换通过上述逆向RBF神经网络来实现，具体步骤如下：首先构建包含输入层、隐层、输出层的RBF神经网络，每层对应神经元数量分别为4、21、3；然后以CMYK值作为输入，进行色差补偿后的RGB值作为输出，训练该RBF神经网络，获得CMYK到RGB颜色之间的转换关系网络。对于印染机色域内颜色值，直接利用转换关系F1和F2实现颜色值的转换，对于印染机色域外颜色值，通过查找最近颜色值实现色域的转换。

通过上述步骤，利用标准光箱中相机采集颜色样本，可以解决测色仪i1Pro2等设备局部采集颜色与拉扯纺织品产生的色差等一系列问题；通过RBF网络直接建立RGB颜色空间与印染机CMYK颜色空间之间的转换，可以有效地减少颜色转换的色差值，实现对任意一张RGB值图片相对精确地转换为对应CMYK颜色值图片。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于图像色块用于纺织品喷墨印染的颜色一致性映射方法，包括下列步骤：

1)印染机CMYK墨水样本选取；

针对CMYK颜色空间，通过均匀采样的方式，对CMYK中每个通道以10％为间隔选取11个等级的网点面积率为采样点，对于低于颜色值为20的暗色通道增加5％为间隔进行采样；油墨量大于300以上纺织品无法承受的样本将被剔除；

2)光箱相机颜色采集标定与色差补偿；

为实现颜色采集的一致性，需要进行光箱相机颜色采集的标定与色差补偿，标定和色差补偿步骤主要包含：24种纯色A4纸样本颜色的采集；样本颜色曲面的构建；颜色曲面转换关系的学习；单颜色曲面上色差补偿；

3)图片色块颜色样本的采集与提取；

利用标准光源对色灯箱Datacolor采集印染样本图片数据需要进行印染样本颜色色块的分割与提取，提出新的适用于样本数据集的色块模板匹配分割算法用于提取色块中代表色，新的模板匹配分割算法以3x3的模板将标准样本色块在印染颜色样本上搜索，获得匹配色差值最小的模板色块，新提取的样本用于颜色色域映射算法的训练；

4)利用RBF神经网络建立RGB颜色空间与CMYK颜色空间之间的转换；

用径向基函数(RBF)神经网络实现RGB颜色空间与印染机CMYK颜色空间相互转换，该RBF神经网络主要包含三层：输入层、隐层、输出层；RBF神经网络的三层神经元个数分别为3、21、4，中间隐层径向基函数采用Gauss(高斯)函数r为核函数中心，σ为径向基函数的扩展常数，控制了函数的径向作用范围；通过光箱中标准光源采集到的颜色值归一化、色差补偿后，利用上述RBF神经网络，获得归一化并进行色差补偿后的RGB值到印染机CMYK之间的转换关系F1；对于印染机CMYK到归一化并进行色差补偿后的RGB值之间的转换通过上述逆向RBF神经网络来实现。对于印染机色域内颜色值，直接利用转换关系F1和F2实现颜色值的转换，对于印染机色域外颜色值，通过查找最近颜色值实现色域的转换。