CN110907036B - 一种非接触测色的方法 - Google Patents
一种非接触测色的方法 Download PDFInfo
- Publication number
- CN110907036B CN110907036B CN201911247901.XA CN201911247901A CN110907036B CN 110907036 B CN110907036 B CN 110907036B CN 201911247901 A CN201911247901 A CN 201911247901A CN 110907036 B CN110907036 B CN 110907036B
- Authority
- CN
- China
- Prior art keywords
- theoretical
- rgb
- reflectivity
- camera
- color
- 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.)
- Expired - Fee Related
Links
- 238000000691 measurement method Methods 0.000 title abstract description 6
- 238000013507 mapping Methods 0.000 claims abstract description 73
- 238000002310 reflectometry Methods 0.000 claims abstract description 52
- 238000012549 training Methods 0.000 claims abstract description 50
- 238000005259 measurement Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 4
- 238000004737 colorimetric analysis Methods 0.000 claims 1
- 238000005286 illumination Methods 0.000 description 4
- 239000004753 textile Substances 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
-
- 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
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及一种非接触测色的方法，方法包括：使用色卡获取相机RGB到理论RGB的第一映射关系；基于待测物体的类型构建理论训练数据集，基于理论数据确定从色度值到预估反射率的第二映射关系；获取待测物体的相机RGB值；获取待测物体的理论RGB值，以及待测物的预估反射率；根据待测物体理论RGB值或者预估色度值或者预估反射率，确定理论训练数据集中的每一个样本相对于待测物的权重；基于理论训练数据以及相对待测样品的权重，获取理论RGB到色度值或反射率的第三映射关系；基于第三映射关系获取待测物体的色度值或反射率。采用本发明的技术方案，能够从真实相机RGB预测出物体色度值或反射率，达到提高预测精度的目的。
Description
技术领域
本发明涉及颜色测量领域，尤其涉及一种非接触测色的方法。
背景技术
在日常工农业生产实践中，常常需要对被测物品外部的颜色进行测量和控制。物体的颜色特征通常使用其反射率r或色度值，如XYZ(或Lab值)。物体的反射率或色度值可通过仪器测量获得。比较传统的，而且精度较高的方法是接触式测量。但这种办法对被测物体的表面均匀(单一颜色)，大小等有要求，因此在应用上受到限制。
为了克服接触式测量的限制，通常采用非接触测色，目前通常采用数码相机进行拍摄，根据相机在各个像素的RGB信息，预测所对应物体的颜色特征。由于相机获取被测物体RGB信息依赖于相机本身，同一被测物，不同相机获取的RGB信息是不一样，因此基于相机RGB信息预测物体的颜色特征需要训练数据，以提高预测精度。
为了克服相机RGB信息高度依赖于相机，人们对相机输出的RGB也提高了要求，希望输出的RGB与人对被摄物体感知颜色特征相关联，因此提出了国际标准的sRGB和AdobeRGB空间。对于这两个RGB空间，都和标准的D65光源1931年配色函数下的XYZ有1-1对应关系，因此也可建立RGB和物体反射率的对应关系。目前对于较专业的相机，都有相应的选择输出相应的sRGB和AdobeRGB空间。本文中记载的理论RGB值均指按理论公式计算出的sRGB或Adobe RGB值。
但由于相机厂家为了让相机输出的图片被更多人喜欢，会对相机的色彩进行调节，使得相机输出的RGB与真实的理论RGB有偏差。
发明内容
为了解决现有技术中使用数码相机进行拍摄可能会导致预测结果不准确的问题，本发明提供一种非接触测色的方法，方法包括：
S1、使用色卡获取相机RGB到理论RGB的第一映射关系；
S2、基于待测物体的类型构建理论训练数据集，所述理论训练数据集包括大量的物体反射率及其对应的色度值和理论RGB数据；基于理论RGB数据确定从色度值到预估反射率的第二映射关系；
S3、使用相机对待测物体进行拍摄，获取待测物体的相机RGB值；
S4、基于第一映射关系获取待测物体的理论RGB值，基于待测物品理论RGB值按理论公式获得待测物的预估色度值，再由第二映射关系确定出待测物的预估反射率；
S5、根据待测物体由第一映射关系获取的理论RGB值，或按理论公式计算出待测物的预估色度值，或第二映射关系确定的待测物的预估反射率，确定理论训练数据集中的每一个样本相对于待测物的权重；
S6、基于理论训练数据以及相对待测样品的权重，获取理论RGB到色度值或反射率的第三映射关系；
S7、基于第三映射关系获取待测物体的色度值或反射率。
进一步地，使用色卡获取相机RGB到理论RGB的第一映射关系具体为：
测量色卡每个颜色的反射率，根据理论公式计算出色卡的理论RGB，色卡中每个颜色的相机RGB和理论RGB构成了色卡训练集；
根据所述色卡的相机RGB和所述色卡的理论RGB获取相机RGB到理论RGB的第一映射关系。
进一步地，可自主选择理论训练数据集具体为：
根据待测物体材料特征，利用已经收集的大量物体反射率，因而可计算出相应的色度值和理论RGB，构建理论训练数据集；理论数据训练集不依赖于相机拍摄，因此数据量可远超过色卡训练数据；由色卡训练集确定的第一映射，建立相机RGB到理论RGB的桥梁，确保后续测色可以充分利用理论数据集；
由理论训练数据集确定出从色度值到预估反射率的第二映射关系，用于确定理论数据集每个样本的权重。
进一步地，使用相机对待测物体进行拍摄，预测待测物的色度值或反射率，具体为：
使用相机采用拍摄色卡同样照明环境对待测物进行拍摄，然后做均匀性校正，获取待测样本的相机RGB；
根据第一映射关系，确定待测物体的理论RGB；
根据待测物体的理论RGB，或按理论公式计算出待测物品的预估色度值，或利用第二映射关系确定待测物的预估反射率，确定待测物品与理论训练数据集中每个样本的接近程度，因而确定每一个样本的权重；
利用理论训练数据集，及其每个样本的权重，确定从理论RGB到色度值或反射率的第三映射；
利用由第一映射关系确定的待测物的理论RGB值，再应用第三映射获得待测物的最终色度值或反射率。
本发明由于采取了以上技术方案，其具有以下优点：
本发明利用色卡作为桥梁，建立真实相机RGB与理论RGB之间的映射关系，从而实现了从真实相机RGB到理论RGB的转换；因此对任一待测物体，通过相机获得待测物的相机RGB，通过第一映射获得待测物的理论RGB值，进而根据待测物体理论RGB，或按理论公式计算出待测物的预估色度值，或由第二映射关系确定待测物的预估反射率，确定待测物品和理论训练数据集中每个样本的接近程度，再确定每个样本的权重，最后通过利用大量的理论训练数据集，训练出更好的从理论RGB到色度值或反射率的第三映射关系，实现能够从待测物体理论RGB预测出待测物体色度值或反射率，达到提高预测精度的目的。
附图说明
下面结合附图对本发明作进一步说明：
图1为本发明实施例的一种非接触测色的方法的流程示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，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，都属于本发明的保护范围。
如图1所示，本发明提供的一种非接触测色的方法包括：
S1、使用色卡获取相机RGB到理论RGB的第一映射关系。
尽管多数相机，尤其是专业相机都提供标准sRGB空间或Adobe RGB空间的设置，可使相机输出的是sRGB空间或Adobe空间的RGB，但由于相机本身还要做其他处理，如喜好处理等，导致相机拍摄获得的相机RGB与真实的sRGB或Adobe空间理论RGB有差距。需要将真实相机RGB值向理论RGB值进行校正。
在本实施方案中，使用色卡获取相机RGB到理论RGB的第一映射关系具体为：
将色卡和白板分别放置在标准观察箱或均匀照明光源下，使用相机对色卡和白板进行拍摄，通过白板的相机RGB值，确定每个通道每个像素对应的均匀性校正因子，最后获取色卡通过均匀性校正后的相机RGB；之后所述的相机RGB值均是指经过均匀性校正的相机RGB值。
均匀性校正也有很多方案，如最简单的均匀性校正因子的确定原则是将白板三个通道每个像素调整到通道的平均值。
测量色卡每个颜色的反射率，根据理论公式计算出色卡的理论RGB；
根据所述色卡的相机RGB和所述色卡的理论RGB获取相机RGB到理论RGB的第一映射关系。
在本实施方式中，色卡可以选择24色色卡或美国爱色丽Digital ColorCheckerSG数码色板140色专业色卡。相机选择可以输出以sRGB或Adobe RGB空间的图像和原始数据(Raw data)。在其他实施方式中，色卡还可以根据应用领域选择自制色卡，比如测量纺织品颜色，可以制作纺织品色卡，若预测皮肤色，可根据皮肤特性自做特殊色卡。
在本实施方式中，测量色卡每个颜色反射率是通过接触式测色仪进行测量。测量出色卡每个颜色的反射率r，因而可获得相应的D65和CIE1931年配色函数下的色度值XYZ/Lab。同时可根据理论公式计算出sRGB或Adobe RGB空间的理论RGB值。
确定从相机RGB到理论RGB的映射可以采用常用的从相机RGB到色度值XYZ或反射率r的的算法。常用的有多项式算法和根多项式算法等。如公式(1)是直接建立了RGB到XYZ的n次多项式算法：
公式(1)中的T为向量或矩阵的转置，n是多项式的阶，指标i,j,k是非负整数，式中ai，j，k，bi，j，k和ci，j，k均为模型参数，由训练过程确定。如n＝1时，(i,j,k)的组合仅有(0,0,0)，(1,0,0)，(0,1,0)，(0,0,1)四种。这样，对应的N(n)＝4，v为4个分量的列向量，即：
vT＝(1 R G B)
类似地，未知列向量aX，aY，aZ分别由ai，j，k，bi，j，k和ci，j，k按对应构成v的顺序构成。一旦这些参数确定后，公式(1)直接建立RGB到XYZ的映射，这里将XYZ理解成理论RGB。上述理论公式仅仅是本领域中的一种，在此不对相关的公式一一进行说明。
通过大量的色卡的理论RGB和相机拍摄输出的(均匀校正后的)相机RGB，确定第一映射关系M1：
理论RGB＝M1(相机RGB)。
这里的映射M1就是一种算法，正如上面所述，有多种成型的从相机RGB到色度值XYZ的方法均可应用到从相机RGB到理论RGB的校正。
S2、基于待测物体的材料特性构建理论训练数据集，包括大量的物体反射率、对应的色度值(D65和1931年配色函数下的XYZ)和理论RGB数据。由理论RGB数据集便可确定出从色度值到预估反射率的映射，记为第二映射(M2)。
从色度值XYZ到预估反射率也有很多成型的算法，如多项式算法，Wiener算法等。
在本实施方式中，根据待测物体材料特性，收集大量同类型物体的样本进行测量并存储相应的反射率、色度值XYZ、理论RGB，建立理论训练数据集。例如，如果待测物品是纺织品，则利用收集的大量纺织样本进行测量，获得理论训练数据集。在其他实施方式中，也可以从NCS或Munsell样本及测量得到反射率集构建理论训练数据集，从而获得大量的训练数据。
S3、使用相机对待测物体进行拍摄，获取待测物体的相机RGB值；
在本实施方式中，色卡、待测物体样本均放置同等照明环境(在标准观察箱或均匀照明光源)，相机采用相同参数设置，摆放位置相同等条件下进行拍摄。采用这种方式，减少了光源或照射角度不同导致的误差。在本实施方式中采用均匀性校正，均匀性校正采用的方式与对色卡校正的方式一样。
S4、基于第一映射关系获取待测物体的理论RGB值，基于待测物品理论RGB值按理论公式获得待测物的预估色度值，再由第二映射关系确定待测物的预估反射率；
S5、根据待测物体由第一映射获取的理论RGB值，或按理论公式计算出待测物的预估色度值，或由第二映射关系确定待测物的预估反射率，确定理论训练数据集中的每一个样本相对于待测物的权重。
在上述技术方案的基础上，进一步地，确定理论训练数据集中的每一个样本的权重具体为：
根据待测物体相机RGB，由第一映射预测出待测物品理论RGB值。同时由待测物品理论RGB值按理论公式可获得待测物的预估色度值XYZ，再由第二映射便可预估出待测物的预估反射率。
根据计算获得的待测物品理论RGB值，判断与理论训练数据集中每个样本的接近程度记为距离d。接近程度可以在理论RGB空间进行，也可在色度值XYZ空间进行，也可在反射率空间进行。在不同空间，距离公式也不一样。在理论RGB空间，可采用待测物理论RGB和理论训练数据中每个样本的理论RGB差的长度即可。在XYZ空间，可直接采用色差，如CIE2000年色差公式。若在反射率空间，可采用光谱均方根误差作为距离d。权重w一般说来反比于距离d，即距离越小，权重越大。这样理论训练集中每个样本便可获得一个相对于待测物品的权重w。
S6、基于理论训练数据以及相对待测样品的权重w，获取理论RGB到色度值或反射率的第三映射关系；
由于理论训练数据集存储大量的样本，在获得其中每一个样本的权重后，便可以确定第三映射关系M3。
比如说，在本实施方案中，第三映射关系M3是映射理论RGB到XYZ的自适应映射，公式(1)可改写成：
对于训练数据中每一个样本，都有一个对应的上述方程，联立起来，便可分别确定出未知向量aX，aY，aZ。一旦这些未知量确定，就相当于确定了第三映射M3，从而利用M3作用到理论RGB，便可获得色度值XYZ，即：色度值XYZ＝M3(理论RGB)。
类似地，根据理论训练数据及其每个样本相对于待测物品的权重可以建立从理论RGB到反射率的第三映射M3。
S7、基于第三映射关系获取待测物体的色度值或反射率。
在本发明中根据待测物品的相机RGB，经过第一映射获得待测物品的理论RGB值；根据待测物品理论RGB，或按理论公式可获得待测物的预估色度值XYZ，或由第二映射关系确定待测物的预估反射率，便可确定理论训练数据集中每个样品相对于待测物品的权重，进而可获得理论RGB到色度值或反射率的第三映射，最后通过待测物品的理论RGB和第三映射便可获得待测物的最终色度值或反射率。
需要说明的是第一映射和第二映射只计算一次，然而第三映射是随待测物品的不同，或同一待测物品不同位置(像素)变化而变化的，因此每次都要计算新的第三映射，预测相应的色度值或反射率。这个过程也叫自适应过程。
在本发明中使用理论训练数据集中大量的训练样本可获得自适应的映射M3，使得精准程度更高。如果使用色卡作为训练样本，由于色卡面积有限，容纳的样本数量有限，若样本数量过大会导致样本的面积过小，使用接触式测色仪测量的反射率数据会不准确导致最终结果误差更大。
本发明方法更易执行，具有较好的普适应用特性。对本发明技术方案进行保护，将对非接触测色、跨媒体彩色图像再现等应用领域产生推动作用。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，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该以权利要求书的保护范围为准。
Claims (3)
1.一种非接触测色的方法，其特征在于，方法包括：
S1、使用色卡获取相机RGB到理论RGB的第一映射关系，具体包括，测量色卡每个颜色的反射率，根据理论公式计算出色卡的理论RGB，色卡中每个颜色的相机RGB和理论RGB构成了色卡训练集；根据所述色卡的相机RGB和所述色卡的理论RGB获取相机RGB到理论RGB的第一映射关系；
S2、基于待测物体的类型构建理论训练数据集，所述理论训练数据集包括大量的物体反射率及其对应的色度值和理论RGB数据；基于理论RGB数据确定从色度值到预估反射率的第二映射关系；
S3、使用相机对待测物体进行拍摄，获取待测物体的相机RGB值；
S4、基于第一映射关系获取待测物体的理论RGB值，基于待测物品理论RGB值按理论公式获得待测物的预估色度值，再由第二映射关系确定出待测物的预估反射率；
S5、根据待测物体由第一映射关系获取的理论RGB值，或按理论公式计算出待测物的预估色度值，或第二映射关系确定的待测物的预估反射率，确定理论训练数据集中的每一个样本相对于待测物的权重；
S6、基于理论训练数据以及相对待测样品的权重，获取理论RGB到色度值或反射率的第三映射关系；
S7、基于第三映射关系获取待测物体的色度值或反射率。
2.如权利要求1所述的非接触测色的方法，其特征在于，可自主选择理论训练数据集具体为：根据待测物体材料特征，利用已经收集的大量物体反射率，因而可计算出相应的色度值和理论RGB，构建理论训练数据集；理论数据训练集不依赖于相机拍摄，因此数据量可远超过色卡训练数据；由色卡训练集确定的第一映射，建立相机RGB到理论RGB的桥梁，确保后续测色可以充分利用理论数据集；由理论训练数据集确定出从色度值到预估反射率的第二映射关系，用于确定理论数据集每个样本的权重。
3.如权利要求1所述的非接触测色的方法，其特征在于，使用相机对待测物体进行拍摄，预测待测物的色度值或反射率具体为：使用相机采用拍摄色卡同样照明环境对待测物进行拍摄，然后做均匀性校正，获取待测样本的相机RGB；根据第一映射关系，确定待测物体的理论RGB；根据待测物体的理论RGB，或按理论公式计算出待测物品的预估色度值，或利用第二映射关系确定待测物的预估反射率，确定待测物品与理论训练数据集中每个样本的接近程度，因而确定每一个样本的权重；利用理论训练数据集，及其每个样本的权重，确定从理论RGB到色度值或反射率的第三映射；利用由第一映射关系确定的待测物的理论RGB值，再应用第三映射获得待测物的最终色度值或反射率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911247901.XA CN110907036B (zh) | 2019-12-09 | 2019-12-09 | 一种非接触测色的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911247901.XA CN110907036B (zh) | 2019-12-09 | 2019-12-09 | 一种非接触测色的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110907036A CN110907036A (zh) | 2020-03-24 |
| CN110907036B true CN110907036B (zh) | 2021-12-10 |
Family
ID=69823615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911247901.XA Expired - Fee Related CN110907036B (zh) | 2019-12-09 | 2019-12-09 | 一种非接触测色的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110907036B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002158884A (ja) * | 2000-11-22 | 2002-05-31 | National Institute Of Advanced Industrial & Technology | カラーマッチング方法および装置ならびにカラーマッチングプログラムを記録した記録媒体 |
| CN101535787A (zh) * | 2006-11-15 | 2009-09-16 | 关西涂料株式会社 | 涂料颜色的质感图及其生成方法、生成程序、生成系统和数据结构 |
| CN104168475A (zh) * | 2014-08-15 | 2014-11-26 | 浙江大学 | 一种数码相机参数可变的成像式获取颜色三刺激值的方法 |
-
2019
- 2019-12-09 CN CN201911247901.XA patent/CN110907036B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002158884A (ja) * | 2000-11-22 | 2002-05-31 | National Institute Of Advanced Industrial & Technology | カラーマッチング方法および装置ならびにカラーマッチングプログラムを記録した記録媒体 |
| CN101535787A (zh) * | 2006-11-15 | 2009-09-16 | 关西涂料株式会社 | 涂料颜色的质感图及其生成方法、生成程序、生成系统和数据结构 |
| CN104168475A (zh) * | 2014-08-15 | 2014-11-26 | 浙江大学 | 一种数码相机参数可变的成像式获取颜色三刺激值的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110907036A (zh) | 2020-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10169881B2 (en) | Analysis device, system and program | |
| US10809129B2 (en) | Intelligent alignment system and method for color sensing devices | |
| CN108020519B (zh) | 一种基于颜色恒常性的虚拟多光源光谱重建方法 | |
| EP3888345B1 (en) | Method for generating image data for machine learning based imaging algorithms | |
| CN111047539A (zh) | 一种基于光谱反射率重建的织物图像颜色校准算法 | |
| JP6455764B2 (ja) | 色補正パラメータ算出方法、色補正パラメータ算出装置および画像出力システム | |
| JP2008532401A (ja) | 基準反射スペクトルを用いた反射スペクトル推定と色空間変換 | |
| US8599380B2 (en) | Method of constructing light-measuring look-up table, light-measuring method, and light-measuring system | |
| WO2005114641A2 (en) | Color characterization using nonlinear regression | |
| JP2020012668A (ja) | 評価装置、計測装置、評価方法および評価プログラム | |
| CN110907036B (zh) | 一种非接触测色的方法 | |
| US20180176420A1 (en) | Automatic white balance based on surface reflection decomposition and chromatic adaptation | |
| CN113189021A (zh) | 基于光谱识别岩石颜色的方法 | |
| US9036030B2 (en) | Color calibration of an image capture device in a way that is adaptive to the scene to be captured | |
| JP5265338B2 (ja) | イルミナントの推定 | |
| CN105606220B (zh) | 一种优化波长矫正方法及采用该方法的分光测色仪 | |
| WO2015167460A1 (en) | Imager calibration via modeled responses to importance-weighted color sample data | |
| CN110784709A (zh) | 基于感知色差最小化优化估计数码相机光谱灵敏度的方法 | |
| CN110926608A (zh) | 一种基于光源筛选的光谱重建方法 | |
| CN115426487A (zh) | 色彩校正矩阵调整方法、装置、电子设备及可读存储介质 | |
| CN107340296A (zh) | 变化程度导出设备、变化程度导出系统和已知颜色体 | |
| WO2016068997A1 (en) | Cross-calibration of imagers | |
| TWI385363B (zh) | 建構光源量測對照表之方法、光源量測方法及光源量測系統 | |
| JP7450960B2 (ja) | 色度測定方法及び装置 | |
| TWI827151B (zh) | 透明玻璃薄膜鍍膜厚度量測方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211210 |