CN112037293A - 一种涂料样板色彩分析的方法及装置 - Google Patents
一种涂料样板色彩分析的方法及装置 Download PDFInfo
- Publication number
- CN112037293A CN112037293A CN202010940175.6A CN202010940175A CN112037293A CN 112037293 A CN112037293 A CN 112037293A CN 202010940175 A CN202010940175 A CN 202010940175A CN 112037293 A CN112037293 A CN 112037293A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- paint template
- analysis
- template
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000011248 coating agent Substances 0.000 title description 11
- 238000000576 coating method Methods 0.000 title description 11
- 239000003973 paint Substances 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000000007 visual effect Effects 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 239000003086 colorant Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明提供的一种涂料样板色彩分析的方法及装置,通过获取原始涂料样板的图像;通过视觉模拟算法对所述图像进行数据处理,得到相应的颜色信息;根据所述颜色信息生成所述原始涂料样板的颜色配方,并存储至数据库,不仅提高了涂料样板分析的准确性,还提高了生产效率。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种涂料样板色彩分析的方法及装置。
背景技术
传统的涂料行业里,对于涂料样板的调色是全靠调色师傅靠经验调配,就算再有经验的调色师来调涂料样板,都会有以下问题产品,这些问题直接制约着涂料企业的发展,涂料样板人工调配,主要问题有以下几点:
1、效率极慢,涂料行业中的工程订单一般都是急单,谁能快速准确把样板调出来,业务就会占据优势。一个经验丰富的调色师一天上班时间,估计也只能调3-4样板,效率是很低的,更不用说经验不足的调色师或遇上色彩复杂样板,严重影响业务的推进。
2、失败率高,浪费资源,人工调配样板时,都是经过多次调配套才能得出最终的颜色方案,其间会消耗材料,还会产生大量的废品、废水,增加环保压力。
3、不能形成有效的数据库,往往工程补货时又得重新对样板数据调配。
因此,需要一种涂料样板色彩分析的方法,能够提高涂料样板色彩分析的准确性和效率。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题,本发明提供一种涂料样板色彩分析的方法,能够提高涂料样板色彩分析的准确性和效率。
(二)技术方案
为了达到上述目的,本发明采用的一种技术方案为:
一种涂料样板色彩分析的方法,包括步骤:
S1、获取原始涂料样板的图像;
S2、通过视觉模拟算法对所述图像进行数据处理,得到相应的颜色信息;
S3、根据所述颜色信息生成所述原始涂料样板的颜色配方,并存储至数据库。
为了达到上述目的,本发明采用的另一种技术方案为:
一种涂料样板色彩分析的装置,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,所述处理器执行所述程序时实现以下步骤:
S1、获取原始涂料样板的图像;
S2、通过视觉模拟算法对所述图像进行数据处理,得到相应的颜色信息;
S3、根据所述颜色信息生成所述原始涂料样板的颜色配方,并存储至数据库。
(三)有益效果
本发明的有益效果在于:通过获取原始涂料样板的图像;通过视觉模拟算法对所述图像进行数据处理,得到相应的颜色信息;根据所述颜色信息生成所述原始涂料样板的颜色配方,并存储至数据库,不仅提高了涂料样板色彩分析的准确性,还提高了生产效率。
附图说明
图1为本发明实施例的涂料样板色彩分析的方法流程图;
图2为本发明实施例的涂料样板色彩分析的装置的整体结构示意图。
【附图标记说明】
1:涂料样板色彩分析的装置;
2:存储器;
3:处理器。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
实施例一
请参照图1,一种涂料样板色彩分析的方法,包括步骤:
S1、获取原始涂料样板的图像;
步骤S1具体为:
通过高像素扫描仪获取原始涂料样板的图像。
优选地,所述高像素扫描仪采用德国CRUSE Gmbh对原始涂料样板进行扫描,获取高清的电子图像;
S2、通过视觉模拟算法对所述图像进行数据处理,得到相应的颜色信息;
步骤S2具体为:
S21、通过视觉模拟算法对所述图像进行解构,得到若干个像素单元;
S22、对所有的像素单元进行分析处理,得到相应的颜色信息,所述颜色信息包括所述原始涂料样板的主要组成颜色及其含量百分比。
所述的分析处理具体包括以下处理中的一种或多种:
降噪处理;
具体地,通常采用以下几种方法进行降噪处理:
a、均值滤波器;
b、自适应维纳滤波器;
c、形态学噪声滤除器;
d、中值滤波器;
分类处理;
具体地,分类处理是根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来的图像处理方法,而本申请通过利用计算机对图像进行定量分析,把图像或图像中的每个像素单元或区域划归为若干个类别中的某一种,以代替人的视觉判读,从而提高识别精度。
组合处理;
具体地,组合处理是指数字图像处理,数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。数字图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。
统计处理;
具体地,统计处理是指用数学或解析的表达方法对影像灰度的概率分布或其它主要特征进行解释的模型方法。
筛选处理。
具体地,所述视觉模拟算法一种直观的颜色模型,直接对应于人眼色彩视觉特征的三要素HSV,即色相、饱和度、亮度。基本其接近人的色觉反映的特性,即什么颜色、深浅如何、明暗如何,可以更精确地反映灰度信息和色彩信息,通过此模型解构到颜色与人眼对实物的观感极其接近。
其中,本申请中的视觉模拟算法是以扎德(L.A.Zadeh)于1965年提出了模糊集合的概念为[Zadeh L A.Fuzzy sets[C].Information and Control,1965:338-353.],和Mean-shift算法为基础,具体模型如下:
其中E(X)表示概率推理算法,E1(xi)、E2(xi,xj)表示某个连接的两个区域i,j选择颜色的兼容性,xj表示选择颜色的兼容性,vb、eb表示颜色前景顶点集和背景顶点集组。
通过先对所述图像进行解构,得到若干个像素单元,在对所有的像素单元进行分析处理,提高了涂料样板色彩分析的准确性,另外通过对像素单元进行分析处理,不仅确保了数据的准确性,还提高了处理效率。
S3、根据所述颜色信息生成所述原始涂料样板的颜色配方,并存储至数据库。
所述步骤S3具体为:
根据所述颜色信息通过配色仪生成所述原始涂料样板的颜色配方,并存储至数据库。
具体地,将生成的原始涂料样板的颜色配方,并存储至数据库,便于后续再次遇到相同的订单时,进行调用,提高了生产效率。
实施例二
请参照图2,一种涂料样板色彩分析的装置1,包括存储器2、处理器3及存储在存储器2上并可在处理器3上运行的计算机程序,所述处理器3执行所述程序时实现实施例一中的各个步骤。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种涂料样板色彩分析的方法,其特征在于,包括步骤:
S1、获取原始涂料样板的图像;
S2、通过视觉模拟算法对所述图像进行数据处理,得到相应的颜色信息;
S3、根据所述颜色信息生成所述原始涂料样板的颜色配方,并存储至数据库。
2.根据权利要求1所述的涂料样板色彩分析的方法,其特征在于,步骤S1具体为:
通过高像素扫描仪获取原始涂料样板的图像。
3.根据权利要求1所述的涂料样板色彩分析的方法,其特征在于,步骤S2具体为:
S21、通过视觉模拟算法对所述图像进行解构,得到若干个像素单元;
S22、对所有的像素单元进行分析处理,得到相应的颜色信息,所述颜色信息包括所述原始涂料样板的主要组成颜色及其含量百分比。
4.根据权利要求3所述的涂料样板色彩分析的方法,其特征在于,所述的分析处理具体包括以下处理中的一种或多种:
降噪处理;
分类处理;
组合处理;
统计处理;
筛选处理。
5.根据权利要求1所述的涂料样板色彩分析的方法,其特征在于,所述步骤S3具体为:
根据所述颜色信息通过配色仪生成所述原始涂料样板的颜色配方,并存储至数据库。
6.一种涂料样板色彩分析的装置,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,其特征在于,所述处理器执行所述程序时实现以下步骤:
S1、获取原始涂料样板的图像;
S2、通过视觉模拟算法对所述图像进行数据处理,得到相应的颜色信息;
S3、根据所述颜色信息生成所述原始涂料样板的颜色配方,并存储至数据库。
7.根据权利要求6所述的涂料样板色彩分析的装置,其特征在于,步骤S1具体为:
通过高像素扫描仪获取原始涂料样板的图像。
8.根据权利要求6所述的涂料样板色彩分析的装置,其特征在于,步骤S2具体为:
S21、通过视觉模拟算法对所述图像进行解构,得到若干个像素单元;
S22、对所有的像素单元进行分析处理,得到相应的颜色信息,所述颜色信息包括所述原始涂料样板的主要组成颜色及其含量百分比。
9.根据权利要求8所述的涂料样板色彩分析的方法,其特征在于,所述的分析处理具体包括以下处理中的一种或多种:
降噪处理;
分类处理;
组合处理;
统计处理;
筛选处理。
10.根据权利要求6所述的涂料样板色彩分析的装置,其特征在于,所述步骤S3具体为:
根据所述颜色信息通过配色仪生成所述原始涂料样板的颜色配方,并存储至数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010940175.6A CN112037293A (zh) | 2020-09-09 | 2020-09-09 | 一种涂料样板色彩分析的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010940175.6A CN112037293A (zh) | 2020-09-09 | 2020-09-09 | 一种涂料样板色彩分析的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112037293A true CN112037293A (zh) | 2020-12-04 |
Family
ID=73584483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010940175.6A Pending CN112037293A (zh) | 2020-09-09 | 2020-09-09 | 一种涂料样板色彩分析的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037293A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116660099A (zh) * | 2023-07-24 | 2023-08-29 | 绵阳新启科技有限公司 | 一种水性涂料流动性检测系统及方法 |
-
2020
- 2020-09-09 CN CN202010940175.6A patent/CN112037293A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116660099A (zh) * | 2023-07-24 | 2023-08-29 | 绵阳新启科技有限公司 | 一种水性涂料流动性检测系统及方法 |
CN116660099B (zh) * | 2023-07-24 | 2023-10-31 | 绵阳新启科技有限公司 | 一种水性涂料流动性检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Low-light image enhancement via the absorption light scattering model | |
Gao et al. | Naturalness preserved nonuniform illumination estimation for image enhancement based on retinex | |
Hanmandlu et al. | An optimal fuzzy system for color image enhancement | |
Wang et al. | Variational Bayesian method for retinex | |
Zotin | Fast algorithm of image enhancement based on multi-scale retinex | |
WO2022199583A1 (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN108510499B (zh) | 一种基于模糊集和Otsu的图像阈值分割方法及装置 | |
CN110163884B (zh) | 一种基于全连接深度学习神经网络的单个图像分割方法 | |
Shi et al. | Low-light image enhancement algorithm based on retinex and generative adversarial network | |
Sihotang | Implementation of Gray Level Transformation Method for Sharping 2D Images | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
Deng | A generalized logarithmic image processing model based on the gigavision sensor model | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
Shi et al. | A joint deep neural networks-based method for single nighttime rainy image enhancement | |
CN103839245A (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
Lei et al. | A novel intelligent underwater image enhancement method via color correction and contrast stretching | |
Plutino et al. | Scoping review on automatic color equalization algorithm | |
CN112037293A (zh) | 一种涂料样板色彩分析的方法及装置 | |
Liang et al. | Underwater image quality improvement via color, detail, and contrast restoration | |
Kim | Image enhancement using patch-based principal energy analysis | |
Si et al. | A novel method for single nighttime image haze removal based on gray space | |
CN110766614B (zh) | 一种无线扫描笔的图像预处理方法和系统 | |
Li et al. | Multi-scale fusion framework via retinex and transmittance optimization for underwater image enhancement | |
Ma et al. | Solid waste surface feature enhancement method based on gamma correction and wavelet transform | |
CN112767256A (zh) | 一种基于Retinex模型的图像增强方法及终端 |
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 |