CN113119447A - 一种彩色3d打印色彩空间转换的方法 - Google Patents
一种彩色3d打印色彩空间转换的方法 Download PDFInfo
- Publication number
- CN113119447A CN113119447A CN202110296424.7A CN202110296424A CN113119447A CN 113119447 A CN113119447 A CN 113119447A CN 202110296424 A CN202110296424 A CN 202110296424A CN 113119447 A CN113119447 A CN 113119447A
- Authority
- CN
- China
- Prior art keywords
- color
- value
- samples
- data
- groups
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/10—Processes of additive manufacturing
- B29C64/106—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material
- B29C64/118—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material using filamentary material being melted, e.g. fused deposition modelling [FDM]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y10/00—Processes of additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Color Image Communication Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种彩色3D打印色彩空间转换的方法,具体按照以下步骤实施:步骤1、获取若干组CMYKW和Lab的数据对;步骤2、将步骤1获得的数据对进行归一化处理;步骤3、将经过步骤2归一化处理的数据划分为训练样本和测试样本;步骤4、建立广义回归神经网络,并对该网络进行训练。通过本发明的方法能够较为精确的计算出FDM型彩色3D打印中Lab色彩空间向CMYKW色彩空间转换的比例。
Description
技术领域
本发明属于色彩转换技术领域,涉及一种彩色3D打印色彩空间转换的方法。
背景技术
为满足当今社会对个性化产品的需求,3D打印的发展方向逐渐向彩色3D打印更新。其中,基于FDM型的彩色3D打印机最为常见,它的混色方式主要有挤出头混色、混色耗材和3D喷墨这三种,且大多不能实现全彩色打印。阻碍其发展的最为核心的技术之一便是色彩转换算法的研究。
色彩转换研究中常借用的转换空间为Lab色彩空间,原因在于Lab的色彩空间很大,且不受设备影响,是以数字化方式来描述人的视觉感应,所以也被做为标准色彩空间;RGB和CMYK为常见的显示器颜色标准和印刷色彩标准;而近年来提出的CMYKW色彩空间则是基于彩色3D打印的三维色彩空间(C:Cyan=青色;M:Magenta=品红色;Y:Yellow=黄色;K:blacK=黑色;W:White=白色),也是本发明基于FDM彩色3D打印的色彩原料。
目前色彩空间转换的算法主要基于神经网络进行,相关文献大多采用BP神经网络和径向基函数(RBF)网络建模。BP神经网络进行色彩转换的主要缺点为:精度较低、数值有溢出、训练速度慢。本发明采用广义回归神经网络(GRNN)进行算法设计,广义回归神经网络是基于径向基函数网络一种改进。
发明内容
本发明的目的是提供一种彩色3D打印色彩空间转换的方法,具有色彩精度高、计算时间短的特点。
本发明所采用的技术方案是,一种彩色3D打印色彩空间转换的方法,具体按照以下步骤实施:
步骤1、获取若干组CMYKW和Lab的数据对;
步骤2、将步骤1获得的数据对进行归一化处理;
步骤3、将经过步骤2归一化处理的数据划分为训练样本和测试样本;
步骤4、建立广义回归神经网络,并对该网络进行训练。
本发明的特点还在于:
步骤1具体为,根据均匀试验原理设计若干组CMYKW的配色比,按照给定的配色比挤料,混合后置于坩埚中加热,用玻璃棒搅拌至颜色均匀,将样品压制成薄片,利用分光测色仪对样品进行测色,得到对应的标准Lab值,即得到若干组CMYKW和Lab的数据对。
步骤2归一化计算如下:
其中,公式(1)中分母为Lab值之和,L为原始值,L’为归一化后的值,公式(2)中分母为CMYKW值之和,C为原始值,C’为归一化后的值。
步骤3具体为,将全体样本的75%作为训练样本,剩余25%作为测试样本。
步骤3具体划分方法为,在MATLAB中建立训练样本矩阵,从全体样本的第一组开始每间隔三组取一组数据,从第三组开始每间隔三组取一组数据,从第四组开始每间隔三组取一组数据;建立测试样本矩阵,从全体样本的第二组开始每间隔三组取一组数据。
步骤4具体按照以下步骤实施:
步骤4.1、调用MATLAB中的GRNN工具箱,输入训练样本,设定广义回归神经网络的扩展速度为0到1;
步骤4.2、代入测试样本进行仿真预测,计算对象为测试样本的预测值与真实值之差,使用MATLAB中自带的均方误差性能函数MSE评价网络精度,缩小扩展速度的取值范围;
步骤4.3、通过穷举训练,继续缩小扩展速度值的区间和跨步,取MSE值最小时的扩展速度为最优扩展速度。
本发明的有益效果是:本发明一种彩色3D打印色彩空间转换的方法能够精确计算出FDM型彩色3D打印中Lab色彩空间向CMYKW色彩空间转换的比例,有效降低计算时间和使用成本。
附图说明
图1是一种彩色3D打印色彩空间转换的方法的流程图;
图2是一种彩色3D打印色彩空间转换的方法中扩展速度变化时的均方误差变化图;
图3是一种彩色3D打印色彩空间转换的方法的混色计算示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种彩色3D打印色彩空间转换的方法,如图1所示,具体按照以下步骤实施:
步骤1、获取201组CMYKW和Lab的数据对;
根据均匀试验原理设计201组CMYKW的配色比,按照给定的配色比挤料,混合后置于坩埚中加热到240℃,用玻璃棒搅拌至颜色均匀,将样品压制成1mm以下的薄片,利用分光测色仪对样品进行测色,得到对应的标准Lab值,总共有201组CMYKW和Lab的数据对;
步骤2、将步骤1获得的数据对进行归一化处理;
具体为,
其中,公式(1)中分母为Lab值之和,L为原始值,L’为归一化后的值,a’和b’的计算同理,公式(2)中分母为CMYKW值之和,C为原始值,C’为归一化后的值,C’、M’、Y’、K’和W’的计算同理;
数据归一化即让所有的数据都在(0,1)之间,加入归一化可以将这些数据规整到统一量纲以提高模型精度、提升收敛速度;采用数据归一化的原因是,当输入值较大时,相应的权值就会很小,两者相乘会引起数值问题,除此之外,由于Lab值为标准测定值,而CMYKW值为试验值,数据具有多个特征属性,且其量纲不一,会增加计算时间和减小精度;
步骤3、将经过步骤2归一化处理的数据划分为训练样本和测试样本;
将75%的数据作为训练样本,剩余25%作为测试样本,具体划分方法为:在MATLAB中建立训练样本矩阵,从全体样本的第一组开始每间隔三组取一组数据,从第三组开始每间隔三组取一组数据,从第四组开始每间隔三组取一组数据;建立测试样本矩阵,从全体样本的第二组开始每间隔三组取一组数据,这样既满足了样本的划分,又可以做到样本数据的随机化;
步骤4、建立广义回归神经网络,并对该网络进行训练;
调用MATLAB中的GRNN工具箱,输入训练样本,调用时需要选择训练样本矩阵进行网络的训练,将网络的扩展速度初次设定在(0,1)之间,SPREAD即为GRNN的扩展速度,对网络的预测效果起着至关重要的作用,它决定了中心点围绕基函数的宽度,网络初次设定结束,进行循环测试,循环过程为:代入测试样本进行仿真预测,使用MATLAB中自带的均方误差性能函数MSE进行评价,计算对象为测试样本的预测值与真实值之差;因为通过MSE性能函数可以求得误差平方和的平均值,依据此函数值可以评价神经网络模型的精度好坏;
通过穷举训练,不断缩小SPREAD值的区间和跨步,将其每次测试的结果绘制为随扩展速度变化时MSE值变化的图,如图2所示,在图中标记出MSE值最小处,此时的SPREAD值即为它的最优解;
确定SPREAD最优值后,将它固定在这一值,重复一遍上述训练和测试过程,保存训练完成的网络,到此用于彩色3D打印色彩空间转换的网络就建立完成了。
以下列举一个具体的实施例,打印一个彩色的花瓶,从底到上的颜色依次为淡蓝色、淡粉红色、番茄色、淡粉红色和浅黄色。如图3所示,已知淡蓝色的Lab值为79,-14,-29,在程序中输入Lab=[79 -14 -29],得到CMYKW=3 3 0 3 3;淡粉红色的Lab值80,23,11,在程序中输入Lab=[80 23 11],得到CMYKW=3 5 1 0 1;番茄色的Lab值为63,59,48,在程序中输入Lab=[63 59 48],得到CMYKW=0 5 5 0 0;浅黄色的Lab值为94,1,29,在程序中输入Lab=[94 1 29],得到CMYKW=4 1 4 0 1。
Claims (6)
1.一种彩色3D打印色彩空间转换的方法,其特征在于,具体按照以下步骤实施:
步骤1、获取若干组CMYKW和Lab的数据对;
步骤2、将步骤1获得的数据对进行归一化处理;
步骤3、将经过步骤2归一化处理的数据划分为训练样本和测试样本;
步骤4、建立广义回归神经网络,并对该网络进行训练。
2.根据权利要求1所述的一种彩色3D打印色彩空间转换的方法,其特征在于,所述步骤1具体为,根据均匀试验原理设计若干组CMYKW的配色比,按照给定的配色比挤料,混合后置于坩埚中加热,用玻璃棒搅拌至颜色均匀,将样品压制成薄片,利用分光测色仪对样品进行测色,得到对应的标准Lab值,即得到若干组CMYKW和Lab的数据对。
4.根据权利要求1所述的一种彩色3D打印色彩空间转换的方法,其特征在于,所述步骤3具体为,将全体样本的75%作为训练样本,剩余25%作为测试样本。
5.根据权利要求1所述的一种彩色3D打印色彩空间转换的方法,其特征在于,所述步骤3具体划分方法为,在MATLAB中建立训练样本矩阵,从全体样本的第一组开始每间隔三组取一组数据,从第三组开始每间隔三组取一组数据,从第四组开始每间隔三组取一组数据;建立测试样本矩阵,从全体样本的第二组开始每间隔三组取一组数据。
6.根据权利要求1所述的一种彩色3D打印色彩空间转换的方法,其特征在于,所述步骤4具体按照以下步骤实施:
步骤4.1、调用MATLAB中的GRNN工具箱,输入训练样本,设定广义回归神经网络的扩展速度为0到1;
步骤4.2、代入测试样本进行仿真预测,计算对象为测试样本的预测值与真实值之差,使用MATLAB中自带的均方误差性能函数MSE评价网络精度,缩小扩展速度的取值范围;
步骤4.3、通过穷举训练,继续缩小扩展速度值的区间和跨步,取MSE值最小时的扩展速度为最优扩展速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110296424.7A CN113119447B (zh) | 2021-03-19 | 2021-03-19 | 一种彩色3d打印色彩空间转换的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110296424.7A CN113119447B (zh) | 2021-03-19 | 2021-03-19 | 一种彩色3d打印色彩空间转换的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113119447A true CN113119447A (zh) | 2021-07-16 |
CN113119447B CN113119447B (zh) | 2022-08-30 |
Family
ID=76773645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110296424.7A Active CN113119447B (zh) | 2021-03-19 | 2021-03-19 | 一种彩色3d打印色彩空间转换的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113119447B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6480299B1 (en) * | 1997-11-25 | 2002-11-12 | University Technology Corporation | Color printer characterization using optimization theory and neural networks |
CN1612586A (zh) * | 2003-10-30 | 2005-05-04 | 村田机械株式会社 | 彩色图像处理设备与彩色图像处理方法 |
CN1704891A (zh) * | 2004-05-31 | 2005-12-07 | 蒋国华 | 一种计算机色彩处理方法及其应用 |
US20090237684A1 (en) * | 2008-03-20 | 2009-09-24 | Brother Kogyo Kabushiki Kaisha | Print data generating apparatus, printing apparatus, method to generate print data, and computer usable medium therefor |
CN101604151A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种用于印刷色彩的检测控制方法 |
CN102572450A (zh) * | 2012-01-10 | 2012-07-11 | 中国传媒大学 | 基于sift特征与grnn网络的立体视频颜色校正方法 |
CN108437440A (zh) * | 2018-03-21 | 2018-08-24 | 北京印刷学院 | 基于颜色管理的3d打印色彩呈现方法、装置及系统 |
CN110418030A (zh) * | 2019-06-24 | 2019-11-05 | 浙江大学 | 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 |
CN112270397A (zh) * | 2020-10-26 | 2021-01-26 | 西安工程大学 | 一种基于深度神经网络的颜色空间转换方法 |
-
2021
- 2021-03-19 CN CN202110296424.7A patent/CN113119447B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6480299B1 (en) * | 1997-11-25 | 2002-11-12 | University Technology Corporation | Color printer characterization using optimization theory and neural networks |
CN1612586A (zh) * | 2003-10-30 | 2005-05-04 | 村田机械株式会社 | 彩色图像处理设备与彩色图像处理方法 |
CN1704891A (zh) * | 2004-05-31 | 2005-12-07 | 蒋国华 | 一种计算机色彩处理方法及其应用 |
US20090237684A1 (en) * | 2008-03-20 | 2009-09-24 | Brother Kogyo Kabushiki Kaisha | Print data generating apparatus, printing apparatus, method to generate print data, and computer usable medium therefor |
CN101604151A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种用于印刷色彩的检测控制方法 |
CN102572450A (zh) * | 2012-01-10 | 2012-07-11 | 中国传媒大学 | 基于sift特征与grnn网络的立体视频颜色校正方法 |
CN108437440A (zh) * | 2018-03-21 | 2018-08-24 | 北京印刷学院 | 基于颜色管理的3d打印色彩呈现方法、装置及系统 |
CN110418030A (zh) * | 2019-06-24 | 2019-11-05 | 浙江大学 | 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 |
CN112270397A (zh) * | 2020-10-26 | 2021-01-26 | 西安工程大学 | 一种基于深度神经网络的颜色空间转换方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113119447B (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110418030B (zh) | 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 | |
CN107766603A (zh) | 一种色纺纱计算机测配色方法 | |
CN101604151A (zh) | 一种用于印刷色彩的检测控制方法 | |
CN102799895A (zh) | 基于最小二乘支持向量机的胶印油墨配色方法 | |
CN108872156B (zh) | 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 | |
CN102945556B (zh) | 基于胞元划分纽介堡方程的七色分色算法 | |
CN111553114A (zh) | 一种基于数据驱动的纺织印染智能配色方法 | |
WO2022110587A1 (zh) | 一种彩色纤维六维混色空间网格模型及其网格点阵列颜色矩阵构建方法及应用 | |
Milder et al. | Ink-jet printer’s characterization by 3D gradation trajectories on an equidistant color difference basis | |
CN100585635C (zh) | 孟塞尔色彩模型计算机可视化方法 | |
CN113119447B (zh) | 一种彩色3d打印色彩空间转换的方法 | |
CN102075667A (zh) | 一种基于查表法的反向色彩空间转换方法 | |
CN112488997B (zh) | 基于特征插值的古代绘画印刷品颜色复现检测和评价方法 | |
CN109853267A (zh) | 一种快速制作数码印花色卡的方法 | |
CN102238297A (zh) | 一种生成色彩对照文件的方法及系统 | |
CN113536540A (zh) | 多元混色纤维体系构建高维离散色谱及可视化方法 | |
CN105843138A (zh) | 一种数码印花颜色再现监控方法 | |
CN103645142A (zh) | 预测纺织品染色配方的方法 | |
CN104742517B (zh) | 一种颜色自由采集配色装置 | |
CN116522650A (zh) | 一种基于数字孪生技术的染料颜色自动配比方法 | |
Kuo et al. | Computerized color separation system for printed fabrics by using backward-propagation neural network | |
CN103646393B (zh) | 油画基色颜料光谱预测方法 | |
CN101408460A (zh) | 基于数字色彩比色卡的颜色目视比色测量方法 | |
CN114579790B (zh) | 一种激光彩色打标参数的确定方法 | |
CN105426574B (zh) | 一种注塑装备工艺和性能要求向设计参数快速转换的方法 |
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 |