CN113259658A - 物体喜好记忆色的获取方法及喜好记忆色标准色卡 - Google Patents
物体喜好记忆色的获取方法及喜好记忆色标准色卡 Download PDFInfo
- Publication number
- CN113259658A CN113259658A CN202110535084.9A CN202110535084A CN113259658A CN 113259658 A CN113259658 A CN 113259658A CN 202110535084 A CN202110535084 A CN 202110535084A CN 113259658 A CN113259658 A CN 113259658A
- Authority
- CN
- China
- Prior art keywords
- color
- memory
- image
- favorite
- memory 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000003086 colorant Substances 0.000 claims abstract description 42
- 238000009826 distribution Methods 0.000 claims abstract description 32
- 230000003595 spectral effect Effects 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 238000002474 experimental method Methods 0.000 claims abstract description 18
- 238000009877 rendering Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 6
- 238000002310 reflectometry Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims description 7
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 4
- 239000000049 pigment Substances 0.000 abstract description 7
- 238000003384 imaging method Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 9
- 238000005286 illumination Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 240000007124 Brassica oleracea Species 0.000 description 5
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 5
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 5
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 5
- 244000000626 Daucus carota Species 0.000 description 5
- 235000002767 Daucus carota Nutrition 0.000 description 5
- 241000581835 Monodora junodii Species 0.000 description 5
- 240000008790 Musa x paradisiaca Species 0.000 description 5
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 5
- 235000015277 pork Nutrition 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 244000178870 Lavandula angustifolia Species 0.000 description 4
- 235000010663 Lavandula angustifolia Nutrition 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000001102 lavandula vera Substances 0.000 description 4
- 235000018219 lavender Nutrition 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 235000019646 color tone Nutrition 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/02—Diagnosis, testing or measuring for television systems or their details for colour television signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0044—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense
- A61M2021/005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense images, e.g. video
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Psychology (AREA)
- Anesthesiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Hematology (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种物体喜好记忆色的获取方法及喜好记忆色标准色卡，方法包括：收集具代表性记忆色的目标物体的初始图像和实测目标物体表面色的光谱反射率分布曲线；通过渲染处理初始图像，得到一组实验图像；获取被试基于实验图像的记忆色喜好性的评价数据；根据评价数据，利用椭圆记忆色模型得到喜好记忆色的坐标值；另由实测记忆物体的光谱反射率分布曲线选择色块的颜料组合，将再由此组合获取实验的喜好记忆色色块颜色配方，实现获取记忆色色卡。获取该色卡可运用于电子显示设备上喜好记忆色的评价，数码相机成像图片质量及白平衡的测试，也可以在照明行业中，用来评价光源的显色质量。
Description
技术领域
本发明属于颜色和数字领域，具体涉及一种物体喜好记忆色的获取方法及喜好记忆色标准色卡。
背景技术
爱色丽24色色卡(标准型)是一种用来进行图像颜色质量检验的工具，包含一些大自然的颜色，及图像设备颜色校正的主要颜色，主要用于影像色彩再现，这样影像工程师可以调控和评价色彩在不同光源下显示出来的色彩准确性。经过图像处理的标准24参照色可在任意光照和媒介下在D65/10°的标准条件下真实还原色彩。它自诞生以来以其优异的性能就被当作是各个行业的标准，覆盖面涉及摄影、影像、显示、照明、印刷、平面设计、电子出版等校正及评价颜色的工业。然而，在24个色块中，部分是真实存在的自然物体的颜色。其他色块属于图像设备颜色校正的重要颜色。此外，这些色块主要用来准确还原自然物体色，而忽略了记忆色的喜好性对颜色评价的影响。而在数字图片的显示领域中，人们熟悉物体的记忆色是衡量颜色还原准确度的重要标准。而人们脑海中的某个熟悉物体的喜好记忆色与这个物体真实的表面色并不完全相同，甚至还有较大的差异。因此将记忆色物体的颜色调整到用户喜好的颜色范围内，可以显著提高数字图片的质量。为了能再现出更被用户喜爱的高质量物体色，设计并制作一种基于喜好记忆色的标准比色卡，它具有巨大的应用价值和重要的现实意义。
发明内容
本发明的目的在于克服现有技术中的缺陷，并提供一种物体喜好记忆色的获取方法及喜好记忆色标准色卡。该获取方法是一种具有代表性的记忆色选取方案，并提供了一种物体表面色仪器测量与心理物理学视觉实验结果相结合的方法，通过该方法得到的色卡可用于照明质量评估、拍照品质评估、显示质量评估等领域。
本发明所采用的具体技术方案如下：
第一方面，本发明提供了一种物体喜好记忆色的获取方法，具体如下：
S1：获取目标物体的初始图像和目标物体表面色的光谱反射率分布曲线；
S2：通过渲染处理所述初始图像，得到若干实验图像；所有实验图像的颜色指标在设定范围内均有覆盖，且实验图像的颜色均能反应所述目标物体的颜色；
S3：获取基于所述实验图像的记忆色喜好性的评价数据；所述评价数据包括被试者对每个所述实验图像的喜好率Pv；
S4：根据所述评价数据，利用椭圆记忆色模型得到喜好记忆色的坐标值；所述椭圆记忆色模型用于建立评价数据与实验图像记忆色在颜色空间中坐标的关系，得到喜好记忆色椭圆，所述喜好记忆色椭圆的中心点为喜好记忆色的坐标值；
S5：将色块的色坐标值调整为与所述喜好记忆色的坐标值一致，将色块的光谱反射率分布曲线调整为与所述目标物体表面色的光谱反射率分布曲线形状特性一致；
S6：将所述色块的颜色作为获取的目标物体的喜好记忆色。
作为优选，所述初始图像为拍摄图像或现有图像；所述现有图像呈现的光环境为D65标准光源；所述拍摄图像在拍摄时的照明光源为D65标准光源，照明光源垂直于所述目标物体表面，拍摄光线与所述目标物体所在平面呈45°，相机为手动模式。
作为优选，所述S3中，通过对被试者进行心理物理学实验测试，得到所述评价数据。
作为优选，所述光谱反射率分布曲线通过接触式分光光度计测量得到。
作为优选，所述S3中，将所述实验图像通过显示设备展示给被试者，所述显示设备利用三维颜色查找表方法校正过。
作为优选，所述S2中，将目标物体像素颜色的平均值作为初始图像的渲染起点，对初始图像进行渲染处理。
作为优选，所述椭圆记忆色模型包括公式(1)和公式(2)，
所述公式(1)为
所述公式(2)为
其中，Pc为通过所述评价数据得到的计算喜好率；ΔE'为喜好记忆色与某一实验图像中颜色的色差；α参数为对应于50％喜好率的ΔE’值；k1,k2,k3,k4,k5,k6表示椭圆记忆色模型相关的参数；L* 0,a* 0,b* 0表示喜好记忆色在CIELAB颜色空间中的坐标；L*,a*,b*表示该实验图像中记忆色在CIELAB颜色空间中的坐标；
利用公式(1)所求得的计算喜好率Pc与所述喜好率Pv计算相关系数R，将所述R值进行最大化操作以获取公式(1)及(2)中的系数。
作为优选，所述颜色指标包括CIELAB颜色空间中的明度L*、红绿a*、黄蓝b*、彩度C* ab、色调角hab及光谱反射率分布曲线。
第二方面，本发明提供了一种喜好记忆色标准色卡，即将目标色卡中待优化的色块根据第一方面中任一所述获取方法进行优化处理，将优化处理后得到的喜好记忆色作为所述色块的颜色。
本发明相对于现有技术而言，具有以下有益效果：
1)本发明采用物体表面色仪器测量和心理物理学视觉实验相结合的方法，制定了用于拍摄和显示颜色校正的喜好记忆色标准色卡。本发明的创新亮点是提供色彩工业颜色复制还原的工具。目前所要解决的技术问题除了传统的准确还原外，最重要的是达到喜好记忆还原。因此，本发明能够补充目前一般市面上色卡的不足，提供一种基于记忆色的色块及比色卡，可操作性强，提供了24色色块的颜色坐标，且不同复制版本具有较小的色差。
2)本发明应用范围包含：评价摄照相，显示，打印，扫描设备的色彩校正模型准确还原质量；评价以上影像设备的色彩模型的记忆喜好还原质量；评价或增强以上影像设备中的色彩处理效果如白平衡，色域映射等；评价照明光源的准确或喜好显色还原特性；提供每个颜色CIELAB坐标值及反色率，便利于用户的操作或计算。
附图说明
图1为实施例中色卡的设计流程图；
图2为实施例中建立相机校正特征化模型流程图；
图3为实施例中样品拍摄所使用的几何关系；
图4为实施例中某样品(橙子)采样点的色坐标数据(图a和图b)以及光谱反射率分布曲线(图c)；
图5为实施例中所有样品在CIELAB颜色空间内的色坐标分布；
图6为实施例中实验图像的处理与渲染流程；
图7为实施例中通过三维颜色查找表方法校正显示设备的流程图；
图8为实施例中实验图像的渲染时的取点示意图；
图9为实施例中心理物理学实验测试的流程安排；
图10为实施例中某椭圆记忆色模型的预测效果，图a为模型预测喜好率与实验实际喜好率的比较，图b为预测模型与实际数据点的分布；
图11为实施例中某椭圆记忆色模型得到的喜好记忆色椭圆；
图12为实施例中得到的24个记忆色色块在CIELAB颜色空间内的色坐标分布；
图13为实施例中得到的24个记忆色色块的光谱反射率分布。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。
本发明提供了一种物体喜好记忆色的获取方法，通过该方法获取任意目标物体的喜好记忆色，即能够将该物体的颜色调整到用户喜好的颜色范围内，可以显著提高数字图片的质量，还能够在照明质量评估、拍照品质评估、显示质量评估等领域起到指导作用。该物体喜好记忆色的获取方法具体如下：
S1：首先，收集目标物体的初始图像。目标物体的初始图像可以购买实物并通过现场拍摄获得，也可以从现有图片库中选择主体突出、背景简单、物体形态完整优美、颜色自然、成像清晰和图像品质优良的图片。
若初始图像为拍摄图像(即通过现场拍摄所得)，则在拍摄时需要满足以下条件：拍摄时的照明光源为D65标准模拟光源，照明光源垂直于目标物体的表面，拍摄光线与目标物体所在的平面呈45°；同时，相机最好用单反相机，应当调节为手动模式，手动模式下的相机白平衡处于关闭状态，且相机自带的图像处理模块关闭，通过上述拍摄方式得到的拍摄图像能够更好的反应目标物体的颜色。
若初始图像为现有图像，即直接调用现有图片库中的图片，则应当选择在原始状态下图片中呈现的光环境接近D65标准模拟光源。采用现有图像能够为难以在室内固定光照的拍摄环境中进行拍摄的物体提供了可以用来进行优化的素材。
其次，获得目标物体表面色的光谱反射率分布曲线，该光谱反射率分布曲线可以通过接触式分光光度计测量得到。测量时，为了避免单个采样点引起较大的随机误差，可以使用接触式分光光度计在不包含光源光谱模式下对目标物体表面的多个不同位点进行测量，并将所有位点测量得到的平均值作为该目标物体的测量结果。
S2：对通过S1得到的初始图像进行渲染处理，以便于得到能够反映目标物体颜色的多张实验图片。先将目标物体像素颜色的平均值作为初始图像的渲染起点。若是图像库选取的图像，每个像素的RGB值通过显示器特征化模型转化为在CIE 1964 10°视角下三刺激值。若是自行拍照获取的图像，每个图像的RGB 值通过照相机特征化模型转化为XYZ三刺激值。最后将XYZ三刺激值转化为 CIELAB色彩空间中的色坐标。再对原图像的平均值进行渲染得到多张实验所需的图片。所有实验图片之间的颜色不同，且各个颜色在颜色空间中的坐标点在明度、彩度和色调角方向上围绕初始图像的颜色坐标在一定范围内改变，从而保证了渲染得到的多张实验图片不仅在颜色合理的范围内，而且能在不同的颜色指标上均有覆盖，以便于尽可能的得到仅与初始图像中颜色有差异且颜色在合理范围内的所有相似图片。
S3：基于通过步骤S2得到的实验图像，获取对每张实验图像的记忆色喜好性的评价数据，该评价数据包括被试者对每个实验图像的喜好率情况。在实际应用时，可以通过对被试者进行心理物理学实验测试来得到评价数据，也就是说，首先通过三维颜色查找表方法对显示设备进行校正，然后在该校正后的显示设备上向被试者分别展示所有的实验图像，并让被试者对每个实验图像中的记忆色进行喜好性评价，进而得到被试者对每个实验图像的喜好率。
S4：根据通过步骤3得到的评价数据，利用椭圆记忆色模型得到喜好记忆色的坐标值。由于以往的研究经验表明，大多数可容许的记忆色在平面上的分布形状是一个椭圆。因此，通过椭圆记忆色模型来建立评价数据与实验图像记忆色在颜色空间中坐标的关系，进而得到喜好记忆色椭圆，该喜好记忆色椭圆的中心点即为喜好记忆色的坐标值。
在本实施例中，椭圆记忆色模型可以采用如下形式，即包括公式(1)和公式(2)，利用公式(1)所求得的计算喜好率Pc与实验所得的视觉喜好率Pv计算相关系数(R)，将R值进行优化以使R值达到最大，来获取公式(1)及(2) 中的系数。具体的，
所述公式(1)为
所述公式(2)为
其中，Pc为通过所述评价数据得到的喜好率；ΔE'为喜好记忆色与某一实验图像中颜色的色差；α参数为对应于50％喜好率的E’值；k1,k2,k3,k4,k5,k6表示椭圆记忆色模型相关的参数；L* 0,a* 0,b* 0表示喜好记忆色在CIELAB颜色空间中的坐标； L*,a*,b*表示该实验图像中记忆色在CIELAB颜色空间中的坐标。
S5：制定色块的颜料配方，即通过调整各颜色颜料的加入配比，使得到的色块的色坐标值与喜好记忆色的坐标值一致，使色块的光谱反射率分布曲线与目标物体表面色的光谱反射率分布曲线形状特性一致。也就是说，在保证色块的色坐标值与相应物体喜好记忆色的坐标值尽量接近的情况下，使色块的光谱反射率分布曲线的形状与目标物体表面色的真实光谱反射率分布曲线形状一致，从而优化出色块最优的颜料配方。
S6：将通过步骤S5中颜色配方制得的色块颜色，作为获取的目标物体的喜好记忆色。
在实际应用时，可以利用上述方法，对现有色卡中的某些色块进行优化处理，即将通过上述方法优化处理后得到的记忆色作为该色块的颜色，进而得到优化处理后的整个色卡。也可以根据上述方法，对多个目标物体分别进行喜好记忆色获取，然后将得到的记忆色色块结合现有色卡中的色块，组合后得到所需数量色块的标准色卡，如24色标准色卡、36色标准色卡等等。
下面通过实施例对上述方法进行具体说明，本实施例的具体流程如图1所示。
实施例
步骤一、筛选目标记忆色，具体如下：
从近60篇有关记忆色的文献中统计出被研究频率最高的近43种记忆色物体，并把这些物体的颜色按照它们各自所在的研究光环境和媒介从不同的颜色空间中换算到CIED65及1964标准观测者条件下CIELAB颜色空间内。将所有物体的颜色分别画在CIE LAB a*b*，a*L*，b*L*平面上，并在图中筛选出16 个色坐标尽可能均匀分布的记忆色物体，保证色坐标的每个象限均有颜色分布。同时避免出现多种代表物体却有十分相近的色坐标的情况。最终筛选得到的16 个色坐标尽可能均匀分布的记忆色物体，包括非洲人肤色、南亚人肤色、东亚人肤色、高加索人肤色、猪肉、草莓、胡萝卜、橙子、香蕉、青苹果、草地、蓝精灵、蓝天、百事可乐、薰衣草、紫甘蓝。
步骤二、建立记忆色图片库，具体如下：
由于步骤一中选取的记忆色物体包括难以在室内固定光照的拍摄环境中进行拍摄和测量的物体(如草地、蓝精灵、蓝天和薰衣草)，因此通过直接从现有图库中筛选出主体突出、背景简单、物体形态完整优美、颜色自然、成像清晰和图像品质优良的图片作为该物体的初始图像。所筛选的图片中呈现的光环境需要接近CIE D65标准光源。将这些难以拍摄物体的初始图像均采用直接从现有图库中筛选的方式取得，从而建立得到记忆色图片库。
步骤三、拍摄并测量选取的记忆色物体的表面色，具体如下：
对于步骤一中选取的记忆色物体能够直接在室内固定光照的拍摄环境中进行拍摄的物体，采用以下两种方法获得对应物体的初始图像，具体如下：
方法1)：对高加索人、东亚人、南亚人和非洲人四个人种的模特进行照片拍摄，使用通过颜色模型准确校正过的数码相机，在照度为1000lux的标准D65 光源下对四位模特进行面部特写拍照，拍得的图片作为每个物体的初始图像，相机校正的方法如图2所示(即将相机拍摄图片的RGB值转化到XYZ三刺激值)。
使用美能达CM700d光谱反射率计以di:8°几何条件接触测量模特的面部皮肤色的光谱发射率。测量所使用的di:8°几何关系如图3所示。测色条件为大口径，包含镜面光，及去除紫外光。为避免单个采样点引起较大的随机误差，使用接触式分光光度计对每个模特皮肤表面不同位置的多点接触式测量，获取样品的真实表面色颜色数据，最终得到每个模特肤色的光谱反射率分布曲线。
方法2)：收集品质新鲜、颜色鲜艳的记忆色实物样品，本实施例中取得到 6种记忆色实物(包括猪肉、胡萝卜、橙子、香蕉、青苹果、紫甘蓝)。
用湿巾将所有实物样品表面的灰尘擦去后把样品表面晾干待用。在照度为1000lux的标准D65光源下，将样品放在中性灰色的灯箱中央。样品拍摄的几何条件为0°:45°。测量所使用的0°:45°几何关系如图3所示：照明光源垂直于待测样品表面，拍摄光线与待测样品所在平面呈45°。使用单反相机手动模式对实验样品进行拍照，设定曝光时间为1/60秒，光圈值为f/5.6，ISO速度为200，固定焦距24毫米，且相机拍摄距离为30cm拍摄得到的静物图片作为每个物体的初始图像。
使用接触式分光光度计的不包含光源光谱模式对每个样品表面不同位置的多点接触式测量，获取样品的真实表面色颜色数据，最终得到每个样品的光谱反射率分布曲线。
如图4(a)和图4(b)所示，为橙子样品的采样点的色坐标数据，图中，实心点为40个采样点色坐标数据，三角形点为平均结果。图4(c)中灰色实线为该样品各采样点光谱分布曲线，黑色虚线表示所有采样点平均的光谱分布曲线。图5 为10个样品(高加索人、东亚人、南亚人、非洲人、猪肉、胡萝卜、橙子、香蕉、青苹果和紫甘蓝)在CIELAB颜色空间内的色坐标分布。
步骤四、对得到的初始图像进行图像处理，具体如下：
由于季节限制、所在地和拍摄条件的限制，除了通过购买实物现场拍摄的记忆色样品外，还有从记忆色图库筛选出的图片，共14张初始图像。
如图6所示，对初始图像进行处理。其中，第1类图片包含的记忆色物体有：非洲人、南亚人、东亚人、高加索人的肤色、以及橙子、香蕉、青苹果、紫甘蓝、胡萝卜、猪肉；第2类图片包含的记忆色物体有：蓝天、草地、蓝精灵、薰衣草； a类图片包含的记忆色物体有：橙子、香蕉、青苹果、紫甘蓝、胡萝卜；b类图片包含的记忆色物体有：高加索人肤色、东亚人肤色、南亚人肤色、非洲人肤色、猪肉、薰衣草；c类图片包含的记忆色物体有：蓝天、草地。将图片记忆色物体部分扣出，并把背景替换成均匀的中性灰色。对实验所用显示设备使用三维颜色查找表的方法建立特征化模型，以便于对显示设备进行校准。图7展示了建立显示器特征化模型的流程图。
对上述初始图像分别进行渲染操作，如图8所示，分别在CIELAB颜色空间的a*b*，a*L*，b*L*平面上取相同圆心，半长轴和半短轴成2倍比例变化的两层椭圆。在每个椭圆上每间隔45°取一次点，每个平面上有8×2＝16个点。此外，初始图像算作原点，在CIELAB空间中，共取了16×3+1(原图)＝49个不同L*a*b*颜色坐标的点。这49个坐标点在明度，彩度和色调角方向上围绕颜色坐标在一定范围内改变，保证了渲染得到的图片在颜色合理的范围内在不同的颜色指标上均有覆盖。最后每张初始图像都渲染得到了49张仅颜色有差异且颜色在合理范围内的相似图片，即得到的490张实验图像(10×49)。
步骤五、进行心理物理学实验，具体如下：
将通过渲染处理得到的大量实验图像在经过严格校准的显示设备上显示。招募50名被试者对所有实验图像中的记忆色进行喜好性评价。实验在完全黑暗的环境中进行，被试者只需在手机上判断“喜欢”或“不喜欢”图片中物体的颜色。实验流程安排如图9所示。这个心理物理学实验共进行了50×10×49＝24,500次判断，最终得到了有关每张实验图像喜好率的评价数据。
根据得到的评价数据，利用椭圆记忆色模型，建立评价数据与实验图像记忆色在颜色空间中坐标的关系，得到喜好记忆色椭圆，再通过计算所述喜好记忆色椭圆的中心点得到喜好记忆色的坐标值。计算方法如下。
利用公式(1)中计算得到的喜好率Pc与所述喜好率Pv计算相关系数R，将所述R值进行最大化操作以获取公式(1)及(2)中的系数。所述椭圆记忆色模型包括公式(1)和公式(2)，
所述公式(1)为
所述公式(2)为
其中，Pc为通过所述评价数据得到的喜好率；ΔE'为喜好记忆色与某一实验图像中颜色的色差；α参数为对应于50％喜好率的E’值；k1,k2,k3,k4,k5,k6表示椭圆记忆色模型相关的参数；L* 0,a* 0,b* 0表示喜好记忆色在CIELAB颜色空间中的坐标；L*,a*,b*表示该实验图像中记忆色在CIELAB颜色空间中的坐标。
当ΔE'＝α时，P的值＝50％。这意味着此时一半的被试者喜欢椭圆上的记忆色，即椭圆内的记忆色被大多数人喜欢，而椭圆外的记忆色被大多数人讨厌。图10 展示了某椭圆记忆色模型的预测效果，图11展示了该椭圆记忆色模型得到的喜好记忆色椭圆，其中圆形表示喜好率高于50％的记忆色，三角表示喜好率低于50％的记忆色。
步骤六、制定色块的颜料配方，具体如下：
由步骤三取得的表面色反射率，用电脑配色软件，取得色块实现的颜料组合，再由步骤五获取的记忆色色坐标值(L*0,a*0,b*0)调整相同的颜料组合，实现物体色色块。该色块与目标物有小的色差，且该色块与目标物体表面色的光谱反射率分布曲线具有相同特性。
步骤七、24色比色卡的制作，具体如下：
从上述得到的所有获取后的24个记忆色，尽量使所选的所有色块在颜色空间各坐标中均有分布，如图12所示，24各色块在CIELAB颜色空间的a*b*平面上均匀分布。其中10色为以上实验所得的记忆色。选择六色块代表视觉三对的互补色红-绿，黄-蓝，黑-白(19，20，21，22，23，24)；第8、10、13、17 号色则分别选择四个颜色(第12号Orange Yellow、第11号yellow green、第6 号bluish green和第10号purple)，用来填补了覆盖不到的色调。表1展示了测量得到的所有24个记忆色表面色在不同波长下的部分光谱反射率，表2展示了得到的24色比色卡中各色块的颜色数据，图13为实施例中得到的24个记忆色色块的光谱反射率分布。
表1实验样品的光谱发射率乘上100(％)(1-8)
表1实验样品的光谱发射率乘上100(％)(9-16)
表1实验样品的光谱发射率乘上100(％)(17-24)
表2得到的24色比色卡中各色块的颜色数据
根据制作得到的色卡，使用分光光度计测量24色比色卡中各色块的颜色，并与配方色色块的理论值进行比对。色块测量值与配方色色块之间的平均 CIELAB色差值设定小于2。并经过多名被试的主观评价测试，本发明在记忆色的喜好性还原方面具有良好表现。本发明的设计与检测流程规范，可操作性强，色卡质量判据详实；在参照、引用相近标准的基础上，通过大量实验对比，制定了用于拍摄设备和显示设备颜色校正及照明光源显色效果评价的物体记忆色优化方法及物体记忆色标准色卡，填补了该方向的空白；通过本发明优化方法得到的色卡可运用于电子显示设备上喜好记忆色的评价，数码相机成像图片质量的测试，也可以在照明行业中，用来评价光源的显色质量。
以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (9)
1.一种物体喜好记忆色的获取方法，其特征在于，具体如下：
S1：获取目标物体的初始图像和目标物体表面色的光谱反射率分布曲线；
S2：通过渲染处理所述初始图像，得到若干实验图像；所有实验图像的颜色指标在设定范围内均有覆盖，且实验图像的颜色均能反应所述目标物体的颜色；
S3：获取基于所述实验图像的记忆色喜好性的评价数据；所述评价数据包括被试者对每个所述实验图像的喜好率Pv；
S4：根据所述评价数据，利用椭圆记忆色模型得到喜好记忆色的坐标值；所述椭圆记忆色模型用于建立评价数据与实验图像记忆色在颜色空间中坐标的关系，得到喜好记忆色椭圆，所述喜好记忆色椭圆的中心点为喜好记忆色的坐标值；
S5：将色块的色坐标值调整为与所述喜好记忆色的坐标值一致，将色块的光谱反射率分布曲线调整为与所述目标物体表面色的光谱反射率分布曲线形状特性一致；
S6：将所述色块的颜色作为获取的目标物体的喜好记忆色。
2.根据权利要求1所述的获取方法，其特征在于，所述初始图像为拍摄图像或现有图像；所述现有图像呈现的光环境为D65标准光源；所述拍摄图像在拍摄时的照明光源为D65标准光源，照明光源垂直于所述目标物体表面，拍摄光线与所述目标物体所在平面呈45°，相机为手动模式。
3.根据权利要求1所述的获取方法，其特征在于，所述S3中，通过对被试者进行心理物理学实验测试，得到所述评价数据。
4.根据权利要求1所述的获取方法，其特征在于，所述光谱反射率分布曲线通过接触式分光光度计测量得到。
5.根据权利要求1所述的获取方法，其特征在于，所述S3中，将所述实验图像通过显示设备展示给被试者，所述显示设备利用三维颜色查找表方法校正过。
6.根据权利要求1所述的获取方法，其特征在于，所述S2中，将目标物体像素颜色的平均值作为初始图像的渲染起点，对初始图像进行渲染处理。
7.根据权利要求1所述的获取方法，其特征在于，所述椭圆记忆色模型包括公式(1)和公式(2)，
所述公式(1)为
所述公式(2)为
其中，Pc为通过所述评价数据得到的计算喜好率；ΔE'为喜好记忆色与某一实验图像中颜色的色差；α参数为对应于50％喜好率的ΔE’值；k1,k2,k3,k4,k5,k6表示椭圆记忆色模型相关的参数；L* 0,a* 0,b* 0表示喜好记忆色在CIELAB颜色空间中的坐标；L*,a*,b*表示该实验图像中记忆色在CIELAB颜色空间中的坐标；
利用公式(1)所求得的计算喜好率Pc与所述喜好率Pv计算相关系数R，将所述R值进行最大化操作以获取公式(1)及(2)中的系数。
8.根据权利要求1所述的获取方法，其特征在于，所述颜色指标包括CIELAB颜色空间中的明度L*、红绿a*、黄蓝b*、彩度C* ab、色调角hab及光谱反射率分布曲线。
9.一种喜好记忆色标准色卡，其特征在于，将目标色卡中待优化的色块根据权利要求1～8任一所述获取方法进行优化处理，将优化处理后得到的喜好记忆色作为所述色块的颜色。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110535084.9A CN113259658B (zh) | 2021-05-17 | 2021-05-17 | 物体喜好记忆色的获取方法及喜好记忆色标准色卡 |
| PCT/CN2022/093123 WO2022242608A1 (zh) | 2021-05-17 | 2022-05-16 | 物体喜好记忆色的获取方法及喜好记忆色标准色卡 |
| US18/509,181 US20240078708A1 (en) | 2021-05-17 | 2023-11-14 | Method for acquiring a preferred memory color of object and standard color chart of preferred memory color |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110535084.9A CN113259658B (zh) | 2021-05-17 | 2021-05-17 | 物体喜好记忆色的获取方法及喜好记忆色标准色卡 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113259658A true CN113259658A (zh) | 2021-08-13 |
| CN113259658B CN113259658B (zh) | 2022-03-15 |
Family
ID=77182200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110535084.9A Active CN113259658B (zh) | 2021-05-17 | 2021-05-17 | 物体喜好记忆色的获取方法及喜好记忆色标准色卡 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20240078708A1 (zh) |
| CN (1) | CN113259658B (zh) |
| WO (1) | WO2022242608A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022242608A1 (zh) * | 2021-05-17 | 2022-11-24 | 浙江大学 | 物体喜好记忆色的获取方法及喜好记忆色标准色卡 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040004719A1 (en) * | 2002-06-28 | 2004-01-08 | Hiromichi Takada | Color card, color book comprising the same, and color card with picture sample |
| CN102509318A (zh) * | 2011-09-20 | 2012-06-20 | 哈尔滨工业大学 | 人体数字舌图像专用颜色校正色卡及其制作方法 |
| CN102934988A (zh) * | 2012-11-12 | 2013-02-20 | 北京工业大学 | 中医望诊数字化系统评价色板的制作方法 |
| CN106878705A (zh) * | 2017-04-27 | 2017-06-20 | 北京印刷学院 | 一种数字硬拷贝输出sRGB影像的色彩质量测评方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016006408A (ja) * | 2014-05-26 | 2016-01-14 | 有限会社パパラボ | ウェアラブル着色評価装置及びウェアラブルウェアラブル着色評価方法 |
| US10387746B2 (en) * | 2016-05-06 | 2019-08-20 | Ohio State Innovation Foundation | Image color data normalization and color matching system for translucent material |
| CN113259658B (zh) * | 2021-05-17 | 2022-03-15 | 浙江大学 | 物体喜好记忆色的获取方法及喜好记忆色标准色卡 |
-
2021
- 2021-05-17 CN CN202110535084.9A patent/CN113259658B/zh active Active
-
2022
- 2022-05-16 WO PCT/CN2022/093123 patent/WO2022242608A1/zh active Application Filing
-
2023
- 2023-11-14 US US18/509,181 patent/US20240078708A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040004719A1 (en) * | 2002-06-28 | 2004-01-08 | Hiromichi Takada | Color card, color book comprising the same, and color card with picture sample |
| CN102509318A (zh) * | 2011-09-20 | 2012-06-20 | 哈尔滨工业大学 | 人体数字舌图像专用颜色校正色卡及其制作方法 |
| CN102934988A (zh) * | 2012-11-12 | 2013-02-20 | 北京工业大学 | 中医望诊数字化系统评价色板的制作方法 |
| CN106878705A (zh) * | 2017-04-27 | 2017-06-20 | 北京印刷学院 | 一种数字硬拷贝输出sRGB影像的色彩质量测评方法 |
Non-Patent Citations (2)
| Title |
|---|
| LIAN LI ET AL.: "Memory Coloring: A Compiler Approach for Scratchpad Memory Management", 《14TH INTERNATIONAL CONFERENCE ON PARALLEL ARCHITECTURES AND COMPILATION TECHNIQUES》 * |
| 朱玉腾: "记忆色和图像主观性评价的跨文化研究", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022242608A1 (zh) * | 2021-05-17 | 2022-11-24 | 浙江大学 | 物体喜好记忆色的获取方法及喜好记忆色标准色卡 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240078708A1 (en) | 2024-03-07 |
| WO2022242608A1 (zh) | 2022-11-24 |
| CN113259658B (zh) | 2022-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mendoza et al. | Calibrated color measurements of agricultural foods using image analysis | |
| CN108020519B (zh) | 一种基于颜色恒常性的虚拟多光源光谱重建方法 | |
| WO2015107889A1 (ja) | 着色検査装置および着色検査方法 | |
| CN111047539A (zh) | 一种基于光谱反射率重建的织物图像颜色校准算法 | |
| CN101933321A (zh) | 用于估测场景光源的图像传感器装置及方法 | |
| Quintana et al. | A novel method for color correction in epiluminescence microscopy | |
| US7187797B2 (en) | Color machine vision system for colorimetry | |
| US20240078708A1 (en) | Method for acquiring a preferred memory color of object and standard color chart of preferred memory color | |
| WO2010125023A1 (en) | Display of effect coatings on electronic display devices | |
| Molada-Tebar et al. | Correct use of color for cultural heritage documentation | |
| JP2019020311A (ja) | 色彩測定方法及び色彩測定装置 | |
| Pointer et al. | Practical camera characterization for colour measurement | |
| JP2020012668A (ja) | 評価装置、計測装置、評価方法および評価プログラム | |
| Hardeberg | Colorimetric characterization of digital cameras preserving hue planes | |
| Zhu et al. | Color calibration for colorized vision system with digital sensor and LED array illuminator | |
| JP2016194449A (ja) | 着色検査装置および着色検査方法 | |
| Párraga et al. | Accurate mapping of natural scenes radiance to cone activation space: a new image dataset | |
| Shrestha et al. | Assessment of two fast multispectral systems for imaging of a cultural heritage artifact-a Russian icon | |
| Zhu et al. | Matched illumination | |
| Strecker et al. | Tomato analyzer color test user manual version 3 | |
| TWI839658B (zh) | 色度量測方法及裝置 | |
| CN109819150B (zh) | 一种多通道图像采集装置以及采集多通道图像的方法 | |
| Kim et al. | Developing a multispectral HDR imaging module for a BRDF measurement system | |
| JP2017153054A (ja) | 着色検査装置および着色検査方法 | |
| He | Accurate colour reproduction of human face using 3D printing technology |
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 |