CN113465742B - 一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统 - Google Patents
一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统 Download PDFInfo
- Publication number
- CN113465742B CN113465742B CN202110663931.XA CN202110663931A CN113465742B CN 113465742 B CN113465742 B CN 113465742B CN 202110663931 A CN202110663931 A CN 202110663931A CN 113465742 B CN113465742 B CN 113465742B
- Authority
- CN
- China
- Prior art keywords
- light source
- evaluated
- illumination
- judging
- neutral
- 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.)
- Active
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013139 quantization Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 230000007935 neutral effect Effects 0.000 claims abstract description 42
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 230000003595 spectral effect Effects 0.000 claims abstract description 10
- 238000012512 characterization method Methods 0.000 claims abstract description 5
- 230000004304 visual acuity Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000011002 quantification Methods 0.000 claims description 9
- 230000010363 phase shift Effects 0.000 abstract description 10
- 230000002596 correlated effect Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000004737 colorimetric analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005375 photometry Methods 0.000 description 2
- 240000002234 Allium sativum Species 0.000 description 1
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
- -1 zhou Ya Proteins 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
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
-
- 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
- G01J3/462—Computing operations in or between colour spaces; Colour management systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
-
- 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
- G01J2003/467—Colour computing
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统，包括对待评价光源照度E的测量；判断待评价光源的照度E是否处于本发明所适用的照度范围内；对待评价光源光谱功率分布的采集；计算待评价光源在均匀颜色空间中的白度指标Sneutral；判断待评价光源的白度指标Sneutral是否处于本发明所适用的白度范围内；计算待评价光源在均匀颜色空间中的色相错位指标Rd；判断待评价光源的色相错位指标Rd是否处于本发明所适用的色相错位范围内；对于待评价光源，依据其照度E、白度指标Sneutral和色相错位指标Rd，结合光照颜色分辨能力量化模型得到对应估计量值，实现对白光光源光照颜色分辨能力的量化与表征。
Description
技术领域
本发明属于LED智能照明技术领域，具体涉及一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统。
背景技术
光源颜色品质是衡量光源产品质量的核心指标之一。随着半导体照明技术的进步以及人本照明理念的普及，消费者对于光源产品光照呈色视觉效果的要求日益提升。在文博、美术、食品、医疗以及化妆品等诸多领域，如何通过光源光度及色度属性的优化实现物体颜色呈现效果的提升，已成为相关领域从业人员共同关注的热点问题。截止目前，光源颜色品质的内涵，已从传统的颜色保真度属性(又称颜色还原度)逐步扩充至多维视觉属性，其内容包括颜色喜好度、颜色分辨度、颜色自然度、颜色舒适度等。
在上述视觉维度中，光照颜色分辨是现阶段光源颜色品质研究的前沿问题之一，其表示光照条件下人眼视觉对物体颜色差异的识别。该项研究内容与国际照明委员会战略热点问题(CIE strategy top priority topic#2:“Color Quality of Light SourcesRelated to Perception and Preference”)密切相关，并受到了本领域学者的广泛关注。
光源光照颜色分辨能力的准确量化是确保光源产品光照呈色效果满足人眼视觉感知需求一个的关键环节。此项研究的意义在于，其可通过客观量化模型实现光照条件下视觉颜色分辨能力的准确预测，从而为光源产品的生产研发及应用提供技术依据。
值得说明的是，发明人在前期工作中收集了来自8项公开发表论文的16组光照颜色分辨视觉研究数据，对29项光源颜色品质预测模型进行了综合测评，在此基础上构建了目前光照颜色分辨度预测精度最高的CDM模型。该模型的数学结构为光源白度预测模型Sneutral与FM-100色相错位量化模型Rd的线性组合，其在视觉机理方面的合理性可从“自然光色度视觉适应机制”与“人工光源光谱功率分布属性影响”的共同作用角度进行解释。
参考文献1：Q.Liu,Y.Liu,M.R.Pointer,Z.Huang,X.Wu,Z.Chen,M.R.Luo,Colordiscrimination metric based on the neutrality of lighting and huetransposition quantification,Optics Letters,45(2020):6062-6065.
此外，在国内外多位学者的研究中，发现光源的照度对光照颜色分辨能力存在显著影响。但是，前述CDM模型的构建是基于等照度条件，无法量化比较不同照度条件下光源之间光照颜色分辨能力的强弱。据发明人所知，近期陈治宇等人基于照度、相关色温及Duv提出了一种光照颜色分辨能力量化方法及系统，但是该方法所构建的模型未考虑光源同色异谱问题，因此其无法比较色温相同但光谱功率分布不同的光源之间颜色分辨能力的差异。
参考文献2：Knoblauch,K.,Saunders,F.,Kusuda,M.,Hynes,R.,Podgor,M.,Higgins,K.E.(1987).Age and illuminance effects in the Farnsworth-Munsell100-hue test.Applied Optics,26(8):1441–1448.
参考文献3：陈治宇，刘颖，李臻珍，胡泊，郝永利，邹朋芷，刘强，张哲，刘鹏，周雅雯，晏爱俐，孙程龙；一种基于光源照度及色度信息的光照颜色分辨能力量化方法及系统，202110364290.8(发明专利)
对于上述问题，亟待提出一种技术方案，对前期构建的光照颜色分辨能力量化模型CDM进行优化升级，建立一个兼顾照度因素的优化模型，对白光光源光照颜色分辨能力进行有效地量化与评价，进而为展陈照明设计提供指导。
发明内容
本发明的目的是为了解决背景技术中所述问题，提出一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统。
本发明的技术方案为提供一种基于照度优化的白光光源光照颜色分辨能力量化方法，包括以下步骤：
步骤1，测量待评价光源的照度E；
步骤2，判断待评价光源的照度E是否在本发明所适用的照度范围内，即判断e1≤E≤e2是否成立，若不成立则不适用本发明，若成立则进行下一步骤；
步骤3，测量待评价光源的光谱功率分布；
步骤4，在均匀颜色空间S中计算待评价光源的白度指标Sneutral；
步骤5，判断待评价光源的白度指标Sneutral是否在本发明所适用的白度范围内，即判断s1≤Sneutral≤s2是否成立，若不成立则不适用本发明，若成立则进行下一步骤；
步骤6，在均匀颜色空间R中计算待评价光源的色相错位指标Rd；
步骤7，判断待评价光源的色相错位指标Rd是否在本发明所适用的色相错位范围内，即判断r1≤Rd≤r2是否成立，若不成立则不适用本发明，若成立则进行下一步骤；
步骤8，将步骤1、步骤4和步骤6中待评价光源的照度E、白度指标Sneutral和色相错位指标Rd输入到本发明所构建的光照颜色分辨能力的量化模型M中，得到待评价光源的光照颜色分辨能力估计量值，进而实现光源光照颜色分辨能力的量化与表征。
M为光照颜色分辨能力估计模型，具体形式如下：
M＝p1+p2/ln(E)+p3*Exp(p4*Rd+p5*Sneutral)
p1＝-16.3212，p2＝166.6226，p3＝184.7583，p4＝0.07，p5＝-0.93
其中，M为光照颜色分辨能力估计量值，M值越小则光源光照颜色辨别能力越强；E为待评价光源的照度，Rd为光源的色相错位分数，用于衡量由光源引起的FM-100色相棋中棋子错位数量，Sneutral为待评价光源的白度指标得分，p1～p5均为常数。
而且，步骤2中，e1＝50lx，e2＝1000lx。
而且，步骤3中，对测量得到的待评价光源光谱功率分布采用380nm-780nm波段信息。
而且，步骤4中，均匀颜色空间S采用CIE1976 UCS均匀颜色空间。
而且，步骤5中，s1＝0.66，s2＝8.07。
而且，步骤6中，均匀颜色空间R采用CIECAM02 UCS均匀颜色空间。
而且，步骤7中，r1＝0，r2＝52。
本发明还提供一种基于照度优化的白光光源光照颜色分辨能力量化系统，包括以下模块：
待评价光源照度信息采集模块，用于测量待评价光源的照度E；
照度范围判断模块，用于判断待评价光源的照度E是否在本发明所适用的照度范围内，即判断e1≤E≤e2是否成立，若不成立则不适用本发明；
待评价光源光谱信息采集模块，用于测量待评价光源的光谱功率分布；
待评价光源白度指标计算模块，用于在均匀颜色空间S中计算待评价光源的白度指标Sneutral；
白度范围判断模块，用于判断待评价光源的白度指标Sneutral是否在本发明所适用的白度范围内，即判断s1≤Sneutral≤s2是否成立，若不成立则不适用本发明；
待评价光源色相错位计算模块，用于在均匀颜色空间R中计算待评价光源的色相错位指标Rd；
色相错位范围判断模块，用于判断待评价光源的色相错位指标Rd是否在本发明所适用的色相错位范围内，即判断r1≤Rd≤r2是否成立，若不成立则不适用本发明；
光照颜色分辨能力量化模块，用于将待评价光源的照度E、白度指标Sneutral和色相错位指标Rd输入到所构建的光照颜色分辨能力的量化模型M中，得到待评价光源的光照颜色分辨能力估计量值，进而实现白光光源光照颜色分辨能力的量化与表征；光照颜色分辨能力量化模型M的具体形式如下：
M＝p1+p2/ln(E)+p3*Exp(p4*Rd+p5*Sneutral)
p1＝-16.3212，p2＝166.6226，p3＝184.7583，p4＝0.07，p5＝-0.93
其中，M为光照颜色分辨能力估计量值，M值越小则光源光照颜色辨别能力越强；E为待评价光源的照度，Rd为光源的色相错位分数，用于衡量由光源引起的FM-100色相棋中棋子错位数量，Sneutral为待评价光源的白度指标得分，p1～p5均为常数。
而且，照度范围判断模块中，e1＝50lx，e2＝1000lx。
而且，待评价光源光谱信息采集模块中，对测量得到的待评价光源光谱功率分布采用380nm-780nm波段信息。
而且，待评价光源白度指标计算模块中，均匀颜色空间S采用CIE1976 UCS均匀颜色空间。
而且，白度范围判断模块中，s1＝0.66，s2＝8.07。
而且，待评价光源色相错位计算模块中，均匀颜色空间R采用CIECAM02 UCS均匀颜色空间。
而且，色相错位范围判断模块中，r1＝0，r2＝52。
与现有技术相比，本发明的有益效果如下：
本发明提出的一种基于照度优化的白光光源光照颜色分辨能力量化技术方案，以待评价光源的光度学和色度学特性为依托，以光照颜色分辨能力估计模型为手段，实现对待评价光源光照颜色分辨能力全面而准确的表征，进而为本领域提供了一种准确且具有针对性的光源光照颜色分辨能力评价方法。
附图说明
图1为本发明实施例的流程图；
图2是本发明实施例中实验视觉环境实拍图。
具体实施方式
结合附图，提供本发明实施例具体描述如下。
如图1所示实施例提供的一种基于照度优化的白光光源光照颜色分辨能力量化技术方案，以待评价光源的光度学和色度学特性为依托，以光照颜色分辨能力估计模型为手段，实现对待评价光源光照颜色分辨能力全面而准确的表征，进而为本领域提供了一种准确且具有针对性的光源光照颜色分辨能力评价方法。
实施例采用18种具有不同照度和相关色温组合的LED光源作为待评价光源，6种照度分别约为：50lx,100lx,200lx,500lx,800lx,1000lx；3种相关色温分别约为：3000K,4500K,6000K；以FM-100色相棋的85个明度、饱和度一致而色相渐变的棋子作为待展陈物体，以FM-100辨色力测试实验结果为模型检验依据，对本文提出的一种基于照度优化的白光光源光照颜色分辨能力量化方法准确性进行说明。需要说明的是，本发明并不局限上述光源与物体，对于其他LED光源或其他展陈物体，本方法同样适用。
本发明技术方案具体实施时可由本领域技术人员采用计算机软件技术实现自动运行。实施例提供的方法流程包括以下步骤：
1)测量待评价光源的照度E；
在实施例中，采用SPIC-300光谱彩色照度计测量18种具有不同照度和相关色温组合的待评价LED光源的照度。
2)判断待评价光源的照度E是否在本发明所适用的照度范围内，即判断e1≤E≤e2是否成立，若不成立则不适用本发明，若成立则进行下一步骤；
在实施例中，e1＝50lx，e2＝1000lx。
3)测量待评价光源的光谱功率分布，采用380nm-780nm波段信息；
在实施例中，采用X-Rite i1 Pro 2分光光度仪测量18种具有不同照度和相关色温组合的待评价LED光源的光谱功率分布，波长范围为380nm-780nm。
4)在均匀颜色空间S中计算待评价光源的白度指标Sneutral；
在实施例中，采用CIE1976 UCS颜色空间，计算所有待评价光源的Sneutral。
5)判断待评价光源的白度指标Sneutral是否在本发明所适用的白度范围内，即判断s1≤Sneutral≤s2是否成立，若不成立则不适用本发明，若成立则进行下一步骤；
在实施例中，s1＝0.66，s2＝8.07。
6)在均匀颜色空间R中计算待评价光源的色相错位指标Rd；
在实施例中，采用CIECAM02 UCS颜色空间，计算所有待评价光源的Rd。
7)判断待评价光源的色相错位指标Rd是否在本发明所适用的色相错位范围内，即判断r1≤Rd≤r2是否成立，若不成立则不适用本发明，若成立则进行下一步骤；
在实施例中，r1＝0，r2＝52。
8)将1)、4)和6)中待评价光源的照度E、白度指标Sneutral和色相错位指标Rd输入到本发明所构建的光照颜色分辨能力的量化模型M中，得到待评价光源的光照颜色分辨能力估计量值，进而实现光源光照颜色分辨能力的量化与表征。
M为光照颜色分辨能力估计模型，具体形式如下：
M＝p1+p2/ln(E)+p3*Exp(p4*Rd+p5*Sneutral)
p1＝-16.3212，p2＝166.6226，p3＝184.7583，p4＝0.07，p5＝-0.93
其中，M为光照颜色分辨能力估计量值，M值越小则光源光照颜色辨别能力越强；E为待评价光源的照度，Rd为光源的色相错位分数，用于衡量由光源引起的FM-100色相棋中棋子错位数量，Sneutral为待评价光源的白度指标得分，p1～p5均为常数。
为进一步证实本发明所述方法在光照颜色分辨能力量化方面所具有的技术优势，采用FM-100色相棋颜色辨别能力测试实验，通过相关系数R之方法，计算FM-100颜色辨别能力测试实验中观察者平均错误分数与8)中光照颜色分辨能力估计量值M之间的PEARSON相关系数。具体实施过程如下：
(1)将18种光源依照相关色温分为三组，每组共有6个相关色温相同照度不同的光源。因此本实施例的实验共分3次进行，保证每次观察者相同，实验方法相同。对于每一次实验，在暗室中以6种待评价光源为实验光源，邀请24名具有正常视力的观察者在标准灯箱Light-Cube内(50cm×50cm×60cm，灯箱四周和底部均为中性灰)进行FM-100色相棋颜色辨别能力测试实验，实验视觉环境实拍图如图2所示。对于FM-100色相棋的相关介绍以及颜色辨别能力测试实验的流程介绍，可参见Huang Z,Liu Q,Liu Y,et al.Best lighting forjeans,part 1:Optimising colour preference and colour discrimination withmultiple correlated colour temperatures[J].Lighting Research&Technology,2019,51:1208-1223.本发明不予赘述。
(2)通过FM-100色相棋实验可获得观察者辨色力平均错误得分，实施例的结果如表1所示。并计算其与光照颜色分辨能力估计量值M之间的PEARSON相关系数，两者之间的相关系数越接近1说明模型预测效果越好。结果显示，实施例中两者之间的相关系数R＝0.9473。而且，将实施例中的18个光源按照色温分为三组，每组光源中观察者平均错误分与光照颜色分辨能力估计量值M之间的PEARSON相关系数分别为0.9826、0.9348和0.8111。证明本发明所构建的光照颜色分辨能力量化模型具有极高的准确性，进而证明本发明所述方法在光照辨色力评价方面具有较强的技术优势。
表1.实施例中FM-100测试的观察者平均错误分
本发明还提供一种基于照度优化的白光光源光照颜色分辨能力量化系统，包括以下模块：
待评价光源照度信息采集模块，用于测量待评价光源的照度E；
照度范围判断模块，用于判断待评价光源的照度E是否在本发明所适用的照度范围内，即判断e1≤E≤e2是否成立，若不成立则不适用本发明；
待评价光源光谱信息采集模块，用于测量待评价光源的光谱功率分布；
待评价光源白度指标计算模块，用于在均匀颜色空间S中计算待评价光源的白度指标Sneutral；
白度范围判断模块，用于判断待评价光源的白度指标Sneutral是否在本发明所适用的白度范围内，即判断s1≤Sneutral≤s2是否成立，若不成立则不适用本发明；
待评价光源色相错位计算模块，用于在均匀颜色空间R中计算待评价光源的色相错位指标Rd；
色相错位范围判断模块，用于判断待评价光源的色相错位指标Rd是否在本发明所适用的色相错位范围内，即判断r1≤Rd≤r2是否成立，若不成立则不适用本发明；
光照颜色分辨能力量化模块，用于将待评价光源的照度E、白度指标Sneutral和色相错位指标Rd输入到所构建的光照颜色分辨能力的量化模型M中，得到待评价光源的光照颜色分辨能力估计量值，进而实现白光光源光照颜色分辨能力的量化与表征；光照颜色分辨能力量化模型M的具体形式如下：
M＝p1+p2/ln(E)+p3*Exp(p4*Rd+p5*Sneutral)
p1＝-16.3212，p2＝166.6226，p3＝184.7583，p4＝0.07，p5＝-0.93
其中，M为光照颜色分辨能力估计量值，M值越小则光源光照颜色辨别能力越强；E为待评价光源的照度，Rd为光源的色相错位分数，用于衡量由光源引起的FM-100色相棋中棋子错位数量，Sneutral为待评价光源的白度指标得分，p1～p5均为常数。
而且，照度范围判断模块中，e1＝50lx，e2＝1000lx。
而且，待评价光源光谱信息采集模块中，对测量得到的待评价光源光谱功率分布采用380nm-780nm波段信息。
而且，待评价光源白度指标计算模块中，均匀颜色空间S采用CIE1976 UCS均匀颜色空间。
而且，白度范围判断模块中，s1＝0.66，s2＝8.07。
而且，待评价光源色相错位计算模块中，均匀颜色空间R采用CIECAM02 UCS均匀颜色空间。
而且，色相错位范围判断模块中，r1＝0，r2＝52。
各模块具体实现和各步骤相应，本发明不予赘述。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种基于照度优化的白光光源光照颜色分辨能力量化方法，其特征在于，包括以下步骤：
步骤1，测量待评价光源的照度E；
步骤2，判断待评价光源的照度E是否在设定的照度范围内，即判断e1≤E≤e2是否成立，若不成立则退出，若成立则进行下一步骤；
步骤3，测量待评价光源的光谱功率分布；
步骤4，在均匀颜色空间S中计算待评价光源的白度指标Sneutral；
步骤5，判断待评价光源的白度指标Sneutral是否在设定的白度范围内，即判断s1≤Sneutral≤s2是否成立，若不成立则退出，若成立则进行下一步骤；
步骤6，在均匀颜色空间R中计算待评价光源的色相错位指标Rd；
步骤7，判断待评价光源的色相错位指标Rd是否在设定的色相错位范围内，即判断r1≤Rd≤r2是否成立，若不成立则退出，若成立则进行下一步骤；
步骤8，将步骤1、步骤4和步骤6中待评价光源的照度E、白度指标Sneutral和色相错位指标Rd输入到本发明所构建的光照颜色分辨能力的量化模型M中，得到待评价光源的光照颜色分辨能力估计量值，进而实现光源光照颜色分辨能力的量化与表征；
M为光照颜色分辨能力估计模型，具体形式如下：
M＝p1+p2/ln(E)+p3*Exp(p4*Rd+p5*Sneutral)
p1＝-16.3212，p2＝166.6226，p3＝184.7583，p4＝0.07，p5＝-0.93
其中，M为光照颜色分辨能力估计量值，M值越小则光源光照颜色辨别能力越强；E为待评价光源的照度，Rd为光源的色相错位分数，用于衡量由光源引起的FM-100色相棋中棋子错位数量，Sneutral为待评价光源的白度指标得分，p1～p5均为常数。
2.根据权利要求1所述的一种基于照度优化的白光光源光照颜色分辨能力量化方法，其特征在于：步骤2中，e1＝50lx，e2＝1000lx。
3.根据权利要求1或2所述的一种基于照度优化的白光光源光照颜色分辨能力量化方法，其特征在于：步骤3中，对测量得到的待评价光源光谱功率分布采用380nm-780nm波段信息。
4.根据权利要求3所述的一种基于照度优化的白光光源光照颜色分辨能力量化方法，其特征在于：步骤4中，均匀颜色空间S采用CIE1976 UCS均匀颜色空间。
5.根据权利要求4所述的一种基于照度优化的白光光源光照颜色分辨能力量化方法，其特征在于：步骤5中，s1＝0.66，s2＝8.07。
6.根据权利要求5所述的一种基于照度优化的白光光源光照颜色分辨能力量化方法，其特征在于：步骤6中，均匀颜色空间R采用CIECAM02 UCS均匀颜色空间。
7.根据权利要求6所述的一种基于照度优化的白光光源光照颜色分辨能力量化方法，其特征在于：步骤7中，r1＝0，r2＝52。
8.一种基于照度优化的白光光源光照颜色分辨能力量化系统，其特征在于，包括以下模块：
待评价光源照度信息采集模块，用于测量待评价光源的照度E；
照度范围判断模块，用于判断待评价光源的照度E是否在设定的照度范围内，即判断e1≤E≤e2是否成立，若不成立则退出；
待评价光源光谱信息采集模块，用于测量待评价光源的光谱功率分布；
待评价光源白度指标计算模块，用于在均匀颜色空间S中计算待评价光源的白度指标Sneutral；
白度范围判断模块，用于判断待评价光源的白度指标Sneutral是否在设定的白度范围内，即判断s1≤Sneutral≤s2是否成立，若不成立则退出；
待评价光源色相错位计算模块，用于在均匀颜色空间R中计算待评价光源的色相错位指标Rd；
色相错位范围判断模块，用于判断待评价光源的色相错位指标Rd是否在设定的色相错位范围内，即判断r1≤Rd≤r2是否成立，若不成立则退出；
光照颜色分辨能力量化模块，用于将待评价光源的照度E、白度指标Sneutral和色相错位指标Rd输入到所构建的光照颜色分辨能力的量化模型M中，得到待评价光源的光照颜色分辨能力估计量值，进而实现白光光源光照颜色分辨能力的量化与表征；光照颜色分辨能力量化模型M的具体形式如下：
M＝p1+p2/ln(E)+p3*Exp(p4*Rd+p5*Sneutral)
p1＝-16.3212，p2＝166.6226，p3＝184.7583，p4＝0.07，p5＝-0.93
其中，M为光照颜色分辨能力估计量值，M值越小则光源光照颜色辨别能力越强；E为待评价光源的照度，Rd为光源的色相错位分数，用于衡量由光源引起的FM-100色相棋中棋子错位数量，Sneutral为待评价光源的白度指标得分，p1～p5均为常数。
9.根据权利要求8所述的一种基于照度优化的白光光源光照颜色分辨能力量化系统，其特征在于：照度范围判断模块中，e1＝50lx，e2＝1000lx；白度范围判断模块中，s1＝0.66，s2＝8.07；色相错位范围判断模块中，r1＝0，r2＝52。
10.根据权利要求8或9所述的一种基于照度优化的白光光源光照颜色分辨能力量化系统，其特征在于：待评价光源光谱信息采集模块中，对测量得到的待评价光源光谱功率分布采用380nm-780nm波段信息；待评价光源白度指标计算模块中，均匀颜色空间S采用CIE1976UCS均匀颜色空间；待评价光源色相错位计算模块中，均匀颜色空间R采用CIECAM02 UCS均匀颜色空间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110663931.XA CN113465742B (zh) | 2021-06-16 | 2021-06-16 | 一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110663931.XA CN113465742B (zh) | 2021-06-16 | 2021-06-16 | 一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113465742A CN113465742A (zh) | 2021-10-01 |
| CN113465742B true CN113465742B (zh) | 2023-05-02 |
Family
ID=77870007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110663931.XA Active CN113465742B (zh) | 2021-06-16 | 2021-06-16 | 一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113465742B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114397094B (zh) * | 2022-01-26 | 2023-04-25 | 武汉大学 | 一种基于光谱重建和色貌模型的光源显色性评价方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111486947A (zh) * | 2020-04-24 | 2020-08-04 | 广州市三信红日照明有限公司 | 一种基于照度和相关色温的展陈照明光品质评价方法及系统 |
| CN112512164A (zh) * | 2020-12-07 | 2021-03-16 | 华格照明科技（上海）有限公司 | 一种面向国画展陈照明的多级照度色温喜好度预测方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105973572B (zh) * | 2016-04-27 | 2018-04-17 | 浙江大学 | 一种多色led实现光源最佳显色性的光谱优化方法 |
| CZ308363B6 (cs) * | 2018-07-03 | 2020-06-24 | Hynek Medřický | Zdroj LED osvětlení pro zvýšení kognitivního výkonu |
| CN111854938B (zh) * | 2020-07-23 | 2022-03-15 | 北京辑光照明科技有限公司 | 一种白光光源光照颜色分辨能力量化方法及系统 |
-
2021
- 2021-06-16 CN CN202110663931.XA patent/CN113465742B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111486947A (zh) * | 2020-04-24 | 2020-08-04 | 广州市三信红日照明有限公司 | 一种基于照度和相关色温的展陈照明光品质评价方法及系统 |
| CN112512164A (zh) * | 2020-12-07 | 2021-03-16 | 华格照明科技（上海）有限公司 | 一种面向国画展陈照明的多级照度色温喜好度预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113465742A (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Davis et al. | Toward an improved color rendering metric | |
| CN110231148B (zh) | 一种面向颜色分辨的展陈光源显色性评价方法及系统 | |
| CN111486947B (zh) | 一种基于照度和相关色温的展陈照明光品质评价方法及系统 | |
| CN113673389B (zh) | 光源光谱功率分布相关的绘画照明视觉评价方法 | |
| CN105606218B (zh) | 光源显色性性能的光谱诊断方法及系统 | |
| CN111854938B (zh) | 一种白光光源光照颜色分辨能力量化方法及系统 | |
| CN113465742B (zh) | 一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统 | |
| CN109451624A (zh) | 多通道led照明系统的光谱调节方法 | |
| CN106017868B (zh) | 基于亮度参数的多通道led照明系统的光谱匹配方法 | |
| CN106102210B (zh) | 一种可智能调节的led艺术品照明系统 | |
| Jiang et al. | Color discrimination metric based on cone cell sensitivity | |
| AU2007207863A1 (en) | Quantitative evaluation of a colour filter | |
| CN106908150A (zh) | 嵌入式系统相关色温快速计算方法 | |
| CN115968075B (zh) | 一种用于文物照明的智能照明系统及其控制方法 | |
| WO2024113514A1 (zh) | 一种光源显指调节方法及使用其的舞台灯 | |
| JP7031496B2 (ja) | 照明制御装置、照明制御方法、及びプログラム | |
| CN113781395B (zh) | 适用于中国传统绘画的照明颜色质量评价方法 | |
| CN115597726A (zh) | 色温检测的方法、装置和电子设备 | |
| CN106061000B (zh) | 基于光谱峰值辐亮度参数的多通道照明系统光谱匹配方法 | |
| CN114397094A (zh) | 一种基于光谱重建和色貌模型的光源显色性评价方法 | |
| CN114427957B (zh) | 兼顾视觉偏好与颜色分辨的光源显色性评估方法及系统 | |
| CN107191793A (zh) | 一种白光的合成方法及系统 | |
| Baniya | Study of various metrics evaluating color quality of light sources | |
| Hu et al. | Study of color rendering evaluation method of light sources for printing matter | |
| ŽUKAUSKAS et al. | LEDs in lighting with tailored color quality |
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 |