CN113777056A - 基于多光谱cmos图像芯片的油墨配色检测方法 - Google Patents
基于多光谱cmos图像芯片的油墨配色检测方法 Download PDFInfo
- Publication number
- CN113777056A CN113777056A CN202110927235.5A CN202110927235A CN113777056A CN 113777056 A CN113777056 A CN 113777056A CN 202110927235 A CN202110927235 A CN 202110927235A CN 113777056 A CN113777056 A CN 113777056A
- Authority
- CN
- China
- Prior art keywords
- multispectral
- ink
- color
- filter
- band
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 6
- 239000003086 colorant Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000000701 chemical imaging Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 description 20
- 230000003595 spectral effect Effects 0.000 description 17
- 238000001228 spectrum Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 238000007639 printing Methods 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004737 colorimetric analysis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001429 visible spectrum Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003085 diluting agent Substances 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
Abstract
本发明公开了一种基于多光谱CMOS图像芯片的油墨配色检测方法，其包括如下步骤：获得RGB三波段影像与多光谱影像；将影像形成RGB三波段色彩数据和多光谱数据，多光谱影像提供了一组随波长变化的反射系数值，通过多光谱矢量值f(m，n)反映反射系数值，数据对比：将待测油墨样品色彩数据、多光谱矢量值和数据库中的标准样品油墨色彩数据、多光谱矢量值进行对比，找出待测样品和标准样品的差异。有益效果在于，利用待测油墨样品和标准油墨样品在色彩平面上的位置差异、多光谱矢量差异值，找出油墨配色调整成分的方向，并可以通过检测调整成分后的油墨样品来进一步校正完善，得到所需标准油墨样品的配色成分。
Description
技术领域
本发明涉及油墨配色检测方法技术领域，尤其涉及一种基于多光谱CMOS图像芯片的油墨配色检测方法。
背景技术
当前在涉及到光色的领域，无论是计算机显示、照明等色光技术，还是印刷、摄影、涂料等色料技术，其理论依据均为CIE色度理论。CIE理论是基于“标准色度观察者XYZ三刺激值”，并不能反映“色光”在整个可见光谱带上的频谱特性，存在颜色平衡、色差计算等问题。因此，在各个领域的应用中均有不足。
物体表面色是由物体对光的反射、透射和吸收等的选择性、照明光源的光谱功率分布和观察者的色觉特性所决定的。人们不仅可以从物体对光谱的吸收、反射特性评价它们的颜色，还可以从吸收、反射的特殊性了解物体的其他性质。由于物质都有自己的光谱的选择吸收和反射特性，因此改变了入射光的光谱范围，会使物体呈现各种不同的颜色。这也是为什么存在同色异谱色的原因，同色异谱在色度学中是一个很重要、经常需要解决的问题。
日常生活中人们看到的有色物体普遍是同色异谱色，特别在印刷、印染、涂料、油漆、塑料、绘画等行业中。当要求配制出和样品相同的颜色，若要达到光谱特性完全相同是困难的，绝大部分是要求达到一定程度范围内的同色异谱程度。在什么条件下不同光谱特性的颜色能具有相同的外貌，如何定量评价同色异谱的程度，国际CIE在1971年9月公布的计算“特殊同色异谱指数”改变照明体的评价方法和CIE15:3(2004)又增加了“特殊同色异谱指数”改变观察者的评价方法，其目的都是为了解决有色物体同色异谱的量化评价。目前可用于同色异谱色检验的工具是将物体放置在多种标准光源照明的对色观察箱内，进行目视定性判定，其缺点是受观察者主观性影响大，误差高，且不能进行量化分析。至今仍没有一种可以直接检测物体同色异谱光谱反射特性的仪器可为质量控制管理提供实用且有效的定量检测工具或者方法。
彩色影像颜色检测方法运用一种红色的复频谱色度图。为了视觉上的直观和计算上的方便，复频谱色度图采用极坐标与直角坐标合二为一绘制而成。其中，直角坐标系的X轴和Y轴，既表示光。
源光谱功率相对分布，也表示光谱反射率因数和光谱透射率百分数；在极坐标上，长度r表示色光复振幅(即色彩强度)的矢径的长度，角度θ为0-360度，是颜色的色相，表示色彩在极坐标上的位置，其关键之一是将可见光波长范围390nm-780nm对应到360度的圆周之上。
当前在涉及到光色的领域，无论是计算机显示、照明等色光技术，还是印刷、摄影、涂料等色料技术，其理论依据均为CIE色度理论。CIE理论是基于“标准色度观察者XYZ三刺激值”，并不能反映“色光”在整个可见光谱带上的频谱特性，存在颜色平衡、色差计算等问题。
中国专利申请号201110282357.X，发明名称为一种光谱分光彩色影像颜色采集箱以及一种光谱分光彩色影像颜色检测方法，利用分光技术检测，分光光源，光谱反射因数，然后根据色度学公式计算三刺激值和色品坐标；其缺陷分光照明，设备相对复杂；分别照明，测试相对费时。
中国专利申请号20071013676.2，发明名称为复频谱色度图及颜色特征数值的计算方法”的提出了一种全新的复频谱色度理论。通过分光光度计，分光测试，同样存在机构复杂和测试相对费时；光谱函数变换成复频谱函数，二维平面在极坐标上，长度r表示色光复振幅(即色彩强度)的矢径的长度，角度θ为0-360度，是颜色的色相，表示色彩在极坐标上的位置，其关键之一是将可见光波长范围390nm-780nm对应到360度的圆周之上。
因此，本发明提出一种基于多光谱CMOS图像芯片的油墨配色检测方法来提高色彩检测的精准性和实用性。
发明内容
针对上述提出的问题，本发明的目的在于提供一种基于多光谱CMOS图像芯片的油墨配色检测方法，提高油墨配色的准确性和实用性。
为实现上述目的，本发明采用如下技术方案：一种基于多光谱CMOS图像芯片的油墨配色检测方法，其包括如下步骤：影像获取：利用多光谱CMOS图像芯片，对待测油墨样品进行快照式多光谱成像，获得RGB三波段影像与多光谱影像；影像处理：将影像形成RGB三波段色彩数据和多光谱数据，RGB三波段提供油墨样品颜色在色彩空间CIE-XYZ的xy平面或者CIE-Lab的ab平面上的一个点的色彩数据，多光谱影像提供了一组随波长变化的反射系数值，通过多光谱矢量值f(m，n)反映反射系数值，m代表不同的测试样品，n代表不同的中心波长及带宽；将待测油墨样品色彩数据、多光谱矢量值和数据库中的标准油墨样品色彩数据、多光谱矢量值进行对比，确认待测油墨和标准油墨在平面上的位置差异、多光谱矢量差异值；利用待测油墨样品和标准油墨样品在色彩平面上的位置差异、多光谱矢量差异值，参考实际油墨数据库里纯色和混合色样品的色彩数据和多光谱矢量值，找出油墨配色调整成分的方向，并通过检测调整成分后的油墨样品校正，得到所需的标准油墨样品的配色成分。
上述S1步骤中，提供含有多光谱CMOS图像传感器芯片，芯片镀上众多像元微米级别尺寸的4*4、5*5或M*N滤光片阵列单元，所述图像传感器芯片是该M*N滤光片阵列单元的二维重复。
所述滤光片阵列单元包含M*N个滤光片像元，其中部分是宽带滤光片像元，部分是窄带滤光片像元。
所述滤光片阵列单元同时连续进行M*N多波段、多光谱通道，采集待测油墨样品，形成多波段、多光谱影像。
所述的宽带滤光片像元对应于RGB三色，采用彩色图像传感器滤光片工艺；所述的窄带滤光片像元，采用干涉滤光工艺。
所述窄带滤光片为法布里-珀罗微型干涉滤光片。
所述滤光片阵列单元的外围为窄波段滤光片，内部为宽波段滤光片，或者其它窄波段滤光片和宽波段滤光片的组合；其中，所述窄带滤光片的中心波长从400nm到800nm变化，所述宽波段滤光片的中心波长为对应RGB三种颜色。
所述多个宽波段滤光片中的至少三个中心波长不同。
多个窄波段滤光片的波长大部分不相同，按照波长间隔规律分布在400nm到800nm。
所述窄带滤光片的中心波长具有小于400nm近紫外，或具有大于800nm近红外。
与现有技术相比，本发明基于多光谱CMOS图像芯片的油墨配色检测方法的有益效果在于，通过待测油墨样品和标准油墨样品在色彩平面上的位置差异、多光谱矢量差异值，可以保证所检测的油墨数据更加精准和快速实用。利用待测油墨样品和标准油墨样品在色彩平面上的位置差异、多光谱矢量差异值，参考实际油墨数据库里纯色和混合色样品的色彩数据和多光谱矢量值，通过人工智能计算，找出油墨配色调整成分的方向，并通过检测调整成分后的油墨样品来进一步校正完善，得到所需的标准油墨样品的配色成分。
附图说明
图1为本发明基于多光谱CMOS图像芯片的油墨配色检测方法的流程示意图。
图2为本发明中多光谱CMOS图像芯片的4*4和5*5滤光片阵列单元实施例的结构示意图。
具体实施方式
下面通过本发明实施例，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。基于本发明中的实施例，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，都属于本发明保护的范围。
参考图1所示，本发明为一种基于多光谱CMOS图像芯片的油墨配色检测方法，其包括如下步骤：
S1，获取待测油墨影像：利用多光谱CMOS图像芯片，对待测油墨样品进行快照式多光谱成像，获得RGB三波段影像与多光谱影像；
具体的，提供含有一块高分辨率(2048*1088)的多光谱CMOS图像传感器芯片，芯片镀上众多像元尺寸(微米级别)的滤波片阵列单元，一个滤波片阵列单元为4*4、5*5或者M*N阵列，而整个图像芯片是一个M*N滤光片阵列单元的二维重复，分割得到最高16个色彩分辨率的510*254滤光片阵列单元，或最高25个色彩分辨率的408*216滤光片阵列单元的多光谱影像。
一个4*4、5*5或者M*N滤波片阵列单元，总共包含M*N个滤光片像元，其中部分是宽带滤光片像元(即多波段像元)，部分是窄带滤光片像元(多光谱像元)。一个M*N个滤光片阵列单元进行连续的M*N通道采集油墨样品形成多波段和多光谱影像，分割得到最高M*N个色彩分辨率的多波段和多光谱影像。
宽带滤光片像元对应于RGB三色，采用传统的CMOS彩色图像传感器滤光片制作工艺，比如透射模式；窄带滤光片像元，采用干涉滤光工艺，窄带滤光片为法布里-珀罗(Fabry-Perot)微型干涉滤光片，或者其它工艺。
如图2所示，为本发明中多光谱CMOS图像芯片的4*4和5*5滤光片阵列单元实施例的结构示意图。
以4*4和5*5滤光片阵列为例。
滤光片阵列单元100(200)的外围为窄波段滤光片110(210)；内部为宽波段滤光片120(220)；其中，窄带滤光片的中心波长从400nm到800nm左右变化，宽波段滤光片的中心波长为对应RGB三种颜色的宽带滤光片中心波长。4*4滤光片阵列单元的窄波段滤光片的数量为12个，宽波段滤光片的数量为4个；如图2所示，滤光片阵列单元100为4*4共16个滤光片；干涉滤光片包含N1，N2，...，N12，12个窄波段滤光片110和代表RGB三种4个宽波段滤光片120。滤光片阵列单元200为5*5共25个滤光片；干涉滤光片包含N1，N2，...，N12，16个窄波段滤光片210和代表RGB三种9个宽波段滤光片220。
多个宽波段滤光片中的至少三种中心波长不同；多个窄波段滤光片的波长大部分不相同，按照波长间隔规律分布在400nm到800nm左右，可以小于400nm的近紫外，也可以大于800nm的近红外。
S2，影像处理：将影像形成RGB三波段色彩数据和多光谱数据，RGB三波段提供油墨样品颜色在CIE-XYZ空间的xy平面或者CIE-La空间b的ab平面上的一个点的色彩数据，多光谱影像提供了一组随波长变化的反射系数值，通过多光谱矢量值f(m，n)反映反射系数值，m代表不同的测试样品，n代表不同的中心波长及带宽。反射系数值跟油墨成分、厚度和浓度、印刷材质等相关系。
因此，4*4滤光片阵列单元形成最多12个多光谱矢量值f(m，n)；5*5干涉滤光片的形成最多16个多光谱矢量值f(m，n)。
S3，数据对比：将待测油墨样品色彩数据、多光谱矢量值和数据库中的标准油墨样品色彩数据、多光谱矢量值进行对比，确认待测油墨样品和标准油墨样品在色彩平面上的位置差异、多光谱矢量差异值。
S4，利用待测油墨样品和标准油墨样品在色彩平面上的位置差异、多光谱矢量差异值，参考实际油墨数据库里纯色和混合色样品的色彩数据和多光谱矢量值，通过人工智能计算，找出油墨配色调整成分的方向，调整油墨成分、浓度(加稀释剂)、厚度，从而减小待测油墨样品与标准油墨样品之间的差异性，并通过检测调整成分后的油墨样品来进一步校正完善，得到所需的标准油墨样品的配色成分。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，均系本发明所保护范围。
Claims (10)
1.一种基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，其包括如下步骤：
S1，影像获取：利用多光谱CMOS图像芯片，对待测油墨样品进行快照式多光谱成像，获得RGB三波段影像与多光谱影像；
S2，影像处理：将影像形成RGB三波段色彩数据和多光谱数据，RGB三波段提供油墨样品颜色在色彩空间CIE-XYZ的xy平面或者CIE-Lab的ab平面上的一个点的色彩数据，多光谱影像提供了一组随波长变化的反射系数值，通过多光谱矢量值f(m，n)反映反射系数值，m代表不同的测试样品，n代表不同的中心波长及带宽；
S3，数据对比：将待测油墨样品色彩数据、多光谱矢量值和数据库中的标准油墨样品色彩数据、多光谱矢量值进行对比，确认待测油墨和标准油墨在平面上的位置差异、多光谱矢量差异值；
S4，成分调整：利用待测油墨样品和标准油墨样品在色彩平面上的位置差异、多光谱矢量差异值，参考实际油墨数据库里纯色和混合色样品的色彩数据和多光谱矢量值，找出油墨配色调整成分的方向，并通过检测调整成分后的油墨样品校正，得到所需的标准油墨样品的配色成分。
2.如权利要求1所述的基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，上述S1步骤中，提供含有多光谱CMOS图像传感器芯片，芯片镀上众多像元微米级别尺寸的4*4、5*5或M*N滤光片阵列单元，所述图像传感器芯片是该M*N滤光片阵列单元的二维重复。
3.如权利要求2所述的基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，所述滤光片阵列单元包含M*N个滤光片像元，其中部分是宽带滤光片像元，部分是窄带滤光片像元。
4.如权利要求3所述的基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，所述滤光片阵列单元同时连续进行M*N多波段、多光谱通道，采集待测油墨样品，形成多波段、多光谱影像。
5.如权利要求3所述的基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，所述的宽带滤光片像元对应于RGB三色，采用彩色图像传感器滤光片工艺；所述的窄带滤光片像元，采用干涉滤光工艺。
6.如权利要求5所述的基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，所述窄带滤光片为法布里-珀罗微型干涉滤光片。
7.如权利要求2所述的基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，所述滤光片阵列单元的外围为窄波段滤光片，内部为宽波段滤光片，或者其它窄波段滤光片和宽波段滤光片的组合；其中，所述窄带滤光片的中心波长从400nm到800nm变化，所述宽波段滤光片的中心波长为对应RGB三种颜色。
8.如权利要求7所述的基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，所述多个宽波段滤光片中的至少三个中心波长不同。
9.如权利要求8所述的基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，多个窄波段滤光片的波长大部分不相同，按照波长间隔规律分布在400nm到800nm。
10.如权利要求8所述的基于多光谱CMOS图像芯片的油墨配色检测方法，其特征在于，所述窄带滤光片的中心波长具有小于400nm近紫外，或具有大于800nm近红外。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110927235.5A CN113777056A (zh) | 2021-08-13 | 2021-08-13 | 基于多光谱cmos图像芯片的油墨配色检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110927235.5A CN113777056A (zh) | 2021-08-13 | 2021-08-13 | 基于多光谱cmos图像芯片的油墨配色检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113777056A true CN113777056A (zh) | 2021-12-10 |
Family
ID=78837622
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110927235.5A Pending CN113777056A (zh) | 2021-08-13 | 2021-08-13 | 基于多光谱cmos图像芯片的油墨配色检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113777056A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008136251A (ja) * | 2003-11-11 | 2008-06-12 | Olympus Corp | マルチスペクトル画像撮影装置 |
| JP2016015542A (ja) * | 2014-06-30 | 2016-01-28 | カシオ計算機株式会社 | スタンプ製版システム、画像処理方法及びプログラム |
| US9372118B1 (en) * | 2011-03-07 | 2016-06-21 | Fluxdata, Inc. | Apparatus and method for multispectral based detection |
| CN106932099A (zh) * | 2017-05-16 | 2017-07-07 | 华中科技大学 | 一种多光谱色差在线检测仪及其应用 |
| CN108419061A (zh) * | 2017-02-10 | 2018-08-17 | 杭州海康威视数字技术股份有限公司 | 基于多光谱的图像融合设备、方法及图像传感器 |
| CN108801938A (zh) * | 2018-06-05 | 2018-11-13 | 凌云光技术集团有限责任公司 | 一种色差在线测量方法及系统 |
| CN110023952A (zh) * | 2016-12-13 | 2019-07-16 | 索尼半导体解决方案公司 | 数据处理装置、数据处理方法、程序和电子装置 |
| CN110945561A (zh) * | 2017-06-13 | 2020-03-31 | 爱色丽公司 | 高光谱成像分光光度计和系统 |
| CN111413279A (zh) * | 2020-03-31 | 2020-07-14 | 长光禹辰信息技术与装备(青岛)有限公司 | 多光谱探测的视频处理方法、装置及多光谱探测终端 |
| CN111595791A (zh) * | 2020-06-04 | 2020-08-28 | 首都师范大学 | 基于高光谱数据校正的内陆水体fui水色指数提取方法 |
| CN112490256A (zh) * | 2020-11-27 | 2021-03-12 | 维沃移动通信有限公司 | 多光谱成像结构、方法、芯片、摄像头模组和电子设备 |
| CN213748756U (zh) * | 2020-09-01 | 2021-07-20 | 苏州多感科技有限公司 | 多光谱成像芯片、芯片模组以及电子设备 |
-
2021
- 2021-08-13 CN CN202110927235.5A patent/CN113777056A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008136251A (ja) * | 2003-11-11 | 2008-06-12 | Olympus Corp | マルチスペクトル画像撮影装置 |
| US9372118B1 (en) * | 2011-03-07 | 2016-06-21 | Fluxdata, Inc. | Apparatus and method for multispectral based detection |
| JP2016015542A (ja) * | 2014-06-30 | 2016-01-28 | カシオ計算機株式会社 | スタンプ製版システム、画像処理方法及びプログラム |
| CN110023952A (zh) * | 2016-12-13 | 2019-07-16 | 索尼半导体解决方案公司 | 数据处理装置、数据处理方法、程序和电子装置 |
| CN108419061A (zh) * | 2017-02-10 | 2018-08-17 | 杭州海康威视数字技术股份有限公司 | 基于多光谱的图像融合设备、方法及图像传感器 |
| CN106932099A (zh) * | 2017-05-16 | 2017-07-07 | 华中科技大学 | 一种多光谱色差在线检测仪及其应用 |
| CN110945561A (zh) * | 2017-06-13 | 2020-03-31 | 爱色丽公司 | 高光谱成像分光光度计和系统 |
| CN108801938A (zh) * | 2018-06-05 | 2018-11-13 | 凌云光技术集团有限责任公司 | 一种色差在线测量方法及系统 |
| CN111413279A (zh) * | 2020-03-31 | 2020-07-14 | 长光禹辰信息技术与装备(青岛)有限公司 | 多光谱探测的视频处理方法、装置及多光谱探测终端 |
| CN111595791A (zh) * | 2020-06-04 | 2020-08-28 | 首都师范大学 | 基于高光谱数据校正的内陆水体fui水色指数提取方法 |
| CN213748756U (zh) * | 2020-09-01 | 2021-07-20 | 苏州多感科技有限公司 | 多光谱成像芯片、芯片模组以及电子设备 |
| CN112490256A (zh) * | 2020-11-27 | 2021-03-12 | 维沃移动通信有限公司 | 多光谱成像结构、方法、芯片、摄像头模组和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101788341B (zh) | 一种检测织物颜色的装置和方法 | |
| Hyvarinen et al. | Direct sight imaging spectrograph: a unique add-in component brings spectral imaging to industrial applications | |
| CN101023332B (zh) | 使油漆匹配的方法 | |
| RU2251084C2 (ru) | Способ подбора цвета посредством устройства формирования электронного отображения | |
| Liang et al. | A new multi-spectral imaging system for examining paintings | |
| KR100238960B1 (ko) | 색감측정장치 | |
| CN111896489B (zh) | 一种基于交叉偏振的六通道多光谱测量系统及方法 | |
| CN113777056A (zh) | 基于多光谱cmos图像芯片的油墨配色检测方法 | |
| US7733489B2 (en) | Optical method of multi-band mixing | |
| Picollo et al. | Application of hyper-spectral imaging technique for colorimetric analysis of paintings | |
| Berns et al. | The use of multi-channel visible spectrum imaging for pigment identification | |
| Zhu et al. | Color calibration for colorized vision system with digital sensor and LED array illuminator | |
| CN106124054A (zh) | 一种大幅面光谱分光成像测色装置 | |
| CN214953000U (zh) | 一种基于多通道rgb成像的色差仪 | |
| Zhang et al. | Evaluation and consistency calibration of hyperspectral imaging system based on liquid crystal tunable filter for fabric color measurement | |
| Burgos-Fernández et al. | Validation of a gonio-hyperspectral imaging system based on light-emitting diodes for the spectral and colorimetric analysis of automotive coatings | |
| Mohammadi et al. | A prototype calibration target for spectral imaging | |
| CN106885630A (zh) | 一种基于颜色进行光谱测量的方法及装置 | |
| Qiu et al. | Evaluation of the color measurement based on a microscopic hyperspectral imaging system | |
| Im et al. | A Study on Color Difference Discrimination for PVC Deco-Film using Entry-Level Digital Device | |
| CN214951806U (zh) | 一种基于多光谱成像的测色装置 | |
| Pospíšil et al. | Basic methods for measuring the reflectance color of iron oxides | |
| Zhao et al. | Improvement of spectral imaging by pigment mapping | |
| Niu et al. | Spectral filter selection for spectral reflectance recovery | |
| CN214951807U (zh) | 一种基于多色led光谱成像的测色装置 |
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 | ||
| CB02 | Change of applicant information |
Address after: 1602, No. 3 Xinshi Road, Suzhou City, Jiangsu Province, 215000 Applicant after: Suzhou Gebol Intelligent Technology Co.,Ltd. Address before: Room 503, science and Technology Plaza, Qianjin East Road, Kunshan Development Zone, Suzhou, Jiangsu 215300 Applicant before: Kunshan gebor Intelligent Technology Co.,Ltd. |
|
| CB02 | Change of applicant information |