CN113791746A - 一种胶印专色余墨再配色方法、装置、系统及介质 - Google Patents
一种胶印专色余墨再配色方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN113791746A CN113791746A CN202111014632.XA CN202111014632A CN113791746A CN 113791746 A CN113791746 A CN 113791746A CN 202111014632 A CN202111014632 A CN 202111014632A CN 113791746 A CN113791746 A CN 113791746A
- Authority
- CN
- China
- Prior art keywords
- ink
- color
- spot color
- formula
- matching
- 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 63
- 238000007645 offset printing Methods 0.000 title claims abstract description 56
- 238000001228 spectrum Methods 0.000 claims abstract description 85
- 230000003595 spectral effect Effects 0.000 claims abstract description 50
- 239000000463 material Substances 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 238000012937 correction Methods 0.000 claims abstract description 35
- 230000004075 alteration Effects 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 238000010521 absorption reaction Methods 0.000 claims description 62
- 230000006870 function Effects 0.000 claims description 42
- 238000002310 reflectometry Methods 0.000 claims description 25
- 239000000758 substrate Substances 0.000 claims description 23
- 239000000203 mixture Substances 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 4
- 238000001429 visible spectrum Methods 0.000 claims description 3
- 239000000976 ink Substances 0.000 description 293
- 238000002156 mixing Methods 0.000 description 14
- 238000007639 printing Methods 0.000 description 14
- 230000003287 optical effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 239000000049 pigment Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000031700 light absorption Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 239000000123 paper Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 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 description 3
- 230000008569 process Effects 0.000 description 3
- 238000000149 argon plasma sintering Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- FPVGTPBMTFTMRT-NSKUCRDLSA-L fast yellow Chemical compound [Na+].[Na+].C1=C(S([O-])(=O)=O)C(N)=CC=C1\N=N\C1=CC=C(S([O-])(=O)=O)C=C1 FPVGTPBMTFTMRT-NSKUCRDLSA-L 0.000 description 2
- 235000019233 fast yellow AB Nutrition 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- FFRBMBIXVSCUFS-UHFFFAOYSA-N 2,4-dinitro-1-naphthol Chemical compound C1=CC=C2C(O)=C([N+]([O-])=O)C=C([N+]([O-])=O)C2=C1 FFRBMBIXVSCUFS-UHFFFAOYSA-N 0.000 description 1
- LHYQAEFVHIZFLR-UHFFFAOYSA-L 4-(4-diazonio-3-methoxyphenyl)-2-methoxybenzenediazonium;dichloride Chemical compound [Cl-].[Cl-].C1=C([N+]#N)C(OC)=CC(C=2C=C(OC)C([N+]#N)=CC=2)=C1 LHYQAEFVHIZFLR-UHFFFAOYSA-L 0.000 description 1
- AXDJCCTWPBKUKL-UHFFFAOYSA-N 4-[(4-aminophenyl)-(4-imino-3-methylcyclohexa-2,5-dien-1-ylidene)methyl]aniline;hydron;chloride Chemical compound Cl.C1=CC(=N)C(C)=CC1=C(C=1C=CC(N)=CC=1)C1=CC=C(N)C=C1 AXDJCCTWPBKUKL-UHFFFAOYSA-N 0.000 description 1
- 241000084490 Esenbeckia delta Species 0.000 description 1
- WLDHEUZGFKACJH-UHFFFAOYSA-K amaranth Chemical compound [Na+].[Na+].[Na+].C12=CC=C(S([O-])(=O)=O)C=C2C=C(S([O-])(=O)=O)C(O)=C1N=NC1=CC=C(S([O-])(=O)=O)C2=CC=CC=C12 WLDHEUZGFKACJH-UHFFFAOYSA-K 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 239000003085 diluting agent Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000000790 retinal pigment Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
- G06F3/1203—Improving or facilitating administration, e.g. print management
- G06F3/1208—Improving or facilitating administration, e.g. print management resulting in improved quality of the output result, e.g. print layout, colours, workflows, print preview
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41F—PRINTING MACHINES OR PRESSES
- B41F33/00—Indicating, counting, warning, control or safety devices
- B41F33/0027—Devices for scanning originals, printing formes or the like for determining or presetting the ink supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
- G06F3/1218—Reducing or saving of used resources, e.g. avoiding waste of consumables or improving usage of hardware resources
- G06F3/1219—Reducing or saving of used resources, e.g. avoiding waste of consumables or improving usage of hardware resources with regard to consumables, e.g. ink, toner, paper
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
- G06F3/1229—Printer resources management or printer maintenance, e.g. device status, power levels
- G06F3/1234—Errors handling and recovery, e.g. reprinting
- G06F3/1235—Errors handling and recovery, e.g. reprinting caused by end of consumables, e.g. paper, ink, toner
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种胶印专色余墨再配色方法、装置、系统及介质。其中配色方法包括:根据基础油墨的预设浓度梯度制作基墨样品,并构建基础油墨及基材数据库;之后,采用100%浓度的专色余墨模拟胶印打样,并构建余墨数据库;之后,根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材构建配色数据库,并以极小化光谱误差为目标函数,迭代计算求解谱差最小的初始配方;再利用初始配方打样,并计算初始配方样品与目标专色的色差,以极小化色差为目标函数,迭代计算求解色差最小的修正配方。本发明的配色方法减弱了现有技术中专色油墨配色谱差与色差的不一致性,在较大程度地避免胶印专色配色产生同色异谱现象的同时,实现了余墨的快速建库与再配色。
Description
技术领域
本发明涉及印刷技术领域,特别涉及一种胶印专色余墨再配色方法、装置、系统及介质。
背景技术
在印刷行业中,由于传统基础油墨的黄、品红、青、黑四色(实际使用时,部分企业也称黄、红、蓝、墨四色)印刷的色域有限,不能满足人们对颜色效果的需求。为使印刷品获得特殊的表面颜色效果,印刷行业早已使用专色印刷来拓宽色域,以使印刷呈现更多的颜色。
所谓专色是指用传统四原色墨网点叠合呈现不出的颜色,即超出传统四色印刷色域的颜色。对于专色墨调配一般包括传统人工经验配色、计算机配色两大类,目前计算机配色应用不成熟且数据库建立难度高,根据计算机配色印刷的产品颜色差异大,因此大多数印刷企业调配专色油墨仍以人工经验配色为主。而人工经验配色准确性及效率受主观因素影响较大,且经常出现调配量过剩或调配作废的现象,因此,大多数印刷企业库存大量专色余墨。
当前,主要通过余墨再配色进行专色余墨的消化,可以根据专色余墨与待配目标色组分及色相的相似性,在该专色余墨的基础上混合一定量合适的基础油墨,以得到目标专色墨。专色余墨再配色方法可大致分为两类:视为基础配方再配色和视为基础油墨再配色。
将专色余墨视为基础配方再配色,需先通过配色软件及基墨库计算出待配目标专色的配方,然后筛选出与目标色配方的配比误差(即两个配方的欧氏距离)最小的余墨,进行配方相同或相近的目标色配色。但该方法仅适用于已知准确配方的专色余墨的情况,具有很大的局限性。
将专色余墨视为基础油墨再配色,通常需要先将其与冲淡剂进行设定的浓度比例混合并打样,然后通过最小二乘法、粒子群法、遗传算法或梯度下降法等对浓度梯度样条求解该专色余墨的光学参数,最后筛选数据库中与目标色接近的余墨及其他基础油墨一并进行待配目标专色的配方求解。虽然该方法对有无配方的余墨都适用,但使用该方法进行专色余墨再配色前,需将其与冲淡剂混合进行一系列浓度梯度打样建库,整体过程较为繁琐且耗时耗力。
因而现有技术还有待改进和提高。
发明内容
鉴于上述现有技术的不足之处,本发明的目的在于提供一种胶印专色余墨再配色方法、装置、系统及介质,可适应于有无配方的专色余墨再配色。
为解决以上技术问题,本发明采取了以下技术方案:
一种胶印专色余墨再配色方法,其特征在于,包括以下步骤:
根据基础油墨的预设浓度梯度制作基墨样品,并构建基础油墨及基材数据库;
采用100%浓度的专色余墨模拟胶印打样,并构建余墨数据库;
根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材构建配色数据库,并以极小化光谱误差为目标函数,迭代计算求解谱差最小的初始配方;
利用初始配方打样,并计算初始配方样品与目标专色的色差,以极小化色差为目标函数,迭代计算求解色差最小的修正配方。
所述的胶印专色余墨再配色方法中,所述根据基础油墨的预设浓度梯度制作基墨样品,并构建基础油墨及基材数据库的步骤包括:
选定用于配色的基础油墨,根据不同浓度梯度的基础油墨模拟胶印打样;
测量基础油墨浓度梯度样条与打样基材的可见光光谱反射率;
根据K-M理论获取各浓度梯度基墨样条与基材的吸收散射比;
将各基础油墨浓度梯度样条的吸收散射比与基材吸收散射比的差值通过线性最小二乘法求解,获得基础油墨的单位吸收散射比,并构建墨数据库。
所述的胶印专色余墨再配色方法中,所述采用100%浓度的专色余墨模拟胶印打样,并构建余墨数据库的步骤包括:
采用100%浓度的专色余墨模拟胶印打样;
测量余墨样条的可见光光谱反射率;
根据K-M理论获取余墨的吸收散射比,并构建余墨数据库。
所述的胶印专色余墨再配色方法中,所述根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材构建配色数据库,并以极小化光谱误差为目标函数,迭代计算求解谱差最小的初始配方的步骤包括:
测量目标专色样品的可见光光谱反射率,并计算出目标专色的吸收散射比;
从余墨数据库和基础油墨及基材数据库中筛选与目标专色色差最小的余墨、合适的基础油墨以及与目标专色相同或相近的基材构建配色数据库;
基于K-M理论的光谱预测算法以极小化光谱误差为目标函数,进行迭代计算求解谱差最小的初始配方。
所述的胶印专色余墨再配色方法中,所述利用初始配方打样,并计算初始配方样品与目标专色的色差,以极小化色差为目标函数,迭代计算求解色差最小的修正配方的步骤包括:
将初始配方样条与目标专色的颜色三刺激值差值delta XYZ对目标专色三刺激值进行补偿,并以极小化色差为目标函数,迭代计算求解色差最小的修正配方;
根据修正配方调墨、打样,并测量其与目标专色的色差,若不符合要求,则继续进行补偿修正,直至最终配方样条与目标专色的Delta E色差及目视色差均符合要求。
所述的胶印专色余墨再配色方法中,基墨样条、基材的吸收散射比通过以下公式获得:
K/S=(1-ρ)2/(2ρ)
其中,ρ为基础油墨样条或基材的可见光光谱反射率。
所述的胶印专色余墨再配色方法中,在迭代计算求解谱差最小的初始配方时通过以下公式获得:
其中,(K/S)λ为油墨混合印刷样的吸收散射比,(K/S)p,λ为基材的吸收散射比,(K/S)i,λ为各组分基础油墨的单位吸收散射比,Ci为第i个组分基础油墨的浓度,且需满足且Ci≥0,且∑iCi=1。
一种胶印专色余墨再配色装置,其包括:
第一构建模块,用于根据基础油墨的预设浓度梯度制作基墨样品,并构建基础油墨及基材数据库;
第二构建模块,用于采用100%浓度的专色余墨模拟胶印打样,并构建余墨数据库;
第三构建模块,用于根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材作为初始配方,并构建配色数据库;
初始配方计算模块,用于以极小化光谱误差为目标函数,迭代计算求解谱差最小的初始配方;
配方修正模块,用于利用初始配方打样,并计算初始配方样品与目标专色的色差,以极小化色差为目标函数,迭代计算求解色差最小的修正配方。
一种胶印专色余墨再配色系统,其中,所述系统包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的胶印专色余墨再配色方法。
一种非易失性计算机可读存储介质,其中,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行上述的胶印专色余墨再配色方法。
相较于现有技术,本发明根据胶印油墨的光学特性随浓度的变化关系设定基础油墨建库浓度梯度,采用单位浓度专色余墨建立余墨数据库,并兼顾了基础油墨建库的准确性及余墨建库的高效性;在选择配色数据库时,筛选与目标专色色差最小的余墨及合适的基础油墨,既保证了配色数据库选择的准确性,又保证了配方计算的速度;本发明的配色方法减弱了现有技术中专色油墨配色谱差与色差的不一致性,将初始配方计算与修正配方计算分别选用极小化光谱误差(min RMSE)与极小化色差(min delta E)相结合的方式来平衡预测色的谱差与色差,在较大程度地避免胶印专色配色产生同色异谱现象的同时,实现了余墨的快速建库与再配色。
附图说明
图1为本发明提供的胶印专色余墨再配色方法的流程图。
图2为本发明提供的胶印专色余墨再配色方法上步骤S10的流程图。
图3a-图3d为基础油墨吸收散射比与浓度变化关系的示意图。
图4为本发明提供的胶印专色余墨再配色方法中基础油墨与基材数据库中各基础油墨与基材的吸收散射比与波长的变化关系示意图。
图5为本发明提供的胶印专色余墨再配色方法上步骤S20的流程图。
图6为本发明提供的胶印专色余墨再配色方法中余墨数据库中各专色余墨的吸收散射比与波长的变化关系示意图。
图7为本发明提供的胶印专色余墨再配色方法上步骤S30的流程图。
图8为本发明提供的胶印专色余墨再配色方法中配色数据库中各目标专色的吸收散射比与波长的变化关系示意图。
图9本发明提供的胶印专色余墨再配色方法上步骤S40的流程图。
图10为本发明提供的胶印专色余墨再配色方法中配方色样与目标色的色差及谱差比较示意图。
图11为本发明实施例提供的胶印专色余墨再配色装置的功能模块示意图。
图12为本发明实施例提供的胶印专色余墨再配色系统的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的是,当部件被称为“装设于”、“固定于”或“设置于”另一个部件上,它可以直接在另一个部件上或者可能同时存在居中部件。当一个部件被称为是“连接于”另一个部件,它可以是直接连接到另一个部件或者可能同时存在居中部件。
还需要说明的是,本发明实施例中的左、右、上、下等方位用语,仅是互为相对概念或是以产品的正常使用状态为参考的,而不应该认为是具有限制性的。
请参阅图1,本发明提供的胶印专色余墨再配色方法包括:
S10、根据基础油墨的预设浓度梯度制作基墨样品,并构建基础油墨及基材数据库;
S20、采用100%浓度的专色余墨模拟胶印打样,并构建余墨数据库;
S30、根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材构建配色数据库,并以极小化光谱误差为目标函数,迭代计算求解谱差最小的初始配方;
S40、利用初始配方打样,并计算初始配方样品与目标专色的色差,以极小化色差为目标函数,迭代计算求解色差最小的修正配方。
本发明基于K-M单常数理论(Kubelka-Munk理论,即二光通理论)建立基础油墨浓度梯度数据库及专色余墨单位浓度数据库,然后通过光谱预测算法进行初始配方计算,减弱了现有技术中专色油墨配色谱差与色差的不一致性,在较大程度地避免胶印专色配色产生同色异谱现象的同时,实现了余墨的快速建库与再配色。该方法不仅操作便捷、精度较高,而且可适用于任意有无配方的余墨。
在企业实际应用过程中,通过IGT印刷适性仪(IGT公司的Global StandardTesters系列印刷适性仪)对基础油墨、余墨及预测配方进行模拟胶印打样建库与配色,实验过程均在恒温恒湿环境条件下(温度为22℃~24℃、相对湿度为50%~55%)进行。具体依据胶印机实际生产样张的颜色密度,设计IGT打样参数(上墨量、压力及速度)交叉实验,探究打样参数对密度的变化规律,寻找与胶印密度相匹配的打样参数条件组合,最终获得IGT打样参数条件组合分别为:上墨量0.08g、压力500N、速度0.2m/s,每张样条展色2次。
如图2所示,所述步骤S10包括:
S101、选定用于配色的基础油墨,根据不同浓度梯度的基础油墨模拟胶印打样;
S102、测量基础油墨浓度梯度样条与打样基材的可见光光谱反射率;
S103、根据K-M理论获取各浓度梯度基墨样条与基材的吸收散射比;
S104、将各基础油墨浓度梯度样条的吸收散射比与基材吸收散射比的差值通过线性最小二乘法求解,获得基础油墨的单位吸收散射比,并构建墨数据库。
在步骤S101中,选定用于配色的基础油墨,根据不同浓度胶印油墨的光学特性(即单位吸收散射比)随浓度的变化关系设定较优的浓度梯度,使用IGT印刷适性仪模拟胶印在选取的基材上打样。
其中,浓度是指油墨与冲淡剂混合的质量比,冲淡剂是一种不含颜料的油墨,由树脂与溶剂组成。将冲淡剂加入油墨中,不会改变油墨的黏着性、印刷适性和其他流变性能,其使用目的是冲淡油墨的颜色浓度。
根据各浓度胶印油墨样条的主吸收波长(即光谱反射率波谷)处吸收散射比随浓度的一般性变化关系可知,低浓度区间(0~30%)、中等浓度区间(30%~50%)及高浓度区间(50%~100%)其吸收散射比与浓度关系和全浓度范围内吸收散射比与浓度关系的一致性分别为较强、较弱及最弱。
本发明通过对胶印UV油墨的青、品红、黄、黑四原色油墨(俗称蓝、红、黄、黑油墨)分别与冲淡剂按不同比例混合打样,并经过测量光谱与转换为K/S值后,数据分析得到的一般性变化关系,如图3a-图3d所示。根据图3a-图3d中不同浓度区间,蓝色曲线(实际测量光谱并计算的K/S)与红色直线(线性最小二乘计算得到的单位k/s)之间的一致性强弱不同(即吻合程度),综合主观筛选并设计出这样一系列较优的浓度梯度,给印刷企业的基础油墨建库提供指导意义,而无需调配很多种浓度梯度,兼顾了基墨数据库建立的准确性与高效性。从图3a-图3d可知,蓝色曲线(样条实际测量光谱并计算K/S)与红色直线(线性最小二乘计算得到的单位k/s)之间关系,在低浓度区间,蓝色曲线与红色直线较吻合;中等浓度区间吻合性一般;高浓度区间吻合性较差。
为了使得全浓度范围内设定的浓度间隔能够较大限度地模拟全浓度范围内吸收散射比与浓度关系,故低浓度区间设定较密集的1/20间隔(即5%浓度间隔)打样,中等浓度区间设定较稀疏的1/10间隔(即10%浓度间隔)打样,高浓度区间设定最稀疏的1/8浓度间隔(即12.5%浓度间隔)打样,最终确立较优的浓度梯度。
本实施例,确定的浓度梯度优选5%,10%,15%,20%,25%,30%,40%,50%,62.5%,75%,87.5%,100%。在测量光谱反射率时分别测量基础油墨浓度梯度样条与打样基材的可见光光谱反射率ρ。本发明所指的可见光为波长为400~700nm光波,测量采样间隔为10nm。
在一可选的实施例中,基础油墨浓度梯度设定方法包括:先选取纸包装印刷行业常用的胶印基础油墨(如黑、红、黄、蓝),及选用常用的无荧光单面涂布白卡纸(定量200g/m2)作为承印基材;之后对各基础油墨按浓度范围5%~100%内、以5%浓度递增间隔打样(打样时可在同一样条上打样,也可以不在同样条上打样),利用分析天平称量并调配油墨,利用IGT印刷适性仪模拟胶印打样,进行2次展色于所述白卡纸得到各基础油墨浓度梯度样条;利用爱色丽X-rite Ci6X手持式积分球分光光度仪测量各基础油墨浓度梯度样条及基材的光谱,并分别将其转化为吸收散射比。
K-M理论(Kubelka-Munk理论,即二光通理论)可细化为K-M双常数理论与单常数理论,双常数理论中通过K(介质的光吸收系数)与S(介质的光散射系数)来模拟光在介质中的行为。其中,单常数理论是理想化模拟一类特殊的介质(即表层颜色层如油墨层或染料层具备较高透明性或其散射性微弱到可忽略不计,介质整体的散射主要由基材贡献)中光的行为,单常数理论将K与S整合为K/S(吸收散射比)来描述此类介质中光的行为。
本发明通过K-M单常数理论获得基墨样条、基材的吸收散射比,具体通过以下公式计算:
K/S=(1-ρ)2/(2ρ) (1)
其中,ρ为基础油墨样条或基材的可见光光谱反射率。
上式为K-M单常数理论之光谱反射率与介质吸收散射比,分别计算各浓度梯度基墨样条的吸收散射比和基材的吸收散射比,再将二者作差得到各浓度梯度基础油墨吸收散射比;由于实际运用时油墨浓度与油墨光学特性参数(即单位吸收散射比k/s)并非理论上的线性关系,本发明利用非线性拟合工具(如MATLAB中Curve Fitting Tool工具)求解其主吸收波长处吸收散射比与浓度的关系,并利用线性最小二乘法(如MATLAB中lsqcurvefit函数)求解得到基础油墨的单位吸收散射比,由此建立基础油墨数据库。
因此,基础油墨数据库的建立需要先将基础油墨与冲淡剂混合成各浓度梯度后,再进行打样、测量样条光谱、通过式(1)转换为K/S(用大写K/S,表示不同浓度样条的吸收散射比)、线性最小二乘计算得到单位吸收散射比k/s(即为基础油墨数据库且单位吸收散射比用小写k/s表示)。
本发明按照设定油墨浓度梯度打样,得到各基础油墨浓度梯度样条;并测量光谱及转化为吸收散射比,再将各基础油墨浓度梯度样条的吸收散射比与基材吸收散射比的差值通过线性最小二乘法分别求解得到基础油墨的单位吸收散射比k/s,如附图4所示,由此,建立基础油墨及基材的数据库。
在步骤S20中,在建立专色余墨数据库时,使用100%浓度的专色余墨使用IGT印刷适性仪模拟胶印打样,并测量其可见光光谱反射率,之后根据K-M单常数理论计算专色余墨的吸收散射比,以此视为余墨的光学特性(即单位吸收散射比)参数,建立专色余墨数据库。
在建立余墨数据库时,无需将余墨与冲淡剂混合成各浓度梯度,只需将余墨本身(即100%浓度)进行打样、测样条光谱,通过式(1)转换为专色余墨的k/s由此建立色余墨数据库。如图5所示,所述步骤S20包括:
S201、采用100%浓度的专色余墨模拟胶印打样;
S202、测量余墨样条的可见光光谱反射率;
S203、根据K-M理论获取余墨的吸收散射比,并构建余墨数据库。
本发明在建立专色余墨的数据库时,先选取纸包装印刷行业的胶印专色余墨(如浅黄、专蓝、橘黄、深红、浅蓝及灰蓝等6个专色余墨),利用分析天平称量100%浓度的余墨,并利用IGT印刷适性仪进行2次展色于所述白卡纸承印基材,得到专色余墨样条;然后,利用所述分光光度仪测量其光谱;再将余墨样条的光谱转化为吸收散射比,并将余墨样条的吸收散射比与基材吸收散射比作差得到专色余墨的吸收散射比,由此建立专色余墨的数据库,其专色余墨的吸收散射比变化如图6所示。
在建立余墨数据库时,考虑到胶印油墨的光学特性较为符合Duncan加和性理论(邓肯加和性理论),因此可将基础油墨的单位k/s根据K-M单常数理论之光谱反射率与介质吸收散射比关系简化公式[即式(1)]逆运算反演出光谱,并将其与实际各浓度梯度基础油墨样条光谱进行拟合度计算,以探究与基础油墨单位k/s反演的光谱相近的基础油墨浓度分布情况,以期通过单个浓度的专色余墨建立余墨数据库。
本发明实施例中,拟合度是指采用柯西-施瓦茨不等式(GFC),对光谱反射率曲线进行近似程度评估,GFC值越接近1时,两条光谱反射率曲线越趋于一致,则吻合度越高,所述GFC值通过以下公式计算获得。
式中,为ρ(λ)基础油墨单位k/s反演光谱;ρn(λ)为基础油墨各浓度光谱。可见光波长范围为400~700nm,通常选择10nm间隔为一个单波长段,每个波段内ρ视为相同,共31个波长段。
具体实施时,本发明对14种基础油墨进行拟合度计算,如表1所示,其中5种基础油墨(如黄、蓝、耐晒黄、耐折大红、耐折四色蓝)的最优拟合度在100%浓度处;5种基础油墨(如品红、黑、耐晒金红、耐折四色黑、耐折四色红)的最优拟合度在87.5%浓度处,但与100%浓度处差异较小;还有3种基础油墨(如金红、大红、耐折四色黄)的最优拟合度同时在87.5%和100%浓度处;1种基础油墨(如射光蓝)的最优拟合度在75%浓度处。因此,在实际应用时,为了余墨建库的便捷性与高效性,可采用单位浓度(即100%浓度)的专色余墨建立余墨数据库。
表1基础油墨单位k/s反演光谱与各浓度光谱相似度
油墨名称 | 100% | 87.50% | 75% | 62.50% | 50% | 40% | 30% | 25% | 20% | 15% | 10% | 5% |
金红 | 0.9992 | 0.9992 | 0.9986 | 0.9982 | 0.9952 | 0.9932 | 0.9840 | 0.9787 | 0.9710 | 0.9586 | 0.9386 | 0.8836 |
黄 | 0.9993 | 0.9991 | 0.9988 | 0.9983 | 0.9978 | 0.9964 | 0.9936 | 0.9909 | 0.9873 | 0.9837 | 0.9710 | 0.9480 |
品红 | 0.9987 | 0.9988 | 0.9977 | 0.9963 | 0.9926 | 0.9896 | 0.9774 | 0.9695 | 0.9497 | 0.9328 | 0.8957 | 0.8408 |
黑 | 0.9996 | 1.0000 | 0.9991 | 0.9998 | 0.9997 | 0.9994 | 0.9991 | 0.9990 | 0.9987 | 0.9988 | 0.9988 | 0.9981 |
蓝 | 0.9998 | 0.9995 | 0.9993 | 0.9975 | 0.9956 | 0.9891 | 0.9837 | 0.9743 | 0.9622 | 0.9525 | 0.9142 | 0.8588 |
大红 | 0.9991 | 0.9991 | 0.9980 | 0.9972 | 0.9950 | 0.9900 | 0.9850 | 0.9795 | 0.9675 | 0.9568 | 0.9229 | 0.8782 |
耐晒黄 | 0.9992 | 0.9990 | 0.9985 | 0.9976 | 0.9958 | 0.9939 | 0.9891 | 0.9831 | 0.9806 | 0.9721 | 0.9563 | 0.9330 |
耐折大红 | 0.9998 | 0.9996 | 0.9993 | 0.9985 | 0.9969 | 0.9936 | 0.9870 | 0.9816 | 0.9745 | 0.9580 | 0.9339 | 0.8821 |
射光蓝 | 0.9965 | 0.9988 | 0.9991 | 0.9989 | 0.9974 | 0.9947 | 0.9879 | 0.9847 | 0.9760 | 0.9643 | 0.9363 | 0.8876 |
耐晒金红 | 0.9998 | 0.9999 | 0.9993 | 0.9984 | 0.9959 | 0.9928 | 0.9861 | 0.9811 | 0.9721 | 0.9571 | 0.9364 | 0.8889 |
耐折四色黑 | 0.9996 | 0.9999 | 0.9996 | 0.9995 | 0.9998 | 0.9995 | 0.9992 | 0.9993 | 0.9992 | 0.9991 | 0.9989 | 0.9985 |
耐折四色蓝 | 0.9997 | 0.9966 | 0.9988 | 0.9975 | 0.9944 | 0.9921 | 0.9861 | 0.9816 | 0.9661 | 0.9573 | 0.9330 | 0.8833 |
耐折四色红 | 0.9990 | 0.9997 | 0.9993 | 0.9977 | 0.9944 | 0.9907 | 0.9803 | 0.9759 | 0.9618 | 0.9410 | 0.9175 | 0.8516 |
耐折四色黄 | 0.9997 | 0.9997 | 0.9995 | 0.9990 | 0.9981 | 0.9969 | 0.9947 | 0.9922 | 0.9883 | 0.9824 | 0.9712 | 0.9494 |
在表1中,每一行数值均为该油墨不同浓度实际样条的光谱分别与该油墨单位k/s通过式(1)反推的光谱之间拟合度值大小,数值越大说明二者越吻合。加粗表示的数值是该油墨拟合度最大的数值,说明该数值对应的浓度样条的光谱与该油墨单位k/s反推的光谱最接近。从表1中粗表示的数值可看出,整体上,100%浓度样条的光谱与单位k/s反推的光谱最接近。因此,也可以得出:余墨通过100%建库的精度较高。
本发明实施例中,所述步骤S30主要完成余墨再配色实验,建立配色数据库,如图7所示,在进行目标专色配色时,所述步骤S30包括:
S301、测量目标专色样品的可见光光谱反射率,并计算出目标专色的吸收散射比;
S302、从余墨数据库和基础油墨及基材数据库中筛选与目标专色色差最小的余墨、合适的基础油墨以及与目标专色相同或相近的基材构建配色数据库;
S303、基于K-M理论的光谱预测算法以极小化光谱误差为目标函数,进行迭代计算求解谱差最小的初始配方。
在筛选专色油墨时,可通过本发明的胶印专色余墨再配色系统自动筛选,也可通过人工筛选、Excel等升序筛选辅助进行筛选等。合适的基础油墨的选择为现有技术,通常在调配专色油墨时,筛选基础油墨的原则一般遵循:首先要有四种原色油墨(青、品红、黄、黑);其次基础油墨均优选同一品牌或类型等。因此筛选出色差最小余墨后,再通过上述原则选择一些合适的基础油墨,共同组成该目标专色配色所用的数据库。
所述步骤S303中,光谱均方根误差即为谱差,用于衡量初始配方样条的光谱与目标专色的光谱之间的差异,谱差计算可将两者在400~700nm波长内光谱反射率进行均方根误差(RMSE)计算获得,极小化RMSE指在进行迭代计算预测目标专色的光谱时,为了使得预测更准,将目标函数设为二者之间的谱差最小为迭代目标。
本发明基于Duncan加和性理论的色料混合光学模型可视色料为线性混合,即混合色料膜层在任意波长处的吸收系数与散射系数分别由其各单组份色料吸收系数与散射系数及基底的吸收系数与散射系数线性加和组成。在印刷配色等情况下,色料任意混合对其散射系数影响不大。由于色料颗粒物以分子形态附着于基底表面,色料分子大小较可见光波长小得多,故其散射作用相较基底而言可忽略不计,由此得到迭代计算求解谱差最小的初始配方的计算公式为:
其中,(K/S)λ为油墨混合印刷样的吸收散射比,Kp,λ为基材(即纸张)的光吸收系数,Ki,λ为各组分基础油墨墨层的光吸收系数,Sp,λ为基材的光散射系数,ρ表示光谱反射率,λ表示波长段400~700nm范围内,以10nm间隔为一个波长段,每个波段内ρ视为相同,(K/S)p,λ为基材的吸收散射比,(K/S)i,λ为各组分基础油墨的单位吸收散射比,Ci为第i个组分基础油墨的浓度,且需满足且Ci≥0,且∑iCi=1。其中,各组分基础油墨的单位吸收散射比包括目标专色(即混合颜色)的每个基础油墨(即组分)。
根据上述公式(3)测量及计算出的各基础油墨、余墨的单位浓度吸收散射比及基材的吸收散射比,通过K-M单常数理论公式逆运算可实现混合油墨光谱反射率的预测,由此建立光谱预测模型,即式(1)的逆函数结合式(3)。
光谱预测模型为基于K-M单常数理论的光谱预测算法,具体指基于式(1)与式(3)共同构建的模型,用来对目标专色的光谱反射率进行预测,并通过将目标函数设为极小化光谱误差,进行迭代计算,使得预测的光谱反射率与目标专色的实际光谱反射率尽可能接近。
假设组成目标色混合油墨的基础油墨有n个(通常1≤n≤6),ρi,λ(i=1,2,...,n)为各组分基础油墨的光谱反射率,ρp,λ为基材的光谱反射率,当其以的浓度混合时,根据光谱预测模型F求解出目标色混合油墨光谱反射率ρmix,λ,即可得以下公式:
ρmix,λ=F(c1,c2,...,cn,ρ1,λ,ρ2,λ,...,ρn,λ,ρp,λ) (4)
其中,ρmix,λ为预测的目标专色(即为一个混合颜色)光谱反射率,Cn为各组成的基础油墨浓度(即配方),ρn,λ为各组成的基础油墨的光谱反射率。根据混合油墨光谱反射率与其各组分基础油墨浓度的映射关系,可知配方预测模型为光谱预测模型的逆向求解。根据各组分基础油墨、基材以及目标色混合油墨的光谱,通过配方预测模型求解出目标色混合油墨中各组分基础油墨的浓度。配方预测模型F-1可由式(4)的逆函数求得如下公式:
[c1,c2,...,cn]T=F-1(ρmix,λ,ρ1,λ,ρ2,λ,...,ρn,λ,ρp,λ) (5)
由于光谱预测模型常为无法求解其逆函数的非线性函数,故可视配方预测模型为带约束的非线性优化问题,迭代寻优的目标函数为预测光谱ρpredicted与目标专色光谱ρtargeted之间极小化光谱匹配误差(min RMSE):
c1,c2,...,cn≥0 (6)
在式(6)中,为求解的初始配方的目标函数,使预测光谱ρpredicted与目标专色光谱ρtargeted的谱差最小。和c1,c2,...,cn≥0为需满足约束条件,即配方中所有浓度之和等于1、且各组分基础油墨的浓度需大于或等于0。
预先设定一组配方c0=[c0,1,c0,2,…,c0,n]T,在约束条件ck,i≥0且下,依据一定准则[如MATLAB中有约束优化问题函数工具fmincon()的准则]生成有限迭代序列{ck=[ck,1,ck,2,…,ck,n]T},直至寻找到此迭代序列末尾一个配方,即通过迭代计算获得谱差最小的一个最佳的配方。根据式(6),在进行下一次迭代求解配方时应将本次迭代处的配方ck=[ck,1,ck,2,…,ck,n]T代入式(4)光谱预测模型,计算该配方对应的预测光谱ρpredicted,再与目标专色光谱ρtargeted比较后,依据一定准则产生下次参与迭代的配方ck+1=[ck+1,1,ck+1,2,…,ck+1,n]T。
为实现光谱预测与配方预测,可通过调用MATLAB中有约束优化问题函数工具fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)按上述式(4)~式(6)进行迭代求解,实现对目标专色初始配方的自动预测。其中fun为目标函数,此处为极小化光谱匹配误差minRMSE;x0为给定初始值向量,此处令x0=zeros(预测基墨个数,1);A*x<=b和Aeq*x<=beq分别为fun函数的线性不等式约束和线性等式约束条件,此处令Aeq=ones(1,预测基墨个数)、beq=1即预测各基墨配比之和为1,且无线性不等式约束,令A=[]、b=[];lb和ub为线性不等式约束的上、下限向量,此处分别令lb=zeros(预测基墨个数,1)、ub=ones(预测基墨个数,1);nonlcon为非线性约束函数,此处亦令nonlcon=[];options为用其指定的参数进行最小化,此处令options.TolCon=1e-0016。
由于fmincon()为MATLAB中有约束优化问题函数工具,通过调用它才可对上述公式(1)、(3)、(4)、(5)的结合以及公式(6)中目标函数与约束条件的设定,由此再进行迭代计算才可实现光谱预测及配方预测。
在进行余墨再配色实验时,选取包装印刷企业已调配好的实际生产产品专色油墨(如浅黄、浅蓝、金黄、咖啡、专蓝及专灰等6个专色油墨),利用IGT印刷适性仪进行2次展色于所述白卡纸基材,使得目标专色样条密度与实际生产密度相同,以作为目标专色;然后测量其光谱并转化为吸收散射比,如图8所示;之后根据目标色的色度值从数据库中筛选与其色差最小的余墨,以及选取合适的基础油墨与所述白卡纸基材作为配色数据库;通过MATLAB中的基于K-M单常数理论的光谱预测模型及初始配方预测模型进行迭代计算目标专色的初始配方。
在修正配方时,本申请通过先采用初始配方进行油墨调配,将初始配方进行调墨及打样,测量初始配方样条的光谱及颜色数据,并将其与目标专色进行色差比较,若色差符合要求(根据行业实际质检要求,优选设为delta E 1976≤2.0),则判定该初始配方为最终配方,若色差>2.0,需要初始配方进行修正。
其中,delta E 1976表示色差,其为1976年公布的色差计算公式。颜色1(L1、a1、b1)与颜色2(L2、a2、b2)之间色差计算:delta E=((L1-L2)^2+(a1-a2)^2+(b1-b2)^2)^(1/2),即欧式距离公式。
预测目标专色的配方时,通过油墨调配后打样得到初始配方样条,为了判断其与目标专色的接近程度,除了肉眼直接对比以外,还可以通过定量判断两者之间的差异。定量判断两者之间差异的方法通常由两者之间的谱差计算或色差计算,谱差计算是直接将两者在400~700nm波长内光谱反射率进行RMSE计算即可;色差计算则需要先将光谱反射率转化为颜色值(由L、a、b三个值表示一个颜色),由此可得到初始配方样条的颜色值及目标专色的颜色值,二者之间的色差通过欧式距离公式计算得到,即delta E=((L1-L2)^2+(a1-a2)^2+(b1-b2)^2)^(1/2)。
如图9所示,在修改配方时具体包括:
S401、将初始配方样条与目标专色的颜色三刺激值差值delta XYZ对目标专色三刺激值进行补偿,并以极小化色差为目标函数,迭代计算求解色差最小的修正配方;
S402、根据修正配方调墨、打样,并测量其与目标专色的色差,若不符合要求,则继续进行补偿修正,直至最终配方样条与目标专色的Delta E色差及目视色差均符合要求。
在步骤S401具体包括:首先将目标色三刺激值与delta XYZ的差值赋值给目标专色三刺激值,并将补偿后目标专色三刺激值转化为CIE Lab色度值;然后将预测光谱亦转化为CIE Lab色度值;最后求解补偿后目标专色色度值与预测色色度值的CIE Lab色空间欧几里得距离即为二者色差,并以极小化色差为目标函数进行迭代计算求解修正配方。
其中,预测色是指通过调用MATLAB中有约束优化问题函数工具fmincon()结合光谱预测模型与配方预测模型计算得到的最接近目标专色的颜色,由于此时还未进行配方打样,所以称之为预测色,而非初始配方样条色或修正配方样条色。
本发明通过步骤S401将测量并计算的目标专色的三刺激值进行修改,将其减去初始配方样条与目标专色的三刺激值的差值,然后再对减去后的结果为目标专色进行配方计算。
定量表示一个颜色除了用上述提到的Lab三个值以外,也可以用三刺激值(XYZ)三个值表示,其也可由光谱反射率计算得到。补偿计算为:delta XYZ=初始配方样条颜色值(XYZ)-目标专色颜色值(XYZ),在修正配方时,将目标专色颜色值(XYZ)改为:目标专色颜色值(XYZ)-delta XYZ,即为对目标专色三刺激值补偿。
在步骤S40中,通过修正配方预测模型进行迭代计算目标专色的修正配方,并将修正配方进行调墨、打样及测量其与目标专色的色差,若不符合要求(即色差>2.0),则继续进行修正,直至最终配方样条与目标专色的色差合格(即色差≤2.0),且目视色差亦符合要求,实验结果如表2及附图10所示。
表2配方色样与目标色的色差及谱差
由表2及图10可知,在6组余墨再配色实验中,初始配方样与修正配方样的色差均值分别是8.0279和2.3623,谱差的均值分别是0.0869和0.0514。其中6组修正配方色样色差均≤2.0,其中2组色差稍大(色差接近2)的原因可能是由余墨种类有限或其他配色基础油墨选择不恰到导致,但满足色差≤2.0的要求。
本发明另一实施例提供一种胶印专色余墨再配色装置,如图11所示,装置包括:
第一构建模块11,用于根据基础油墨的预设浓度梯度制作基墨样品,并构建基础油墨及基材数据库;
第二构建模块12,用于采用100%浓度的专色余墨模拟胶印打样,并构建余墨数据库;
第三构建模块13,用于根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材作为初始配方,并构建配色数据库;
初始配方计算模块14,用于以极小化光谱误差为目标函数,迭代计算求解谱差最小的初始配方;
配方修正模块15,用于利用初始配方打样,并计算初始配方样品与目标专色的色差,以极小化色差为目标函数,迭代计算求解色差最小的修正配方。
本发明另一实施例提供一种胶印专色余墨再配色系统,如图12所示,所述系统100包括至少一个处理器101;以及与所述至少一个处理器通信连接的存储器102。图12中以一个处理器101为例进行介绍,处理器101和存储器102可以通过总线或者其他方式连接,图12中以通过总线连接为例。
处理器101用于完成系统100的各种控制逻辑,其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有,处理器101还可以是任何传统处理器、微处理器或状态机。处理器101也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
存储器102作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的胶印专色余墨再配色方法对应的程序指令。处理器101通过运行存储在存储器102中的非易失性软件程序、指令以及单元,从而执行系统100的各种功能应用以及数据处理,即实现上述方法实施例中的胶印专色余墨再配色方法。
存储器102可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据系统100使用所创建的数据等。此外,存储器102可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器102可选包括相对于处理器101远程设置的存储器,这些远程存储器可以通过网络连接至系统100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个单元存储在存储器102中,当被一个或者多个处理器101执行时,执行上述任意方法实施例中的胶印专色余墨再配色方法,例如,执行以上描述的图1中的方法步骤S10至步骤S40。
本发明又一实施例提供了一种非易失性计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如,执行以上描述的图1中的方法步骤S10至步骤S40。
作为示例,非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明而非限制,RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
综上所述,本发明根据胶印油墨的光学特性随浓度的变化关系设定基础油墨建库浓度梯度,采用单位浓度专色余墨建立余墨数据库,并兼顾了基础油墨建库的准确性及余墨建库的高效性;在选择配色数据库时,筛选与目标专色色差最小的余墨及合适的基础油墨,既保证了配色数据库选择的准确性,又保证了配方计算的速度;本发明的配色方法减弱了现有技术中专色油墨配色谱差与色差的不一致性,将初始配方计算与修正配方计算分别选用极小化光谱误差与极小化色差相结合的方式来平衡预测色的谱差与色差,在较大程度地避免胶印专色配色产生同色异谱现象的同时,实现了余墨的快速建库与再配色。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种胶印专色余墨再配色方法,其特征在于,包括以下步骤:
根据基础油墨的预设浓度梯度制作基墨样品,并构建基础油墨及基材数据库;
采用100%浓度的专色余墨模拟胶印打样,并构建余墨数据库;
根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材构建配色数据库,并以极小化光谱误差为目标函数,迭代计算求解谱差最小的初始配方;
利用初始配方打样,并计算初始配方样品与目标专色的色差,以极小化色差为目标函数,迭代计算求解色差最小的修正配方。
2.根据权利要求1所述的胶印专色余墨再配色方法,其特征在于,所述根据基础油墨的预设浓度梯度制作基墨样品,并构建基础油墨及基材数据库的步骤包括:
选定用于配色的基础油墨,根据不同浓度梯度的基础油墨模拟胶印打样;
测量基础油墨浓度梯度样条与打样基材的可见光光谱反射率;
根据K-M理论获取各浓度梯度基墨样条与基材的吸收散射比;
将各基础油墨浓度梯度样条的吸收散射比与基材吸收散射比的差值通过线性最小二乘法求解,获得基础油墨的单位吸收散射比,并构建墨数据库。
3.根据权利要求1所述的胶印专色余墨再配色方法,其特征在于,所述采用100%浓度的专色余墨模拟胶印打样,并构建余墨数据库的步骤包括:
采用100%浓度的专色余墨模拟胶印打样;
测量余墨样条的可见光光谱反射率;
根据K-M理论获取余墨的吸收散射比,并构建余墨数据库。
4.根据权利要求1所述的胶印专色余墨再配色方法,其特征在于,所述根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材构建配色数据库,并以极小化光谱误差为目标函数,迭代计算求解谱差最小的初始配方的步骤包括:
测量目标专色样品的可见光光谱反射率,并计算出目标专色的吸收散射比;
从余墨数据库和基础油墨及基材数据库中筛选与目标专色色差最小的余墨、合适的基础油墨以及与目标专色相同或相近的基材构建配色数据库;
基于K-M理论的光谱预测算法以极小化光谱误差为目标函数,进行迭代计算求解谱差最小的初始配方。
5.根据权利要求1所述的胶印专色余墨再配色方法,其特征在于,所述利用初始配方打样,并计算初始配方样品与目标专色的色差,以极小化色差为目标函数,迭代计算求解色差最小的修正配方的步骤包括:
将初始配方样条与目标专色的颜色三刺激值差值delta XYZ对目标专色三刺激值进行补偿,并以极小化色差为目标函数,迭代计算求解色差最小的修正配方;
根据修正配方调墨、打样,并测量其与目标专色的色差,若不符合要求,则继续进行补偿修正,直至最终配方样条与目标专色的Delta E色差及目视色差均符合要求。
6.根据权利要求2所述的胶印专色余墨再配色方法,其特征在于,基墨样条、基材的吸收散射比通过以下公式获得:
K/S=(1-ρ)2/(2ρ)
其中,ρ为基础油墨样条或基材的可见光光谱反射率。
8.一种胶印专色余墨再配色装置,其特征在于,包括:
第一构建模块,用于根据基础油墨的预设浓度梯度制作基墨样品,并构建基础油墨及基材数据库;
第二构建模块,用于采用100%浓度的专色余墨模拟胶印打样,并构建余墨数据库;
第三构建模块,用于根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材作为初始配方,并构建配色数据库;
初始配方计算模块,用于以极小化光谱误差为目标函数,迭代计算求解谱差最小的初始配方;
配方修正模块,用于利用初始配方打样,并计算初始配方样品与目标专色的色差,以极小化色差为目标函数,迭代计算求解色差最小的修正配方。
9.一种胶印专色余墨再配色系统,其特征在于,所述系统包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7任一项所述的胶印专色余墨再配色方法。
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行权利要求1-7任一项所述的胶印专色余墨再配色方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111014632.XA CN113791746B (zh) | 2021-08-31 | 2021-08-31 | 一种胶印专色余墨再配色方法、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111014632.XA CN113791746B (zh) | 2021-08-31 | 2021-08-31 | 一种胶印专色余墨再配色方法、装置、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113791746A true CN113791746A (zh) | 2021-12-14 |
CN113791746B CN113791746B (zh) | 2024-02-23 |
Family
ID=79182437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111014632.XA Active CN113791746B (zh) | 2021-08-31 | 2021-08-31 | 一种胶印专色余墨再配色方法、装置、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113791746B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114316667A (zh) * | 2022-01-05 | 2022-04-12 | 上海紫江彩印包装有限公司 | 一种专色油墨及其调色方法和应用 |
CN115782430A (zh) * | 2022-11-15 | 2023-03-14 | 南京林业大学 | 一种基于k-m理论和色差优化耦合的印刷油墨配色方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102729612A (zh) * | 2012-06-27 | 2012-10-17 | 杭州电子科技大学 | 一种胶印专色油墨多目标优化配色方法 |
CN104965970A (zh) * | 2015-04-30 | 2015-10-07 | 华文包装股份有限公司 | 用于包装印刷多介质数字打样的专色确定方法 |
CN105620033A (zh) * | 2016-03-24 | 2016-06-01 | 上海彩瑞油墨有限公司 | 智能水性油墨配色工作流程 |
CN108501556A (zh) * | 2018-02-01 | 2018-09-07 | 西安理工大学 | 一种薄膜凹版印刷专色配色方法 |
CA3076682A1 (en) * | 2017-09-22 | 2019-03-28 | Bobst Firenze S.R.L. | Inking system with embedded colour correction |
CN110110127A (zh) * | 2019-05-05 | 2019-08-09 | 深圳劲嘉集团股份有限公司 | 一种识别专色混合油墨的基色油墨的方法以及电子设备 |
CN110780827A (zh) * | 2019-10-15 | 2020-02-11 | 中荣印刷集团股份有限公司 | 一种七基色高保真柔印方法 |
CN111008296A (zh) * | 2019-12-02 | 2020-04-14 | 杭州电子科技大学温州研究院有限公司 | 一种专色油墨数据库的创建、检索和修改方法 |
-
2021
- 2021-08-31 CN CN202111014632.XA patent/CN113791746B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102729612A (zh) * | 2012-06-27 | 2012-10-17 | 杭州电子科技大学 | 一种胶印专色油墨多目标优化配色方法 |
CN104965970A (zh) * | 2015-04-30 | 2015-10-07 | 华文包装股份有限公司 | 用于包装印刷多介质数字打样的专色确定方法 |
CN105620033A (zh) * | 2016-03-24 | 2016-06-01 | 上海彩瑞油墨有限公司 | 智能水性油墨配色工作流程 |
CA3076682A1 (en) * | 2017-09-22 | 2019-03-28 | Bobst Firenze S.R.L. | Inking system with embedded colour correction |
CN108501556A (zh) * | 2018-02-01 | 2018-09-07 | 西安理工大学 | 一种薄膜凹版印刷专色配色方法 |
CN110110127A (zh) * | 2019-05-05 | 2019-08-09 | 深圳劲嘉集团股份有限公司 | 一种识别专色混合油墨的基色油墨的方法以及电子设备 |
CN110780827A (zh) * | 2019-10-15 | 2020-02-11 | 中荣印刷集团股份有限公司 | 一种七基色高保真柔印方法 |
CN111008296A (zh) * | 2019-12-02 | 2020-04-14 | 杭州电子科技大学温州研究院有限公司 | 一种专色油墨数据库的创建、检索和修改方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114316667A (zh) * | 2022-01-05 | 2022-04-12 | 上海紫江彩印包装有限公司 | 一种专色油墨及其调色方法和应用 |
CN115782430A (zh) * | 2022-11-15 | 2023-03-14 | 南京林业大学 | 一种基于k-m理论和色差优化耦合的印刷油墨配色方法 |
CN115782430B (zh) * | 2022-11-15 | 2024-08-20 | 南京林业大学 | 一种基于k-m理论和色差优化耦合的印刷油墨配色方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113791746B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5538222B2 (ja) | 色処方を製造するための学習方法 | |
CN113791746B (zh) | 一种胶印专色余墨再配色方法、装置、系统及介质 | |
CN102165294B (zh) | 颜色匹配方法 | |
RU2702997C1 (ru) | Способ определения параметров текстуры лака | |
CN101506633B (zh) | 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 | |
Milder et al. | Ink-jet printer’s characterization by 3D gradation trajectories on an equidistant color difference basis | |
Galić et al. | The influence of UV varnish on colorimetric properties of spot colors | |
Zhao et al. | Predicting the spectral reflectance factor of translucent paints using Kubelka‐Munk turbid media theory: Review and evaluation | |
JP2024014906A (ja) | 完全統合型デジタル色管理システム | |
CN114036333A (zh) | 一种胶印专色油墨计算机配色方法、装置、系统及介质 | |
JP2015225070A (ja) | 混合色材のスペクトルまたは色度の予測および所望のスペクトルまたは色度を有する色材の配合の決定 | |
CN113910796B (zh) | 一种基于k-m理论的印刷油墨配色方法 | |
Rich et al. | Improved model for improving the inter-instrument agreement of spectrocolorimeters | |
JPH11326054A (ja) | 混合色材のk/sパラメータ予測方法、色材の分光反射率測定方法、および、混合色材の色合わせ方法 | |
CN112393803B (zh) | 一种彩砂色差的检测方法 | |
JP3440597B2 (ja) | コンピュータカラーマッチング方法 | |
JP2004189780A (ja) | 光輝性塗料の調色方法 | |
JPH0894442A (ja) | コンピュータカラーマッチング方法 | |
JP3986118B2 (ja) | 調色計量情報の表示方法 | |
Gangakhedkar | Colour measurement of paint films and coatings | |
CN113910797B (zh) | 一种提高配色精度的印刷油墨配色方法 | |
JP2008168444A (ja) | 調色方法、及び装置 | |
JPH11228880A (ja) | コンピュータ調色における視感に合致する塗料の艶調整方法 | |
JPH11228882A (ja) | 合理的な塗料の製造方法及び製造管理方法 |
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 |