CN114036333A

CN114036333A - 一种胶印专色油墨计算机配色方法、装置、系统及介质

Info

Publication number: CN114036333A
Application number: CN202111043564.XA
Authority: CN
Inventors: 吕伟; 万晓霞; 史太川; 刘易仁; 牟竟晓
Original assignee: Anhui Antai New Style Packaging Materials Co ltd; Shenzhen Jinjia Group Co Ltd
Current assignee: Anhui Antai New Style Packaging Materials Co ltd; Shenzhen Jinjia Group Co Ltd
Priority date: 2021-09-07
Filing date: 2021-09-07
Publication date: 2022-02-11

Abstract

本发明公开了一种胶印专色油墨计算机配色方法、装置、系统及介质。所述方法包括：将用于配色的基础油墨按预设浓度梯度打样，并构建数据库；测量梯度打样样品获取打样样品的光谱反射率和打样基材的光谱反射率；测量目标样品获取目标样品的光谱反射率；之后基于打样样品与目标样品的光谱匹配度建立基础配色模型，获取谱差最小的配方为初始配方；之后根据初始配方打样获取初始配方样条，判断初始配方样条与目标样品的色差是否在预设范围时，如果是则确定所述初始配方为最终配方；否则根据初始配方样条进行色差最小约束条件的配方修正，直到最终的修正配方样条与目标样品的色差在在预设范围内，得到了更为精确的配方，增加了还原目标色的准确性。

Description

一种胶印专色油墨计算机配色方法、装置、系统及介质

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油墨计算机配色方法、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。随着工业互联网技术的不断发展，印刷行业客户针对专色产品颜色复制要求越来越高，计算机专色自动配色技术也随之发展起来。

到目前为止，大多数应用以及研究都以传统的K-M理论公式作为半透明材质混合的核心公式：有的采用色差最小作为约束条件，但这种方法容易造成同色异谱现象，在不同光源照明条件下人眼观察有明显的颜色差异；有的采用谱差最小作为约束条件，但往往使配色精度不够准确，导致色差偏大；也有的研究以色差最小和谱差最小同时作为约束条件，期望得到色差和谱差都最小的结果，但是这种方法在实际应用后最终结果仅限于前两种方法之间。并且，更为重要的是，现有的胶印专色油墨配色方法大部分缺乏合理适用于胶印油墨的修正算法，而是采用纺织等领域相同的修正算法，例如桑德森修正、三刺激值XYZ修正，但这些修正算法在实际的胶印油墨配色过程中并不是最佳选择。

现有的计算机专色自动配色技术，由于忽略了胶印油墨领域基材影响以及理论预测结果与实际打样结果的误差，无法满足实用性，标准性，合理性。

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油墨计算机配色方法、装置、系统及介质，考虑到了基材以及实际打样值和理论预测值之间误差对配色结果的影响，在基础配色模型的基础上增加修正配方，可以将色差降低至目标范围内，提高配色精度。

为解决以上技术问题，本发明采取了以下技术方案：

一种胶印专色油墨计算机配色方法，其包括以下步骤：

A、将用于配色的基础油墨按预设浓度梯度打样，并构建基础油墨及基材数据库；

B、测量梯度打样样品，获取打样样品的光谱反射率R_λ和打样基材的光谱反射率R_p；

C、测量目标样品，获取目标样品的光谱反射率R_r；

D、基于打样样品与目标样品的光谱匹配度建立基础配色模型，利用打样样品的光谱反射率R_λ、打样基材的光谱反射率R_p和目标样品的光谱反射率R_r迭代计算，获取谱差最小的配方为初始配方；

E、根据初始配方打样获取初始配方样条，当初始配方样条与目标样品的色差在预设范围时，确定所述初始配方为最终配方；

F、当初始配方样条与目标样品的色差超过预设范围时，根据初始配方样条进行色差最小约束条件的配方修正，直到最终的修正配方样条与目标样品的色差在在预设范围内。

所述的胶印专色油墨计算机配色方法中，所述步骤A包括：

A1、根据目标样品选定用于配色的基础油墨和打样基材；

A2、在低浓度区间以15％浓度递增间隔打样，在中间浓度区间以20％浓度递增间隔打样，在高浓度区间以25％浓度递增间隔打样，构建基础油墨数据库；其中，低浓度区间为0％-30％，中间浓度区间为30％-50％，高浓度区间为50％-100％，浓度0％表示油墨：冲淡剂为0:1的情况。

所述的胶印专色油墨计算机配色方法中，所述预设浓度梯度为0％，15％， 30％，50％，75％，100％。

所述的胶印专色油墨计算机配色方法中，所述步骤B包括：

B1、计算不同可见光波长下的基础油墨的吸收散射比

基础油墨的吸收散射比通过公式(1)获得，其中R_λ为不同可见光波长下基础油墨打样样品的光谱反射率；

B2、对每种基础油墨在不同浓度梯度下得到的吸收散射比

进行分段线性插值计算，并拟合得到每种基础油墨从浓度0％到100％的

值；非线性拟合通过公式(2)获得，其中c，

分别为某种基础油墨已知浓度和其拟合得到的吸收散射比，c₀,c₁分别为与c相邻的两个打样梯度，

分别为c₀,c₁对应的不同波长下的吸收散射比数据；

所述的胶印专色油墨计算机配色方法中，所述步骤D包括：

D1、根据Duncan加合性理论获取混合后油墨的吸收散射比；所述混合后油墨的吸收散射比通过公式(3)获得：其中，

为初始配方混合后油墨的吸收散射比；K_λ,i,S_λ,i分别为第i种基础油墨的吸收系数和散射系数； K_λ,t,S_λ,t分别为基材的吸收系数和散射系数；c_i为第i种基础油墨的浓度，且有如式(4)所示关系，m为基材系数值，在两色、三色和四色混合配色条件时，m分别为-0.5、-0.1、0.2；

D2、将混合后油墨的吸收散射比

通过公式(1)的逆运算，获得混合油墨的理论光谱反射率R_pre，并将其与目标样品的光谱反射率R_r比较，建立基础配色模型；

D3、在基础配色模型中，添加约束条件为极小化光谱误差；所述极小化光谱误差通过公式(5)获得，其中R_pre是初始配方的光谱反射率，R_r是目标样品光谱反射率，由于在采集梯度打样样品的光谱反射率时记录的是 400-700nm波长数据，间隔为10nm采样，因此公式(5)中M为31；

D4、根据基础配色模型和极小化光谱误差结合公式(1)，迭代计算不同基础油墨不同浓度的混合情况时的混合油墨与目标色理论谱差最小的油墨配比关系，即为初始配方。

所述的胶印专色油墨计算机配色方法中，所述步骤F包括：

F1、测量初始配方样条的光谱反射率，并通过公式(1)获取初始配方混合油墨的理论光谱反射率，再由公式(6)得到理论与实际的差值；

其中，

为测量初始配方样条的吸收散射比，

为初始配方理论的吸收散射比；

F2、将公式(6)得到的差值作为理论补偿，结合公式(3)建立修正配方配色模型，所述修正配方配色模型通过公式(7)获得：

其中，m为基材系数值，

为修正配方混合后油墨的吸收散射比，

为第i种基础油墨的吸收散射比；

为基材的吸收散射比；c_i为第 i种基础油墨的浓度；

为初始配方理论的吸收散射比

与实际测量初始配方样条的吸收散射比

的差值；

F3、在修正配方配色模型中添加约束条件为极小化色差，其中极小化色差通过公式(8)、(9)计算获得：

其中，L_fix,a_fix,b_fix为初始配方在CIELab色度空间下的色度坐标，L,a,b为目标色在CIELab色度空间下的色度坐标；

F4、根据修正配方型配色模型和极小化色差结合公式(1)，迭代计算不同基础油墨不同浓度的混合情况时的混合油墨与目标色理论色差最小的油墨配比关系，即为修正配方。

所述的胶印专色油墨计算机配色方法中，色差的预设范围为色差小于或等于2.00。

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油墨计算机配色方法。

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油墨计算机配色方法。

相较于现有技术，本发明在基础油墨数据库构建方面，基于实际打样数据与基墨浓度梯度变化关系进行分段梯度打样，建立高精确性的基础油墨数据库，提高了基础油墨数据库的准确性并且减少了打样次数。在修正方面，充分考虑到了理论和实际之间的误差，对理论值进行补偿修正，得到了更为精确的配方，满足了印刷行业对于同色同谱结果的需求，增加了还原目标色的准确性。

附图说明

图1为本发明提供的胶印专色油墨计算机配色方法的流程图。

图2a-图2f为本发明提供的胶印专色油墨计算机配色方法中建立基础油墨数据库所选取的六种基色墨(分别为:大红、高感金红、增固型品红、高感蓝、增固型黄、高浓度黑)的按不同浓度梯度打样在纸基上测量得到的光谱反射率曲线的示意图。

图3为本发明提供的胶印专色油墨计算机配色方法中目标样的光谱反射率曲线的示意图。

图4为本发明提供的胶印专色油墨计算机配色方法中目标色、初始配方预测色、初始配方实际打样色的光谱反射率曲线的示意图。

图5为本发明提供的胶印专色油墨计算机配色方法中目标色、修正配方色、修正配方实际打样色的光谱反射率曲线的示意图。

图6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7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。

本发明提供的胶印专色油墨计算机配色方法，先通过分段线性插值法建立基础油墨数据库，再利用谱差最小约束条件生成初始配方，并考虑到胶印油墨实际打样光谱与初始配方的理论预测光谱误差，将实际与理论的光谱误差转换为误差值

作为修正补偿因子，再经过色差最小约束条件生成修正配方，实现了能够达到预期色差要求同时，最大程度不产生同色异谱结果的胶印专色配色方法。

请参阅图1，本发明提供的胶印专色油墨计算机配色方法包括：

S1、将用于配色的基础油墨按预设浓度梯度打样，并构建基础油墨及基材数据库；

S2、测量梯度打样样品，获取打样样品的光谱反射率R_λ和打样基材的光谱反射率R_p；

S3、测量目标样品，获取目标样品的光谱反射率R_r；

S4、基于打样样品与目标样品的光谱匹配度建立基础配色模型，利用打样样品的光谱反射率R_λ、打样基材的光谱反射率R_p和目标样品的光谱反射率R_r迭代计算，获取谱差最小的配方为初始配方；

S5、根据初始配方打样获取初始配方样条，当初始配方样条与目标样品的色差在预设范围时，确定所述初始配方为最终配方；

S6、当初始配方样条与目标样品的色差超过预设范围时，根据初始配方样条进行色差最小约束条件的配方修正，直到最终的修正配方样条与目标样品的色差在在预设范围内。

本发明充分考虑到了基材以及实际打样值和理论预测值之间误差对配色结果的影响，并且最大限度的考虑到了同色异谱结果的产生，经过分段线性插值法建库(基墨按预设浓度梯度打样建库)和

修正可以将色差降低至目标范围内，提高了胶印油墨专色配色精度，并且较大限度的避免了同色异谱现象的产生，获得了较为理想的专色配色结果，具有较高的参考价值。

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)对基础油墨进行模拟胶印打样建库，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。

在步骤S1中，浓度梯度表示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。

本发明通过步骤S1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。

本实施例中，所述步骤S1包括：

S11、根据目标样品选定用于配色的基础油墨和打样基材；

S12、在低浓度区间以15％浓度递增间隔打样，在中间浓度区间以20％浓度递增间隔打样，在高浓度区间以25％浓度递增间隔打样，构建基础油墨数据库；其中，低浓度区间为0％-30％，中间浓度区间为30％-50％，高浓度区间为50％-100％，浓度0％表示油墨：冲淡剂为0:1的情况。

本实施例，确定的浓度梯度优选为所述预设浓度梯度为0％，15％，30％， 50％，75％，100％，在建立高精确性的基础油墨数据库减少了打样次数、降低了打样耗时和人力成本，从而提高了基墨建库效率。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。

在一具体的实施例中，采用六种标准化生产的同一系列基础油墨(分别为大红、高感金红、增固型品红、高感蓝、增固型黄、高浓度黑)进行进行梯度0％，15％，30％，50％，75％，100％打样，并根据梯度数据拟合出所有比例的光谱数据曲线，在本实例中一共进行基础油墨打样30次，六种不同基础油墨数据如图2a-图2f所示。

本发明实施例中，所述步骤S2包括：

S21、计算不同可见光波长下的基础油墨的吸收散射比

S22、对每种基础油墨在不同浓度梯度下得到的吸收散射比

值；非线性拟合通过公式(2)获得，其中c，

分别为某种基础油墨已知浓度和其拟合得到的吸收散射比，其为未打样浓度区间基础油墨的吸收散射比， c₀,c₁分别为与c相邻的两个打样梯度，

分别为c₀,c₁对应的不同波长下的吸收散射比数据；

在步骤S21中，

为已打样浓度的基础油墨的吸收散射比，由于在胶印专色油墨配色过程中存在一个问题：在实际光谱反射率较高(光谱反射率为0.85以上)的区域，传统K-M理论(Kubelka-Munk理论，即二光通理论)模型预测得到的光谱反射率通常会比实际光谱反射率低，因此可以适当调整吸收散射比

与光谱反射率R的关系，使其在高光谱反射率区间对应的

值减小，能有效改善上述问题。本发明引入了纺织领域光谱预测的Stearns-Noechel(S-N)模型(Stearns和Noechel为发明S-N模型的两个人)对K-M单常数理论公式进行修正。

其中，纺织领域光谱预测的S-N模型的光谱反射率通过公式(1.1)计算，K-M单常数理论的吸收散射比通过公式(1.2)计算：

T(R_λ)＝(1-R_λ)/[(N(R_λ-0.01)+0.01] (1.1)

假设利用某印刷企业实际生产中的胶印专色油墨配方和对应光谱数据对公式(1.1)中常量N求最优解，得到N为0.5。为使基础油墨的吸收散射比更加准确，本发明对公式(1.2)中常量0.005进行调整，在-0.01至0.02 范围内皆以0.001为步长迭代，最终得知常量在0.01时误差最小，最终得到公式(1)。

本发明通过公式(1)得到各浓度梯度各光谱对应的吸收散射比，如0％， 15％，30％，50％，75％，100％这两个浓度的吸收散射比，再通过公式(2)进行线性插值计算得到其他浓度对应的吸收散射比的近似值，最后拟合到得到0-100％浓度基墨对应的吸收散射比数据。，实现了在建立高精确性的基础油墨数据库减少了打样次数、降低了打样耗时和人力成本，从而提高了基墨建库效率。

在步骤S3中，采用步骤S2测量目标样品获取目标样品的光谱反射率 R_r，共如图3所示。

所述步骤S4中，在建立基础配色模型中通过步骤S2和S3得到的各个光谱反射率，在MATLAB进行迭代计算得到谱差最小的配方为初始配方，该初始的目标色、初始配方预测色、初始配方实际打样色的光谱数据图。

在一具体的实施例中，所述步骤S4包括：

S41、根据Duncan加合性理论(邓肯加和性理论)获取混合后油墨的吸收散射比；所述混合后油墨的吸收散射比通

过公式(3)获得：其中，

为初始配方通过Duncan加合性理论计算的混合后油墨的吸收散射比；K_λ,i,S_λ,i分别为第i种基础油墨的吸收系数和散射系数；K_λ,t,S_λ,t分别为基材的吸收系数和散射系数；c_i为第i种基础油墨的浓度，且有如式(4)所示关系，m为基材系数值，在两色、三色和四色混合配色条件时，m分别为-0.5、-0.1、0.2；

S42、将混合后油墨的吸收散射比

S43、在基础配色模型中，添加约束条件为极小化光谱误差；所述极小化光谱误差通过公式(5)获得，其中R_pre是初始配方的光谱反射率，R_r是目标样品光谱反射率，由于在采集梯度打样样品的光谱反射率时记录的是 400-700nm波长数据，间隔为10nm采样，因此公式(5)中M为31；

S44、根据基础配色模型和极小化光谱误差结合公式(1)，迭代计算不同基础油墨不同浓度的混合情况时的混合油墨与目标色理论谱差最小的油墨配比关系，即为初始配方。

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。

在步骤S41中，根据不同种类的基础油墨混合得到的配色结果中，基材系数值对于配色精度存在影响，初步分析是因为油墨混合时随着油墨种类的增加，不同颜料间的混合干扰了基材对于混合结果的影响程度。为此本发明对基材系数与基础油墨种类数量之间的关联性进行探究，由于胶印油墨实际生产使用过程中最常见的是两色、三色和四色混合，本发明选取了实际生产使用过程中已知油墨配方的两色混合专色(23个)、三色混合专色(29个)、四色混合专色(12个)共计64个专色，对该基材系数m进行迭代计算，m的迭代区间为[-1.5,1]，步长设为0.1。最终得到m在两色、三色和四色混合配色条件时分别为-0.5、-0.1、0.2。

在步骤S42中，通过步骤S2中拟合得到的不同浓度基墨油墨的吸收散射比

以及基材的吸收散射比，结合公式(3)和公式(4)的关系，可以得到混合油墨的理论吸收散射比

并将其经过公式(1)的逆运算可以得到混合油墨的理论光谱反射率R_pre，并与步骤S3中得到的目标色光谱数据R_r进行比较来建立基础配色模型。

在步骤S43中，在基础配色模型中，添加约束条件谱差最小(即极小化光谱误差)。在步骤S44中通过MATLAB迭代模拟不同基础油墨的不同浓度的混合情况，求得混合油墨与目标色理论谱差(即目标预测谱差)最小的油墨配比关系，即为初始配方。

本发明通过步骤S5判断初始配方打样样条与目标样品的色差在预设范围，来判断初始配方是否符合配色要求。其中，色差的预设范围为色差小于或等于2.00。

本发明通过步骤S6配方打样样品进行色差最小约束条件的配方修正，直到最终配方样品与目标样色差≦2.00，最终得到的修正色、实际色与目标色光谱数据如图5所示。所述步骤S6包括：

S61、测量初始配方样条的光谱反射率，并通过公式(1)获取初始配方混合油墨的理论光谱反射率，再由公式(6)得到理论与实际的差值；

其中，

为测量初始配方样条的吸收散射比，

为初始配方理论的吸收散射比(即不同可见光波长下的基础油墨的吸收散射比)；

S62、将公式(6)得到的差值作为理论补偿，结合公式(3)建立修正配方配色模型，所述修正配方配色模型通过公式(7)获得：

其中，m为基材系数值，

为修正配方混合后油墨的吸收散射比，

为第i种基础油墨的吸收散射比；

为基材的吸收散射比；c_i为第 i种基础油墨的浓度；

为初始配方理论的吸收散射比

与实际测量初始配方样条的吸收散射比

的差值；

S63、在修正配方配色模型中添加约束条件为极小化色差，其中极小化色差通过公式(8)、(9)计算获得：

S64、根据修正配方型配色模型和极小化色差结合公式(1)，通过MATLAB 迭代计算不同基础油墨不同浓度的混合情况时的混合油墨与目标色理论色差最小的油墨配比关系，即为修正配方。

本发明实施例中，所有步骤获取光谱数据的工具都是XRITE的CI64。本实例中关于光谱数据转换为Lab三刺激值的公式为本发明研究方向的基础公式，故本发明不予赘述。

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)。

在步骤S40中，通过修正配方配色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＞2.00)，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≤2.00)，且目视色差亦符合要求。

应当说明的是，本实施例采用MATLAB完成对配方生成以及配方修正的迭代计算，但本发明并不局限于本例中提到的基础油墨数据库以及其他基材数据，对于其他任何利用本发明提出的理论现实差异补偿用于专色配色及修正方法同样适用。

具体地，本发明根据目标声色进行计算、打样、测量得到的有关色差和谱差的对比数据如下表：

上表中，对各种目标专色的初始配方采用目前已有的delta XYZ修正方法得到的最终平均色差为1.0947，从结果来看本发明采用的配色及修正方法方法适合于胶印油墨专色配色。经过表中的实验数据可见采用本发明提出的方法最终结果同色同谱程度很高，色差也达到了行业内的高标准高要求。经过具有

修正的补偿算法得到的最终修正配方即为实施例最终所求结果。

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6所示，装置包括：

材数据库构建模块11，用于将用于配色的基础油墨按预设浓度梯度打样，并构建基础油墨及基材数据库；

12，用于测量梯度打样样品和目标样品，分别获取打样样品的光谱反射光谱反射率获取模块率R_λ、打样基材的光谱反射率R_p、目标样品的光谱反射率R_r；

基础配色模型构建模块13，用于基于打样样品与目标样品的光谱匹配度建立基础配色模型，利用打样样品的光谱反射率R_λ、打样基材的光谱反射率R_p和目标样品的光谱反射率R_r迭代计算，获取谱差最小的配方为初始配方；

初始配方计算模块14，用于根据初始配方打样获取初始配方样条，当初始配方样条与目标样品的色差在预设范围时，确定所述初始配方为最终配方；

配方修正模块15，用于当初始配方样条与目标样品的色差超过预设范围时，根据初始配方样条进行色差最小约束条件的配方修正，直到最终的修正配方样条与目标样品的色差在在预设范围内。

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7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7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7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油墨计算机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油墨计算机配色方法。

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油墨计算机配色方法，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，本发明利用颜色相关计算公式，设计了合理且可复制的交叉实验，总结出了从数据库构建到配方生成和配方修正一系列过程中的最佳组合方式，实现了能够达到预期色差要求的同时最大程度避免产生同色异谱结果。

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。