CN114513585A - 一种从照相机到打印机颜色再现方法 - Google Patents
一种从照相机到打印机颜色再现方法 Download PDFInfo
- Publication number
- CN114513585A CN114513585A CN202210217996.6A CN202210217996A CN114513585A CN 114513585 A CN114513585 A CN 114513585A CN 202210217996 A CN202210217996 A CN 202210217996A CN 114513585 A CN114513585 A CN 114513585A
- Authority
- CN
- China
- Prior art keywords
- camera
- printer
- training
- color
- image
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000003086 colorant Substances 0.000 title claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 72
- 238000012937 correction Methods 0.000 claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 238000003702 image correction Methods 0.000 claims abstract description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 22
- 238000007639 printing Methods 0.000 abstract description 13
- 238000011156 evaluation Methods 0.000 description 9
- 238000005286 illumination Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007641 inkjet printing Methods 0.000 description 1
- 238000004519 manufacturing process 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
- 230000003287 optical effect Effects 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6011—Colour correction or control with simulation on a subsidiary picture reproducer
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41M—PRINTING, DUPLICATING, MARKING, OR COPYING PROCESSES; COLOUR PRINTING
- B41M5/00—Duplicating or marking methods; Sheet materials for use therein
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Color Image Communication Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明涉及一种从照相机到打印机颜色校正方法。包括训练和校正过程，训练过程包括四个步骤：打印机打印包含150色块的训练样本；照相机拍照打印的训练样本；计算出照相机拍照图像中每个色块的RGB平均值；训练RBF人工神经网络实现从照相机RGB色空间到打印机RGB色空间的变换；校正过程是实际应用过程，包括三个步骤：照相机拍摄景物；训练好的RBF人工神经网络实现从照相机图像到打印机图像的图像校正；打印校正图像。本发明不需要任何的测量器材，不需要进行技术培训，适应于任何照相机与打印机开环系统，适应于照相机拍摄图像照明正常的条件和参数设置，适用于打印机使用的任何墨盒和无光泽纸张。
Description
技术领域
本发明属于照相色彩颜色科学与技术领域，具体属于桌面色彩管理方法，是一种彩色数字设备颜色再现方法，具体涉及一种从照相机到打印机颜色校正方法。
背景技术
彩色数字图像设备已经广泛应用与普及，人们对图像色彩要求越来越高，各种设备之间实现准确的颜色传递和颜色再现一直是现代颜色科学与技术领域的研究热点。
1993年成立的国际色彩联盟（ICC）提出一种CMS架构[3, 4]，其核心是色彩特性描述文件“ICC Profile”，是一种工业标准，基于ICC的CMS已普遍应用于各类操作系统（如Mac的ColorSync，Windows的ICM）和图像处理软件（如Photoshop）。1996年由惠普与微软公司合作开发的标准一个RGB色空间sRGB，在1999年定为国际标准，并于 1998年成为国际电工委员会（IEC）标准IEC611966-2-1，是广泛应用于计算机、网络等多媒体设备颜色信息交换的标准颜色空间，成为不仅是Windows操作系统和Internet上使用的标准色空间。
但包括ICC在内的色彩管理方法的核心是色彩特性文件Profile，用户使用标准或厂家提供的Profile与实际的有差别，而要建立实际的Profile需要测量器材，而且需要专业技术人员。对于标准sRGB色空间方法，普通用户使用很难设置在标准的参照条件，设备间颜色无法实现更精确地传递。利用人眼匹配不仅费时费力，而且人的主观性和不同人的差距影响匹配准确性，应用推广难度大。
为了方便用户，在一些颜色再现要求不高的非专业应用领域，可以借助人眼实现各种数字彩色设备之间的颜色再现，这是一种不通过中间色空间的直接色空间变换。利用人眼实现从显示器到打印机颜色再现研究较多，如1993年美国专利（US5212546）方法如下，首先显示器显示（软打样）真实图像作为参考图像，再打印参考图像，然后调整显示器的亮度和对比度使显示与打印图像颜色尽可能匹配，实现了从显示器到打印机颜色再现。1994年美国专利（US5296947）利用人眼视觉调整一个彩色显示器色块与每一个打印色块颜色匹配，记录下显示器屏幕颜色RGB值，由此建立显示器与打印机颜色变换查找表（LUT）实现从显示器到打印机的颜色再现。2007年美国专利（US20070291287）提出一种视觉实现打印与显示颜色匹配方法。首先提供一幅称作源图案的图像，显示器显示的源图案图像称目标图案，然后打印多个参考色图案，每个参考色图案对应一种源图案的颜色校正图案。按照用户标准，比较目标与哪个参考匹配。
有关从照相机到打印机颜色再现具有更大挑战性，因为照相机和打印机色空间映射的非线性大更高。从照相机到打印机是一个从景物到图像，再到打印纸质图像的过程，颜色再现目的是实现照相机拍摄景物与打印图像颜色的一致性，这是一个非常复杂过程。首先是照相机采集过程复杂性与采集得到图像的RGB值不确定性。照相机采集物体过程的复杂表现在与环境照明、相机设置、拍摄角度及嵌入到相机硬件的算法处理（ISP）等多种因素有关，所以同一景物拍摄出不同的效果，这正是摄影家发挥技术的条件，这也导致RGB值不确定性。
其次，打印机打印图像与打印介质、环境照明、观察角度等有关。另外，景物与打印图像颜色一致性涉及人眼视觉观察与评价，这个过程理论上实现非常复杂。为此，在实际应用时，照相机到打印机颜色再现要在一定条件下实现，即在任意选定的一款数码照相机，环境照明、相机设置和拍摄角度一定；且在任意选定的一款打印机和一种打印介质，在环境照明和观察角度一定，这样实现景物与打印图像在相同环境照明条件下的人眼视觉观察的一致性。如何满足普通用户的需求，降低对专业知识甚至测量设备的要求，采取一种简单而直观的方法实现从一种设备到另一种设备的颜色校正是本领域中亟待解决的问题之一。
发明内容
针对上述问题，本发明提出一种从照相机到打印机颜色校正方法，该方法不需任何的测量器材，不需要进行技术培训，适应于任意照相机与打印机开环系统。
具体技术方案是：一种从照相机到打印机颜色再现方法，包括训练和校正过程：
1）训练包括如下四个步骤；
第1步：打印机打印包含150色块的训练样本；
第2步：照相机拍照打印的训练样本；
第3步：计算出照相机拍照图像中每个色块的RGB平均值；
第4步：训练RBF人工神经网络实现从照相机RGB色空间到打印机RGB色空间的变换；
2）校正包括如下三个步骤；
第1步：照相机拍摄景物；
第2步：RBF人工神经网络实现从照相机图像到打印机图像的图像校正；
第3步：打印校正图像。
上述实现从照相机到打印机图像的颜色校正是通过照相机拍摄打印机打印色块图像获得训练样本，获得打印机色空间到打印机色空间的变换关系。
进一步，所述训练中第1步中150色块的训练样本，其色块RGB值包括R、G、B三通道分别取值0、64、128、192、255五个值组合125个，再加上用于照相机颜色特性化使用的Macbeth ColorChecker色卡24个，最后再加1个R、G、B都取0的黑色，构成训练样本打印机RGB色空间。
打印机打印包含150色块的训练样本，使用实际应用中所使用的打印机，打印在实际应用中打印机所使用墨盒或墨粉和无光泽纸张，为了使照相机拍照时照度均匀，打印尺寸不宜太大。
进一步，所述训练中第2步中照相机参数设置要采用“手动”挡，其他参数可以根据拍摄正常图像用户自行设置，但要与实际应用时拍摄景物使用参数一致，打印样本要放在照相机实际拍摄景物的照明环境和场景中，应尽可能放在照相机场景中间与照相机机身垂直的位置。
需要注意的是需要用户确定一个拍照的照明条件，这个照明条件与打印图像观察条件一致，包括观察打印图像正常的亮度条件和照射在打印图像照度均匀。
进一步，所述训练中第3步中RGB平均值采用首先分割色块，并取色块的中央区域分别计算R、G、B通道平均值，组成训练样本照相机RGB色空间。
进一步，所述训练中第4步中利用打印机数据和照相机数据构成校正系统的训练样本集对RBF人工神经网络训练。
进一步，训练结果以训练输出RGB与实际输出RGB差值绝对值在8 
2为宜，取得最终的RBF人工神经网络参数保存在计算机上，得到RBF人工神经网络实现从照相机RGB色空间到打印机RGB色空间的变换。
进一步，所述校正中第1步中照相机拍摄景物，其应与所述训练中第2步中照相机拍照训练样本打印图像的照明条件一致。
进一步，所述校正中第2步中，利用所述训练中第4步中训练好的RBF人工神经网络，将照相机拍摄景物RGB图像变换到打印机RGB图像。
所述校正过程打印校正图像，即打印机校正输出图像。
本发明关键技术是通过照相机拍摄打印机打印色块图像获得训练样本，获得打印机色空间到打印机色空间的变换关系，进而实现从照相机到打印机图像的颜色校正，是一种跨媒体颜色再现方法。
需要指出的是本发明的从照相机到打印机颜色校正方法，适应于任意照相机与打印机开环系统不受照相机和打印机类型的限制和墨盒或墨粉的限制；适用于打印机任何哑光或毛面纸张，除了对照相机拍照有反光的纸张；适应于照相机拍摄图像照明正常的条件和参数设置；
当然在使用过程中当更换照相机与打印机或改变照相机设置，或更换打印机及相关材料，需要重复训练过程；校正过程不变。
本发明的有益效果：适用于任意一台具有手动设置功能数码照相机和一台彩色打印机的开环系统，只需要用户在正常的、均匀的、以及观察打印图像和照相机拍照相同的照明条件；适用于打印机使用的任何墨盒和无光泽纸张；适应于照相机拍摄图像照明正常的条件和参数设置。
本发明不需要任何的测量器材，不需要进行技术培训；是一种简单而直观、可供普通用户根据应用选择的彩色桌面颜色再现方法。
附图说明
图1是本发明的训练步骤和校正流程图；
图2是打印机打印包含150色块的训练样本；
图3是照相机拍摄的训练样本打印图像；
图4是照相机拍照训练样本打印图像进行分割色块图像；
图5是包括126个色块的测试样本图像；
图6是主观评价原始打印图像，该图为国际ISO标准彩色图象数据(SCID)中的N1和N5图像，用于颜色科学家做颜色评价研究；
图7是主观评价拍照原始打印图像；
图8是主观评价校正后的打印图像。
具体实施方式
为了使本发明所解决的技术问题、技术方案更加清楚明白，以下结合附图及实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
实施例1：
如图1所示，一种从照相机到打印机颜色再现方法，包括训练和校正过程：
1）训练包括如下四个步骤；
第1步：打印机打印包含150色块的训练样本；
训练样本图像包括 150个色块，其色块RGB值包括R、G、B三通道分别取值0、64、128、192、255五个值组合125个；再加上用于照相机颜色特性化使用的MacbethColorChecker色卡24个，最后再加1个黑色块总共150个，组成训练样本打印机RGB色空间，如图2所示。
用户实际使用的打印机将训练样本图像打印在用户实际使用的打印纸上，打印图像大小15 cm
10 cm。
第2步：照相机拍照打印的训练样本；
照相机拍摄训练样本打印图像需要用户确定一个拍摄的照明条件，这个照明条件与打印图像观察条件一致，包括观察打印图像正常的亮度条件和照射在打印图像照度均匀。
相机拍摄训练样本打印图像参数设置要采用“手动”挡，其他参数可以根据拍摄正常图像用户自行设置，但要与实际应用时拍摄景物使用参数一致。打印样本要放在照相机实际拍摄景物的照明环境和场景中，应尽可能放在照相机场景中间与照相机机身垂直的位置。照相机拍照打印的训练样本，如图3所示。
第3步：计算出照相机拍照图像中每个色块的RGB平均值；
照相机拍照训练样本打印图像做如下处理，首先分割色块，然后取分割色块中间像素计算每个色块RGB平均值，如图4所示，组成训练样本照相机RGB色空间。
第4步：训练RBF人工神经网络实现从照相机RGB色空间到打印机RGB色空间的变换；
以训练样本打印机RGB色空间和照相机RGB色空间数据作为训练径向基函数（Radial Basis Function neural network, RBF）人工神经网络数据，网络输入与输出层节点数目都是3。
RBF网络训练确定2个参数，分别是隐含层节点数目和径向基函数扩展常数spread。其中，RBF网络隐含层节点数目是在训练过程中自适应地调整直至满足误差要求，采用逐步增加隐层节点的方法来确定隐层节点的数目的。RBF网络参数最优值不仅由训练过程确定，还需要用测试样本共同确定。测试样本图像包括R、G、B三通道分别取值0、32、96、160、224五个值组合125个色块，再加最后1块黑色供126块，如图5所示。
对测试样本图像重复以上训练过程1
4步骤，不断调整2个网络参数，使训练和测试样本同时达到网络预测值与实际值的RGB方差最小，此时的网络参数维最优值。
2）校正过程是实际应用过程，包括如下三个步骤；
第1步：照相机拍摄景物；
如图6所示，照相机拍照景物，照相机拍照景物要与照相机拍照训练样本打印图像的照明条件一致，如图7所示，是拍照景物图像。
第2步：RBF人工神经网络实现从照相机图像到打印机图像的图像校正；
利用训练过程第4步训练好的RBF人工神经网络，将照相机拍摄景物RGB图像变换到打印机RGB图像，此图像即是从照相机到打印机颜色校正图像，如图8所示。
第3步：打印校正图像。
实施例2：
实施例1中具体采用的设备、参数。
实验器材：Canon 500D数码照相机；Epson六色彩色喷墨打印机L805，最高分辨率5760 dpi；墨水为兼容Epson打印机系列国产墨水；纸张为108克布纹国产喷墨打印纸，支持2880 dpi打印模式；便携式LED摄影棚。
照明条件：便携式LED摄影棚尺寸80 cm
80 cm
80 cm；两组条带光源，亮度6挡可调；模拟D65和A光源两种色温可变。
实验参数：摄影棚A光源、亮度第4档，所有实验在此亮度条件下进行；照相机拍照设置手动“M”挡，“M”挡图像分辨率5808
3872，拍照参数设置曝光时间、光圈和ISO分别是1/125秒、5.6、200；打印机设置打印纸类型“Epson高质量亚光纸”、打印质量“高”。
颜色再现主观评价：颜色再现主观评价使用色度学评价的国际标准图像，将标准图像打印图像、照相机拍照打印图像以及其校正后打印图像三者置于摄影棚。评价分数为1
5五个等级，定义为：1：改进大；2：改进一般；3：改进小；4：无改进；5：变差。照相机拍照打印图像以及其校正后打印图像比较结果表明，其中改进大占46.8 %，改进一般占25.5 %，改进小占11.7 %，无改进占8.4 %，变差占7.6 %，其中变差的主要是深色部分。
对比例：
基于ICC的CMS需要设备的色彩特性文件ICC Profile，它表示了这一特定设备的色彩描述方式与标准色彩空间的对应关系。关于Profile文件的建立，一般生产设备厂家自带Profile；另外一些色彩管理软件提供各种标准的Profile，一般用户可以直接使用，如PhotoShop处理图像时使用ColorMatch RGB色彩空间工作。由于输入设备种类繁多，采用标准的Profile误差更大，色彩管理效果不一定满意，需要用户自己建立设备的Profile。
用户自己建立设备的Profile需要使用专门的测色仪，主要是针对显示器和扫描仪。目前使用屏幕校色的软件和仪器比较多，一般采用仪器和色彩管理软件捆绑，如EIZO公司CG系列显示器和软件ColorNavigator，Gretag公司的EyeOne、EyeOne Match和ProfileMaker，Xrite公司的DTP94和MonacoOPTIX，Monaco公司的Monaco optix XR、Pantone公司的Optical，Heidelberg公司的ViewOpen等。由色彩管理软件和仪器实测结果生成Profile文件后，将其作为设备的默认色彩特征文件写入系统参数。建立输出设备显示器的Profile测量过程是自动的，但建立打印机CMYK的Profile比较复杂。
基于ICC规范的颜色管理系统与基于sRGB标准颜色空间的颜色管理系统各有优缺点，互相补充。前者要求给出设备的特性文件，可以灵活应用于不同的颜色设备，但是颜色空间映射运算复杂；后者这种模式不需要复杂的运算，可以离开计算机实现颜色设备间的直接通信，但要求颜色设备和媒体介质按照参照条件设计，灵活性差。
以上通过具体的和优选的实施例详细的描述了本发明，但本领域技术人员应该明白，本发明并不局限于以上所述实施例，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种从照相机到打印机颜色再现方法，其特征在于，包括训练和校正过程：
1）训练包括如下四个步骤；
第1步：打印机打印包含150色块的训练样本；
第2步：照相机拍照打印的训练样本；
第3步：计算出照相机拍照图像中每个色块的RGB平均值；
第4步：训练RBF人工神经网络实现从照相机RGB色空间到打印机RGB色空间的变换；
2）校正包括如下三个步骤；
第1步：照相机拍摄景物；
第2步：RBF人工神经网络实现从照相机图像到打印机图像的图像校正；
第3步：打印校正图像。
2.根据权利要求1所述的一种从照相机到打印机颜色再现方法，其特征在于，所述训练中第1步中150色块的训练样本，其色块RGB值包括R、G、B三通道分别取值0、64、128、192、255五个值组合125个，再加上用于照相机颜色特性化使用的Macbeth ColorChecker色卡24个，最后再加1个R、G、B都取0的黑色，构成训练样本打印机RGB色空间。
3.根据权利要求1所述的一种从照相机到打印机颜色再现方法，其特征在于，所述训练中第2步中照相机参数设置要采用“手动”挡，其他参数可以根据拍摄正常图像用户自行设置，但要与实际应用时拍摄景物使用参数一致，打印样本要放在照相机实际拍摄景物的照明环境和场景中。
4.根据权利要求1所述的一种从照相机到打印机颜色再现方法，其特征在于，所述训练中第3步中RGB平均值采用首先分割色块，并取色块的中央区域分别计算R、G、B通道平均值，组成训练样本照相机RGB色空间。
5.根据权利要求1所述的一种从照相机到打印机颜色再现方法，其特征在于，所述训练中第4步中利用打印机数据和照相机数据构成校正系统的训练样本集对RBF人工神经网络训练。
6.根据权利要求5所述的一种从照相机到打印机颜色再现方法，其特征在于，训练结果以训练输出RGB与实际输出RGB差值绝对值在8 ± 2为宜，取得最终的RBF人工神经网络参数保存在计算机上，得到RBF人工神经网络实现从照相机RGB色空间到打印机RGB色空间的变换。
7.根据权利要求1所述的一种从照相机到打印机颜色再现方法，其特征在于，所述校正中第1步中照相机拍摄景物，其应与所述训练中第2步中照相机拍照训练样本打印图像的照明条件一致。
8.根据权利要求5或6所述的一种从照相机到打印机颜色再现方法，其特征在于，所述校正中第2步中，利用所述训练中第4步中训练好的RBF人工神经网络，将照相机拍摄景物RGB图像变换到打印机RGB图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210217996.6A CN114513585A (zh) | 2022-03-08 | 2022-03-08 | 一种从照相机到打印机颜色再现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210217996.6A CN114513585A (zh) | 2022-03-08 | 2022-03-08 | 一种从照相机到打印机颜色再现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114513585A true CN114513585A (zh) | 2022-05-17 |
Family
ID=81552855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210217996.6A Withdrawn CN114513585A (zh) | 2022-03-08 | 2022-03-08 | 一种从照相机到打印机颜色再现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114513585A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108600723A (zh) * | 2018-07-20 | 2018-09-28 | 长沙全度影像科技有限公司 | 一种全景相机的颜色校正方法及评价方法 |
| CN109859117A (zh) * | 2018-12-30 | 2019-06-07 | 南京航空航天大学 | 一种采用神经网络直接校正rgb值的图像颜色校正方法 |
| CN111062876A (zh) * | 2018-10-17 | 2020-04-24 | 北京地平线机器人技术研发有限公司 | 用于校正模型训练和图像校正的方法和装置及电子设备 |
| CN111562010A (zh) * | 2020-05-14 | 2020-08-21 | 北京大学 | 一种用于自动化图像色彩校准的方法和装置 |
-
2022
- 2022-03-08 CN CN202210217996.6A patent/CN114513585A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108600723A (zh) * | 2018-07-20 | 2018-09-28 | 长沙全度影像科技有限公司 | 一种全景相机的颜色校正方法及评价方法 |
| CN111062876A (zh) * | 2018-10-17 | 2020-04-24 | 北京地平线机器人技术研发有限公司 | 用于校正模型训练和图像校正的方法和装置及电子设备 |
| CN109859117A (zh) * | 2018-12-30 | 2019-06-07 | 南京航空航天大学 | 一种采用神经网络直接校正rgb值的图像颜色校正方法 |
| CN111562010A (zh) * | 2020-05-14 | 2020-08-21 | 北京大学 | 一种用于自动化图像色彩校准的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1237379B1 (en) | Image processing for digital cinema | |
| EP1558022A2 (en) | Image processing apparatus, method and program, image pickup apparatus and image data output method and program | |
| JP2005117612A (ja) | 画像処理方法および装置 | |
| US20070216776A1 (en) | Color image reproduction | |
| US7298892B2 (en) | Producing a balanced digital color image having minimal color errors | |
| JP2008510382A (ja) | デジタル・カラー忠実度 | |
| JP2005210495A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| Hong et al. | Perceptually-based color difference for complex images | |
| JP4220071B2 (ja) | 色修正関係抽出方法および色修正方法 | |
| CN111327787B (zh) | 一种软打样显示颜色的校正方法 | |
| WO2012159586A1 (zh) | 成像系统或图像输出系统中颜色畸变校正方法及装置 | |
| CN114513585A (zh) | 一种从照相机到打印机颜色再现方法 | |
| CN104010176A (zh) | 一种利用人眼实现从显示器到打印机颜色校正方法 | |
| TWI513326B (zh) | 高動態範圍合成影像之色彩校正方法 | |
| JPH1155688A (ja) | 画像の色変換方法および装置 | |
| KR100510819B1 (ko) | 색현시 모델을 이용한 디지털 캠코더의 영상 조명특성과화질 개선 장치 및 방법 | |
| JP4034027B2 (ja) | 機種色特性プロファイル作成方法 | |
| JP3539883B2 (ja) | 画像処理方法および装置、記録媒体、撮像装置並びに画像再生装置 | |
| JP3690470B2 (ja) | 画像処理装置および画像形成装置、画像処理方法 | |
| JP2000261825A (ja) | 画像処理方法および装置並びに記録媒体 | |
| WO2000054213A1 (en) | System for color balancing animations and the like | |
| JP2001036762A (ja) | 色修正定義作成方法および色修正定義作成装置 | |
| Ramamurthy et al. | Achieving color match between scanner, monitor, and film: a color management implementation for feature animation | |
| JP2024006474A (ja) | 画像処理装置、画像処理方法 | |
| JP2019008065A (ja) | 画像処理装置、投影装置、画像処理方法、プログラム、及び記憶媒体 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220517 |
|
| WW01 | Invention patent application withdrawn after publication |