CN114667439A - 与包括效果颜料的目标涂层的光学特性相匹配的涂层配方的生成 - Google Patents

与包括效果颜料的目标涂层的光学特性相匹配的涂层配方的生成 Download PDF

Info

Publication number
CN114667439A
CN114667439A CN202080075466.1A CN202080075466A CN114667439A CN 114667439 A CN114667439 A CN 114667439A CN 202080075466 A CN202080075466 A CN 202080075466A CN 114667439 A CN114667439 A CN 114667439A
Authority
CN
China
Prior art keywords
coating
image
target coating
database
target
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
Application number
CN202080075466.1A
Other languages
English (en)
Inventor
A·佩里斯
M·拉奥特
T·康蒂姆
G·比绍夫
E-K·席林格
B·奥塔扎吉恩
D·拉丰范
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BASF Coatings GmbH
Original Assignee
BASF Coatings GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BASF Coatings GmbH filed Critical BASF Coatings GmbH
Publication of CN114667439A publication Critical patent/CN114667439A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • 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
    • G01J3/463—Colour matching
    • 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
    • G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
    • G01J3/504—Goniometric colour measurements, for example measurements of metallic or flake based paints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20076—Probabilistic image processing

Abstract

本公开涉及用于生成涂层配方的计算机实现方法以及用于执行该方法的设备，该涂层配方产生对于人类观察者的眼睛而言与目标涂层的外观相同或基本上相似的涂层。

Description

与包括效果颜料的目标涂层的光学特性相匹配的涂层配方的 生成
技术领域
本公开涉及一种用于生成涂层配方的计算机实现方法以及用于执行该方法的设备，该涂层配方产生在外观上与目标涂层相同或基本上相似的涂层。
背景技术
EP 2 728 342 B1公开了一种用于外观分析的手持式测量设备，包括测量阵列，该测量阵列包括：多个照明装置，用于在至少三个照明方向中将照明光施加到测量场；以及用于捕获至少一个观察方向中的测量光的多个拾取装置。照明方向和观察方向位于共同的系统平面中。至少一个拾取装置被体现为以局部积分的方式对测量光进行光谱测定，并且至少一个成像拾取装置被体现为以局部解析的方式在颜色方面测定测量光。
EP 2 161 555 B1教导了一种用于创建用于具有期望纹理的涂料颜色的数据库的方法。该方法包括在将每个光谱反射率数据和每个微亮度数据与涂料颜色代码相关联之后，存储涂料颜色的光谱反射率数据和微亮度数据；在将每个纹理评估值与涂料颜色代码相关联之后，存储样品涂料颜色的纹理评估值；使用光谱反射率数据和微亮度数据计算表达纹理的涂料颜色的特征量，并在将每个特征量与涂料颜色代码相关联之后存储特征量；使用样品涂料颜色的特征量和纹理评估值作为训练数据训练神经网络；以及在训练之后将与样品涂料颜色不同的涂料颜色的特征量输入到神经网络中，并在将每个输出数据与涂料颜色代码相关联之后存储输出数据。
WO 2014/047296 A1公开了一种计算机实现的方法，该计算机实现的方法包括对目标样品上的目标涂层执行视觉评估和仪器测量中的至少一个以生成比色信息，以及使用处理器通过确定在相对于目标样品的不同视角处的颜色和颜色强度来识别存在于目标涂层中的本体调色剂。该方法还包括使用处理器通过检测目标涂层中存在的有色和/或无色色素沉着效应的存在和取向来识别目标涂层中存在的至少一种特定调色剂，并使用处理器输出至少包括至少一种特定调色剂的目标涂层的配方。
US 2018/0144505 A1公开了一种计算机实现的方法，该计算机实现的方法涉及使用图像捕获设备对以相对于目标涂层的表面的不同角度获得的多个图像进行分析。该方法涉及使用滤波技术对获得的图像进行图像分析，以确定图像内是否存在闪光点。然后可以执行颜色属性分析以确定与所确定的闪光点相关联的各种颜色属性。然后可以响应于颜色属性分析计算闪光颜色分布。然后可以与计算的闪光颜色分布相关联地生成与目标涂层相同或基本上相似的涂层配方。
US 2011/246087 A1公开了一种用于自动选择着色剂和薄片以产生一种或多种匹配配方以匹配包含薄片的目标涂层的颜色和外观的方法，以及一种用于自动选择着色剂和薄片以产生一个或多个匹配配方以匹配目标涂层的颜色和外观的系统。该方法包括以下步骤：a)获得目标涂层的外观数据；b)将外观数据与存储在薄片数据库中的已知薄片的外观特征进行比较；c)从所述薄片数据库中选择具有与所述外观数据匹配的外观特征的一个或多个匹配薄片、薄片组合或薄片比率；d)获得目标涂层的颜色数据；e)将所述颜色数据与存储在颜色数据库中的已知着色剂的一种或多种着色剂组合的颜色特征进行比较，以从所述颜色数据库中选择具有与所述颜色数据匹配的颜色特征的一种或多种着色剂组合；f)确定所述着色剂组合的每种所述已知着色剂的着色剂浓度和匹配薄片、薄片组合或薄片比率中的每一种的所述薄片浓度；以及g)根据所述着色剂浓度和所述薄片浓度产生所述一种或多种匹配配方，其中由所述匹配配方产生的匹配涂层具有与颜色数据匹配的颜色特征和与外观数据匹配的外观特征。
发明内容
本公开提供了一种用于生成涂层配方的计算机实现的方法，该计算机实现的方法产生对于人类观察者的眼睛而言与目标涂层的外观相同或基本上相似的涂层。该方法涉及使用图像捕获设备获得目标涂层的图像，通过对获得的图像执行图像分析来识别目标涂层内的闪光点，使用图像分析的结果确定目标涂层的纹理属性，以及使用所确定的纹理属性生成涂层配方，该涂层配方产生对于人类观察者的眼睛而言与目标涂层的外观相同或基本上相似的涂层。在本公开的方法中，纹理属性包括目标涂层的对比度、闪光强度、闪光量和闪光大小。在该方法的实施例中，由图像捕获设备获得的RGB图像被转换为XYZ图像，并对XYZ图像的Y分量应用高通滤波器。高通滤波器具有与人眼的对比灵敏度和辨别能力相对应的阈值。
本公开还提供了一种系统，其包括用于生成涂层配方的装置，该涂层配方产生对于人类观察者的眼睛而言与目标涂层的外观相同或基本上相似的涂层。该系统包括：数据库，该数据库包括多个已知涂层的纹理属性和反射率曲线以及CIELab值；以及处理器，其被编程用于与数据库通信。处理器被编程用于获得目标涂层的多个图像，对获得的图像执行图像分析以确定图像中的至少一个闪光点，执行纹理分析以确定目标涂层的纹理属性，以及与确定的纹理属性相关联地生成涂层配方，该涂层配方产生对于人类观察者的眼睛而言与目标涂层的外观相同或基本上相似的涂层。纹理属性包括目标涂层的对比度、闪光强度、闪光量和闪光大小。在该系统的实施例中，处理器被编程用于将由图像捕获设备获得的RGB图像转换为XYZ图像；以及用于对XYZ图像的Y分量应用高通滤波器。高通滤波器具有与人眼的对比灵敏度和辨别能力相对应的阈值。
本公开还提供了一种非暂态计算机可读介质，其包括如下软件，用于使处理器获得目标涂层的多个图像、对获得的图像执行图像分析以确定图像内的至少一个闪光点、执行纹理分析以确定与目标涂层相关联的纹理属性；以及与所确定的纹理属性相关联地生成涂层配方，该涂层配方产生对于人类观察者的眼睛而言与目标涂层的外观相同或基本上相似的涂层。纹理属性包括目标涂层的对比度、闪光强度、闪光量和闪光大小。该软件的实施例使处理器将由图像捕获设备获得的RGB图像转换为XYZ图像；以及对XYZ图像的Y分量应用高通滤波器，该高通滤波器具有与人眼的对比灵敏度和辨别能力相对应的阈值。
附图说明
图1是示出根据本公开的方法的实施例从涂层的图像确定目标涂层的纹理属性的示意图；
图2是本公开的方法实施例的流程图。
具体实施方式
本公开提供了一种计算机实现的方法，包括：
使用图像捕获设备获得多个图像，每个图像以相对于目标涂层的表面的不同角度获得；
使用与至少一种滤波技术操作关联的电子计算机处理器对所获得的图像执行图像分析以确定图像内的至少一个闪光点；
使用处理器执行纹理属性分析以确定目标涂层的纹理属性；以及
使用处理器并与所确定的纹理属性相关联地生成涂层配方，该涂层配方产生对于人类观察者的眼睛而言与目标涂层的外观相同或基本上相似的涂层。
该方法的特征在于，纹理属性包括目标涂层的对比度、闪光强度、闪光量和闪光大小。
复杂涂层混合物包括根据其性质导致光学特性的效果颜料。由这些粒子增强的纹理效果可以通过不同的参数来定义。根据本公开，纹理效果可以通过可见闪光点的大小、可见闪光点的强度、闪光点的数量以及闪光点与基调颜色之间的对比度来描述。这四个参数在本公开中被称为纹理属性。
与仅使用可见闪光点大小分布的现有技术已知的纹理属性相比，这四种纹理属性允许更好地描述由复杂涂层混合物制备的涂层的视觉外观。除了闪光大小确定和CIELab值之外，通过还考虑闪光点数量分布、闪光点强度分布和对比度值，在已知涂层配方的数据库中搜索可以产生更好的结果。并且可以生成涂层配方，该涂层配方产生对于人类观察者的眼睛而言与目标涂层的视觉外观紧密匹配的涂层。
所有四个纹理属性都可以使用图像捕获设备来确定，该图像捕获设备在不同角度获得目标涂层的多个图像，例如在EP 2 728 342B1中公开的设备。
在该方法的另一个实施例中，还使用分光光度计获得了各自以相对于目标涂层表面的不同角度获得的多条反射率曲线。
在该方法的另一个实施例中，还获得目标涂层的CIELab坐标。
在该方法的实施例中，采用图像捕获设备获得的图像为RGB图像，并且包括由直射光照射的表面的图像和由漫射光照射的表面的图像；并且图像分析包括RGB图像到XYZ图像的转换；以及对XYZ图像的Y分量的分析以确定图像内的至少一个闪光点。在该方法的一个实施例中，通过分光光度计的校准将RGB图片转换为XYZ图片，并且只考虑XYZ图片的Y分量，因为它接近亮度值。
在该方法的另一个实施例中，在图像分析中使用的滤波技术包括对XYZ图像的Y分量应用高通滤波器，该高通滤波器具有与人眼的对比灵敏度和辨别能力相对应的阈值。
在该方法的实施例中，使用图像的自适应阈值来确定可见闪光点的大小，以便更好地将结果与人类视觉系统的感知相关。阈值基于人眼的灵敏度及其对小元素的辨别能力。该自适应阈值通过比较由经训练的观察者对涂层样品的视觉评估来确定。
纹理属性“对比度”是确定其它三个纹理属性的基础。对比度可以解释为两个对象之间的亮度差异，这使得它们可以彼此辨别。有必要识别图像中哪个是可见的(前景)和哪个是不可见的(背景)。将前景与背景分开的阈值是通过考虑人眼的对比灵敏度和辨别能力来确定的。然后将具有该阈值的高通滤波器应用于图像，并且在图片分析中仅评估前景，即可见部分。
在该方法的一个实施例中，分析由漫射光照射的目标涂层的表面的图像以确定对比度系数C。制备图像的光度直方图(每个光度值的像素数)，即，XYZ图像的Y分量的直方图。执行线性回归以将获得的数据与人眼的灵敏度及其对小元素的辨别能力进行拟合。确定图像的最大光度(MAX)和最小光度(MIN)。设置与人眼的对比灵敏度和辨别能力相对应的阈值(THRESHOLD)，以将图像的背景与前景分开。图像的背景包括具有区间[MIN；THRESHOLD]中的光度的像素，并且前景包括具有区间[THRESHOLD；MAX]中的光度的像素。分别计算前景的平均光度值(MEANFG)和背景的平均光度值(MEANBG)。还分别计算前景的光度值的加权和(WSFG)和背景的光度值的加权和(WSBG)。加权和是通过将每个光度值乘以具有该光度值的像素数并将各项相加而获得的。对比度系数C对应于公式
Figure BDA0003618290390000061
可以通过更改背景颜色(较暗的背景会增加对比度感知，反之亦然)或通过更改粒子(较小的粒子将趋向于较低的对比度，因为不太容易看到它们)来修改对比度，但是在那种情况下，必须考虑大小参数。
为了确定闪光大小系数S，使用以下公式：
Figure BDA0003618290390000062
使用初始滤波来确定闪光大小分布的斜率(SLOPE2)，以便移除大小小于结构元素的对象。在该情况下，结构元素是大小为2×2像素的正方形。为在初始滤波操作后剩余区域计算的像素相对损失允许斜率确定。
对于闪光量系数Q的确定，使用以下公式：
Figure BDA0003618290390000063
这里所做的假设是效应粒子的感知表观大小对于效应粒子的可见量具有不可忽略的影响。这就是为什么在数量系数Q中要考虑大小系数S。
为了确定闪光强度系数I，使用以下公式：
Figure BDA0003618290390000071
这里所做的假设是效果粒子的感知表观大小对效果粒子的可见强度具有不可忽略的影响。这就是为什么在强度系数I中考虑大小系数S。
确定整个图像的最大光度(MAX)、最小光度(MIN)和平均光度(MEAN)；并且对前景执行统计评估以定义前景的平均光度值(MEANFG)。
在一个实施例中，该方法包括使用处理器将目标涂层的纹理属性与存储在数据库中的多个已知涂层的纹理属性进行比较，并搜索最接近的匹配。
在另一个实施例中，该方法另外包括使用处理器将目标涂层的反射率曲线与存储在数据库中的多个已知涂层的反射率曲线进行比较，并搜索最接近的匹配。
在另一个实施例中，该方法另外包括使用处理器将目标涂层的CIELab值与存储在数据库中的多个已知涂层的CIELab值进行比较，并搜索最接近的匹配。
在该方法的实施例中，确定闪光大小分布、闪光点数量分布、闪光点强度分布和对比度值，并通过数据库搜索与已知涂层的纹理属性进行比较。然后将从图像确定的纹理属性和目标涂层的色度数据与搜索结果进行比较。如果所有参数都接近目标参数，则将得出最接近目标涂层的涂层的公式提供给配色器，它们可以选择调节或不调节以获得最优匹配。在该方法的实施例中，通过接口程序向配色器发送消息，这有助于更好地调节配方。
本公开还提供了一种系统，包括：
包括多个已知涂层的纹理属性和反射率曲线以及CIELab值的数据库；以及
被编程用于数据库通信的处理器，该处理器被编程用于：
获得多个图像，每个图像相对于目标涂层的表面处于不同的角度，
与至少一种滤波技术操作关联地对所获得的图像执行图像分析以确定图像内的至少一个闪光点，
使用处理器执行纹理分析以确定目标涂层的纹理属性；
使用处理器并与所确定的纹理属性相关联地生成涂层配方，该涂层配方产生对于人类观察者的眼睛而言与目标涂层的外观相同或基本上相似的涂层；
该系统的特征在于，纹理属性包括目标涂层的对比度、闪光强度、闪光量和闪光大小。
术语“闪光小点”和“闪光点”作为同义词使用。数据库可以是配方数据库，其包括涂层组合物的配方和相互关联的纹理属性、反射率曲线和CIELab值。
在该系统的实施例中，获得的图像为RGB图像，并且包括由直射光照射的表面的图像和由漫射光照射的表面的图像；并且图像分析包括RGB图像到XYZ图像的转换；以及对XYZ图像的Y分量的分析以确定图像内的至少一个闪光点；以及其中滤波技术包括对XYZ图像的Y分量应用高通滤波器，该高通滤波器具有与人眼的对比灵敏度和辨别能力相对应的阈值。
在该系统的另一个实施例中，处理器被编程用于将目标涂层的纹理属性与存储在数据库中的已知涂层的纹理属性进行比较，并用于搜索最接近的匹配。
在该系统的另一个实施例中，处理器被编程用于将目标涂层的反射率曲线与存储在数据库中的已知涂层的反射率曲线进行比较，并用于搜索最接近的匹配。
在该系统的另一个实施例中，处理器被编程用于将目标涂层的CIELab值与存储在数据库中的已知涂层的CIELab值进行比较，并用于搜索最接近的匹配。
通常，至少图像捕获设备、颜色测量设备，特别是分光光度计、计算机处理器、滤波技术和配方数据库经由相应的通信连接彼此联网。系统的不同组件之间的通信连接中的每一种通信连接可以分别是直接连接或间接连接。每个通信连接可以是有线或无线连接。可以使用每一种合适的通信技术。配方数据库、颜色测量设备、计算设备(即处理器)、图像捕获设备和滤波技术各自可以包括用于彼此通信的一个或多个通信接口。这种通信可以使用有线数据传输协议来执行，诸如光纤分布式数据接口(FDDI)、数字用户线(DSL)、以太网、异步传输模式(ATM)或任何其它有线传输协议。可替代地，该通信可以经由无线通信网络无线地使用多种协议中的任何一种，诸如通用分组无线电服务(GPRS)、通用移动电信系统(UMTS)、码分多址(CDMA)、长期演进(LTE)、无线通用串行总线(USB)和/或任何其它无线协议。相应的通信可以是无线和有线通信的组合。
计算设备(即计算机处理器)可以包括一个或多个输入设备或可以与一个或多个输入设备通信，输入设备诸如是触摸屏、音频输入、移动输入、鼠标、键盘输入和/或类似设备。此外，计算设备(即计算机处理器)可以包括一个或多个输出设备，或者可以与一个或多个输出设备通信，输出设备诸如是音频输出、视频输出、屏幕/显示输出和/或类似设备。
本发明的实施例可以与计算机系统一起使用或结合在计算机系统中，该计算机系统可以是独立单元或包括一个或多个远程终端或设备，该远程终端或设备经由诸如例如互联网或内联网与位于例如云中的中央计算机通信。因此，在此描述的计算设备和相关组件可以是本地计算机系统或远程计算机或在线系统或其组合的一部分。在此所述的配方数据库和软件可以存储在计算机内部存储器或非暂态计算机可读介质中。
本公开还提供了一种非暂态计算机可读介质，其包括用于使处理器执行以下操作的软件：
获得多个图像，每个图像相对于目标涂层的表面处于不同的角度；
与至少一种滤波技术操作关联地对所获得的图像执行图像分析以确定图像内的至少一个闪光点；
执行纹理分析以确定与目标涂层相关联的纹理属性；以及
与确定的纹理属性相关联地生成涂层配方，该涂层配方产生对于人类观察者的眼睛而言与目标涂层的外观相同或基本上相似的涂层；
该介质的特征在于，纹理属性包括目标涂层的对比度、闪光强度、闪光量和闪光大小。
在非暂态计算机可读介质的实施例中，软件使处理器将获得的RGB图像转换为XYZ图像；并对XYZ图像的Y分量应用高通滤波器，该高通滤波器具有与人眼的对比灵敏度和辨别能力相对应的阈值。
参考附图进一步描述和解释了本公开的主题。
附图的详细说明
图1是示出根据本公开的方法的实施例从涂层的图像确定目标涂层的纹理属性的图。使用图像捕获设备获得目标涂层表面的多个图像100。每个图像以相对于目标涂层表面的不同角度获得。图像包括由直射光120照射的目标涂层表面的图像(直接图像)和由漫射光110照射的目标涂层表面的图像(漫射图像)。分析图像110、120以识别涂层的闪光点。在图像分析中使用具有与人眼的对比灵敏度和辨别能力相对应的阈值200的高通滤波器。从漫反射图像110确定对比度系数410。漫反射图像110的图像分析还允许确定310闪光点的数量并获得闪光量系数420；并且用于确定320闪光点的大小(亮像素的面积)并获得闪光大小系数430。直接图像120的图像分析允许确定330闪光强度并获得闪光强度系数440。
图2是本发明的方法实施例的流程图。该方法从目标涂层的标准测量500开始。使用配备有分光光度计的图像捕获设备(例如，如在EP 2 728 342B1中描述的设备)执行测量。使用该设备测量目标涂层的CIELab值和反射率曲线600。使用直接和漫射照明在不同角度获得的目标涂层表面的RGB图像的图像分析允许确定目标涂层的四个纹理属性：对比度610、闪光强度620、闪光量630和闪光大小640。在图像分析中，对图像数据应用540高通滤波器。使用的阈值530对应于人眼的灵敏度和辨别能力，并且已经由经训练的观察者使用专家知识520通过对大量涂层的视觉评估510确定。
CIELab值和反射率曲线600以及确定的纹理属性610、620、630、640用于在数据库中搜索700匹配的涂层组合物，该数据库包括大量已知涂层组合物的数据。如果发现具有匹配纹理属性和匹配色度值的组合物710，则执行检查720，无论该组合物是否代表最接近的配方。如果是这种情况，则已找到最优匹配900。如果不是，则使用来自用户的建议来调节780配方以达到最优匹配。
如果发现并非所有纹理属性和色度值都匹配的组合物，则执行检查730，无论组合物的色度值是否匹配。如果不是这种情况，则重新开始匹配配方的开发800(“从头开始”)。如果色度值匹配，则执行检查，无论组合物的纹理参数是否匹配。确定从建议的组合物获得的涂层的每个纹理参数(即闪光大小740、闪光强度750、闪光量760和对比度770)的值，并与目标涂层的对应值比较741、751、761、771。对于每个纹理参数，从比较结果生成的信息发送给用户。
如果从建议的组合物获得的涂层的相应纹理参数的值与目标涂层的对应值匹配747、757、767、777，则向用户通知相应的参数匹配并且不需要改变。
如果检查742的结果是目标的闪光大小大于建议的组合物的大小，则将调节组合物并采用更粗的颜料代替组合物中的颜料的建议745发送给用户。如果闪光大小更小，则将调节组合物并采用更小的颜料代替组合物中的颜料的建议746发送给用户。
如果检查752的结果是目标的闪光强度大于从建议的组合物获得的涂层的闪光强度，则将调节组合物并采用具有更高闪光强度的颜料代替组合物中的颜料的建议755发送给用户。如果闪光强度较小，则将调节组合物并采用闪光强度较小的颜料代替组合物中的颜料的建议756发送给用户。
如果检查762的结果是目标的闪光量大于从建议的组合物中获得的涂层的闪光量，则将调节组合物并增加组合物中效果颜料的量的建议765发送给用户。如果闪光量较小，则将调节组合物并减少组合物中效果颜料的量的建议766发送给用户。
如果检查772的结果是目标的对比度值大于从建议组合物获得的涂层的对比度值，则将调节组合物并增加对比度值的建议775发送给用户。如果对比度值较小，则将调节组合物并减小对比度值的建议776发送给用户。对比度值可以通过改变背景颜色(较暗的背景会增加对比度感知，反之亦然)或通过改变粒子(较小的粒子会倾向于较低的对比度，因为不太容易看到它们)来修改。
该方法与用户780接口以发送关于纹理参数的信息。基于该信息，用户调节配方中效果颜料的组合物，以达到最优匹配900。
参考符号列表
100 图片
110 漫射
120 直接
200 基于对比度的阈值
310 亮像素的数量
320 亮像素的面积
330 亮像素的强度
410 对比度系数
420 闪光量系数
430 闪光大小系数
440 闪光强度系数
500 标准测量
510 视觉评估
520 专家知识
530 自适应阈值
540 对图片应用阈值
600 CIELab值和反射率曲线
610 对比度确定
620 闪光强度确定
630 闪光量确定
640 闪光大小确定
700 在数据库中搜索
710 纹理参数和色度值的比较
720 最接近的配方？
730 色度值匹配吗？
740 闪光大小确定
741 目标的闪光大小＝建议的闪光大小？
742 目标的闪光大小>建议的闪光大小？
745 更换较粗的颜料
746 更换较小的颜料
747 建议配方的闪光大小与目标值匹配
750 闪光强度确定
751 目标的闪光强度＝建议的闪光强度？
752 目标的闪光强度>建议的闪光强度？
755 更换闪光强度较高的颜料
756 更换闪光强度较低的颜料
757 建议配方的闪光强度与目标值匹配
760 闪光量确定
761 目标的闪光量＝建议的闪光量？
762 目标的闪光量>建议的闪光量？
765 增加效果颜料的数量
766 减少效果颜料的数量
767 建议配方的闪光量与目标值匹配
770 对比度确定
771 目标对比度＝建议的对比度？
772 目标对比度>建议的对比度？
775 增加对比度
776 减少对比度
777 建议配方的对比度与目标值匹配
780 与用户接口以调节配方组合物
800 从头开始
900 最优匹配

Claims (11)

1.一种计算机实现的方法，包括：
使用图像捕获设备获得多个图像，每个图像以相对于目标涂层的表面的不同角度获得，其中，获得的所述图像是RGB图像并且包括由直射光照射的所述表面的图像和由漫射光照射的所述表面的图像；
使用分光光度计获得多条反射曲线，每条反射曲线以相对于所述目标涂层的所述表面的不同角度获得；
获得所述目标涂层的CIELab坐标；
使用与至少一种滤波技术操作关联的电子计算机处理器执行所获得的图像的图像分析以确定所述图像内的至少一个闪光点；
使用所述处理器执行纹理属性分析，以根据所述图像内确定的所述至少一个闪光点确定所述目标涂层的纹理属性；以及
使用所述处理器生成涂层配方，所述涂层配方产生对于人类观察者的眼睛而言与所述目标涂层的外观相同或基本上相似的涂层，
所述方法的特征在于，
所述图像分析包括所述RGB图像到XYZ图像的转换以及对所述XYZ图像的Y分量的分析；
所述纹理属性包括所述目标涂层的所述闪光点与基调颜色之间的对比度、所述目标涂层的所述闪光点的强度、所述闪光点的数量和所述闪光点大小；
使用所述处理器将所述目标涂层的纹理属性与存储在数据库中的多个已知涂层的纹理属性进行比较，使用所述处理器将所述目标涂层的反射率曲线与存储在所述数据库中的多个已知涂层的反射率曲线进行比较，使用所述处理器将所述目标涂层的CIELab值与存储在所述数据库中的多个已知涂层的CIELab值进行比较，以及使用所述处理器在所述数据库中搜索最接近的匹配涂层；以及
产生对于人类观察者的眼睛而言与所述目标涂层的外观相同或基本上相似的涂层的所述涂层配方与所确定的纹理属性和在所述数据库中找到的最接近的匹配涂层相关联地生成。
2.根据权利要求1所述的方法，其中，所述滤波技术包括对所述XYZ图像的所述Y分量应用高通滤波器，所述高通滤波器具有与人眼的对比灵敏度和辨别能力相对应的阈值，所述阈值由经训练的观察者通过比较涂层样品的视觉评估来确定。
3.根据权利要求1或2所述的方法，其中，对比度系数C通过对由漫射光照射的所述目标涂层的所述表面的图像分析来确定。
4.根据权利要求3所述的方法，其中，所述对比度系数C对应于公式：
Figure FDA0003618290380000021
5.根据权利要求1至4中任一项所述的方法，其中，使用以下公式确定闪光大小系数S：
Figure FDA0003618290380000022
6.根据权利要求1至5中任一项所述的方法，其中，使用以下公式确定闪光量系数Q：
Figure FDA0003618290380000023
7.根据权利要求1至6中任一项所述的方法，其中，使用以下公式确定闪光强度系数I：
Figure FDA0003618290380000024
8.一种系统，包括：
包括多个已知涂层的纹理属性和反射率曲线以及CIELab值的数据库；以及
被编程用于与所述数据库通信的处理器，所述处理器被编程用于：
获得多个图像，每个图像以相对于目标涂层的表面的不同角度获得，其中，获得的所述图像是RGB图像并且包括由直射光照射的所述表面的图像和由漫射光照射的所述表面的图像；
获得多条反射曲线，每条反射曲线以相对于所述目标涂层的所述表面的不同角度获得；
获得所述目标涂层的CIELab坐标；
与至少一种滤波技术操作关联地执行所获得的图像的图像分析，所述图像分析包括所述RGB图像到XYZ图像的转换和所述XYZ图像的Y分量的分析以确定所述图像内的至少一个闪光点，
使用所述处理器执行纹理分析，以根据在所述图像内确定的所述至少一个闪光点确定所述目标涂层的纹理属性，所述纹理属性包括所述目标涂层的所述闪光点与基调颜色之间的对比度、所述目标涂层的所述闪光点的强度、所述闪光点的数量和所述闪光点的大小；
使用所述处理器将所述目标涂层的纹理属性与存储在所述数据库中的多个已知涂层的纹理属性进行比较，将所述目标涂层的反射率曲线与存储在所述数据库中的所述多个已知涂层的反射率曲线进行比较，将所述目标涂层的CIELab值与存储在所述数据库中的所述多个已知涂层的CIELab值进行比较，以及搜索最接近的匹配；
使用所述处理器并与所确定的纹理属性和在所述数据库中找到的最接近的匹配涂层相关联地生成涂层配方，所述涂层配方产生对于人类观察者的眼睛而言与所述目标涂层的外观相同或基本上相似的涂层。
9.根据权利要求8所述的系统，其中，所述滤波技术包括对所述XYZ图像的所述Y分量应用高通滤波器，所述高通滤波器具有与人眼的对比灵敏度和辨别能力相对应的阈值，所述阈值由经训练的观察者通过比较涂层样品的视觉评估来确定。
10.一种非暂态计算机可读介质，包括用于使处理器执行以下操作的软件：
获得多个图像，每个图像以相对于目标涂层的表面的不同角度获得；
获得多条反射曲线，每条反射曲线以相对于所述目标涂层的所述表面的不同角度获得；
获得所述目标涂层的CIELab坐标；
与至少一种滤波技术操作关联地对所获得的图像执行图像分析以确定所述图像内的至少一个闪光点；
执行纹理分析，以根据在所述图像内确定的所述至少一个闪光点确定与所述目标涂层相关联的纹理属性；以及
与所确定的纹理属性相关联地生成涂层配方，所述涂层配方产生对于人类观察者的眼睛而言与所述目标涂层的外观相同或基本上相似的涂层；
所述非暂态计算机可读介质的特征在于，
所述图像分析包括所述RGB图像到XYZ图像的转换以及对所述XYZ图像的Y分量的分析；
所述纹理属性包括所述目标涂层的所述闪光点与基调颜色的对比度、所述目标涂层的所述闪光点的强度、所述闪光点的数量和所述闪光点大小；
使所述处理器将所述目标涂层的纹理属性与存储在数据库中的多个已知涂层的纹理属性进行比较，将所述目标涂层的反射率曲线与存储在所述数据库中的多个已知涂层的反射率曲线进行比较，将所述目标涂层的CIELab值与存储在所述数据库中的多个已知涂层的CIELab值进行比较，以在所述数据库中搜索最接近的匹配涂层；以及
产生对于人类观察者的眼睛而言与所述目标涂层的外观相同或基本上相似的涂层的所述涂层配方与所确定的纹理属性和在所述数据库中找到的最接近的匹配涂层相关联地生成。
11.根据权利要求10所述的非暂态计算机可读介质，其中，所述软件使所述处理器对所述XYZ图像的所述Y分量应用高通滤波器，所述高通滤波器具有与人眼的对比灵敏度和辨别能力相对应的阈值，所述阈值由经训练的观察者通过比较涂层样品的视觉评估来确定。
CN202080075466.1A 2019-10-30 2020-10-28 与包括效果颜料的目标涂层的光学特性相匹配的涂层配方的生成 Pending CN114667439A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19290111.4 2019-10-30
EP19290111 2019-10-30
PCT/EP2020/080330 WO2021083982A1 (en) 2019-10-30 2020-10-28 Generation of a formulation for a coating which matches the optical properties of a target coating comprising effect pigments

Publications (1)

Publication Number Publication Date
CN114667439A true CN114667439A (zh) 2022-06-24

Family

ID=68655459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080075466.1A Pending CN114667439A (zh) 2019-10-30 2020-10-28 与包括效果颜料的目标涂层的光学特性相匹配的涂层配方的生成

Country Status (4)

Country Link
US (1) US20220366581A1 (zh)
EP (1) EP4051999A1 (zh)
CN (1) CN114667439A (zh)
WO (1) WO2021083982A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8392347B2 (en) 2007-06-20 2013-03-05 Kansai Paint Co., Ltd. Coating color database creating method, search method using the database, their system, program, and recording medium
US8407014B2 (en) 2008-02-21 2013-03-26 E I Du Pont De Nemours And Company Automatic selection of colorants and flakes for matching coating color and appearance
US10178351B2 (en) 2012-09-19 2019-01-08 Ppg Industries Ohio, Inc. Multi-angular color, opacity, pigment characterization and texture analysis of a painted surface via visual and/or instrumental techniques
EP2930494B1 (de) 2012-11-06 2021-08-04 X-Rite Switzerland GmbH Handmessgerät zur erfassung des visuellen eindrucks eines messobjekts
US9607403B2 (en) 2014-10-28 2017-03-28 Ppg Industries Ohio, Inc. Pigment identification of complex coating mixtures with sparkle color

Also Published As

Publication number Publication date
EP4051999A1 (en) 2022-09-07
US20220366581A1 (en) 2022-11-17
WO2021083982A1 (en) 2021-05-06

Similar Documents

Publication Publication Date Title
Liu et al. CID: IQ–a new image quality database
Mendoza et al. Calibrated color measurements of agricultural foods using image analysis
WO2015107889A1 (ja) 着色検査装置および着色検査方法
CN108020519B (zh) 一种基于颜色恒常性的虚拟多光源光谱重建方法
JP2003533831A (ja) デジタル像化処理のための物体色の測定、符号化及び表示のための方法及び装置
JP3809838B2 (ja) 照明源固有ｈｓｖ色座標を用いた画像ハイライト補正方法、画像ハイライト補正プログラム、および画像取得システム
JPH08297054A (ja) 色感測定装置
KR101671413B1 (ko) 전자 표시 장치 상의 이펙트 코팅의 표시 방법
DE102008044764A1 (de) Verfahren und tragbares System zur Qualitätsbewertung des Fleisches
Linhares et al. The number of discernible colors perceived by dichromats in natural scenes and the effects of colored lenses
JP2020012668A (ja) 評価装置、計測装置、評価方法および評価プログラム
JP2005157771A (ja) コンピュータグラフィックス画像から塗色を特定する方法
CN114667439A (zh) 与包括效果颜料的目标涂层的光学特性相匹配的涂层配方的生成
CN113632075A (zh) 涂料颜色检索装置
JP2016194449A (ja) 着色検査装置および着色検査方法
JP5598045B2 (ja) 画像処理装置、画像処理プログラム、撮像装置及び画像表示装置
Khandual et al. Colorimetric processing of digital colour image!
Zhu et al. Color calibration for colorized vision system with digital sensor and LED array illuminator
JPWO2005075961A1 (ja) 光輝感評価方法および光輝感評価装置
JP2008203069A (ja) 板状粉体の外観評価方法
JP6393063B2 (ja) 加齢毛穴の鑑別方法及び化粧料の評価方法
JP4189493B2 (ja) 色彩コンフォートメータ
Tanaka et al. Parameter estimation of PuRet algorithm for managing appearance of material objects on display devices
Watanabe et al. Evaluation of Sparkle Impression Considering Observation Distance
He Accurate colour reproduction of human face using 3D printing technology

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