CN115753644A - 一种基于非线性约束插值的织物颜色照相测量方法 - Google Patents
一种基于非线性约束插值的织物颜色照相测量方法 Download PDFInfo
- Publication number
- CN115753644A CN115753644A CN202211368252.0A CN202211368252A CN115753644A CN 115753644 A CN115753644 A CN 115753644A CN 202211368252 A CN202211368252 A CN 202211368252A CN 115753644 A CN115753644 A CN 115753644A
- Authority
- CN
- China
- Prior art keywords
- training sample
- matrix
- measured
- fabric
- digital
- 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
- 239000004744 fabric Substances 0.000 title claims abstract description 91
- 238000000691 measurement method Methods 0.000 title description 2
- 230000004044 response Effects 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 239000004753 textile Substances 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 140
- 239000011159 matrix material Substances 0.000 claims description 115
- 238000005286 illumination Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 15
- 239000003086 colorant Substances 0.000 claims description 9
- 238000004737 colorimetric analysis Methods 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 229920000742 Cotton Polymers 0.000 abstract description 4
- 230000001788 irregular Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011087 paperboard Substances 0.000 description 2
- 238000002798 spectrophotometry method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 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
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- 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
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种基于非线性约束插值的织物颜色照相测量方法。本发明针对当前分光光度计在复杂织物颜色测量方面存在的局限性,依据织物颜色数据和其数码相机响应值之间的高度关联性,提出了一种基于非线性约束插值的织物颜色照相测量方法。能够面向形状不规则的物体、具有复杂图案或特殊结构的纺织面料、纤细的纱线、柔软的色棉等进行快速非接触式颜色测量,面向种类丰富性、结构形态多样性的织物进行应用。本发明克服了传统人工对色所存在的主观差异,解决了分光光度计在实际应用中的局限性。
Description
技术领域
本发明属于计算机数字图像处理技术领域,具体涉及一种基于非线性约束插值的织物颜色照相测量方法。
背景技术
颜色是织物(如色棉、纱线、面料、服装等)的重要外观属性和功能属性。一方面,织物的颜色效果,影响消费者的喜好程度,进而影响服装的销售;另一方面,在专业应用领域,如迷彩服装的设计应用中,通过设计实现其对环境颜色的仿制,可发挥重要的隐蔽功能属性。颜色控制是纺织生产制造工艺中的关键技术,颜色测量是颜色控制的重要前提。因此如何准确的测量织物的颜色是关键的一步。
在织物颜色测量方面,传统的目视比色法通过色卡进行织物颜色的定性测量和评估,但由于工作人员的不同,对颜色的比对存在主观差异性,不可避免导致颜色目视评估结果的不一致性,而且工作效率较低。分光光度法是目前织物颜色测量的主流方法,分光光度法基于光学原理和色度学理论,能够准确测量织物颜色数据,但分光光度计仅能针对颜色单一的平面物体进行接触式颜色测量,无法直接面向形状不规则的物体、具有复杂图案或特殊结构的纺织面料、纤细的纱线、柔软的色棉等进行快速颜色测量,在实际纺织生产应用中仍然存在局限性。目前国内外的学术界和工业界均未提出很好的应对解决方法。
为此,本发明充分考量物体颜色数据和其数字响应值的高度相关性,以数字成像原理为基础,利用训练样本集构建织物数字响应值和其颜色数据的转换关系,提出了基于数字成像的织物颜色快速测量方法,有效克服当前织物颜色测量方法的上述应用局限性,推动企业数字化和信息化转型升级,提升企业竞争力。
发明内容
本发明的目的是为了解决背景技术中所述问题,提出一种基于非线性约束插值的织物颜色照相测量方法。首先收集纺织服装领域的各类色卡及实体色样,构建包含N个实体训练样本的样本集;利用分光光度计测量获得实体训练样本集的真实颜色数据矩阵C;在均匀光照拍摄环境下,利用数码相机拍摄训练样本集的数字图像;提取N个实体训练样本的数字响应值,得到训练样本集的数字响应矩阵D;在相同拍摄光照环境和拍摄参数条件下,拍摄待测量织物的数字图像,并提取得到S个待测量区域的数字响应值Dt;利用训练样本集的数字响应值构建自相关矩阵K;利用训练样本集的自相关矩阵K和颜色数据矩阵C构建转换矩阵W;计算S个待测量区域数字响应值与训练样本集数字响应值的相关矩阵Q;利用相关矩阵Q和转换矩阵W计算得到待测量区域的颜色值;重复以上测量步骤,即可完成任意给定数量的待测量区域的颜色测量。本发明充分利用物体颜色数据和其数码相机数字响应值之间的高度关联性,提出一种基于非线性约束插值的织物颜色照相测量方,能够有效解决人工对色及分光光度计应用局限性,具有重要的应用价值和广阔的市场应用前景。具体包括以下步骤:
步骤1,收集纺织服装领域的各类色卡及实体色样,构建包含N个实体训练样本的样本集;
步骤2,利用分光光度计测量获得实体训练样本集的真实颜色数据矩阵C;
步骤3,在均匀光照拍摄环境下,利用数码相机拍摄训练样本集的数字图像;
步骤4,提取N个实体训练样本的数字响应值,得到训练样本集的数字响应矩阵D;
步骤5,在相同拍摄光照环境和拍摄参数条件下,拍摄待测量织物的数字图像,并提取得到S个待测量区域的数字响应值Dt;
步骤6,利用训练样本集的数字响应值构建自相关矩阵K;
步骤7,利用训练样本集的自相关矩阵K和对应颜色数据矩阵C构建转换矩阵W;
步骤8,计算S个待测量区域数字响应值与训练样本集数字响应值的相关矩阵Q;
步骤9,利用相关矩阵Q和转换矩阵W计算得到织物待测量区域的颜色值;
步骤10,重复步骤5、步骤8和步骤9,即可完成任意给定数量的待测量区域的颜色测量。
进一步的,步骤1中,收集纺织服装领域的各类色卡及实体色样,构建实体训练样本集的方法,主要包括购置纺织领域的常用色卡(如Pantone面料色卡等)和利用实体面料色样制作面料卡,进而构建实体训练样本集。其中,将纺织面料制作成相应面料卡的方法为,首先将面料进行k次对折,使其达到不透光状态,然后将折叠好的面料固定于纺织企业绕纱专用的白色纸板之上,最终形成面料卡。
进一步的,步骤2中,利用分光光度计测量获得实体训练样本集的真实颜色数据通常为CIELab颜色数据,具体测量方法如下:
首先,测量获得织物的CIEXYZ三刺激值数据。依据色度学理论,三刺激值的测量原理如式(1)至式(2)所示,
其中,
式中,x(λ)、y(λ)和z(λ)为标准观察者颜色匹配函数,E(λ)为物体的光谱反射率,S(λ)为光源的相对光谱功率分布函数,λ为波长,k为调节因子,X、Y和Z分别为织物的三刺激值数据。
然后,计算得到其对应的CIELab颜色数据。依据色度学理论,由三刺激值CIEXYZ数据计算得到其对应的CIELab颜色数据的方法如式(3)至式(4)所示,
其中,
式中,L、a和b分别为织物在CIELab颜色空间的亮度、红绿和黄蓝颜色值,X、Y和Z分别为织物的三刺激值颜色数据,Xn、Yn和Zn分别为参考光源的三刺激值颜色数据,式(4)中H和Hn分别表示织物和参考光源的CIEXYZ三刺激值。
完成训练样本的真实颜色数据测量,得到每个训练样本的颜色数据ci,ci为1×3的行向量,其形式如式(5)所示,
ci=(Li,ai,bi)i∈(1,2,…,N), (5)
其中,i指示第i个训练样本,i的取值为1到N,N为训练样本的数量,Li、ai和bi分别为第i个训练样本在CIELab颜色空间的亮度、红绿和黄蓝颜色数据,从而获得训练样本集的颜色数据矩阵C。
进一步的,步骤3中,在均匀光照拍摄环境下,利用数码相机拍摄训练样本集的数字图像的方法为,首先搭建封闭式的均匀光照环境,使得有效拍摄区域内的光照均匀,然后将实体训练样本集放置于拍摄区域,设置好数码相机拍摄参数,完成训练样本集的数字图像拍摄。
进一步的,步骤4中,训练样本的数字响应值通常指raw格式数字响应值或者RGB格式数字响应值,提取N个训练样本集数字响应值的方法为:
对于每个训练样本数字图像,提取其中心m×m像素区域内的所有像素的数字响应值数据,并对m×m像素点数字响应值数据求平均,得到训练样本的数字响应值数据,如式(6)所示:
其中,i指示第i个训练样本,l指示提取区域内第l个像素,ri,j、gi,j和bi,j分别为第i个训练样本的第l个像素红、绿、蓝三通道数字响应值,di为第i个训练样本的数字响应值,为1×3的行向量。通过步骤4获得训练样本集的数字响应值矩阵D,维度为N×3。
进一步的,步骤5中,在相同拍摄光照环境和拍摄参数条件下,拍摄待测量织物的数字图像,并提取得到S个待测量区域的数字响应值Dt,具体方法如下:
首先,在与拍摄训练样本集的光照和成像参数完全一致的条件下,利用数码相机获取任意目标织物的数字图像;
然后,选取待测量区域,待测量区域如果是单个像素,则直接存储为dt,dt为待测量区域的数字响应值行向量,维度为1×3,待测量区域如果包含L个像素,则按照式(6)求取L个像素数字响应值的平均值,并存储为dt,dt的具体形式如式(7)所示。
dt=(rt,gt,bt)(t=1,2,…,S), (7)
其中,rt、gt和bt分别为待测量区域红、绿、蓝三通道数字响应值。通过步骤5获得S个待测量区域的数字响应值矩阵Dt,维度为S×3。
进一步的,步骤6中,利用训练样本集的数字响应值构建自相关矩阵K的方法如下:
首先构建维度为n×n的全零矩阵K,n的值为N+4,N为训练样本数量,然后按照式(7)至式(12)对矩阵K中的元素重新赋值,具体如下:
J(i,j)=norm(di-dj)(i,j=1,2,…,N), (7)
K(1:N,:1:N)=J.^2·ln(J+1), (8)
K(N+1:N+3,1:N)=DT, (9)
K(1:N,N+1:N+3)=D, (10)
K(n,1:N)=1, (11)
K(1:N,n)=1, (12)
其中,norm(·)为计算L-2范数的函数,di和dj分别为第i个和第j个训练样本的数字响应向量,J(i,j)为第i个和第j个训练样本的L-2范数,ln(·)为自然对数函数,‘.^’表示对矩阵所有元素求幂,上标‘T’为转置符号,K为练样本集数字响应值的自相关矩阵。
进一步的,步骤7中,利用训练样本集的自相关矩阵K和对应颜色数据矩阵C构建转换矩阵W时,采用正则化最小二乘算法,具体如式(13)所示:
其中,λ为正则化系数,通常取0.001,I为单位矩阵,上标‘T’为转置符号,上标‘-1’表示对矩阵求逆,K为练样本集数字响应值的自相关矩阵,C为训练样本的颜色数据矩阵,W为计算得到的转换矩阵,维度为n×3。
进一步的,步骤8中,计算S个待测量区域数字响应值与训练样本集数字响应值的相关矩阵Q,具体方法为:首先构建维度为S×n的全零矩阵Q,然后按照式(14)至式(17)所示方法对矩阵Q中的元素重新赋值,
P(t,i)=norm(dt-di)(t=1,2,…,S,i=1,2,…,N), (14)
Q(1:S,1:N)=P.^2·ln(P+1), (15)
Q(1:S,N+1:N+3)=Dt, (16)
Q(1:S,n)=1, (17)
其中,S为待测区域数量,N为训练样本数量,norm(·)为计算L-2范数的函数,dt为第t个待测量区域的数字响应向量,di为第i个训练样本的数字响应向量,P(t,i)为第t个待测量区域数和第i个训练样本字响应值之间的L-2范数,ln(·)为自然对数函数,Q为待测量区域数字响应值与练样本集数字响应值的相关矩阵。
进一步的,步骤9中,利用相关矩阵Q和转换矩阵W计算得到织物待测量区域的颜色值,具体方法如式(18)所示:
Ct=QW, (18)
其中,Ct为S个待测量区域的颜色矩阵,维度为S×3。
进一步的,步骤10中,重复步骤5、步骤8和步骤9,即可完成任意给定数量的待测量区域的颜色测量。
本发明针对当前分光光度计在复杂织物颜色测量方面存在的局限性,依据织物颜色数据和其数码相机响应值之间的高度关联性,提出了基于数码相机的织物颜色数字化测量方法。能够面向形状不规则的物体、具有复杂图案或特殊结构的纺织面料、纤细的纱线、柔软的色棉等进行快速非接触式颜色测量,面向种类丰富性、结构形态多样性的织物进行应用。本发明克服了传统人工对色所存在的主观差异,解决了分光光度计在实际应用中的局限性。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例训练样本集的颜色分布。
图3为本发明实施10个待测量区域的颜色测量结果分布。
具体实施方式
本发明技术方案具体实施时可由本领域技术人员采用计算机软件技术运行。结合附图1,本发明实施例提出一种基于非线性约束插值的织物颜色照相测量方法,具体包括以下步骤:
步骤1,收集纺织服装领域的各类色卡及实体色样,构建包含N个实体训练样本的样本集;
步骤2,利用分光光度计测量获得实体训练样本集的真实颜色数据矩阵C;
步骤3,在均匀光照拍摄环境下,利用数码相机拍摄训练样本集的数字图像;
步骤4,提取N个实体训练样本的数字响应值,得到训练样本集的数字响应矩阵D;
步骤5,在相同拍摄光照环境和拍摄参数条件下,拍摄待测量织物的数字图像,并提取得到S个待测量区域的数字响应值Dt;
步骤6,利用训练样本集的数字响应值构建自相关矩阵K;
步骤7,利用训练样本集的自相关矩阵K和对应颜色数据矩阵C构建转换矩阵W;
步骤8,计算S个待测量区域数字响应值与训练样本集数字响应值的相关矩阵Q;
步骤9,利用相关矩阵Q和转换矩阵W计算得到织物待测量区域的颜色值;
步骤10,重复步骤5、步骤8和步骤9,即可完成任意给定数量的待测量区域的颜色测量。
下面通过实施例具体说明每个步骤的处理过程:实施例以Pantone色卡和发明人按照步骤1制作的面料卡为基础,构建实体训练样本集,同时制作了10个测试面料样本;以封闭日光照明灯箱为均匀照明条件,利用Nikon D7200数码相机拍摄训练样本集和测试面料样本;在Matlab平台实现本发明方法。对实施例的具体说明如下:
步骤1、收集纺织服装领域的各类色卡及实体色样,构建包含N个实体训练样本的样本集。
实施例中,收集Pantone面料色卡2310个,收集单色的纺织面料实体色样172个,构建了包含2482样本的实体训练样本集。其中,将纺织面料制作成相应面料卡的方法为,首先将面料进行k次对折,使其达到不透光状态,然后将折叠好的面料固定于纺织企业绕纱专用的白色纸板之上,最终形成面料卡。实施例中k的值取2,即当把纺织面料对着两次之后,面料卡已达到不透光的状态。
步骤2、利用分光光度计测量获得实体训练样本集的真实颜色数据矩阵C。
实施例中,利用分光光度计测量获得实体训练样本集的真实颜色数据通常为CIELab颜色数据,具体测量方法如下:
首先,测量获得织物的CIEXYZ三刺激值数据。依据色度学理论,三刺激值的测量原理如式(1)至式(2)所示,
其中,
式中,x(λ)、y(λ)和z(λ)为标准观察者颜色匹配函数,E(λ)为物体的光谱反射率,S(λ)为光源的相对光谱功率分布函数,λ为波长,k为调节因子,X、Y和Z分别为织物的三刺激值数据。
然后,计算得到其对应的CIELab颜色数据。依据色度学理论,由三刺激值CIEXYZ数据计算得到其对应的CIELab颜色数据的方法如式(3)至式(4)所示,
其中,
式中,L、a和b分别为织物在CIELab颜色空间的亮度、红绿和黄蓝颜色值,X、Y和Z分别为织物的三刺激值颜色数据,Xn、Yn和Zn分别为参考光源的三刺激值颜色数据,式(4)中H和Hn分别表示织物和参考光源的CIEXYZ三刺激值。
完成训练样本的真实颜色数据测量,得到每个训练样本的颜色数据ci,ci为1×3的行向量,其形式如式(5)所示,
ci=(Li,ai,bi)i∈(1,2,…,N), (5)
其中,i指示第i个训练样本,i的取值为1到N,N为训练样本的数量,Li、ai和bi分别为第i个训练样本在CIELab颜色空间的亮度、红绿和黄蓝颜色数据,从而获得训练样本集的颜色数据矩阵C。实施例中,利用Color i7分光光度计测量获得训练样本集的颜色数据矩阵。
步骤3、在均匀光照拍摄环境下,利用数码相机拍摄训练样本集的数字图像。
实施例中,首先搭建封闭式日光均匀照明灯箱,然后在封闭式日光均匀照明灯箱内,利用Nikon D7200数码相机拍摄训练样本集的数字图像,设置数码相机拍摄参数分别为:快门1/30秒、光圈f5.6、感光度ISO的值100,完成训练样本集的数字图像拍摄。
步骤4、提取N个实体训练样本的数字响应值,得到训练样本集的数字响应矩阵。
实施例中,在Matlab平台通过相应图像处理技术,提取训练样本的RGB数字响应值通,具体提取训练样本集数字响应值的方法为:
对于每个训练样本数字图像,提取其中心m×m像素区域内的所有像素的数字响应值数据,并对m×m像素点数字响应值数据求平均,得到训练样本的数字响应值数据,如式(6)所示:
其中,i指示第i个训练样本,l指示提取区域内第l个像素,ri,j、gi,j和bi,j分别为第i个训练样本的第l个像素红、绿、蓝三通道数字响应值,di为第i个纯色训练样本的数字响应值,为1×3的行向量。实施例中,m的值取50。通过步骤4获得训练样本集的数字响应值矩阵D,维度为2482×3。
步骤5、在相同拍摄光照环境和拍摄参数条件下,拍摄待测量织物的数字图像,并提取得到S个待测量区域的数字响应值Dt。
实施例中,在与拍摄训练样本集箱体的拍摄条件下,拍摄待测量织物的数字图像,并提取待测量区域的数字响应值方法如下:
首先,在与拍摄训练样本集的光照和成像参数完全一致的条件下,利用数码相机获取任意目标织物的数字图像;
然后,选取待测量区域,待测量区域如果是单个像素,则直接存储为dt,dt为待测量区域的数字响应值行向量,维度为1×3,待测量区域如果包含L个像素,则按照式(6)求取L个像素数字响应值的平均值,并存储为dt,dt的具体形式如式(7)所示。
dt=(rt,gt,bt)(t=1,2,…,S), (7)
其中,rt、gt和bt分别为待测量区域红、绿、蓝三通道数字响应值。实施例中,共设置了10个待测量区域。通过步骤5获得10个待测量区域的数字响应值矩阵Dt,维度为10×3。
步骤6、利用训练样本集的数字响应值构建自相关矩阵K。
实施例中,利用训练样本集的数字响应值构建自相关矩阵K的方法如下:
首先构建维度为n×n的全零矩阵K,n的值为N+4,N为训练样本数量,然后按照式(7)至式(12)对矩阵K中的元素重新赋值,具体如下:
J(i,j)=norm(di-dj)(i,j=1,2,…,N), (7)
K(1:N,:1:N)=J.^2·ln(J+1), (8)
K(N+1:N+3,1:N)=DT, (9)
K(1:N,N+1:N+3)=D, (10)
K(n,1:N)=1, (11)
K(1:N,n)=1, (12)
其中,norm(·)为计算L-2范数的函数,di和dj分别为第i个和第j个训练样本的数字响应向量,J(i,j)为第i个和第j个训练样本的L-2范数,ln(·)为自然对数函数,‘.^’表示对矩阵所有元素求幂,上标‘T’为转置符号,K为练样本集数字响应值的自相关矩阵。实施例中,N的值为2482,n的值为2486。
步骤7、利用训练样本集的自相关矩阵K和对应颜色数据矩阵C构建转换矩阵W。
实施例中,利用训练样本自相关矩阵K和对应颜色数据矩阵C,构建转换矩阵W时,采用正则化最小二乘算法,具体如式(13)所示:
其中,λ为正则化系数,通常取0.001,I为单位矩阵,上标‘T’为转置符号,上标‘-1’表示对矩阵求逆,K为练样本集数字响应值的自相关矩阵,C为训练样本的颜色数据矩阵,W为计算得到的转换矩阵,维度为n×3。实施例中,W的维度为2486×3。
步骤8、计算S个待测量区域数字响应值与训练样本集数字响应值的相关矩阵Q。
实施例中,计算S个待测量区域数字响应值与训练样本集数字响应值的相关矩阵Q,具体方法为:首先构建维度为S×n的全零矩阵Q,然后按照式(14)至式(17)所示方法对矩阵Q中的元素重新赋值:
P(t,i)=norm(dt-di)(t=1,2,…,S,i=1,2,…,N), (14)
Q(1:S,1:N)=P.^2·ln(P+1), (15)
Q(1:S,N+1:N+3)=Dt, (16)
Q(1:S,n)=1, (17)
其中,S为待测区域数量,N为训练样本数量,norm(·)为计算L-2范数的函数,dt为第t个待测量区域的数字响应向量,di为第i个训练样本的数字响应向量,P(t,i)为第t个待测量区域数和第i个训练样本字响应值之间的L-2范数,ln(·)为自然对数函数,Q为待测量区域数字响应值与练样本集数字响应值的相关矩阵。实施例中,Q的维度为10×2486。
步骤9、用相关矩阵Q和转换矩阵W计算得到织物待测量区域的颜色值。
实施例中,利用相关矩阵Q和转换矩阵W计算得到S个待测量区域颜色值的方法如式(18)所示:
Ct=QW, (18)
其中,Ct为S个待测量区域的颜色矩阵,维度为S×3。实施例中,Ct的维度为10×3。
步骤10、重复步骤8和步骤9,即可完成任意给定数量的待测量区域的颜色测量。
实施例中,经过步骤8和步骤9,即可完成所有10个待测量区域的颜色测量,得到最终所有待测量区域的颜色数据。对于其他任意给定数量的待测量区域,通过重复步骤5、步骤8和步骤9,即可完成对其颜色测量。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (9)
1.一种基于非线性约束插值的织物颜色照相测量方法,其特征在于,包括以下步骤:
步骤1,收集纺织服装领域的各类色卡及实体色样,构建包含N个实体训练样本的样本集;
步骤2,利用分光光度计测量获得实体训练样本集的真实颜色数据矩阵C;
步骤3,在均匀光照拍摄环境下,利用数码相机拍摄训练样本集的数字图像;
步骤4,提取N个实体训练样本的数字响应值,得到训练样本集的数字响应矩阵D;
步骤5,在相同拍摄光照环境和拍摄参数条件下,拍摄待测量织物的数字图像,并提取得到S个待测量区域的数字响应值Dt;
步骤6,利用训练样本集的数字响应值构建自相关矩阵K;
步骤7,利用训练样本集的自相关矩阵K和对应颜色数据矩阵C构建转换矩阵W;
步骤8,计算S个待测量区域数字响应值与训练样本集数字响应值的相关矩阵Q;
步骤9,利用相关矩阵Q和转换矩阵W计算得到织物待测量区域的颜色值;
步骤10,重复步骤5、步骤8和步骤9,即可完成任意给定数量的待测量区域的颜色测量。
2.如权利要求1所述的一种基于非线性约束插值的织物颜色照相测量方法,其特征在于:步骤2中,利用分光光度计测量获得实体训练样本集的真实颜色数据通常为CIELab颜色数据,具体测量方法如下:
首先,测量获得织物的CIEXYZ三刺激值数据。依据色度学理论,三刺激值的测量原理如式(1)至式(2)所示,
其中,
式中,x(λ)、y(λ)和z(λ)为标准观察者颜色匹配函数,E(λ)为物体的光谱反射率,S(λ)为光源的相对光谱功率分布函数,λ为波长,k为调节因子,X、Y和Z分别为织物的三刺激值数据;
然后,计算得到其对应的CIELab颜色数据。依据色度学理论,由三刺激值CIEXYZ数据计算得到其对应的CIELab颜色数据的方法如式(3)至式(4)所示,
其中,
式中,L、a和b分别为织物在CIELab颜色空间的亮度、红绿和黄蓝颜色值,X、Y和Z分别为织物的三刺激值颜色数据,Xn、Yn和Zn分别为参考光源的三刺激值颜色数据,式(4)中H和Hn分别表示织物和参考光源的CIEXYZ三刺激值;
完成训练样本的真实颜色数据测量,得到每个训练样本的颜色数据ci,ci为1×3的行向量,其形式如式(5)所示,
ci=(Li,ai,bi)i∈(1,2,…,N), (5)
其中,i指示第i个训练样本,i的取值为1到N,N为训练样本的数量,Li、ai和bi分别为第i个训练样本在CIELab颜色空间的亮度、红绿和黄蓝颜色数据,从而获得训练样本集的颜色数据矩阵C。
3.如权利要求1所述的一种基于非线性约束插值的织物颜色照相测量方法,其特征在于:步骤3中,在均匀光照拍摄环境下,利用数码相机拍摄训练样本集的数字图像的方法为,首先搭建封闭式的均匀光照环境,使得有效拍摄区域内的光照均匀,然后将实体训练样本集放置于拍摄区域,设置好数码相机拍摄参数,完成训练样本集的数字图像拍摄。
4.如权利要求1所述的一种基于非线性约束插值的织物颜色照相测量方法,其特征在于:步骤4中,训练样本的数字响应值通常指raw格式数字响应值或者RGB格式数字响应值,提取N个训练样本集数字响应值的方法为:
对于每个训练样本数字图像,提取其中心m×m像素区域内的所有像素的数字响应值数据,并对m×m像素点数字响应值数据求平均,得到训练样本的数字响应值数据,如式(6)所示:
其中,i指示第i个训练样本,l指示提取区域内第l个像素,ri,j、gi,j和bi,j分别为第i个训练样本的第l个像素红、绿、蓝三通道数字响应值,di为第i个训练样本的数字响应值,为1×3的行向量。通过步骤4获得训练样本集的数字响应值矩阵D,维度为N×3。
5.如权利要求1所述的一种基于非线性约束插值的织物颜色照相测量方法,其特征在于:步骤5中,在相同拍摄光照环境和拍摄参数条件下,拍摄待测量织物的数字图像,并提取得到S个待测量区域的数字响应值Dt,具体方法如下:
首先,在与拍摄训练样本集的光照和成像参数完全一致的条件下,利用数码相机获取任意目标织物的数字图像;
然后,选取待测量区域,待测量区域如果是单个像素,则直接存储为dt,dt为待测量区域的数字响应值行向量,维度为1×3,待测量区域如果包含L个像素,则按照式(6)求取L个像素数字响应值的平均值,并存储为dt,dt的具体形式如式(7)所示;
dt=(rt,gt,bt)(t=1,2,…,S), (7)
其中,rt、gt和bt分别为待测量区域红、绿、蓝三通道数字响应值。通过步骤5获得S个待测量区域的数字响应值矩阵Dt,维度为S×3。
6.如权利要求1所述的一种基于非线性约束插值的织物颜色照相测量方法,其特征在于:步骤6中,利用训练样本集的数字响应值构建自相关矩阵K的方法如下:
首先构建维度为n×n的全零矩阵K,n的值为N+4,N为训练样本数量,然后按照式(7)至式(12)对矩阵K中的元素重新赋值,具体如下:
J(i,j)=norm(di-dj)(i,j=1,2,…,N), (7)
K(1:N,:1:N)=J.^2·ln(J+1), (8)
K(N+1:N+3,1:N)=DT, (9)
K(1:N,N+1:N+3)=D, (10)
K(n,1:N)=1, (11)
K(1:N,n)=1, (12)
其中,norm(·)为计算L-2范数的函数,di和dj分别为第i个和第j个训练样本的数字响应向量,J(i,j)为第i个和第j个训练样本的L-2范数,ln(·)为自然对数函数,‘.^’表示对矩阵所有元素求幂,上标‘T’为转置符号,K为练样本集数字响应值的自相关矩阵。
8.如权利要求1所述的一种基于非线性约束插值的织物颜色照相测量方法,其特征在于:步骤8中,计算S个待测量区域数字响应值与训练样本集数字响应值的相关矩阵Q,具体方法为:首先构建维度为S×n的全零矩阵Q,然后按照式(14)至式(17)所示方法对矩阵Q中的元素重新赋值,
P(t,i)=norm(dt-di)(t=1,2,…,S,i=1,2,…,N), (14)
Q(1:S,1:N)=P.^2·ln(P+1), (15)
Q(1:S,N+1:N+3)=Dt, (16)
Q(1:S,n)=1, (17)
其中,S为待测区域数量,N为训练样本数量,norm(·)为计算L-2范数的函数,dt为第t个待测量区域的数字响应向量,di为第i个训练样本的数字响应向量,P(t,i)为第t个待测量区域数和第i个训练样本字响应值之间的L-2范数,ln(·)为自然对数函数,Q为待测量区域数字响应值与练样本集数字响应值的相关矩阵。
9.如权利要求1所述的一种基于非线性约束插值的织物颜色照相测量方法,其特征在于:步骤9中,利用相关矩阵Q和转换矩阵W计算得到织物待测量区域的颜色值,具体方法如式(18)所示:
Ct=QW, (18)
其中,Ct为S个待测量区域的颜色矩阵,维度为S×3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211368252.0A CN115753644B (zh) | 2022-11-03 | 2022-11-03 | 一种基于非线性约束插值的织物颜色照相测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211368252.0A CN115753644B (zh) | 2022-11-03 | 2022-11-03 | 一种基于非线性约束插值的织物颜色照相测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115753644A true CN115753644A (zh) | 2023-03-07 |
CN115753644B CN115753644B (zh) | 2023-08-11 |
Family
ID=85357156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211368252.0A Active CN115753644B (zh) | 2022-11-03 | 2022-11-03 | 一种基于非线性约束插值的织物颜色照相测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115753644B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6038339A (en) * | 1997-11-14 | 2000-03-14 | Hewlett-Packard Company | White point determination using correlation matrix memory |
CN103954362A (zh) * | 2014-04-25 | 2014-07-30 | 杭州电子科技大学 | 一种基于成像设备的数字测色方法 |
CN111047539A (zh) * | 2019-12-27 | 2020-04-21 | 上海工程技术大学 | 一种基于光谱反射率重建的织物图像颜色校准算法 |
-
2022
- 2022-11-03 CN CN202211368252.0A patent/CN115753644B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6038339A (en) * | 1997-11-14 | 2000-03-14 | Hewlett-Packard Company | White point determination using correlation matrix memory |
CN103954362A (zh) * | 2014-04-25 | 2014-07-30 | 杭州电子科技大学 | 一种基于成像设备的数字测色方法 |
CN111047539A (zh) * | 2019-12-27 | 2020-04-21 | 上海工程技术大学 | 一种基于光谱反射率重建的织物图像颜色校准算法 |
Non-Patent Citations (1)
Title |
---|
张哲超: "《成像系统中的光谱反射率重建》", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 8, pages 57 - 58 * |
Also Published As
Publication number | Publication date |
---|---|
CN115753644B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106896069B (zh) | 一种基于彩色数码相机单幅rgb图像的光谱重建方法 | |
JP5116765B2 (ja) | 塗色データベースの作成方法及びそのデータベースを用いた検索方法、並びにそれらのシステム、プログラム及び記録媒体 | |
CN105787508B (zh) | 纺织品颜色识别方法及系统 | |
CN114235153B (zh) | 一种基于数码相机的织物颜色数字化测量方法 | |
JP2009524884A (ja) | 画像内の照明域を識別する方法及びシステム | |
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 | |
CN115855809B (zh) | 一种基于光谱重建的纺织品色牢度自动评级方法 | |
Jiang et al. | Recovering spectral reflectance under commonly available lighting conditions | |
JP6113319B2 (ja) | 画像色分布検査装置および画像色分布検査方法 | |
JP2019020311A (ja) | 色彩測定方法及び色彩測定装置 | |
JP2014187558A (ja) | 画像色分布検査装置および画像色分布検査方法 | |
Vazquez-Corral et al. | Color constancy algorithms: Psychophysical evaluation on a new dataset | |
CN115753644B (zh) | 一种基于非线性约束插值的织物颜色照相测量方法 | |
CN115797260B (zh) | 一种视觉高保真纺织面料换色方法及系统 | |
Su et al. | Developing a digital archive system for imperial Chinese robe in the Qing Dynasty | |
WO2022242608A1 (zh) | 物体喜好记忆色的获取方法及喜好记忆色标准色卡 | |
Huynh et al. | Recovery of spectral sensitivity functions from a colour chart image under unknown spectrally smooth illumination | |
Finlayson et al. | General ࡁ p constrained approach for colour constancy | |
Wei et al. | Spectral reflectance estimation based on two-step k-nearest neighbors locally weighted linear regression | |
Serra et al. | The photometry of intrinsic images | |
Liu et al. | Developing a multi-spectral imaging system using a RGB camera under two illuminations | |
Zhu et al. | Matched illumination | |
Zhang et al. | Illumination estimation based on a weighted color distribution | |
CN115937207B (zh) | 一种图像式染色涤纶织物颜色测量方法 | |
Stiebel et al. | Deep optimal filter responses for multi-spectral imaging |
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 |