CN117405230A - 一种成像色度计及光测量方法 - Google Patents
一种成像色度计及光测量方法 Download PDFInfo
- Publication number
- CN117405230A CN117405230A CN202311528836.4A CN202311528836A CN117405230A CN 117405230 A CN117405230 A CN 117405230A CN 202311528836 A CN202311528836 A CN 202311528836A CN 117405230 A CN117405230 A CN 117405230A
- Authority
- CN
- China
- Prior art keywords
- information
- module
- light
- spectrum
- light beam
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 38
- 238000000691 measurement method Methods 0.000 title abstract description 10
- 238000004737 colorimetric analysis Methods 0.000 claims abstract description 68
- 238000001228 spectrum Methods 0.000 claims abstract description 54
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 230000003287 optical effect Effects 0.000 claims abstract description 27
- 239000013307 optical fiber Substances 0.000 claims abstract description 22
- 230000008878 coupling Effects 0.000 claims abstract description 19
- 238000010168 coupling process Methods 0.000 claims abstract description 19
- 238000005859 coupling reaction Methods 0.000 claims abstract description 19
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000009977 dual effect Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 47
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 21
- 238000012417 linear regression Methods 0.000 claims description 11
- 238000010835 comparative analysis Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 description 22
- 238000012549 training Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002921 genetic algorithm search Methods 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000007614 genetic variation Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000001748 luminescence spectrum Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000002381 microspectrum Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0218—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using optical fibers
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明提供了一种成像色度计及光测量方法,该色度计包括:被测物,用于发出测量光;光接收部,用于接收被测物发出的测量光;双光路系统,用于将光接收部接收到的测量光分成第一光束和第二光束;工业相机系统,用于接收第一光束,得到被测物的像素信息;光纤耦合系统,用于接收第二光束,并将第二光束导入光谱分析装置;光谱分析装置,用于分析处理光纤耦合系统接收到的第二光束,得到被测物的光谱信息;算法控制系统,用于接收像素信息和光谱信息并存储,基于光谱信息对像素信息进行校准,得到满足预设条件的被测物的目标色度学信息,完成标定。该方案采用双光路的形式和算法控制,基于光谱分析装置校准工业相机系统,能够快速准确地进行光测量。
Description
技术领域
本发明涉及色度计技术领域,具体地,涉及一种成像色度计及光测量方法。
背景技术
随着社会的发展,各种显示装置均需根据日益增长的要求提高相关的显示性能,具有更宽的色域和更高的亮度。因此进一步要求相关测量设备对其色度、亮度等光色度学参数进行更精准的成像式测量。
目前市面上普遍使用成像式亮度、色度测量设备是成像色度计。成像色度计从原理上分为两种,一种是带有滤色装置的色度计,使用XYZ滤光片的转轮式成像色度计,需要多次成像且XYZ滤光片的精准度欠佳,会增大误差;另一种是采用单点光谱仪测量的方式测量被测物的发光光谱信息。此类成像色度计存在诸多缺陷,首先,此类成像色度计使用中心点的光谱来对其余区域进行映射校准,但对于非中心点的其他区域的光谱无法直接进行测量,故而导致除中心区域外的其他区域的测量误差较大;其次,此类成像色度计中使用的微型光谱仪普遍存在长期稳定性欠佳的情况,导致此类成像色度计通常需要频繁校准,使用不便。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种成像色度计及光测量方法,通过采用双光路的形式和算法控制,基于光谱分析装置校准工业相机系统,能够快速、准确地进行光测量。
本发明提供一种成像色度计,包括:
被测物,用于发出测量光;
光接收部,用于接收所述被测物发出的所述测量光;
双光路系统,用于将所述光接收部接收到的所述测量光分成第一光束和第二光束;
工业相机系统,用于接收所述第一光束,得到所述被测物的像素信息;
光纤耦合系统,用于接收所述第二光束,并将所述第二光束导入光谱分析装置;
光谱分析装置,用于分析处理所述光纤耦合系统接收到的所述第二光束,得到所述被测物的光谱信息;
算法控制系统,用于接收所述像素信息和所述光谱信息并存储,基于所述光谱信息对所述像素信息进行校准,得到满足预设条件的所述被测物的目标色度学信息,完成标定。
进一步地,所述算法控制系统包括:
存储模块,用于接收并存储所述像素信息和所述光谱信息;
第一转换模块,用于将所述像素信息转换为第一色度学信息;
第二转换模块,用于将所述光谱信息转换为第二色度学信息;
标定模块,用于基于所述第一色度学信息和所述第二色度学信息进行对比分析,得到分析结果;
判定模块,用于判断所述分析结果是否满足所述预设条件;
确定模块,用于在所述分析结果满足所述预设条件的情况下,将所述分析结果作为所述目标色度学信息;
传输模块,用于将所述目标色度学信息进行输出并可视化。
进一步地,所述标定模块的对比分析采用多步逼近拟合算法。
进一步地,所述多步逼近拟合算法包括至少三步逼近拟合算法;所述三步逼近拟合算法包括:
第一步逼近拟合算法是,但不限于,双牛顿算法;
第二步逼近拟合算法是,但不限于,广义线性回归算法;
第三步逼近拟合算法是,但不限于,梯度提升树算法。
进一步地,所述算法控制系统还包括:
循环模块,用于在所述分析结果不满足所述预设条件的情况下,重新启动所述标定模块进行再一次对比分析。
进一步地,所述光接收部上还设置有光学模块和光阑模块,所述光学模块与所述光阑模块固定连接,其中:
所述光学模块,用于改变所述被测物的成像面位置;
所述光阑模块,用于改变所述被测物的视场角及光圈大小。
本发明还提供一种光测量方法,包括:
光接收部接收被测物发出的测量光;
所述光接收部将所述测量光传输至双光路系统;
所述双光路系统将所述测量光分成第一光束和第二光束,并分别传输至工业相机系统和光纤耦合系统;
所述工业相机系统接收所述第一光束,分析得到所述被测物的像素信息,同时,所述光纤耦合系统接收所述第二光束,并将所述第二光束导入光谱分析装置,以使得所述光谱分析装置基于所述第二光束,分析得到所述被测物的光谱信息;
算法控制系统接收并存储所述像素信息和所述光谱信息,并基于所述光谱信息对所述像素信息进行校准,得到满足预设条件的所述被测物的目标色度学信息,完成标定。
进一步地,所述算法控制系统接收并存储所述像素信息和所述光谱信息,并基于所述光谱信息对所述像素信息进行校准,得到满足预设条件的所述被测物的目标色度学信息,完成标定,包括:
存储模块接收并存储所述像素信息和所述光谱信息;
第一转换模块从所述存储模块内获取所述像素信息,并将所述像素信息转换为第一色度学信息;
第二转换模块从所述存储模块内获取所述光谱信息,并将所述光谱信息转换为第二色度学信息;
标定模块分别从所述第一转换模块和所述第二转换模块内获取所述第一色度学信息和所述第二色度学信息,并将所述第一色度学信息和所述第二色度学信息进行对比分析,得到分析结果;
判定模块从所述标定模块内获取所述分析结果,并判断所述分析结果是否满足所述预设条件;
确定模块分别从所述标定模块和所述判定模块内获取所述分析结果和判定结果,在所述判定结果指示所述分析结果满足所述预设条件的情况下,将所述分析结果作为所述目标色度学信息,完成标定;
传输模块从所述确定模块内获取所述目标色度学信息,并将所述目标色度学信息进行输出并可视化。
进一步地,所述算法控制系统接收并存储所述像素信息和所述光谱信息,并基于所述光谱信息对所述像素信息进行校准,得到满足预设条件的所述被测物的目标色度学信息,完成标定,还包括:
确定模块分别从所述标定模块和所述判定模块内获取所述分析结果和判定结果,在所述判定结果指示所述分析结果不满足所述预设条件的情况下,启动循环模块;
所述循环模块重新启动所述标定模块进行再一次对比分析。
进一步地,所述光接收部接收被测物发出的测量光,包括:
调节所述光接收部上的光学模块和光阑模块;
所述光接收部接收被测物发出的测量光。
与现有技术相比,本发明具有如下的有益效果:
本发明提供的成像色度计,采用双光路的形式和算法控制,基于光谱分析装置校准工业相机系统,能够快速准确地进行光测量,得到精确的色度学信息,并且无需多次测量,能够降低测量成本。
该种光测量方法通过上述成像色度计实现,且该种光测量方法因为包含了上述成像色度计的技术方案,因此具有相应的技术效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明实施例提供的一种成像色度计的结构示意图;
图2为本发明实施例提供的一种光测量方法的流程示意图;
图3为本发明实施例提供的一种算法控制系统的训练流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本申请实施例提供的一种成像色度计,包括:
被测物,用于发出测量光;
光接收部,用于接收被测物发出的测量光;可选的,光接收部采用物镜,物镜接收测量光并对其进行成像;
双光路系统,用于将光接收部接收到的测量光分成第一光束和第二光束;可选的,双光路系统采用可见光波段分束镜或单片式反光镜,优选可见光波段分束镜;
工业相机系统,用于接收第一光束,得到被测物的像素信息;
光纤耦合系统,用于接收第二光束,并将第二光束导入光谱分析装置;可选的,光纤耦合系统采用光纤耦合器;
光谱分析装置,用于分析处理光纤耦合系统接收到的第二光束,得到被测物的光谱信息;可选的,光谱分析装置采用光谱仪,优选微型光谱仪;
算法控制系统,用于接收像素信息和光谱信息并存储,基于光谱信息对像素信息进行校准,得到满足预设条件的被测物的目标色度学信息,完成标定。
其中,算法控制系统包括:
存储模块,用于接收并存储像素信息和光谱信息;
第一转换模块,用于将像素信息转换为第一色度学信息;
第二转换模块,用于将光谱信息转换为第二色度学信息;
标定模块,用于基于第一色度学信息和第二色度学信息进行对比分析,得到分析结果;
判定模块,用于判断分析结果是否满足预设条件;
确定模块,用于在分析结果满足预设条件的情况下,将分析结果作为目标色度学信息;
循环模块,用于在分析结果不满足预设条件的情况下,重新启动标定模块进行再一次对比分析;
传输模块,用于将目标色度学信息进行输出并可视化。
在一个可选的实施例中,标定模块的对比分析采用多步逼近拟合算法。
优选的,多步逼近拟合算法包括至少三步逼近拟合算法;三步逼近拟合算法可以包括:
第一步逼近拟合算法是,但不限于,双牛顿算法;
第二步逼近拟合算法是,但不限于,广义线性回归算法;
第三步逼近拟合算法是,但不限于,梯度提升树算法。
在一个可选的实施例中,光接收部上还设置有光学模块和光阑模块,光学模块与光阑模块固定连接,其中:
光学模块,用于改变被测物的成像面位置;可选的,光学模块采用焦距可变的光学模块;
光阑模块,用于改变被测物的视场角及光圈大小。
请参阅图1,在一个具体的实施例中,该种成像色度计,包括:
被测物1,用于发出测量光;
光接收部2,用于接收被测物1发出的测量光;
双光路系统3,用于将光接收部2接收到的测量光分成第一光束和第二光束;
工业相机系统4,用于接收第一光束,得到被测物1的像素信息;
光纤耦合系统5,用于接收第二光束,并将第二光束导入微型光谱分析装置6;
微型光谱分析装置6,用于分析处理光纤耦合系统5接收到的第二光束,得到被测物1的光谱信息;
算法存储控制系统7,用于接收像素信息和光谱信息并存储,基于光谱信息对像素信息进行校准,得到满足预设条件的被测物的目标色度学信息,完成标定。
本实施例中,物镜接收测量光,并对被测物进行成像,双光路系统从物镜接收测量光并形成双光路,分为第一光束和第二光束,工业相机系统接收第一光束,获得图像并提取RGB信息,光纤耦合器接收第二光束并将其传导至光谱仪内,第二光束为被测物中心点发出的光,光谱仪对第二光束的光谱信息进行提取探测,算法控制系统接收并存储由光谱仪得到的光谱信息和工业相机系统得到的像素信息,具体为光谱仪测得的位于色域三角形内不同颜色的值以及工业相机系统测得的同一位置的RGB信息,算法控制系统将工业相机系统测得的RGB信息进行提取处理,与光谱仪测得的数据进行对比,再基于二者采用RGB对应于色度学参数XYZ的算法进行比对拟合,对比拟合时采用三步逼近拟合算法,如最小二乘法(第一步逼近拟合算法)、广义线性回归算法(第二步逼近拟合算法)和梯度上升树算法(第三步逼近拟合算法),以对工业相机系统测得的RGB数据进行校准,在校准后的分析结果满足预设条件的情况下,得到校准后的色坐标Cx、Cy的数据,并将校准后的色坐标Cx、Cy的数据进存储,完成RGB到XYZ的映射。
请参阅图2,其所示为本申请实施例提供的一种光测量方法,包括:
步骤S101:光接收部接收被测物发出的测量光;
步骤S102:光接收部将测量光传输至双光路系统;
步骤S103:双光路系统将测量光分成第一光束和第二光束,并分别传输至工业相机系统和光纤耦合系统;
步骤S104:工业相机系统接收第一光束,分析得到被测物的像素信息,同时,光纤耦合系统接收第二光束,并将第二光束导入光谱分析装置,以使得光谱分析装置基于第二光束,分析得到被测物的光谱信息;
步骤S105:算法控制系统接收并存储像素信息和光谱信息,并基于光谱信息对像素信息进行校准,得到满足预设条件的被测物的目标色度学信息,完成标定。
在一个可选的实施例中,步骤S105可以包括:
步骤201:存储模块接收并存储像素信息和光谱信息;
步骤S202:第一转换模块从存储模块内获取像素信息,并将像素信息转换为第一色度学信息;
步骤S203:第二转换模块从存储模块内获取光谱信息,并将光谱信息转换为第二色度学信息;
步骤S204:标定模块分别从第一转换模块和第二转换模块内获取第一色度学信息和第二色度学信息,并将第一色度学信息和第二色度学信息进行对比分析,得到分析结果;
步骤S205:判定模块从标定模块内获取分析结果,并判断分析结果是否满足预设条件;
步骤S2061:确定模块分别从标定模块和判定模块内获取分析结果和判定结果,在判定结果指示分析结果满足预设条件的情况下,将分析结果作为目标色度学信息,完成标定;
步骤S207:传输模块从确定模块内获取目标色度学信息,并将目标色度学信息进行输出并可视化。
在一个可选的实施例中,步骤S105还可以包括:
步骤S2062:确定模块分别从标定模块和判定模块内获取分析结果和判定结果,在判定结果指示分析结果不满足预设条件的情况下,启动循环模块;
步骤S2063:循环模块重新启动标定模块进行再一次对比分析。
在一个可选的实施例中,标定模块的分析对比采用多步逼近拟合算法。
优选的,多步逼近拟合算法包括至少三步逼近拟合算法;三步逼近拟合算法可以包括:
第一步逼近拟合算法是,但不限于,双牛顿算法;
第二步逼近拟合算法是,但不限于,广义线性回归算法;
第三步逼近拟合算法是,但不限于,梯度提升树算法。
在一个可选的实施例中,步骤S101可以包括:
调节光接收部上的光学模块和光阑模块;
光接收部接收被测物发出的测量光。
本发明实施例还提供一种算法控制系统的训练方法,包括:
光接收部接收被测物发出的参考光源;
光接收部将参考光源传输至双光路系统;
双光路系统将参考光源分成第一参考光束和第二参考光束,并分别传输至工业相机系统和光纤耦合系统;
工业相机系统接收第一参考光束,分析得到被测物的参考像素信息,同时,光纤耦合系统接收第二参考光束,并将第二参考光束导入光谱分析装置,以使得光谱分析装置基于第二参考光束,分析得到被测物的参考光谱信息;可选的,光谱分析装置采用标准色度学测量设备,包括但不限于:点式色度计、成像色度计、分光辐射度计、成像式分光辐射度计。
样本算法控制系统接收并存储参考像素信息和参考光谱信息,并基于参考像素信息得到第一参考色度学信息,基于参考光谱信息得到第二参考色度学信息;
样本算法控制系统将基于第一参考色度学信息,依照多步逼近拟合算法,对第二参考色度学信息进行校准拟合,根据拟合情况调整样本算法控制系统的校准参数,直至得到满足预设条件的被测物的目标参考色度学信息,完成标定。
请参阅图3,其所示为本发明实施例提供的一种算法控制系统的训练流程图。
在一个具体的实施例中,被测物光源发出的光首先经过位于色度计前端的成像物镜的会聚,于物镜的焦平面上成清晰准确的像;
所成的清晰的像经过置于成像物镜后方的半透半反的双光路分光镜后被分为两个像,称为像A和像B,这两个像分别在两个光路中传播。其中所成像A在光路一中经过汇聚透镜组聚焦在工业相机的CMOS面阵上,面阵上的像素点对应于被测物所成像上的像点;
在CMOS面阵相机前有可以选择性透过红色、绿色、蓝色特定光波长的拜尔滤色片,经过拜尔滤色片对光的过滤之后,CMOS感光芯片上的每个像素点都产生了不同的感应强度,经过光电转换以及数模转换,输出了带有RGB具体数值的原始图像。通过选定图像的部分区域,可以使用布点工具来计算其所具有的R,G,B三个通道的像素值;
经过分束镜所成像B经过光路二中的汇聚透镜之后被收光器所接收,之后通过光纤传播到光谱仪内部,光谱仪内部有用于接收传导光的狭缝以及用于分光的光栅。所成像B经过光谱仪内部的分光以及内置算法的数据积分处理,将光谱数据中的每个波长的光线强度值除以最大强度值,以将所有波长处的强度值进行归一化,之后通过CI E色度图解算法,将归一化光谱数据映射到CI E XYZ色度坐标空间中,CI E XYZ坐标描述了颜色的三个基本属性:亮度、色度和色调。因此输入光谱仪6的光信号通过上述步骤转换为描述颜色的三刺激值XYZ以及标准的Cx、Cy值。
之后在存储运算处理模块中,采用本发明独创的TOC算法,对两个光路中分别对应的三通道像素值(R,G,B)以及三刺激值(X,Y,Z)进行映射以及交叉验证,在工业相机所成图像上直接显示出选定区域像素所对应的色度学参数,包括色坐标(Cx,Cy)以及三刺激值(X,Y,Z)。
上述TOC算法的流程以及逻辑如下:
TOC算法的思想是利用所测得大量的合适全面的数据建立准确的数学模型,从而对指定的色度学参数进行精准预测。
首先在色域三角形中对选定要测量的区域进行测试数据的选取,在实施例中我们指定包含整个sRGB色域三角形的三角形区域进行布点,通过对选定的色域三角形区域内部的800个不同颜色的特征点进行选择,得到其所指定的色坐标Cx和Cy;
确定色坐标后使用标准的匀光场发出准确的颜色,每个颜色固定有5个亮度值,将匀光场用作上述光源,采用上述分光方式对匀光场进行成像,每个颜色的每个亮度值依次测量,得到4000组一一对应的颜色三通道(R,G,B)值和三刺激值(X,Y,Z);
将2500个RGB值所组成的(4000×3)的矩阵记为矩阵R;
将2500个三刺激值所组成的(4000×3)的矩阵记为矩阵X;
然后在数据预处理阶段,为了确保模型的可靠性和泛化能力,我们将矩阵R和矩阵X进行细致的划分。将其划分为训练集(R1、X1)和测试集(R2,X2),并且采用4:1的数据量比例。这种比例的选择是为了充分利用大部分数据进行模型的训练,同时保留少量数据用于后续的测试和验证。
训练集(R1、X1)被用于模型的学习和参数调整,以使其能够较好地拟合训练数据。测试集(R2,X2)则是独立于训练过程的数据子集,用于评估模型对新数据的泛化性能。这样的严格划分有助于避免模型在训练时过度拟合训练集,从而提高其在实际应用中的效果。
对于RGB转人眼的三刺激值XYZ有一套标准的矩阵公式T0:
其中
在数据集中通过此公式对3200个(R,G,B)三通道值所组成的矩阵R1进行转至标准XYZ的转换,得到一组初始目标矩阵A(X0,Y0,Z0),,以确保颜色信息在色空间中的一致表示。随后,我们引入标准最小二乘法,最小二乘法是一种优化技术,其核心原理是寻找拟合曲线或平面,使得拟合值与实际观测值的残差平方和最小化,残差即是观测值与拟合值之间的差异。通过调整拟合曲线或平面的参数,最小二乘法迭代地寻找最佳匹配,以最小化残差平方和。这确保了拟合结果对噪声和变化具有较好的鲁棒性,提高了矩阵B的准确性和可靠性。通过对初始目标值进行拟合,得到经过最小二乘法处理的矩阵B(X1,Y1,Z1),其中转换矩阵为T1:
最小二乘法拟合完毕之后,我们将处理完成的矩阵B与标准三刺激值矩阵X进行线性回归拟合,得到拟合后的结果矩阵C(X2,Y2,Z2)。这一线性回归过程的目标是建立一个模型M1,该模型能够准确地描述矩阵B与标准三刺激值矩阵X之间的关系。
线性回归模型M1通过调整系数,对矩阵B中的数据进行最佳拟合,以使拟合值与标准三刺激值矩阵X的实际值尽可能接近。这种方法可视为对处理后的颜色信息进行进一步调整,以适应标准参考值。
上述整个流程的精妙之处在于通过多阶段的拟合和调整,我们不仅完成了颜色空间的精确映射,还建立了一个线性回归模型M1,该模型能够捕捉到矩阵B和标准三刺激值矩阵X之间更为复杂的关联。这为数据的准确性和可靠性提供了更进一步的保障,为后续应用提供了更精细的基础。
经过线性回归拟合之后,我们采用了梯度提升树算法对矩阵C作进一步优化,同时引入遗传算法进行参数搜索,最后使用测试集R2,X2进行验证。
梯度上升树是一种集成学习算法,它基于梯度上升优化准则构建决策树。与传统的梯度下降法不同,梯度上升树的目标是最大化损失函数而非最小化。算法的核心思想是通过迭代地添加简单的决策树,每次添加树都是为了使目标函数(通常是损失函数)的值增加。在每一轮迭代中,梯度上升树根据当前模型的残差(实际值与预测值之差)构建一个新的决策树,然后通过梯度上升的方式将该树的输出添加到模型中。这个过程重复进行,直到达到预定的迭代次数或损失函数收敛。
因此,梯度提升树优势主要体现在以下几个方面:
1.非线性关系处理:梯度提升树能够更灵活地适应非线性关系。由于颜色信息和人眼感知的关系可能是复杂的非线性关系,梯度提升树通过迭代地添加树,每棵树专注于捕捉不同的模式,有助于更好地拟合数据。
2.交互效应捕捉:通过组合多个决策树,梯度提升树可以有效地捕捉特征之间的交互效应。在颜色信息的处理中,不同通道之间可能存在相互影响的关系,梯度提升树有助于捕捉这些复杂的交互效应。
3.鲁棒性和泛化能力:梯度提升树通过不断迭代,逐步改善模型的拟合效果,可以提高模型的鲁棒性。这对于处理真实世界中复杂的颜色信息映射问题非常关键,因为颜色感知可能受到多种因素的影响。
4.处理残差:梯度提升树的构建过程是基于当前模型的残差,这意味着每棵树的目标是捕捉之前模型未能解释的部分。这种策略有助于逐步提高模型的性能。
而遗传算法是一种模拟自然选择和遗传机制的优化算法,通过模拟基因变异、交叉等操作来搜索参数空间中的最优解。
在这个过程中,我们将梯度提升树的超参数(n_est imators、learn ing_rate、max_depth)编码为个体的基因。初始时,随机生成一组个体,代表参数组合。通过选择、交叉和变异等遗传操作,生成新的个体,根据目标函数的适应度评估,逐渐形成适应度更高的种群。这个演化过程一直进行,直到满足收敛条件,最终得到最优个体及其对应的参数组合。
通过遗传算法搜索,我们得到了最优超参数组合如下:
n_est imators:50,learn ing_rate:0.000000008,max_depth:1,以及所对应的梯度提升数模型M2;
最后,在测试阶段,我们使用测试集(R2,X2)进行测试验证,确保预测的XYZ值与标准XYZ值的误差在0.5%以内,以验证模型的准确性和泛化能力。
至此,我们成功建立了一个完整的模型,其中包含了颜色空间转换矩阵T1,线性回归模型M1以及梯度提升树模型M2。这一系列复杂而精密的算法确保了模型在颜色信息映射和拟合过程中的高准确性和可靠性,为后续应用提供了强有力的支持。
此模型以及测得的数据存储在运算处理部,在对被测物进行探测之前,需进行一次标定操作。使用红色、绿色、蓝色、白色四个颜色作为被测物依次进行标定,标定时光路一中的RGB数据经过此模型转换为XYZ数据,存储在运算处理部,与此同时光路二中的光谱仪显示出被测物的XYZ数据,两个数据进行对比交叉验证,确定模型的准确性;
标定完成之后直接对被测物进行拍照,所成图像会直接显示被测物的色度值参数,此时由于一次拍照,故成像速度很快,一般为0.1s-2s;并且由于大量数据以及模型的准确率做支撑,故测得的误差很小,不超过0.5%,满足绝大部分厂商对于色度学参数测试的要求。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种成像色度计,其特征在于,包括:
被测物,用于发出测量光;
光接收部,用于接收所述被测物发出的所述测量光;
双光路系统,用于将所述光接收部接收到的所述测量光分成第一光束和第二光束;
工业相机系统,用于接收所述第一光束,得到所述被测物的像素信息;
光纤耦合系统,用于接收所述第二光束,并将所述第二光束导入光谱分析装置;
光谱分析装置,用于分析处理所述光纤耦合系统接收到的所述第二光束,得到所述被测物的光谱信息;
算法控制系统,用于接收所述像素信息和所述光谱信息并存储,基于所述光谱信息对所述像素信息进行校准,得到满足预设条件的所述被测物的目标色度学信息,完成标定。
2.根据权利要求1所述的一种成像色度计,其特征在于,所述算法控制系统包括:
存储模块,用于接收并存储所述像素信息和所述光谱信息;
第一转换模块,用于将所述像素信息转换为第一色度学信息;
第二转换模块,用于将所述光谱信息转换为第二色度学信息;
标定模块,用于基于所述第一色度学信息和所述第二色度学信息进行对比分析,得到分析结果;
判定模块,用于判断所述分析结果是否满足所述预设条件;
确定模块,用于在所述分析结果满足所述预设条件的情况下,将所述分析结果作为所述目标色度学信息;
传输模块,用于将所述目标色度学信息进行输出并可视化。
3.根据权利要求2所述的一种成像色度计,其特征在于,所述标定模块的对比分析采用多步逼近拟合算法。
4.根据权利要求3所述的一种成像色度计,其特征在于,所述多步逼近拟合算法包括至少三步逼近拟合算法;所述三步逼近拟合算法包括:
第一步逼近拟合算法是,但不限于,双牛顿算法;
第二步逼近拟合算法是,但不限于,广义线性回归算法;
第三步逼近拟合算法是,但不限于,梯度提升树算法。
5.根据权利要求2所述的一种成像色度计,其特征在于,所述算法控制系统还包括:
循环模块,用于在所述分析结果不满足所述预设条件的情况下,重新启动所述标定模块进行再一次对比分析。
6.根据权利要求1至5任意一项所述的一种成像色度计,其特征在于,所述光接收部上还设置有光学模块和光阑模块,所述光学模块与所述光阑模块固定连接,其中:
所述光学模块,用于改变所述被测物的成像面位置;
所述光阑模块,用于改变所述被测物的视场角及光圈大小。
7.一种光测量方法,其特征在于,包括:
光接收部接收被测物发出的测量光;
所述光接收部将所述测量光传输至双光路系统;
所述双光路系统将所述测量光分成第一光束和第二光束,并分别传输至工业相机系统和光纤耦合系统;
所述工业相机系统接收所述第一光束,分析得到所述被测物的像素信息,同时,所述光纤耦合系统接收所述第二光束,并将所述第二光束导入光谱分析装置,以使得所述光谱分析装置基于所述第二光束,分析得到所述被测物的光谱信息;
算法控制系统接收并存储所述像素信息和所述光谱信息,并基于所述光谱信息对所述像素信息进行校准,得到满足预设条件的所述被测物的目标色度学信息,完成标定。
8.根据权利要求7所述的一种光测量方法,其特征在于,所述算法控制系统接收并存储所述像素信息和所述光谱信息,并基于所述光谱信息对所述像素信息进行校准,得到满足预设条件的所述被测物的目标色度学信息,完成标定,包括:
存储模块接收并存储所述像素信息和所述光谱信息;
第一转换模块从所述存储模块内获取所述像素信息,并将所述像素信息转换为第一色度学信息;
第二转换模块从所述存储模块内获取所述光谱信息,并将所述光谱信息转换为第二色度学信息;
标定模块分别从所述第一转换模块和所述第二转换模块内获取所述第一色度学信息和所述第二色度学信息,并将所述第一色度学信息和所述第二色度学信息进行对比分析,得到分析结果;
判定模块从所述标定模块内获取所述分析结果,并判断所述分析结果是否满足所述预设条件;
确定模块分别从所述标定模块和所述判定模块内获取所述分析结果和判定结果,在所述判定结果指示所述分析结果满足所述预设条件的情况下,将所述分析结果作为所述目标色度学信息,完成标定;
传输模块从所述确定模块内获取所述目标色度学信息,并将所述目标色度学信息进行输出并可视化。
9.根据权利要求8所述的一种光测量方法,其特征在于,所述算法控制系统接收并存储所述像素信息和所述光谱信息,并基于所述光谱信息对所述像素信息进行校准,得到满足预设条件的所述被测物的目标色度学信息,完成标定,还包括:
确定模块分别从所述标定模块和所述判定模块内获取所述分析结果和判定结果,在所述判定结果指示所述分析结果不满足所述预设条件的情况下,启动循环模块;
所述循环模块重新启动所述标定模块进行再一次对比分析。
10.根据权利要求7至9任意一项所述的一种光测量方法,其特征在于,所述光接收部接收被测物发出的测量光,包括:
调节所述光接收部上的光学模块和光阑模块;
所述光接收部接收被测物发出的测量光。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311528836.4A CN117405230A (zh) | 2023-11-16 | 2023-11-16 | 一种成像色度计及光测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311528836.4A CN117405230A (zh) | 2023-11-16 | 2023-11-16 | 一种成像色度计及光测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117405230A true CN117405230A (zh) | 2024-01-16 |
Family
ID=89494435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311528836.4A Pending CN117405230A (zh) | 2023-11-16 | 2023-11-16 | 一种成像色度计及光测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117405230A (zh) |
-
2023
- 2023-11-16 CN CN202311528836.4A patent/CN117405230A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11193830B2 (en) | Spectrocolorimeter imaging system | |
US10088364B2 (en) | Colorimetry system for display testing | |
KR100437583B1 (ko) | 발광 다이오드 또는 그 외의 스펙트럼 광원을 이용한이미저 장치 컬러 보정 방법 | |
JP2019070648A (ja) | 分光器で支援された特別設計パターン閉ループ較正による高精度イメージング測色計 | |
US7884980B2 (en) | System for capturing graphical images using hyperspectral illumination | |
US9076363B2 (en) | Parallel sensing configuration covers spectrum and colorimetric quantities with spatial resolution | |
CN111256826B (zh) | 显示屏色度测量方法、装置及终端设备 | |
JP7207124B2 (ja) | 校正装置、校正方法、分光カメラ、及び表示装置 | |
US7616314B2 (en) | Methods and apparatuses for determining a color calibration for different spectral light inputs in an imaging apparatus measurement | |
CN101793671A (zh) | 均匀光源照明可变滤色片式多光谱成像仪 | |
CN106895916B (zh) | 一种单次曝光拍摄获取多光谱图像的方法 | |
CN113487681B (zh) | 基于光谱灵敏度曲线和光源光谱优化的相机颜色标定方法 | |
JP7428090B2 (ja) | 校正装置、校正方法、校正プログラム、及び分光カメラ | |
US20200105020A1 (en) | Method of spectral analyzing with a color camera | |
CN117405230A (zh) | 一种成像色度计及光测量方法 | |
EP3993382B1 (en) | Colour calibration of an imaging device | |
WO2016080165A1 (ja) | 刺激値直読型の測色測光計 | |
JP6813749B1 (ja) | 対象物の色を数値化する方法、信号処理装置、および撮像システム | |
CN116559119B (zh) | 一种基于深度学习的木材染色色差检测方法、系统及介质 | |
LV15705B (lv) | Paņēmiens un ierīce fotokameras relatīvās spektrālās jutības noteikšanai pie izvēlētiem viļņu garumiem | |
Wyble | Spectral Imaging Method for Reflective Media | |
CN117073841A (zh) | 面向成像系统高动态范围颜色管理的色标数据生成方法 |
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 |