ES2331196T3 - Metodo para igualar una pintura. - Google Patents

Metodo para igualar una pintura. Download PDF

Info

Publication number
ES2331196T3
ES2331196T3 ES05787207T ES05787207T ES2331196T3 ES 2331196 T3 ES2331196 T3 ES 2331196T3 ES 05787207 T ES05787207 T ES 05787207T ES 05787207 T ES05787207 T ES 05787207T ES 2331196 T3 ES2331196 T3 ES 2331196T3
Authority
ES
Spain
Prior art keywords
color
texture
paint
formula
modules
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.)
Active
Application number
ES05787207T
Other languages
English (en)
Inventor
Klaas Hendrik De Haas
Swie Lan Njo
Eric Jacob Jan Kirchner
Roelof Johannes Baptist Gottenbos
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.)
Akzo Nobel Coatings International BV
Original Assignee
Akzo Nobel Coatings International BV
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 Akzo Nobel Coatings International BV filed Critical Akzo Nobel Coatings International BV
Application granted granted Critical
Publication of ES2331196T3 publication Critical patent/ES2331196T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46Measurement of colour; Colour measuring devices, e.g. colorimeters
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/463Colour matching
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/50Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
    • G01J3/504Goniometric colour measurements, for example measurements of metallic or flake based paints

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Pathology (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Application Of Or Painting With Fluid Materials (AREA)
  • Paints Or Removers (AREA)
  • Diaphragms For Electromechanical Transducers (AREA)
  • Coloring (AREA)
  • Compounds Of Unknown Constitution (AREA)

Abstract

Un método para igualar una pintura de reparación a una propiedades medidas de color y textura de una película de pintura de un substrato a reparar, en el que las propiedades de textura se definen como la estructura superficial visible en el plano de la película de pintura que depende del tamaño y de la organización de las pequeñas partes que la constituyen, formulándose la pintura de reparación sobre la base de concentraciones de módulos de pintura, que se caracteriza por que cada módulo de pintura se asocia con datos específicos de textura y datos de color, y por que se emplea un modelo de cálculo de textura y color que utiliza los datos de color de los módulos de pintura para calcular una pintura de reparación igualada con las propiedades medidas de textura y color, y en el que se emplea una fórmula de diferencia de color y textura que combina una fórmula de diferencia de color y una fórmula de diferencia de textura con un factor de ponderación, en el que el valor óptimo del factor de ponderación se determina de forma específica para cada fórmula de color por separado.

Description

Método para igualar una pintura.
El presente invento se refiere a un método para igualar una pintura de reparación hasta obtener las propiedades de color y textura de la película de pintura sobre el substrato a reparar.
La reparación de superficies pintadas requiere que la pintura de reparación sea visualmente parecida a la película de pintura original. Con esta finalidad, se mide el color de la película de pintura original y posteriormente se determina una composición de pintura que tenga considerablemente el mismo color, con una tolerancia predeterminada. Esto se hace mediante la búsqueda de la composición de pintura apropiada en un banco de datos o también es posible calcular la composición de pintura apropiada en base a los datos colorimétricos de los componentes de la pintura.
Con el fin de facilitar la formulación de igualado de pinturas de cualquier color normalmente se emplean pigmentos orgánicos. Los pigmentos orgánicos son composiciones de colores base que comprenden todos los ingredientes que componen una pintura completa. Estos pigmentos orgánicos se pueden mezclar para obtener una pintura de un color, que posteriormente se aplica y se seca en forma de película de pintura que se parece al color de la pintura que reviste el substrato de forma original. En función de los datos colorimétricos de los pigmentos orgánicos individuales, es posible predecir las características colorimétricas de las mezclas mediante cálculo, teniendo en cuenta las concentraciones de los pigmentos orgánicos empleados. De manera alternativa, es posible formular composiciones de pintura en base a otro tipo de módulos, tales como concentrados de colorante, módulos de aglutinante, módulos de efecto, componentes que comprenden agentes de control de la flotación, etc.
Además del color, una película de pintura exhibe otras muchas propiedades visuales. En particular cuando se emplean colorantes de efecto, tales como por ejemplo colorantes de escamas de aluminio o colorantes nacarados, la película de pintura no presenta un aspecto de color uniforme, pero sí exhibe textura. Esto puede incluir fenómenos tales como aspereza, reflejo, micro-brillo, quiebra del color, veteado, moteado, destello o brillo metálico. A continuación, se define la textura como la estructura superficial visible en el plano de la película de pintura que depende del tamaño y de la organización de las partes de pequeño tamaño que integran el material. En este contexto, la textura no incluye la rugosidad de la película de pintura sino únicamente las irregularidades visuales en el plano de la película de pintura. Las estructuras con un tamaño inferior a la resolución del ojo humano contribuyen al "color", mientras que las estructuras con un tamaño mayor generalmente también contribuyen a la "textura".
Incluso aquellas partículas que no son apreciables en sí mismas de manera directa también pueden contribuir al aspecto visual final de la película de pintura. Los desorientadores son un ejemplo de dichas partículas. Generalmente, los colorantes de efecto son escamas que tienden a adoptar una orientación horizontal en la película curada. Para evitar esto y con el fin de obtener una mayor variación en la orientación de las escamas, se emplean partículas esféricas, denominadas desorientadores. La utilización de desorientadores en las pinturas para metales da lugar a un mayor brillo metálico.
A partir de aquí, se sometió a evaluación visual la textura de la película de pintura a reparar, por ejemplo mediante comparación con muestras sobre un abanico de muestras. Los resultados de dicha técnica dependen en gran medida de la pericia de la persona que lleva a cabo la evaluación y con frecuencia no suelen ser satisfactorios.
En la práctica, el experto en colores que desea igualar la pintura que presenta textura, en primer lugar escoge uno o más módulos de efecto o pigmentos orgánicos con el fin de obtener un efecto de igualado de textura. De manera simultánea o con posterioridad, se escogen módulos de colorante o de pigmento orgánico con el fin de obtener un igualado de color. Se compara el resultado con la pintura original y se iguala de forma iterativa si resulta necesaria la corrección. La elección de los módulos de efecto correctos resulta difícil y requiere una prueba de ensayo y error o un análisis preciso por ordenador de los colorantes de efecto de la pintura a igualar.
El documento EP-A 637 731 describe un método para reproducir las propiedades de textura de una película de pintura. La pintura reproducida se formula en base a las concentraciones de los módulos de pintura. La formulación se escoge a partir de una base de datos o formulaciones con propiedades concretas de textura. Si esto no da lugar a un igualado correcto, se pueden hacer correcciones mediante interpolación entre dos igualados próximos.
El documento WO 01/25737 describe un método de igualado combinado de color y textura, que emplea un dispositivo digital de formación de imágenes, tal como una cámara CCD, para determinar la textura.
Se determina el igualado de la pintura mediante búsqueda en un banco de datos de formulaciones de color unido a datos de textura.
El documento US 2001/0036309 describe un método para medir el micro-brillo y su utilización para igualar una pintura de reparación a una pintura original de, por ejemplo, un automóvil. El método incluye la medida del color así como también del micro-brillo, como tipo especifico textura. Se escoge una fórmula de color con micro-brillo de igualado a partir de un banco de datos de fórmulas de pintura. Por consiguiente, se iguala de forma aceptable la textura de micro-brillo obtenido. No obstante, no es necesario que el color sea igualado de la misma forma. Además, es preciso igualar de forma iterativa la fórmula de color hasta que resulte aceptable. En este sistema de la técnica anterior, no se consideran las fórmulas de color que inicialmente carecen de la textura correcta, aunque estas fórmulas puedan todavía resultar como candidatos apropiados para una formulación de partida. Además, este método de la técnica anterior no garantiza que la textura permanezca intacta durante los igualados de las fórmulas de color.
El objeto de este invento es mejorar el igualado de pinturas de reparación con la pintura aplicada originalmente sobre el substrato con el fin de obtener resultados más precisos de forma más rápida y fiable, preferiblemente sin necesidad de crear una base de datos de formulaciones completas con datos específicos de textura.
El objeto de este invento se consigue por medio de un método para igualar la pintura de reparación a las propiedades medidas de color y textura de la película de pintura del substrato a reparar, como se define en la reivindicación 1.
Por ejemplo, los datos de textura pueden incluir la distribución de tamaño de partícula de los colorantes de efecto del pigmento orgánico, y el contraste óptico, definido como la diferencia de oscuridad entre el colorante de efecto y los otros colorantes presentes en el pigmento orgánico.
De manera sorprendente, se comprobó que es posible obtener un igualado de la textura mezclando pigmentos orgánicos que se escogen a partir de un rango limitado de pigmentos orgánicos que muestran parámetros particulares y pre-determinados de textura, y que se puede emplear un ordenador para calcular una mezcla de ajuste de pigmentos orgánicos de textura.
La pintura también se iguala con las propiedades de color de la pintura original. De manera inesperada, se ha comprobado que mediante el igualado simultáneo de color y textura parece que el igualado visual total mejora, incluso si el igualado de color en sí mismo es un poco peor.
Es posible representar la textura en forma de imagen por medio de un dispositivo digital de formación de imágenes, tal como una cámara CDD. Por consiguiente, se puede emplear un soporte lógico de análisis de imágenes para traducir la imagen en uno o más parámetros de textura. Por ejemplo el soporte lógico apropiado para el procesado de imágenes es Optimas o Image ProPlus, ambos disponibles a nivel comercial en Media Cybernetics, MacScope, disponible en Mitani Corporation, o Matlab, disponible en The MathWorks Inc.
\vskip1.000000\baselineskip
Medición de la textura
Con el fin de extraer un parámetro de textura de la imagen digital, se recoge un grupo representativo de colores de coche y se somete a evaluación visual, empleando una escala de referencia que abarca el intervalo completo de parámetros de textura. Se deriva un algoritmo que extrae valores del parámetro de textura a partir de las imágenes del grupo de colores de coche que se correlacionan estrechamente con las evaluaciones visuales.
El parámetro de textura "aspereza" describe la rugosidad visual de la superficie de la muestra: un revestimiento muestra aspereza cuando exhibe un patrón inequívoco de zonas oscuras y claras. No sólo resulta importante la relación entre las zonas oscuras y claras, que para una imagen en blanco y negro puede expresarse como desviación estándar de valor gray, sino también el tamaño de las zonas. Por ejemplo, los dibujos de la Figura 1 presentan la misma desviación estándar de valor gray pero difieren claramente en el patrón.
\vskip1.000000\baselineskip
Para calcular la aspereza se puede emplear el siguiente algoritmo
Se toma una imagen CDD de N x N pixeles. Se determina la desviación estándar de valor gray GVSTD a varias escalas X. A la escala más pequeña X = 1 se calcula para cada píxel individual. A la segunda escala más pequeña se calcula sobre el intervalo de valores gray de cuadrados de 2 x 2 pixeles (X = 4). A la tercera escala más pequeña se emplean cuadrados de 4 x 4 pixeles, es decir X = 16. Esto se repite hasta una escala máxima de N x N pixeles (X = N^{2}).
La desviación estándar de valor gray GVSTD puede describirse en función de la escala X, empleando:
1
Conociendo los valores de GVSTD y X, es posible calcular los parámetros A, B y C mediante ajuste.
Los parámetros A, B y C se pueden correlacionar a un valor de aspereza visual VC mediante:
2
\newpage
Los valores de \alpha_{1}, \alpha_{2}, \alpha_{3} y \alpha_{4} han sido pre-determinados anteriormente mediante comparación con un grupo de paneles de colores de coche representativos. Se somete a evaluación visual estos colores de referencia y se acuerda un valor correspondiente a la escala de referencia. La evaluación se lleva a cabo por un número de personas y los valores acordados constituyen la media para cada panel. Para cada uno de estos valores de referencia, el valor medido de VC debe ser igual al valor correspondiente a la escala de referencia de la evaluación visual. Los parámetros \alpha_{1}, \alpha_{2},\alpha_{3} y \alpha_{4} se encuentran minimizando la diferencia entre los valores observados y los valores medidos para todos los paneles empleados en el grupo de colores de coche representativos. Con el fin de hallar valores iguales de los parámetros \alpha_{1}, \alpha_{2},\alpha_{3} y \alpha_{4} para todos los paneles del grupo de colores de coche representativos, se calcula para cada panel el valor cuadrado de la diferencia entre el valor de la escala de referencia y el valor VC de aspereza visual. Posteriormente se minimiza la suma de todos estos valores cuadrados \Sigma todos los paneles (evaluación visual panel i - VC _{panel \ i)}^{2}, lo que da lugar a valores para \alpha_{1}, \alpha_{2}, \alpha_{3} y \alpha_{4}. Conociendo estos parámetros, es posible determinar la aspereza de cualquier película de pintura de coche.
El método anteriormente mencionado que correlaciona la aspereza con las evaluaciones visuales mediante la utilización del modelo teórico (2) puede llevarse a cabo en general para cualquier parámetro de textura de cualquier observación y condición de iluminación de cualquier modelo particular. Este modelo particular puede incluir cualquier parámetro físico (tal como tamaño de partícula, composición de escamas, etc.), parámetro de color (como parámetros Lab CIE, etc.) o parámetros de imagen (como desviación estándar del valor gris, etc.).
El documento US 2001/0036309, incorporado en la presente memoria a modo de referencia, describe un modo alternativo para medir la textura, en particular el denominado micro-brillo, con un dispositivo digital de formación de imágenes y un soporte lógico para el análisis de imágenes.
El parámetro "reflejos" es otro parámetro de textura, que describe la percepción de minúsculas marcas brillantes de luz sobre la superficie del revestimiento de efecto bajo condiciones de iluminación direccional que se aparecen y desaparecen al variar el ángulo de visión. La mejor forma de observar los reflejos es bajo luz solar directa, es decir con cielo despejado, a menos de un metro. Incluso con las mismas condiciones de observación, algunos revestimientos de efectos exhiben muchos reflejos brillantes, mientras que otros revestimientos de efecto muestran menos o incluso no muestran ningún reflejo. Se ha designado una escala de reflejos a partir de la cual el observador puede evaluar visualmente el revestimiento de efecto y expresar los aspectos de brillo en forma de número. Algunos revestimientos de efecto presentarán un valor de reflejos pequeño y otros presentarán un valor de reflejos grande. De este modo, es posible observar de forma cuantitativa el aspecto de textura "reflejos".
El parámetro de textura "reflejos" puede describirse de forma más específica haciendo la distinción entre la intensidad y el tamaño de reflejo. La intensidad de reflejo es la intensidad de luz o la distribución de la intensidad de luz de las diminutas marcas brillantes de luz. El tamaño de reflejo es el área o distribución de área de las marcas.
Una segunda forma de establecer distinciones entre reflejos es mediante su color o distribución de color.
El reflejo es únicamente visible dentro de un intervalo de orientaciones mutuas de la dirección de iluminación, dirección de observación y orientación de la muestra. Como consecuencia de ello, una tercera forma de caracterizar reflejos es mediante la determinación del intervalo de ángulos de iluminación (o su distribución) para el cual el reflejo resulta visible para el ojo humano, dados un determinado ángulo de observación y orientación de la muestra. De manera similar, se puede emplear el intervalo de ángulos de observación (o su distribución) para el cual el reflejo resulta visible para el ojo humano dados un ángulo fijo de iluminación y una orientación de la muestra, o puede emplearse el intervalo de orientaciones de la muestra (o su distribución) para el cual el reflejo resulta visible para el ojo humano dados un ángulo fijo de observación y un ángulo fijo de iluminación.
Medición del color
De manera general, el igualado de textura se combina con el igualado de color. Para igualar el color, primero es preciso medir el color. Los colores pueden medirse con ayuda de medidores de color, tal como espectrofotómetros o medidores de tri-estímulo. Las señales medidas se pueden emplear para la determinación de la fórmula de pintura con igualado de color. La solicitud de patente de EE.UU. 2001/0036309 describe un método para medir el color con ayuda de un espectrofotómetro de multi-ángulo y la utilización de los datos medidos para la búsqueda de una fórmula de color en el banco de datos. La patente de EE.UU. 4.813.000 describe la medida de un color escogido con ayuda de un analizador de color de tri-estímulo y la utilización de los datos cromáticos medidos para la búsqueda de una fórmula de color en el banco de datos. El documento WO 01/25737 describe un modo para medir color con un dispositivo digital de formación de imágenes tal como un escáner o una cámara digital.
Tras medir las propiedades de textura, y de manera opcional también el color, se calcula la formulación de pintura igualada. Con dicha finalidad, se predice la textura, y de forma opcional el color, de las formulaciones de pintura.
Predicción de la textura en base a las concentraciones de los módulos de pintura
Se formula una pintura de reparación apropiada en forma de mezcla de un número de módulos de pintura, por ejemplo, pigmentos orgánicos, escogida a partir de un grupo de módulos. Se predeterminan los parámetros de textura de los módulos. En base a estos parámetros, se puede calcular una mezcla que muestre el parámetro de textura deseado. De este modo, es posible calcular una formulación para pintura de reparación que tenga una textura igualada lo máximo posible a la textura de la película de pintura original.
Se puede expresar la textura de la fórmula de color en forma de propiedades de textura tales como aspereza, destellos, reflejos o micro-brillo, pero también en forma de propiedades físicas de textura tales como tamaño de partícula, distribución de tamaño de partícula, forma de partícula, color de partícula y número de partículas, siendo la partícula, por ejemplo un colorante de efecto, o la pareja de partículas de efecto tales que es posible distinguirlas directamente de manera visual o en la imagen, tal como desorientadores.
El parámetro de textura T de una fórmula sencilla de color que contiene pigmentos orgánicos V, presentando cada uno una propiedad de textura c^{i,} se puede escribir como:
3
Preferiblemente, T_{i} es una propiedad visual, tal como aspereza, pero también puede ser una propiedad física de textura. Por ejemplo, se puede escribir un modelo de aspereza para la formulación de un número de pigmentos orgánicos v como una función de valores k y s de Kubelka-Munk, concentraciones c de pigmentos orgánicos, medidas una geometría óptica g y una longitud de onda \lambda:
4
En este ejemplo, el modelo de aspereza utiliza los mismos parámetros que el modelo de color (valores K y S). Esto no siempre es necesario para los modelos de textura: un ejemplo más genérico muestra que T_{i} puede depender de las propiedades específicas de textura de los pigmentos orgánicos:
5
donde A_{i} es por ejemplo el área de partícula o la distribución de áreas de los pigmentos orgánicos específicos, y B_{i} es la forma de partícula (por ejemplo, longitud del eje mayor o circularidad) de los pigmentos orgánicos específicos. T_{i} puede ser una propiedad visual tal como T_{aspereza} de aspereza, pero también puede ser, por ejemplo, el área total de partícula o la distribución de área de la fórmula de color o la forma total de partícula de la fórmula de color.
Es posible expresar la textura de la pintura estándar, por ejemplo, la pintura del coche a reparar, como número de parámetros de textura T_{i}^{ST}. Cuando se pretende igualar la textura de esta pintura estándar, se pueden utilizar métodos de cálculo, tal como por ejemplo el método de mínimos cuadrados, para minimizar la siguiente expresión modificando las concentraciones de pigmentos orgánicos:
6
mediante el empleo de un algoritmo de optimización no lineal tal como el algoritmo de Marquardt-Levenberg (como se describe en Numerical Recipes in Pascal, W.H. Press, B.P. Flannery, S.A. Teukolsky, y W.T Vetterling. Cambridge University Press, 1989). Esto significa que para una fórmula de pintura sencilla, se varían las concentraciones de pigmentos orgánicos de tal modo que se minimizan las diferencias teóricas de textura entre la fórmula de color y el color objetivo especificado (es decir se minimiza X^{2} en la ecuación (6)).
\vskip1.000000\baselineskip
Aspereza
A continuación se presenta un ejemplo de modelo de cálculo para predecir la aspereza de una película de pintura en base a los datos pre-determinados de aspereza de módulos de pintura empleados para formular la pintura. Se puede definir la siguiente función general para predecir la aspereza de la fórmula de color calculada como la suma del número de predictores x, cada uno de ellos con un factor de ponderación \beta:
7
\newpage
Por ejemplo, un posible factor predictor x es la concentración de pigmento orgánico empleado en la formulación de color. La Tabla 1 muestra un ejemplo de fórmula de color:
\vskip1.000000\baselineskip
TABLA 1
8
\vskip1.000000\baselineskip
Los posibles predictores x son:
CONCS = Concentración de Sólidos: 0,17 + 0,20
CONCM = Concentración de Metales: 0,30 + 0,05
CONCP = Concentración de Componentes Nacarados: 0,05
En este caso el predictor se refiere al tipo de pigmento orgánico (sólido, metálico, nacarado, etc.). De manera alternativa, se pueden utilizar predictores que se refieran a pigmentos orgánicos individuales, pero generalmente esto da lugar a un número muy grande de predictores. Otra opción es la utilización de predictores que se refieran a concentración de sólidos con un bajo coeficiente de esparcimiento (CONCSL), sólidos con un elevado coeficiente de esparcimiento (CONCSH), materiales metálicos medios (CONCMM), materiales metálicos ásperos (CONCMC), materiales nacarados con un bajo coeficiente de esparcimiento (CONCPL), materiales nacarados con un elevado coeficiente de esparcimiento (CONCPH), desorientadores (CONCQ), etc.
Se ha comprobado que el esparcimiento es un buen indicador de aspereza. Para evitar demasiados predictores, es posible tomar la suma de las concentraciones de colorante por los coeficientes de esparcimiento del colorante, en valores medios a lo largo de 16 longitudes de onda a 25º, 45º y 110º. Para los materiales metálicos en este caso esto sería para 25º:
100
Y para otros ángulos:
101
Donde "MedioS_{25}Q811E" es el valor medio del coeficiente de esparcimiento sobre 16 longitudes de onda a 25º para el pigmento orgánico Q811 E y "MedioS_{25}Q811U" es el valor medio del coeficiente de esparcimiento sobre 16 longitudes de onda a 25º para el pigmento orgánico Q81 1 U, ponderado por sus respectivas concentraciones como se muestra en la Tabla 1.
\newpage
Es posible hacer lo mismo para el coeficiente de absorción. Para los materiales metálicos en este caso esto sería para 25º:
102
Los predictores SUMMS1, SUMMS2, SUMMS3, SUMMK1, SUMMK2, y SUMMK3 se usan en la ecuación (7).
De manera adicional o alternativa, se pueden emplear como predictor los valores L, a, b de cromaticidad Munsell y de tonalidad Munsell de los colores en los tres ángulos. Otros predictores pueden ser la relación de S con respecto a K y viceversa, la descomposición en dos del dominio de longitud de onda (SUMMS1A y SUMMS1B) o en cuatro partes (SUMMS1A, SUMMS1B, SUMMS1C y SUMMS1D), en lugar de calcular la media a lo largo del todo el intervalo, y definir un tipo de predictor de contraste ([constante-{S/K}sólido]/{S/K}_{sólido}). El número de posibles combinaciones parece incontable; no obstante, muchas de ellas presentan una alta correlación.
De forma general, se define un número de 6 clases o categorías de aspereza. Dado que se usan estas categorías, se aplica una regresión logística para predecir la aspereza en lugar de un modelo lineal, ya que este último sugeriría una escala continua. La función puede expresarse:
9
siendo \alpha el límite entre categorías.
La probabilidad de obtener determinados valores de aspereza se puede calcular como se muestra a continuación:
P(valor de aspereza = 1)=p(y\leqy_{1})
P(valor de aspereza = 2)= p(y\leqy_{2})-p(y\leqy_{1})
P(valor de aspereza = 3)= p(y\leqy_{3})-p(y\leqy_{2})
P(valor de aspereza = 4)= p(y\leqy_{4})-p(y\leqy_{3})
P(valor de aspereza = 5)= p(y\leqy_{5})-p(y\leqy_{4})
P(valor de aspereza = 6)= 1-p(y\leqy_{5})
La Figura 2 muestra un ejemplo de distribución de probabilidad. Como valor de aspereza se toma la mediana, la moda o \Sigma i*P(i) siendo i=1 a 6.
Los valores de \alpha y \beta' están pre-determinados mediante comparación con un grupo de paneles representativos de colores de coche. Se somete a evaluación visual estos colores de referencia y se acuerda un valor correspondiente a la escala de referencia. Esto lo lleva a cabo un grupo de individuos y se calcula el valor medio de los valores acordados para cada panel. Para cada uno de estos valores de referencia, el valor de aspereza obtenido mediante predicción debería coincidir con el valor de acuerdo con las escala de referencia empleada en la evaluación visual. Los parámetros se obtienen minimizando la diferencia entre los valores observados y los valores medidos, para todos los paneles del grupo representativo de colores de coche. Conociendo estos parámetros, es posible predecir la aspereza de cualquier película de pintura de coche.
\vskip1.000000\baselineskip
Reflejos
Se ha designado un modelo de reflejos con el fin de predecir el número de reflejo de un revestimiento de efecto, en base a las concentraciones de varios pigmentos orgánicos empleados en la pintura. Es posible utilizar el modelo cuando se pretende igualar un color original, por ejemplo, el de un coche objeto de reparación. En este caso, el modelo puede garantizar que el acabado de reflejos del color perteneciente al coche original queda igualado.
Con el fin de lograr estas predicciones, el modelo de brillo requiere la introducción de un número de parámetros:
-
los ángulos de iluminación y observación. Este significa el ángulo a partir del cual la fuente de luz (por ejemplo el sol) incide sobre el revestimiento, y el ángulo desde el cual el observador se encuentra mirando. También resultan importantes la distancia a la que se encuentra la fuente de luz y la distancia existente entre el observador y el revestimiento. También es necesaria la intensidad de la fuente de luz. Y finalmente, el alcance angular del detector/ojo del observador y la fuente de luz, tomando como punto de referencia el revestimiento.
-
Tamaño, espesor y número de partículas en forma de escama en el interior de los pigmentos orgánicos de efecto.
-
La orientación que adoptan las escamas para cada pigmento orgánico del revestimiento
-
Los valores de absorción y esparcimiento de los pigmentos orgánicos que no provocan efecto, y el índice de refracción de los pigmentos orgánicos que no provocan efecto. Estos se usan para calcular el modo en que el revestimiento absorbe la luz.
En primer lugar se calculan el color y la intensidad del fondo, es decir de los reflejos que rodean al revestimiento. Esto es importante, ya que el ojo humano puede detectar mejor diminutas fuentes de luz, tal como un reflejo, en condiciones de oscuridad circundante que en condiciones de luz circundante. El color de fondo se calcula en base a los valores de absorción y esparcimiento (K&S) de los pigmentos orgánicos que no producen efecto, teniendo en cuenta que todo rayo de luz que incide sobre el revestimiento es absorbido o reflejado por una escama que se encuentra en algún punto del revestimiento. Se tienen en cuentan todas las contribuciones pertenecientes a las escamas que se encuentran a distinta profundidad en el revestimiento.
Tras calcular el color de fondo y la intensidad, se calcula la intensidad que debería corresponder al reflejo, con el fin de hacerlo visible para el ojo humano, frente al valor de fondo calculado. El cálculo se lleva a cabo y se describe en el artículo de Hardy, J. Opt. Soc. Am 57 (1967) 44 - 47. A continuación, se calcula el número de escamas por centímetro cuadrado de superficie de revestimiento que presentan la orientación correcta y la profundidad adecuada en el revestimiento, de manera que la luz reflejada a partir de ellas sea lo suficientemente intensa como para resultar visible frente al fondo. Este número se denomina N y se obtiene multiplicando cuatro términos. El primer término tiene en cuenta que el reflejo resulta más fácilmente reconocible en un fondo oscuro, y tiene que ver con la absorción de luz por parte de colorantes sólidos. El segundo término tiene en cuenta la dependencia del ángulo de visión/iluminación. El tercer término tiene en cuenta la concentración de escamas del revestimiento, y el cuarto término calcula la fracción de escamas que presenta orientación correcta con el fin de que sea visible en forma de reflejo.
A continuación, mediante la utilización de la condición de la Ley de Weber de base fisiológica que establece que la percepción humana normalmente está basada en el logaritmo del estímulo, el logaritmo de N se correlaciona con los números de escala de reflejo observados visualmente. La Ley de Weber se describe en M. W. Levine, Fundamentals of Sensation and Perception, 3 ed., Oxford University Press, New York, 2000. A continuación, mediante la utilización de la condición de la Ley de Weber de base fisiológica que establece que la percepción humana normalmente está basada en el logaritmo del estímulo, el logaritmo de N se correlaciona con los números de escala de reflejo observados visualmente.
\vskip1.000000\baselineskip
Igualado del color basado en las concentraciones de módulos de pintura
Es posible determinar fórmulas de color de varias formas, es decir, por medio de procedimientos de búsqueda, cálculos o combinaciones de ambos. Por ejemplo, se puede emplear un banco de datos que comprenda fórmulas de color que presenten datos relacionados. Mediante la utilización de los datos colorimétricos calculados para el color escogido y medido, es posible encontrar la fórmula de color ajustada más próxima. De forma alternativa, es posible emplear un banco de datos que presente fórmulas de color con datos de espectro de las mismas. Se pueden emplear métodos de cálculo conocidos para calcular los datos colorimétricos de las fórmulas de color y compararlas. De igual modo, se puede emplear un banco de datos en el que se almacenen los datos de absorción y de reflexión de los colorantes, los denominados datos K y S. Mediante el empleo de los datos de K y S, en combinación con las concentraciones de colorante, resulta posible calcular la fórmula de color cuyos datos colorimétricos se ajustan lo máximo a los datos colorimétricos del color escogido y medido. Los métodos en cuestión han sido descritos en D.B. Judd y col., Colour in Business, Science and Industry. Es posible combinar la búsqueda anteriormente mencionada y los métodos de cálculo.
Es posible expresar el color por parte de la reflexión de la película de pintura como una función de la longitud de onda de luz visible. De manera alternativa, es posible expresar el color de acuerdo con el denominado sistema Lab CIE, según se define por parte de la Commission International d'Eclairage, o mediante sistemas similares, tales como sistemas CIE Luv, CIE XYZ o el sistema Munsell. En las películas de pintura que comprenden colorantes de efecto, la reflexión R medida depende de la geometría óptica, que se define mediante el ángulo de observación y el ángulo de iluminación. La reflexión teórica R_{g \lambda} a la longitud de onda \lambda y a la geometría óptica g de una formulación de color formada por un número de colorantes orgánicos v, se puede expresar como función de los parámetros colorimétricos c de cada uno de los pigmentos orgánicos:
10
De igual forma y de manera alternativa, se pueden expresar los valores L, a y b de la fórmula de pintura.
Esta fórmula de color contiene pigmentos orgánicos V, geometrías de medida g y longitudes de onda \lambda para cada geometría. De manera general, g = 1 en el caso de colorantes de efecto que no presentan colores sólidos y \lambda = 16 cuando la longitud de onda está entre 400 y 700 nm y el intervalo de longitud de onda es 20 nm. Para pinturas que contienen colorantes de efecto, normalmente g es alrededor de 3.
De acuerdo con el modelo de Kubelka Munk (la versión de cubrimiento) la reflexión R^{KM} se define mediante la siguiente fórmula:
11
en el que la K^{i}_{g \lambda} es el factor de absorción al valor de longitud de onda \lambda y de geometría óptica g del pigmento orgánico i siendo S^{i}_{g \lambda} el factor de esparcimiento al valor de longitud de onda \lambda y de geometría óptica g del pigmento orgánico i. Además, se obtiene una fórmula similar a la de la ecuación (4):
12
Con el fin de igualar el color estándar (por ejemplo, el color del coche a reparar) expresado por los valores de reflexión R^{ST}g_{\lambda}, por ejemplo se puede utilizar el método de mínimos cuadrados con el fin de minimizar la siguiente expresión:
13
mediante la utilización de un algoritmo de optimización no lineal tal como el algoritmo de Marquardt-Levenberg. Esto significa que para una fórmula de color sencilla, se varían las concentraciones de pigmento orgánico de tal manera que se minimiza la diferencia de color teórica entre la fórmula de color y el color objetivo especificado (es decir se minimiza X^{2} en la ecuación (13)). Las concentraciones c^{i} de los diferentes pigmentos orgánicos V de una fórmula de color se estiman mediante ajuste de los parámetros c^{i} en la siguiente ecuación empleando valores fijos de K y S para cada pigmento orgánico:
14
La manera de representar la formulación de color también incorpora los casos para los cuales se omiten o se añaden los pigmentos orgánicos en la fórmula de color: esto se consigue haciendo cero las concentraciones de pigmento orgánico que acompaña, o retirando el parámetro respectivamente.
Igualado combinado de color y textura
De acuerdo con el invento, se abordan los parámetros de textura mediante el igualado simultáneo de una pintura basada en color y textura. Con esta finalidad, es preciso definir un modelo combinado de color y textural "RT". Por ejemplo, esto puede llevarse a cabo combinando las ecuaciones 6 y 13, es decir, sumándolas y definiendo un factor de ponderación \alpha que varía entre 0 y 1:
15
Se minimiza la ecuación (15) empleando un algoritmo de optimización no lineal tal como el algoritmo de Marquardt-Levenberg. Los parámetros de ajuste son las concentraciones de pigmento orgánico, y los parámetros fijos son los valores de K y S procedentes del modelo de color y los parámetros de textura procedentes del modelo de textura.
El factor de ponderación \alpha se emplea para establecer la prioridad entre color y textura. Si se otorga mayor importancia al igualado de color que al igualado de textura, entonces \alpha es menor que 0,5, mientras que si se otorga más prioridad al igualado de textura, entonces \alpha es mayor que 0,5. Cuanto mayor sea el valor de \alpha, más importante es el papel que juega la textura. Es posible mantener constante el factor \alpha para todas las fórmulas de color, pero de acuerdo con el invento se varía para cada fórmula de color por separado.
Un modo alternativo de abordar la textura es emplearla como condicionante en más o menos una formulación de color estándar. Esto significa que se resuelve la ecuación (13) en lugar de la ecuación (15), pero durante la estimación no se permite que las concentraciones de pigmento orgánico varíen de manera que las diferencias de parámetro de textura T_{i}(c^{1},c^{2},...,c^{v})- T_{i}^{ST} superen los límites superior e inferior pre-determinados.
La Figura 3 muestra un ejemplo esquemático de cómo utilizar la ecuación (15), dividiendo X^{2} en una parte de color y una parte de textura:
16
La Figura 3 muestra gráficamente la función de la ecuación 16 para una fórmula específica de color. Cuando únicamente se iguala la fórmula de color (\alpha=0), entonces X^{2}_{color} (línea azul oscura) es en este caso particular menor que el umbral de aceptación de color (línea rosa), lo que significa que el color es visualmente aceptable de acuerdo con el especialista medio en color. No obstante, la textura X^{2} (línea amarilla) es suficientemente grande y en este caso particular mayor que el umbral de textura (línea cian), que significa que la textura no es aceptable visualmente para el especialista medio en color. Cuando, por otra parte, el igualado está basado únicamente en textura (\alpha=1), entonces el color no resulta aceptable mientras que la textura sí. Para obtener un igualado satisfactorio, tanto X^{2}_{color} como X^{2} _{textura} deben ser menores que los umbrales correspondientes. Esto se consigue en este ejemplo particular cuando 0,2 \leq \alpha \leq 0,6. Es preciso remarcar que esto es únicamente un ejemplo. Siempre existirán fórmulas de color para las cuales bien el color y/o bien la textura podrán ser o podrán no ser menores que sus umbrales visuales. Por ejemplo, este es el caso de los pigmentos orgánicos no se hayan escogido correctamente.
Existen varias formas de abordar el factor de ponderación \alpha. Una forma sería establecer \alpha como un valor fijo que, de media, permita el mejor igualado combinado de color y textura. De acuerdo con el invento, el valor óptimo de \alpha se determina de manera específica para cada fórmula de color por separado.
Además, el invento se explica por medio del siguiente ejemplo.
Ejemplo
Se midió un revestimiento de efecto gris oscuro ("estándar") a tres valores de ángulo (25º, 45º y 110º) con un Dispositivo de Control de Color. La Tabla 2 muestra los resultados de la medida.
\vskip1.000000\baselineskip
TABLA 2 Estándar
17
Como propiedad de textura, se midió la aspereza y se graduó en 0,91.
Se hizo un esfuerzo para igualar únicamente el color ("color") y el color y la textura ("coltex"). Para ambos cálculos se empleó el mismo grupo de colorantes. Se pulverizaron las recetas y se midieron las muestras. La Tabla 3 muestra las recetas, y las Tablas 4 y 5 muestran los resultados de las medidas de color. Para "color" el valor de aspereza fue de 2,24 y para "coltex" de 1,23, mostrando la Tabla 6 las diferencias de aspereza con el estándar.
TABLA 3 Recetas "Color" y "ColTex"
18
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
TABLA 4 Color
19
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
TABLA 5 ColTex
20
TABLA 6 \DeltaAspereza "Color" y "ColTex" (criterio de \DeltaAspereza \leq 0,8)
21
Empleando el peso medio \DeltaEcmc (WADE), "color" alcanza un valor de 0,46 y "coltex" de 0,68. Este ejemplo muestra el valor añadido del igualado de textura: la textura de "coltex" iguala el valor de textura de "estándar", se aleja un poco en cuanto a color de "color", pero satisface el requisito WADE < 1.

Claims (5)

1. Un método para igualar una pintura de reparación a una propiedades medidas de color y textura de una película de pintura de un substrato a reparar, en el que las propiedades de textura se definen como la estructura superficial visible en el plano de la película de pintura que depende del tamaño y de la organización de las pequeñas partes que la constituyen, formulándose la pintura de reparación sobre la base de concentraciones de módulos de pintura, que se caracteriza por que cada módulo de pintura se asocia con datos específicos de textura y datos de color, y por que se emplea un modelo de cálculo de textura y color que utiliza los datos de color de los módulos de pintura para calcular una pintura de reparación igualada con las propiedades medidas de textura y color, y en el que se emplea una fórmula de diferencia de color y textura que combina una fórmula de diferencia de color y una fórmula de diferencia de textura con un factor de ponderación, en el que el valor óptimo del factor de ponderación se determina de forma específica para cada fórmula de color por separado.
2. El método de acuerdo con la reivindicación 1, que se caracteriza por que se emplea un espectrofotómetro para medir el color de la pintura a reparar.
3. El método de las reivindicaciones anteriores, que se caracteriza por que se emplea un dispositivo digital de formación de imágenes, tal como una cámara CDD, para formar la imagen de la textura de la película de pintura a reparar y un soporte lógico para el análisis de imágenes para analizar la textura con forma de imagen y para calcular los parámetros de textura.
4. El método de acuerdo con las reivindicaciones anteriores, que se caracteriza por que se calculan las concentraciones de un grupo dado de módulos de efecto, que se precisan para igualar una textura concreta, y por que posteriormente la mezcla de módulos de efecto se homogeneiza con otros módulos.
5. El método de la reivindicación 4, que se caracteriza por que para la película de pintura a reparar se escogen los módulos de efecto sin necesidad de evaluación visual de la película de pintura a reparar.
ES05787207T 2004-09-17 2005-09-16 Metodo para igualar una pintura. Active ES2331196T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP04077584 2004-09-17
EP04077584 2004-09-17

Publications (1)

Publication Number Publication Date
ES2331196T3 true ES2331196T3 (es) 2009-12-23

Family

ID=34928522

Family Applications (1)

Application Number Title Priority Date Filing Date
ES05787207T Active ES2331196T3 (es) 2004-09-17 2005-09-16 Metodo para igualar una pintura.

Country Status (13)

Country Link
US (1) US7804597B2 (es)
EP (1) EP1789763B1 (es)
JP (1) JP2008513192A (es)
KR (1) KR101162078B1 (es)
CN (1) CN101023332B (es)
AT (1) ATE438842T1 (es)
AU (1) AU2005284094B2 (es)
BR (1) BRPI0515445A (es)
DE (1) DE602005015869D1 (es)
ES (1) ES2331196T3 (es)
RU (1) RU2382339C2 (es)
WO (1) WO2006030028A1 (es)
ZA (1) ZA200703103B (es)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016148557A1 (es) * 2015-03-13 2016-09-22 Color Harmony Experts, S.C. Metodo para la armonizacion de color en articulos manufacturados
US11137749B2 (en) 2017-09-13 2021-10-05 Color Harmony Experts, S.C. Method for harmonising colour in manufactured items

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009515149A (ja) * 2005-10-28 2009-04-09 イー・アイ・デュポン・ドウ・ヌムール・アンド・カンパニー ゴニオ外観色の現実的ビデオディスプレイ
EP2069734A2 (en) * 2006-08-22 2009-06-17 E.I. Du Pont De Nemours And Company Method for color matching
US20080052023A1 (en) * 2006-08-22 2008-02-28 Wilhelm Kettler Method for color matching
US8065314B2 (en) 2006-10-02 2011-11-22 E. I. Du Pont De Nemours And Company Method for matching color and appearance of a coating containing effect pigments
DE102007014475B4 (de) 2007-03-22 2023-04-13 Byk-Gardner Gmbh Bestimmung von Oberflächeneigenschaften
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
KR100927859B1 (ko) * 2008-02-28 2009-11-23 포항공과대학교 산학협력단 디지털 영상처리 기법을 이용한 슬라브 관리번호마킹장치의 이상상태 판별방법
US20090274827A1 (en) * 2008-04-30 2009-11-05 Ppg Industries Ohio, Inc. Color formulation selection process with visual display
EP2283332B1 (en) 2008-05-28 2020-12-09 Akzo Nobel Coatings International B.V. Method for determination of a matching colour variant
EP2199350A1 (en) 2008-12-16 2010-06-23 Akzo Nobel Coatings International B.V. Tailor-made metallic effect pigment modules
US9791318B2 (en) 2009-04-28 2017-10-17 Akzo Nobel Coatings International B.V. Display of effect coatings on electronic display devices
DE102009033098B4 (de) 2009-07-15 2023-07-13 Byk Gardner Gmbh Verfahren und Vorrichtung zum Ermitteln von Eigenschaften von strukturierten Oberflächen
WO2011068600A1 (en) * 2009-12-02 2011-06-09 E. I. Du Pont De Nemours And Company Method and system for matching color and coarseness appearance of coatings
JP5398803B2 (ja) * 2011-09-09 2014-01-29 本田技研工業株式会社 色彩分布設計支援システム
US8692991B2 (en) * 2012-02-03 2014-04-08 Ppg Industries Ohio, Inc. Optimal tint identifier/selector
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
AU2014224780A1 (en) * 2013-03-07 2015-08-06 Akzo Nobel Coatings International B.V. Process for matching paint
US10586162B2 (en) 2013-03-15 2020-03-10 Ppg Industries Ohio, Inc. Systems and methods for determining a coating formulation
US10147043B2 (en) * 2013-03-15 2018-12-04 Ppg Industries Ohio, Inc. Systems and methods for texture assessment of a coating formulation
US10026192B2 (en) * 2013-10-18 2018-07-17 Ford Global Technologies, Llc Color harmony verification system
US9482657B2 (en) * 2013-11-07 2016-11-01 Ppg Industries Ohio, Inc. Formulation of complex coating mixtures with effect pigments
NZ631068A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using electrostatics calculations
NZ631063A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using cross-normalization
NZ631047A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using kepler’s planetary motion laws
US9607403B2 (en) * 2014-10-28 2017-03-28 Ppg Industries Ohio, Inc. Pigment identification of complex coating mixtures with sparkle color
DE102015118551A1 (de) 2015-10-29 2017-05-04 Basf Coatings Gmbh Verfahren zum Ermitteln von Texturparametern eines Lacks
US10613727B2 (en) 2016-02-19 2020-04-07 Ppg Industries Ohio, Inc. Color and texture match ratings for optimal match selection
US9818205B2 (en) * 2016-02-19 2017-11-14 Ppg Industries Ohio, Inc. Simplified texture comparison engine
CN107796502A (zh) * 2016-08-31 2018-03-13 车急修汽车科技有限公司 一种车漆调配以及快速修复车漆的工艺方法
US10871888B2 (en) 2018-04-26 2020-12-22 Ppg Industries Ohio, Inc. Systems, methods, and interfaces for rapid coating generation
US10970879B2 (en) 2018-04-26 2021-04-06 Ppg Industries Ohio, Inc. Formulation systems and methods employing target coating data results
US11119035B2 (en) 2018-04-26 2021-09-14 Ppg Industries Ohio, Inc. Systems and methods for rapid coating composition determinations
US11874220B2 (en) 2018-04-26 2024-01-16 Ppg Industries Ohio, Inc. Formulation systems and methods employing target coating data results
JP7387748B2 (ja) * 2019-01-31 2023-11-28 ビーエーエスエフ コーティングス ゲゼルシャフト ミット ベシュレンクテル ハフツング テクスチャ品質の視覚による比較を取り入れた、エフェクト色の配合を見つけ、適合させるための方法および装置
WO2023076032A1 (en) * 2021-10-25 2023-05-04 Swimc Llc Method and system for determining color match for surface coatings
WO2023161235A1 (en) 2022-02-22 2023-08-31 Akzo Nobel Coatings International B.V. Method for matching a vehicle coating of any gloss level
CN115101141B (zh) * 2022-06-24 2022-12-20 湖北远见高新材料有限公司 一种水性工业涂料的配方优化方法及系统

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3916168A (en) * 1973-10-09 1975-10-28 Mobil Oil Corp Color matching surface coatings containing metallic pigments
US4813000A (en) 1986-07-09 1989-03-14 Jones-Blair Company Computerized color matching
US5231472A (en) 1991-09-16 1993-07-27 Ppg Industries, Inc. Color matching and characterization of surface coatings
US5270536A (en) * 1992-10-13 1993-12-14 The University Of Hawaii Method of using DC photocurrent measurements to sense wavelength or color of light or to characterize semiconductor materials
US5232472A (en) * 1992-11-03 1993-08-03 E. I. Du Pont De Nemours And Company Polyimide and polyamide-imide gas separation membranes
DE69424321T2 (de) * 1993-08-06 2000-10-19 Toyota Motor Co Ltd Verfahren zur Selektion der Farbe eines Lackes
DE19720887C2 (de) * 1997-05-17 1999-04-01 Herberts & Co Gmbh Verfahren zur Farbrezeptberechnung pigmentierter Effektfarbtöne
JP3469767B2 (ja) 1998-01-26 2003-11-25 関西ペイント株式会社 メタリツク塗色の分類整理方法
RU2251084C2 (ru) * 1999-10-05 2005-04-27 Акцо Нобель Н.В. Способ подбора цвета посредством устройства формирования электронного отображения
JP3626387B2 (ja) 2000-02-04 2005-03-09 関西ペイント株式会社 コンピュータ調色装置及びこの装置を用いた塗料の調色方法
US6741260B2 (en) * 2000-07-07 2004-05-25 Kansai Paint Co., Ltd. Method for color matching of bright paint
JP2002226735A (ja) * 2001-02-02 2002-08-14 Nippon Paint Co Ltd 塗料液のコンピュータ調色方法とこの方法を用いた塗料の製造方法
JP4623842B2 (ja) * 2001-02-28 2011-02-02 関西ペイント株式会社 メタリック塗色の近似色を高速に検索する方法
WO2003029811A1 (en) * 2001-10-04 2003-04-10 Digieye Plc. Assessing colour fastiness
US20030156752A1 (en) * 2002-02-12 2003-08-21 Turpin Kenneth A. Color imaging and format system and methods of making and using same
AU2003212352B2 (en) * 2002-03-28 2008-09-11 Akzo Nobel Coatings International B.V. Colour formulation method
CA2426437A1 (en) * 2002-05-02 2003-11-02 Rohm And Haas Company Color matching and simulation of multicolor surfaces
US7145566B2 (en) * 2003-07-18 2006-12-05 Microsoft Corporation Systems and methods for updating a frame buffer based on arbitrary graphics calls
US7248350B2 (en) * 2004-04-27 2007-07-24 E. I. Du Pont De Nemours And Company Non-destructive method of determining the refractive index of clear coats

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016148557A1 (es) * 2015-03-13 2016-09-22 Color Harmony Experts, S.C. Metodo para la armonizacion de color en articulos manufacturados
US11137749B2 (en) 2017-09-13 2021-10-05 Color Harmony Experts, S.C. Method for harmonising colour in manufactured items

Also Published As

Publication number Publication date
KR20070053295A (ko) 2007-05-23
JP2008513192A (ja) 2008-05-01
ATE438842T1 (de) 2009-08-15
EP1789763B1 (en) 2009-08-05
AU2005284094B2 (en) 2011-03-03
ZA200703103B (en) 2008-08-27
EP1789763A1 (en) 2007-05-30
KR101162078B1 (ko) 2012-07-03
AU2005284094A1 (en) 2006-03-23
DE602005015869D1 (de) 2009-09-17
US20070250273A1 (en) 2007-10-25
CN101023332A (zh) 2007-08-22
US7804597B2 (en) 2010-09-28
WO2006030028A1 (en) 2006-03-23
BRPI0515445A (pt) 2008-07-29
CN101023332B (zh) 2010-12-15
RU2382339C2 (ru) 2010-02-20
RU2007114283A (ru) 2008-10-27

Similar Documents

Publication Publication Date Title
ES2331196T3 (es) Metodo para igualar una pintura.
McCamy Observation and measurement of the appearance of metallic materials. Part I. Macro appearance
Marcus The measurement of color
EP1880196B1 (en) Measuring an appearance property of a surface using a spatially under-sampled bidirectional reflectance distribution function
JP4039470B2 (ja) メタリック・パール系塗料のコンピュータ調色における着色材と光輝材の配合比又は光輝材の配合量を求める方法
ES2206933T3 (es) Procedimiento para el calculo de la formula de color para tonos con efecto pigmentados.
ES2270384T3 (es) Metodo de calculo de recetas para matices de color mate.
Singh et al. An approach to correlate NDVI with soil colour for erosion process using NOAA/AVHRR data
Mirjalili et al. A new approach to investigate relationships between certain instrumentally measured appearance parameters and their visually perceived equivalents in the automotive industry
ES2700467T3 (es) Visualización de revestimientos de efecto en dispositivos electrónicos de visualización
Rivas et al. Functional experiment design for the analysis of colour changes in granite using new L∗ a∗ b∗ functional colour coordinates
JP2006284601A (ja) コンピュータグラフィックス画像データから塗料配合を推定する方法
Okumura Developing a spectral and colorimetric database of artist paint materials
Pointer et al. A new goniospectrophotometer for measuring gonio‐apparent materials
KR100763930B1 (ko) 도막 불균일의 예측방법, 도막 불균일 예측 프로그램,컴퓨터가 판독 가능한 기억 매체 및 도막 불균일 예측장치
Antal et al. Colour of stone slabs under different standard illuminations
Wu et al. Towards a practical metric of surface gloss for metallic coatings from automotive industry
Amookht et al. The effect of clear coat and basecoat interdiffusion on the appearance of automotive coating system
JP2008111116A (ja) 塗料液のコンピュータ調色方法とこの方法を用いた塗料の製造方法
Mirjalili et al. Quantification and prediction of visually perceived specular gloss at three illumination/viewing geometries
Panda Handbook on Paint Testing Methods: Business Start-Up, Business Plan for Startup Business, Great Opportunity for Startup, Small Start-Up Business Project, Best Small and Cottage Scale Industries, Startup India, Stand Up India, Small Scale Industries, Paint Adhesion Testing Business Ideas You Can Start on Your Own, Indian Paint Testing Industry, Guide to Starting and Operating Small Business, Business Ideas for Paint Testing, How to Start Paint Testing Business, Starting Paint Adhesion Testing, Start Your Own Paint Testing Business, Paint Adhesion Testing Business Plan, Business Plan for Paint Testing
Obein Physics and Measurement of properties linked to appearance
Kašparová et al. Visual evaluation samples with high chromaticity under the two types of daylight simulators
Ferrero Turrión et al. An insight into the present capabilities of national metrology institutes for measuring sparkle
Pant Determination of optical characteristics of materials for computer colorant analysis