IT202100009317A1

IT202100009317A1 - Sistema implementato mediante computer per il miglioramento della qualità di un’immagine e la conversione dello spazio di colore per stampanti per superfici lavorate

Info

Publication number: IT202100009317A1
Application number: IT102021000009317A
Authority: IT
Inventors: Alberto Vitto; Fabio Lanzi; Simone Calderara; Rita Cucchiara; Andrea Mariani; Elena Pellesi
Original assignee: Digital Design Srl
Priority date: 2021-04-14
Filing date: 2021-04-14
Publication date: 2022-10-14
Also published as: WO2022219511A1; EP4324186A1

Description

Titolo: "SISTEMA IMPLEMENTATO MEDIANTE COMPUTER PER IL MIGLIORAMENTO DELLA QUALIT? DI UN?IMMAGINE E LA CONVERSIONE DELLO SPAZIO DI COLORE PER STAMPANTI PER SUPERFICI LAVORATE".

DESCRIZIONE

La presente invenzione riguarda un sistema implementato mediante computer per il miglioramento della qualit? delle immagini e la conversione degli spazi colore per stampanti di superfici lavorate, in particolare per stampanti per la decorazione di piastrelle.

? noto che la gestione del colore ? il processo che controlla il modo in cui il colore viene utilizzato e rappresentato su dispositivi diversi, come monitor, scanner o stampanti. Accade spesso che lo stesso colore abbia un aspetto differente a seconda del dispositivo su cui ? visualizzato: la gestione del colore cerca di mitigare questo effetto.

Il principio generale, comune alle varie tecnologie digitali di gestione del colore, consiste nell'assegnare ad ogni periferica (monitor, scanner, stampante) un cosiddetto profilo cromatico che indica le sue caratteristiche cromatiche. Ogni immagine prodotta da uno scanner o da una fotocamera digitale ? associata al profilo di colore della periferica, che associa le relative coordinate cromatiche alle coordinate della periferica. Quando l'immagine viene inviata a un monitor o a una stampante, il sistema di gestione del colore calcola una conversione di colore tra il profilo dell'immagine di input e il profilo del dispositivo di output in modo che le coordinate colorimetriche dei colori di input corrispondano alle coordinate colorimetriche del dispositivo di output. Ci? garantisce che i colori originali e i colori dell'immagine stampata o visualizzata corrispondano.

? anche noto che ? obbligatorio operare la corretta gestione dei colori per la progettazione e la decorazione di superfici lavorate, perch? le superfici lavorate devono avere propriet? molto specifiche, a seconda del contesto e della situazione in cui verranno utilizzate; ad esempio, i colori dovrebbero essere pi? caldi, luminosi, freddi o pi? vividi.

Per quanto riguarda la progettazione e la decorazione di superfici lavorate, il processo parte dalla scansione di superfici molto grandi (dal marmo al legno alle superfici astratte) generando immagini RGB ad altissima risoluzione, solitamente salvate in formato tiff.

Quindi le immagini ottenute vengono manipolate all'interno di Photoshop: prima vengono convertite in formato proprietario psb utilizzando profili di colore personalizzati necessari per comunicare con stampanti industriali, in secondo luogo queste immagini convertite vengono migliorate in modo che l?aspetto dell?output dopo la stampa sia la migliore possibile, a seconda del contesto. I profili colore personalizzati svolgono un ruolo chiave in questa procedura perch? influenzano l'aspetto percettivo dei colori su diverse superfici e sono necessari per le stampanti con cui lavorano: invece, tali specifiche stampanti funzionano con particolari profili di colore di output multicanale che mappano le immagini in spazi multicanale, dal noto CMYK agli spazi pi? complessi a cinque o sei canali.

La conversione delle immagini in questi spazi multicanale ? peggiorativa, il che significa che spesso non pu? riprodurre l'intera gamma di colori presente nella scansione RGB ad alta risoluzione iniziale. La sensibilit? e l'esperienza del designer sono necessarie per cercare di preservare e migliorare le propriet? cromatiche come viene richiesto dai clienti. Il processo di conversione ? automatizzato da Photoshop ma la parte pi? difficile, il miglioramento, viene fatto manualmente attraverso procedure complesse come simulare l'effettivo rendering della superficie una volta che sar? stampata in produzione.

Pertanto, ? sentita la necessit? di uno strumento semiautomatico che si occupi del processo di miglioramento, lasciando la conversione in Photoshop.

L'obiettivo principale della presente invenzione ? quello di fornire un sistema implementato mediante computer per il miglioramento della qualit? dell'immagine e la conversione degli spazi colore per stampanti di superfici lavorate che consenta di eseguire automaticamente il processo di miglioramento e conversione, in modo efficace, rapido e affidabile, al fine di ottenere immagini stampate sulla superficie prodotta che siano il pi? vicine possibile alle immagini scansionate iniziali considerando il profilo colore disponibile.

Gli obiettivi di cui sopra sono ottenuti dall'attuale sistema implementato mediante computer per il miglioramento della qualit? dell'immagine e la conversione degli spazi colore per stampanti di superfici lavorate in base alle caratteristiche della rivendicazione 1.

Altre caratteristiche e vantaggi della presente invenzione emergeranno meglio dalla descrizione di una forma di attuazione preferita, ma non esclusiva, di un sistema implementato mediante computer per il miglioramento della qualit? dell'immagine e la conversione degli spazi colore per stampanti di superfici lavorate, illustrata come esempio indicativo ma non limitante nelle figure allegate, in cui:

la figura 1 mostra una prima possibile forma di attuazione del sistema implementato mediante computer secondo l?invenzione;

la figura 2 mostra una seconda possibile forma di attuazione del sistema implementato mediante computer secondo l?invenzione;

la figura 3 mostra una terza possibile forma di attuazione del sistema implementato mediante computer secondo l?invenzione.

Con particolare riferimento a tali figure, indicato globalmente con riferimento 1 ? un sistema implementato mediante computer per il miglioramento della qualit? dell'immagine e la conversione degli spazi colore per stampanti di superfici lavorate.

In particolare, il sistema 1 implementato al computer pu? essere utilizzato per stampanti per la decorazione di piastrelle.

Tuttavia, non ? escluso l'uso del metodo per la decorazione di diversi tipi di superfici lavorate.

Preferibilmente, tutte le reti convoluzionali utilizzate nel sistema 1 implementato mediante computer sono basate su U-Net. Tuttavia, l'uso di una rete diversa non ? escluso.

Come noto, U-Net ? una rete completamente convoluzionale (FCN) che utilizza solo livelli connessi localmente come convoluzione, pooling e upsampling. Evitare livelli densi significa meno parametri e la possibilit? di lavorare con dimensioni di immagine variabili, dato che tutte le connessioni sono locali.

La rete U-Net ? costituita da due percorsi:

- contracting path: diminuendo la dimensione spaziale e aumentando la dimensione dei canali, le informazioni sul contesto globale vengono mantenute attraverso una mappa delle funzionalit? compatta;

- expansive path: le informazioni sulle funzionalit? di basso livello, che aiutano nella localizzazione precisa dei dettagli, vengono riportate grazie alle connessioni skip.

Al fine di addestrare correttamente una rete neurale profonda utilizzata dal sistema 1 implementato mediante computer secondo l?invenzione, ? necessario creare un set di dati di training con il maggior numero possibile di immagini.

Il set di dati di training fornito comprende immagini costituite da superfici ad alta risoluzione provenienti da marmi, legni, cementi e altre superfici astratte disegnate a mano.

In particolare, il sistema 1 implementato mediante computer comprende un set di dati di training con immagini divise in tre gruppi:

- immagini RGB: immagini iniziali che devono essere migliorate con un profilo di colore specifico.

- immagini convertite: a partire da ciascuna delle immagini RGB, viene fornita un'immagine convertita applicando il profilo di colore all'interno di Photoshop, senza altre azioni. Secondo la presente invenzione, le immagini convertite sono ottenute dalle immagini RGB tramite librerie dedicate e senza l'uso di Photoshop.

- immagini avanzate per stampanti di superfici lavorate: per ciascuna delle immagini RGB ne ? stata fornita una versione migliorata. Si tratta di immagini che sono state prima convertite poi manualmente valorizzate da un grafico al fine di migliorare l'aspetto visivo ed evidenziare il dettaglio o il colore desiderato (ad esempio, evidenziando le vene in una lastra di marmo o accentuando le tonalit? di un determinato colore).

I concetti implementati dal sistema 1 implementato mediante computer possono essere formalizzati matematicamente come segue.

Una funzione di conversione suriettiva non invertibile f corrisponde all'applicazione di un profilo di colore all'interno di Photoshop. Data una tripla [R, G, B], la funzione di conversione f restituisce una n-tupla [C1; C2; ... ; Cn], dove n ? il numero di canali di output definiti dal profilo colore. In realt?, la conversione effettuata da Photoshop comprende un profilo dello spazio sorgente (nella maggior parte dei casi Adobe RGB 1998) e un profilo dello spazio di destinazione coinvolto utilizzando lo spazio di connessione CIELAB per effettuare la conversione. All'interno di ogni profilo ICC Photoshop pu? trovare tabelle di ricerca che dettagliano la mappatura tra lo spazio del profilo e lo spazio CIELAB e viceversa, quindi tra lo spazio CIELAB e lo spazio del profilo. Ad esempio, la conversione dallo spazio multicanale ad Adobe RGB 1998 comporta prima la tabella di ricerca multicanale in CIELAB, quindi CIELAB in RGB.

Una funzione di miglioramento g rappresenta il lavoro di miglioramento eseguito dalla finestra di progettazione grafica una volta che l'immagine ? stata convertita in uno spazio multicanale.

Il processo attuato dal sistema 1 implementato mediante computer pu? essere formalizzato come segue:

dove:

? l'immagine originale nello spazio RGB;

? l'immagine convertita nello spazio multicanale;

? l'immagine migliorata nello spazio multicanale che pu? essere utilizzata nelle stampanti di superfici lavorate;

f ? la funzione di conversione

g ? la funzione di miglioramento

In particolare, secondo l'invenzione, il sistema 1 implementato mediante computer comprende almeno una rete neurale convoluzionale configurata per l'esecuzione almeno dei seguenti passaggi:

- ricevere in input un'immagine originale nello spazio RGB;

- dall'immagine originale elaborare un'approssimazione nello spazio multicanale o nello spazio RGB dell'immagine migliorata

per stampanti di superfici lavorate;

- restituire in output l'approssimazione dell'immagine migliorata

Secondo una prima possibile forma di attuazione, mostrata schematicamente in figura 1, il sistema implementato mediante computer 1 comprende una rete neurale convoluzionale 2 che implementa un'approssimazione ? della funzione di conversione f e un'approssimazione ? della funzione di miglioramento g, in cui la funzione di conversione f ? una funzione che converte un'immagine originale nello spazio RGB in un'immagine convertita in uno spazio multicanale [C1; C2; ... ; Cn], dove n ? il numero di canali di output definiti da un profilo di colore, e in cui la funzione di miglioramento g rappresenta il lavoro di miglioramento svolto da un grafico sull'immagine convertita nello spazio multicanale per ottenere un'immagine migliorata nello spazio multicanale per l'uso con stampanti di superfici lavorate.

Inoltre, la rete neurale convoluzionale 2 ? configurata per l'esecuzione dei seguenti passaggi:

- ricevere in ingresso un'immagine originale nello spazio RGB (passo 21);

- elaborare un'approssimazione dell'immagine convertita nello spazio multicanale dall'immagine originale mediante l'approssimazione ? della funzione di conversione f, in cui

(passo 22);

- elaborare un'approssimazione dell'immagine migliorata nello spazio multicanale, dall'approssimazione dell'immagine convertita

e per mezzo dell'approssimazione della funzione di

miglioramento g, in cui (passo 22);

- restituire in output l'approssimazione dell'immagine migliorata

(passo 23).

Inoltre, secondo la prima forma di attuazione, il sistema 1 implementato mediante computer ? configurato per l'esecuzione di una funzione di loss

utilizzata per addestrare la rete tra la reale immagine migliorata

e l'immagine migliorata prevista (passo 24).

Pertanto, secondo la prima forma di attuazione, sia f che g sono approssimati con una rete neurale profonda 2 che prende come input un'immagine originale nello spazio RGB e restituisce un'approssimazione

dell'immagine migliorata nello spazio multicanale.

Il modello implementato dalla rete neurale convoluzionale 2 secondo la prima forma di attuazione pu? essere riassunto dalla seguente espressione:

Secondo una seconda possibile forma di attuazione, il sistema 1 implementato mediante computer comprende un'unit? di conversione 3 configurata per eseguire i seguenti passaggi:

- ricevere in ingresso un'immagine originale nello spazio RGB (passo 31) e

- elaborare un'immagine convertita nello spazio multicanale dall'immagine ???originale tramite la funzione di conversione f, in cui

(passo 32).

Inoltre, secondo la seconda forma di attuazione, il sistema implementato mediante computer 1 comprende una rete neurale convoluzionale 4 che implementa un'approssimazione ? della funzione di miglioramento g, in cui la funzione di miglioramento g rappresenta il lavoro di miglioramento svolto da un grafico sull'immagine convertita nello spazio multicanale per ottenere un'immagine migliorata nello spazio multicanale per l'uso con stampanti di superfici lavorate.

In particolare, la rete neurale convoluzionale 4 ? configurata per l'esecuzione dei seguenti passi:

- ricevere in input un'immagine convertita in multicanale (passo 41); - elaborare un'approssimazione dell'immagine migliorata nello spazio multicanale, dall'approssimazione 'immagine convertita

e per mezzo dell'approssimazio della funzione di

miglioramento g, in cui (passo 42);

- restituire in output l'approssimazione dell'immagine migliorata

(passo 43).

Inoltre, secondo la seconda forma di attuazione, il sistema implementato mediante computer 1 ? configurato per l'esecuzione di una funzione di loss

utilizzata per addestrare la rete tra la reale immagine migliorata

e l'immagine migliorata prevista (passo 44).

Pertanto, secondo la seconda forma di attuazione, la funzione di conversione f non viene approssimata perch? viene applicata prima di dare l'immagine come input alla rete neurale convoluzionale.

In particolare, secondo una forma di attuazione preferita, l'unit? di conversione 3 ? configurata per determinare una corrispondenza tra ogni tripletta [R; G; B] e n-tupla multicanale. Ad esempio, l'unit? di conversione 3 ? configurata per determinare una corrispondenza tra ogni tripletta [R; G; B] e quadrupla [C1; C2; C3; C4] riferita al profilo a 4-canali o quintupla [C1; C2; C3; C4; C5] riferita al profilo a 5-canali.

Pertanto, l'unit? di conversione 3 ? in grado di creare una corrispondenza perfetta tra un valore RGB e il suo valore multicanale convertito. Dato un [R, G, B] in posizione (h, w) dove 0 ? h < 4096 e 0 ? w < 4096, il valore convertito in uno spazio colore si trova nella stessa posizione (h, w) nell'immagine convertita con il profilo desiderato.

L'unica funzione approssimata per mezzo della rete neurale convoluzionale 4 ? la funzione di miglioramento g che prende come input un'immagine convertita in multicanale e restituisce un'approssimazione

dell'immagine migliorata nello spazio multicanale.

Il modello implementato dalla rete neurale convoluzionale 4 secondo la seconda forma di attuazione pu? essere riassunto dalla seguente espressione:

Con riferimento alla prima e alla seconda forma di attuazione, il sistema 1 implementato al computer comprende inoltre un'unit? di trasformazione per implementare una rapida trasformazione tra un profilo di colore multicanale e un profilo colore RGB.

In particolare, secondo la prima e la seconda forma di attuazione come divulgato sopra, il sistema implementato mediante computer 1 fornisce un output nello spazio multicanale che non era utilizzabile a causa dell'impossibilit? di salvare un'immagine multicanale in formato .psb e di aprirla in Photoshop.

Pertanto, l'unit? di trasformazione ? configurata per implementare una rapida trasformazione di detta approssimazione di detta immagine migliorata

nello spazio multicanale in un profilo di colore RGB.

In particolare, l'unit? di trasformazione ? configurata per l'esecuzione di almeno i seguenti passi:

- convertire ogni valore di un profilo colore multicanale di origine nel corrispondente valore CIELAB tramite la tabella di ricerca colori multicanale-to-CIELAB all'interno del profilo colore di origine;

- quindi, convertire ogni valore CIELAB nel corrispondente valore [R, G, B] attraverso la tabella di ricerca del colore CIELAB-to-RGB all'interno del profilo colore RGB di destinazione.

Secondo una terza possibile forma di attuazione, il sistema implementato mediante computer 1 comprende una prima rete neurale convoluzionale 5 che implementa una funzione di miglioramento h sulle immagini RGB, configurata per l'esecuzione dei seguenti passaggi:

- ricevere in ingresso un'immagine originale nello spazio RGB (passo 51);

- elaborare un'immagine migliorata RGB dall'immagine originale

nello spazio RGB e attraverso la funzione di miglioramento sulle immagini RGB, in cui (passo 52).

Inoltre, secondo la terza forma di attuazione, il sistema implementato mediante computer comprende una seconda rete neurale convoluzionale 6 che implementa un'approssimazione ? con un modello differenziabile di una funzione di conversione f, in cui la funzione di conversione f ? una funzione che converte un'immagine originale nello spazio RGB in un'immagine convertita nello spazio multicanale [C1; C2; ... ; Cn], dove n ? il numero di canali di output definiti da un profilo di colore e in cui la seconda rete neurale convoluzionale (6) ? configurata per l'esecuzione dei seguenti passi:

- ricevere in ingresso l'immagine migliorata RGB (passo 61)

- elaborare un'approssimazione nello spazio RGB dell'immagine migliorata dall'immagine migliorata RGB e per mezzo <dell'approssimazione > <della funzione di conversione > <in cui >

(passo 62);

- restituire in output l'approssimazione nello spazio RGB dell'immagine migliorata (passo 63).

Inoltre, secondo la prima forma di attuazione, il sistema system 1 implementato mediante computer ? configurato per l'esecuzione di una funzione di loss utilizzata per addestrare la rete tra la reale immagine migliorata e l'immagine migliorata prevista (passo 64). Pertanto, secondo la prima forma di attuazione, la prima rete neurale convoluzionale 5 implementa una nuova funzione h che applica un miglioramento su un'immagine di input dell'immagine RGB e restituisce un'immagine migliorata RGB

<? importante notare che si presume che:>

il che significa che lo scambio delle due operazioni conduce allo stesso risultato. Questa approssimazione comporta una perdita di livello.

Successivamente, la seconda rete neurale convoluzionale 6 applica la funzione di conversione

In particolare, l'approssimazione implementata dalla seconda rete convoluzionale 6 approssima l'applicazione della funzione di conversione f con un modello differenziabile e restituisce un'immagine RGB che pu? essere salvata in diversi formati, con la propriet? che, una volta applicato il profilo di colore all'interno di Photoshop, l'immagine convertita apparir? il pi? vicino possibile all'immagine migliorata reale nello spazio multicanale. In particolare, questo modello affronta la necessit? di rendere differenziabile un LUT (Look Up Table) e la funzione di conversione f non ? altro che un LUT che, dato un [R; G; B] restituisce un valore multicanale [C1; C2; ... ; Cn], in base a un profilo di colore. Intrinsecamente, un LUT ? una funzione non-differenziabile con derivata 0 ovunque.

Secondo la terza forma di attuazione, vengono definite due possibili modalit?:

- una modalit? di allenamento, dove ? l'approssimazione di f, necessaria per consentire la retropropagazione del gradiente e importata come modello pre-addestrato con pesi freezed;

- una modalit? di test, dove non ? pi? necessaria perch? una f reale ? applicata direttamente all'interno di Photoshop.

Migliore ? l'approssimazione di ? migliori sono i risultati in modalit? test.

Il modello in modalit? training implementato dalle reti neurali convoluzionali 5, 6 in base alla terza forma di attuazione pu? essere riassunto <dalla seguente espressione:>

dove:

h: funzione di miglioramento nello spazio RGB;

approssimazione della funzione di conversione;

perdita utilizzata in modalit? treno ? deve essere differenziabile. Il modello in modalit? test implementato dalle reti neurali convoluzionali 5, 6 in base alla terza forma di attuazione pu? essere riassunto dalla seguente espressione:

dove:

h: funzione di miglioramento nello spazio RGB;

f: vera funzione di conversione;

perdita utilizzata in modalit? test.

Nella sezione seguente viene descritto come attuare la prima, la seconda e la terza forma di attuazione.

Le funzioni ? e h sono state approssimate con una rete convoluzionale basata su U-Net.

Con riferimento alla prima forma di attuazione, la rete neurale convoluzionale 2 del sistema implementato mediante computer 1 ? stata implementata utilizzando un U-Net in cui l'ingresso ? un'immagine RGB e l'output ? un'immagine migliorata multicanale.

Ad esempio, la rete pu? essere addestrata con 17264 immagini di addestramento (80% del totale) e 4316 immagini di valutazione (20% del totale), utilizzando come perdita di addestramento una somma ponderata di SSIM e L2 definita come

dove:

- SSIM (Structural Similarity Index Measure): misurazione della qualit? dell'immagine che considera tre caratteristiche chiave, vale a dire luminanza, contrasto e struttura su una finestra di pixel;

- L2 (chiamato anche L2-norm o Mean Squared Error): misura pixel per pixel definita come differenza al quadrato medio tra i valori stimati e il valore effettivo. Ci? forza la precisione a livello di pixel.

Con riferimento alla seconda forma di attuazione, il sistema 1 attuato per mezzo di elaboratori ? stato essenzialmente attuato allo stesso modo della prima forma di attuazione; l'unica differenza ? che l'input della rete ? un'immagine gi? convertita nello spazio del profilo di destinazione, mentre l'output rimane un'immagine migliorata multicanale.

Con riferimento alla terza forma di attuazione, per l'implementazione della funzione differenziabile f da parte della seconda rete neurale convoluzionale 6 ? fondamentale apprendere la conversione che viene eseguita all'interno di Photoshop quando viene assegnato un profilo colore. Una volta che l'apprendimento ? fatto, il modello viene importato pre-addestrato con pesi congelati. In questo modo, la rete ? in grado di simulare l'applicazione del profilo di colore specifico e pu? regolare l'immagine RGB dandogli particolari propriet? in modo tale che, una volta applicato il profilo di colore reale durante la fase di utilizzo, l'immagine diventer? quella migliorata, invece di una semplice convertita.

Il modello secondo la terza forma di attuazione, come gli altri, ? stato implementato con un U-Net.

Per apprendere correttamente l'LUT (Look Up Table) di ogni profilo, o cio? la conversione RGB in MULTICHANNEL, il set di dati originale, utilizzato per il training degli altri modelli, pu? essere esteso con immagini appartenenti al dataset COCO (Common Object in COntext) da Microsoft. Il passo successivo ? quello di creare l'effettiva corrispondenza tra la tripletta [R G; B] e una n-tupla multicanale, ad esempio la quadrupla [C1; C2; C3; C4] riferito al profilo a 4 canali e la quintupla [C1; C2; C3; C4; C5] riferita al profilo a 5 canali.

In questo modo, ? possibile creare una corrispondenza perfetta tra un valore RGB e il suo valore multicanale convertito. Dato un [R, G, B] in posizione (h, w) dove 0 ? h < 4096 e 0 ? w < 4096, il valore convertito nello spazio colore C si trova nella stessa posizione (h; w) nell'immagine convertita con il profilo desiderato.

Per addestrare correttamente il modello, per ogni immagine RGB, quella reale ? l'immagine convertita secondo il LUT definito sopra.

Pertanto, secondo la terza forma di attuazione, la prima rete neurale convoluzionale 5 viene implementata con un U-Net che prende come input un'immagine RGB e restituisce un'immagine migliorata RGB.

La prima rete neurale convoluzionale 5 viene quindi concatenata con la seconda rete neurale convoluzionale 6, il modello LUT preformato con pesi congelati, anche esso basato su U-Net, che prende come input l'immagine migliorata RGB e restituisce un'immagine migliorata convertita che dovrebbe essere il pi? vicino possibile a quella reale.

In modalit? di test, il secondo ramo della rete non viene utilizzato e viene restituita e salvata un'immagine migliorata RGB; quindi l'utente pu? prendere questa immagine e applicare, all'interno di Photoshop, il profilo colore desiderato.

In pratica, si ? constatato che l'invenzione raggiunge l'obiettivo e gli scopi previsti.

In particolare, il sistema implementato mediante computer secondo l?invenzione esegue automaticamente il miglioramento della qualit? dell'immagine e la conversione degli spazi colore per stampanti di superfici lavorate, in modo efficace, rapido e affidabile, al fine di ottenere immagini stampate sulla superficie lavorata il pi? vicine possibile alle immagini scannerizzate iniziali, considerando il profilo colore disponibile.

Claims

RIVENDICAZIONI 1) Sistema (1) implementato mediante computer per il miglioramento della qualit? dell'immagine e la conversione degli spazi colore per stampanti di superfici lavorate, caratterizzato dal fatto che comprende almeno una rete neurale convoluzionale (2, 4, 5, 6), configurata per l'esecuzione di almeno i seguenti passaggi: - ricevere in input un'immagine originale nello spazio RGB; - dall'immagine originale elaborare un'approssimazione nello spazio multicanale o nello spazio RGB di un'immagine migliorata per stampanti di superfici lavorate; - restituire in output detta approssimazione dell'immagine migliorata

per l'uso in stampanti di superfici lavorate.
2) Sistema (1) implementato mediante computer secondo la rivendicazione 1, caratterizzato dal fatto che comprende una rete neurale convoluzionale (2) che implementa un'approssimazione ? di una funzione di conversione f e un'approssimazione ? di una funzione di miglioramento g, in cui detta funzione di conversione f ? una funzione che converte un'immagine originale ??? nello spazio RGB in un'immagine convertita nello spazio multicanale [C1; C2; ... ; Cn], dove n ? il numero di canali di output definiti da un profilo di colore, in cui detta funzione di miglioramento g rappresenta il lavoro di miglioramento svolto da un grafico sull'immagine convertita nello spazio multicanale per ottenere tale immagine migliorata nello spazio multicanale per l'uso con stampanti di superfici lavorate, e in cui tale rete neurale convoluzionale (2) ? configurata per l'esecuzione dei seguenti passaggi: - ricevere in ingresso detta immagine originale nello spazio RGB (passo 21); - elaborare un'approssimazione di detta immagine convertita nello spazio multicanale da detta immagine originale per mezzo di detta approssimazione ? della funzione di conversione f, in cui

(passo 22); - elaborare un'approssimazione di detta immagine migliorata nello <spazio multicanale, da detta approssimazione > <dell'immagine convertita > e per mezzo di detta approssimazione della funzione di miglioramento g, in cui (fase 22); - restituire in output detta approssimazione dell'immagine migliorata

(passo 23).
3) Sistema (1) implementato mediante computer secondo la rivendicazione 1, caratterizzato dal fatto che comprende un'unit? di conversione (3) configurata per eseguire i seguenti passaggi: - ricevere in ingresso detta immagine originale nello spazio RGB (passo 31), e - da detta immagine originale elaborare un'immagine convertita nello spazio multicanale [C1; C2; ... ; Cn], dove n ? il numero di canali di output definiti da un profilo di colore, per mezzo di una funzione di conversione f, in cui (passo 32); e dal fatto che comprende una rete neurale convoluzionale (4) che implementa un'approssimazione ? di una funzione di miglioramento g, in cui detta funzione di miglioramento g rappresenta il lavoro di miglioramento svolto da un grafico sull'immagine convertita nello spazio multicanale per ottenere tale immagine migliorata nello spazio multicanale per l'uso con stampanti di superfici lavorate e in cui la rete neurale convoluzionale (4) ? configurata per l'esecuzione dei seguenti passi: - ricevere in input detta immagine convertita in multicanale (passo 41); - elaborare un'approssimazione di detta immagine migliorata nello spazio multicanale, da detta approssimazione dell'immagine convertita e per mezzo di detta approssimazione della funzione di miglioramento g, in cui (passo 42); - restituire in output detta approssimazione dell'immagine migliorata

(passo 43).
4) Sistema (1) implementato mediante computer secondo la rivendicazione 3, caratterizzato dal fatto che detta unit? di conversione ? costituita da una funzione di conversione di Photoshop.
5) Sistema (1) implementato mediante computer secondo una o pi? delle rivendicazioni precedenti, caratterizzato dal fatto che comprende un'unit? di trasformazione per implementare una trasformazione rapida tra un profilo di colore multicanale e un profilo colore RGB.
6) Sistema (1) implementato mediante computer secondo la rivendicazione 5, caratterizzato dal fatto che detta unit? di trasformazione ? configurata per implementare una rapida trasformazione di detta approssimazione di detta immagine migliorata nello spazio multicanale in un profilo di colore RGB.
7) Sistema (1) implementato mediante computer secondo una o pi? delle rivendicazioni precedenti, caratterizzato dal fatto che detta unit? di trasformazione ? configurata per l'esecuzione almeno dei seguenti passi: - convertire ogni valore di un profilo colore multicanale di origine nel corrispondente valore CIELAB tramite la tabella di ricerca colori multicanale-CIELAB all'interno del profilo colore di origine; - quindi, convertire ogni valore CIELAB nel corrispondente valore [R, G, B] attraverso la tabella di ricerca del colore CIELAB-TO-RGB all'interno del profilo colore RGB di destinazione.
8) Sistema (1) implementato mediante computer secondo la rivendicazione 1, caratterizzato dal fatto che comprende una prima rete neurale convoluzionale (5) che implementa una funzione di miglioramento h su immagini RGB, configurata per l'esecuzione dei seguenti passi: - ricevere in ingresso detta immagine originale ?<?>? nello spazio RGB (passo 51); - elaborare un'immagine RGB migliorata dall'immagine originale

nello spazio RGB e attraverso la funzione di miglioramento h sulle immagini RGB, in cui (passo 52); e dal fatto che comprende una seconda rete neurale convoluzionale (6) che implementa un'approssimazione con un modello differenziabile di una funzione di conversione f, in cui detta funzionedi conversione f ? una funzione che converte un'immagine originale nello spazio RGB in un'immagine convertita nello spazio multicanale [C1; C2; ... ; Cn], dove n ? il numero di canali di output definiti da un profilo di colore e in cui tale seconda rete neurale convoluzionale (6) ? configurata per l'esecuzione dei seguenti passi: - ricevere in input detta immagine migliorata RGB (passo 61) - elaborare un'approssimazione nello spazio RGB di detta immagine migliorata da detta immagine migliorata RGB e per mezzo di detta approssimazione ? della funzione di conversione f, in cui

(passo 62); - restituire in output detta approssimazione nello spazio RGB dell'immagine migliorata (passo 63).
9) Sistema (1) implementato mediante computer secondo la rivendicazione 8, caratterizzato dal fatto ch in cui h ? detta funzione di miglioramento sulle immagini RGB, f ? detta funzione che converte un'immagine originale nello spazio RGB in un'immagine convertita in uno spazio multicanale, e g ? una funzione di miglioramento che rappresenta il lavoro di miglioramento svolto da un grafico sull'immagine convertita

in uno spazio multicanale per ottenere un'immagine migliorata nello spazio multicanale per l'uso con stampanti di superfici lavorate.
10) Sistema (1) implementato mediante computer secondo una o pi? delle rivendicazioni precedenti, caratterizzato in che ? configurato per l'esecuzione di una funzione di loss utilizzata per addestrare almeno una rete neurale convoluzionale (2, 4, 5, 6) tra la reale immagine migliorata e l'immagine migliorata approssimata (passo 64).