JP2020118627A - 色予測方法および色予測プログラム - Google Patents
色予測方法および色予測プログラム Download PDFInfo
- Publication number
- JP2020118627A JP2020118627A JP2019011901A JP2019011901A JP2020118627A JP 2020118627 A JP2020118627 A JP 2020118627A JP 2019011901 A JP2019011901 A JP 2019011901A JP 2019011901 A JP2019011901 A JP 2019011901A JP 2020118627 A JP2020118627 A JP 2020118627A
- Authority
- JP
- Japan
- Prior art keywords
- color
- value
- color ink
- spectral
- correction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 224
- 230000003595 spectral effect Effects 0.000 claims abstract description 267
- 230000008569 process Effects 0.000 claims abstract description 167
- 238000013528 artificial neural network Methods 0.000 claims abstract description 88
- 238000012937 correction Methods 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 239000000976 ink Substances 0.000 claims description 191
- 238000007639 printing Methods 0.000 claims description 63
- 230000006870 function Effects 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 239000003086 colorant Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 238000010422 painting Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 description 15
- 230000004048 modification Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000004737 colorimetric analysis Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 230000000638 stimulation Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 241000533901 Narcissus papyraceus Species 0.000 description 1
- 101000701286 Pseudomonas aeruginosa (strain ATCC 15692 / DSM 22644 / CIP 104116 / JCM 14847 / LMG 12228 / 1C / PRS 101 / PAO1) Alkanesulfonate monooxygenase Proteins 0.000 description 1
- 101000983349 Solanum commersonii Osmotin-like protein OSML13 Proteins 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000007646 gravure printing Methods 0.000 description 1
- 238000007641 inkjet printing Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000007645 offset printing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/603—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer
- H04N1/6033—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer using test pattern analysis
- H04N1/6038—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer using test pattern analysis for controlling interaction among colorants
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Spectrometry And Color Measurement (AREA)
- Color, Gradation (AREA)
- Color Image Communication Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
Description
X=jx×(Xb×Xf)+kx ・・・(1)
Y=jy×(Yb×Yf)+ky ・・・(2)
Z=jz×(Zb×Zf)+kz ・・・(3)
ここで、Xb,Yb,およびZbは背景色の三刺激値であり、Xf,Yf,およびZfは前景色の三刺激値であり、jx,jy,およびjzはスケーリング係数であり、kx,ky,およびkzは定数である。以下、jx,jy,jz,kx,ky,およびkzをまとめて「オーバープリント係数」という。
R(n)=j(n)×(R(n)b×R(n)f)+k(n) ・・・(4)
ここで、R(n)bは背景色の分光反射率であり、R(n)fは前景色の分光反射率であり、j(n)およびk(n)はオーバープリント係数である(詳しくは、j(n)はスケーリング係数であり、k(n)は定数である)。
入力データを色成分値とし出力データを分光特性とするニューラルネットワークによって、プロセスカラーインクについての色成分値とそれに対応する分光特性とを含む複数の教師データを用いて機械学習を行う学習ステップと、
前記学習ステップで得られた学習済みのニューラルネットワークに入力データとして予測対象色を構成するプロセスカラーインクである処理対象プロセスカラーインクの色成分値を与えることによって当該処理対象プロセスカラーインクについての分光特性を求める推論ステップと、
前記推論ステップで求められた分光特性を補正する補正ステップと、
前記補正ステップによる補正後の分光特性と前記予測対象色を構成する特色インクである処理対象特色インクについての分光特性とに基づいて、前記処理対象プロセスカラーインクの上に前記処理対象特色インクが塗られた状態の分光特性を求める予測ステップと
を含み、
前記補正ステップでは、補正前の分光特性と補正後の分光特性との差の増大を抑制しつつ、前記処理対象プロセスカラーインクの三刺激値と補正後の分光特性に対応する三刺激値との差が小さくなるよう、補正後の分光特性が求められることを特徴とする。
前記処理対象プロセスカラーインクの三刺激値を所定の変換ファイルを用いて取得する三刺激値取得ステップを更に含み、
前記色成分値は、三刺激値であって、
前記推論ステップでは、前記三刺激値取得ステップで取得された三刺激値が前記学習済みのニューラルネットワークに入力データとして与えられることを特徴とする。
前記所定の変換ファイルは、ICCプロファイルであることを特徴とする。
各教師データを生成するためにプロセスカラーインクの色の印刷を行う印刷ステップと、
前記印刷ステップで印刷された色の分光特性を測定する分光特性測定ステップと、
前記分光特性測定ステップで測定された分光特性から所定の計算式に基づき三刺激値を求める三刺激値算出ステップと
を更に含むことを特徴とする。
前記処理対象プロセスカラーインクの三刺激値を所定の変換ファイルを用いて取得する三刺激値取得ステップを更に含み、
前記色成分値は、CMYK値であって、
前記補正ステップでは、前記三刺激値取得ステップで取得された三刺激値と補正後の分光特性に対応する三刺激値との差が小さくなるよう、補正後の分光特性が求められることを特徴とする。
前記処理対象プロセスカラーインクのLab値を所定の変換ファイルを用いて取得するLab値取得ステップと、
前記Lab値取得ステップで取得されたLab値を三刺激値に変換する変換ステップと
を更に含み、
前記色成分値は、Lab値であって、
前記推論ステップでは、前記Lab値取得ステップで取得されたLab値が前記学習済みのニューラルネットワークに入力データとして与えられ、
前記補正ステップでは、前記変換ステップで得られた三刺激値と補正後の分光特性に対応する三刺激値との差が小さくなるよう、補正後の分光特性が求められることを特徴とする。
前記補正ステップでは、前記処理対象プロセスカラーインクの三刺激値と補正後の分光特性に対応する三刺激値との差および補正前の分光特性と補正後の分光特性との差を考慮した目的関数の値が最小となるよう、補正後の分光特性が求められることを特徴とする。
前記目的関数は、下記の式で表されることを特徴とする。
L=ΔX+ΔY+ΔZ+ΔS
ここで、Lは前記目的関数を表し、ΔX,ΔY,およびΔZはそれぞれ前記処理対象プロセスカラーインクの三刺激値X,Y,およびZと補正後の分光特性に対応する三刺激値X,Y,およびZとの差に応じて定まる値を表し、ΔSは補正前の分光特性と補正後の分光特性との差の2乗の総和を表す。
前記目的関数は、下記の式で表されることを特徴とする。
L=C1・ΔX+C2・ΔY+C3・ΔZ+C4・ΔS
ここで、Lは前記目的関数を表し、ΔX,ΔY,およびΔZはそれぞれ前記処理対象プロセスカラーインクの三刺激値X,Y,およびZと補正後の分光特性に対応する三刺激値X,Y,およびZとの差に応じて定まる値を表し、ΔSは補正前の分光特性と補正後の分光特性との差の2乗の総和を表し、C1,C2,C3,およびC4は係数を表す。
前記分光特性は、分光反射率、分光吸収率、および分光吸収係数のいずれかであることを特徴とする。
前記分光特性は、分光反射率であり、
前記ニューラルネットワークの出力データは、380nmから730nmまでの波長範囲または400nmから700nmまでの波長範囲を適宜の大きさの単位波長範囲で除することによって得られる数の分光反射率であることを特徴とする。
コンピュータに、
入力データを色成分値とし出力データを分光特性とするニューラルネットワークによって、プロセスカラーインクについての色成分値とそれに対応する分光特性とを含む複数の教師データを用いて機械学習を行う学習ステップと、
前記学習ステップで得られた学習済みのニューラルネットワークに入力データとして予測対象色を構成するプロセスカラーインクである処理対象プロセスカラーインクの色成分値を与えることによって当該処理対象プロセスカラーインクについての分光特性を求める推論ステップと、
前記推論ステップで求められた分光特性を補正する補正ステップと、
前記補正ステップによる補正後の分光特性と前記予測対象色を構成する特色インクである処理対象特色インクについての分光特性とに基づいて、前記処理対象プロセスカラーインクの上に前記処理対象特色インクが塗られた状態の分光特性を求める予測ステップと
を実行させ、
前記補正ステップでは、補正前の分光特性と補正後の分光特性との差の増大を抑制しつつ、前記処理対象プロセスカラーインクの三刺激値と補正後の分光特性に対応する三刺激値との差が小さくなるよう、補正後の分光特性が求められることを特徴とする。
図1は、本発明の一実施形態における印刷システムの全体構成図である。この印刷システムは、PDFファイルなどの入稿データに対して各種処理を施して印刷データを生成する印刷データ生成装置100と、印刷データに基づいて印刷版を作製する製版装置200と、その製版装置200で作製された印刷版を使用して印刷を行う印刷装置300と、印刷版を用いることなくデジタルデータである印刷データに基づいて印刷を行うインクジェット印刷機・コピー機等のデジタル印刷装置400と、色の測定を行う測色機500とによって構成されている。印刷データ生成装置100と製版装置200とデジタル印刷装置400と測色機500とは、通信回線600によって互いに通信可能に接続されている。なお、本実施形態で使用される測色機500は分光測色機である。
図2は、本実施形態における印刷データ生成装置100のハードウェア構成図である。この印刷データ生成装置100は、パソコンによって実現されており、CPU11と、ROM12と、RAM13と、補助記憶装置14と、キーボード等の入力操作部15と、表示部16と、光学ディスクドライブ17と、ネットワークインタフェース部18とを有している。通信回線600経由で送られてくる入稿データは、ネットワークインタフェース部18を介して印刷データ生成装置100の内部へと入力される。印刷データ生成装置100で生成された印刷データは、ネットワークインタフェース部18を介して通信回線600経由でデジタル印刷装置400に送られる。
次に、色予測処理について説明する。色予測処理には、複数の特色インクの重ね刷りによって得られる色を予測する処理やプロセスカラーインクと特色インクの重ね刷りによって得られる色を予測する処理などがある。但し、ここでは、プロセスカラーインクと特色インクの重ね刷りによって得られる色を予測する処理について説明し、それ以外の処理については本発明とは直接には関係がないので説明を省略する。また、以下の説明では、プロセスカラーインクと特色インクの重ね刷りの際には図3に示すようにプロセスカラーインクの上に特色インクが塗られるものと仮定する。
本実施形態においては、分光反射率を用いて、上述したオーバープリント予測値の算出が行われる。これに関し、特色インクについては、従来と同様、CxFチャートの各パッチの測色を行うことによって分光反射率が取得される。これに対して、プロセスカラーインクについては、ニューラルネットワークを用いて分光反射率が取得される。但し、ニューラルネットワークから出力された分光反射率がそのまま用いられるのではなく、後述するように補正が施された分光反射率が用いられる。そして、その補正後の分光反射率を背景色の分光反射率とし、上記CxFチャートの測色で得られた分光反射率を前景色の分光反射率として、オーバープリント予測値が算出される。
次に、図9に示すフローチャートを参照しつつ、色予測処理(ここでは、処理対象プロセスカラーインクと処理対象特色インクの重ね刷りによって得られる色を予測する処理)の手順について説明する。
L=ΔX+ΔY+ΔZ+ΔS ・・・(6)
ここで、ΔXは、三刺激値72のうちの刺激値Xと補正後の分光反射率74に対応する刺激値Xとの差に応じて定まる値(例えば、差の2乗や差の絶対値)であり(ΔYおよびΔZも同様)、ΔSは、補正前の分光反射率73と補正後の分光反射率74との差の2乗の総和である。補正前の分光反射率73が図12で符号83を付した実線で表され、補正後の分光反射率74が図12で符号84を付した点線で表されると仮定すると、補正前後のそれぞれについて分光反射率のデータは36個あるので、両者の差をd(1)〜d(36)で表すと、ΔSは次式(7)で表される。
L=C1・ΔX+C2・ΔY+C3・ΔZ+C4・ΔS ・・・(8)
ここで、C1〜C4が係数である。例えば、補正前後の三刺激値の近さよりも補正前後の分光反射率の波形形状の近さを重視する場合、係数C4を大きくすれば良い。
次に、図16に示すブロック図および図17に示すフローチャートを参照しつつ、印刷データ生成装置100に1つのPDFファイルが与えられてからデジタル印刷装置400で印刷が行われるまでの処理の流れについて説明する。
本実施形態によれば、処理対象プロセスカラーインクに関して、ニューラルネットワークを用いて三刺激値から分光反射率が求められる。そして、その分光反射率に対して補正が施されるところ、補正後の分光反射率は、予測元の三刺激値と補正後の分光反射率に対応する三刺激値との差が小さくなるように求められる。このため、ニューラルネットワークによる分光反射率の予測の精度が不充分であっても、補正によって、予測元の三刺激値にできるだけ近い三刺激値に対応する分光反射率が得られる。そして、このようにして得られた分光反射率(処理対象プロセスカラーインクについての分光反射率)と処理対象特色インクについての分光反射率とに基づいて、オーバープリント予測値が算出される。このようにプロセスカラーインクと特色インクの重ね刷りに関して分光反射率を用いてオーバープリント予測値が算出されるので、三刺激値を用いる従来の手法に比べて精度良く色の予測が行われる。また、プロセスカラーインクについては上述のように予測元の三刺激値にできるだけ近い三刺激値に対応する分光反射率が用いられるので、ニューラルネットワークを用いることによる予測精度の低下が抑制される。以上より、プロセスカラーインクと特色インクの重ね刷りによって得られる色を従来よりも精度良く予測することが可能となる。その結果、デジタル印刷装置によって、従来方式の印刷装置から出力された印刷物との誤差の小さい印刷物を得ることが可能となる。
上記実施形態においては、処理対象プロセスカラーインクについての分光反射率を予測する際に、ニューラルネットワーク720に入力データとして三刺激値が与えられていた。しかしながら、本発明はこれに限定されない。そこで、ニューラルネットワーク720に入力データとして三刺激値以外の値を与える例を上記実施形態の変形例として以下に説明する。
<6.1.1 概要>
図18を参照しつつ、第1の変形例について説明する。図18から把握されるように、本変形例においては、ニューラルネットワーク720に入力データとしてCMYK値71が与えられる。すなわち、CMYK値71から分光反射率73を予測するニューラルネットワーク720が用意される。なお、ニューラルネットワーク720の入力層は、C値,M値,Y値,およびK値を受け取る4個のユニットによって構成される。処理対象プロセスカラーインクについての分光反射率の予測に先だって、CMYK値と分光反射率との関係を予めニューラルネットワーク720に学習させる処理が行われる。そして、学習済みのニューラルネットワーク720を用いて、処理対象プロセスカラーインクについての分光反射率の予測が行われる。
図19は、本変形例における色予測処理の手順を示すフローチャートである。まず、ニューラルネットワーク720での学習に必要な教師データを取得する処理が行われる(ステップS200)。本変形例においては、1つの教師データは、1つのプロセスカラーインクのパッチの測色によって得られる36個の分光反射率と当該プロセスカラーインクのCMYK値(C値,M値,Y値,およびK値)とによって構成される。従って、上記実施形態とは異なり、教師データに関して分光反射率から三刺激値を求める処理(図10のステップS106の処理)は不要である。
<6.2.1 概要>
図20を参照しつつ、第2の変形例について説明する。図20から把握されるように、本変形例においては、ニューラルネットワーク720に入力データとしてLab値83が与えられる。すなわち、Lab値83から分光反射率73を予測するニューラルネットワーク720が用意される。このため、本変形例においてはCMYK値71をLab値83に変換するためのICCプロファイル712が設けられる。なお、ニューラルネットワーク720の入力層は、L値,a値,およびb値を受け取る3個のユニットによって構成される。処理対象プロセスカラーインクについての分光反射率の予測に先だって、Lab値と分光反射率との関係を予めニューラルネットワーク720に学習させる処理が行われる。そして、学習済みのニューラルネットワーク720を用いて、処理対象プロセスカラーインクについての分光反射率の予測が行われる。
図21は、本変形例における色予測処理の手順を示すフローチャートである。まず、ニューラルネットワーク720での学習に必要な教師データを取得する処理が行われる(ステップS300)。本変形例においては、1つの教師データは、1つのプロセスカラーインクのパッチの測色によって得られる36個の分光反射率と当該36個の分光反射率から求められるLab値(L値,a値,およびb値)とによって構成される。従って、教師データに関して分光反射率からLab値を求める処理が必要となる。
本発明は、上記実施形態(変形例を含む)に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々変形して実施することができる。
α=−(1/(2x))・ln(R/R0) ・・・(9)
141…色予測プログラム
200…製版装置
300…印刷装置
400…デジタル印刷装置
500…測色機
710,712…ICCプロファイル
720…ニューラルネットワーク
730…補正部
Claims (12)
- プロセスカラーインクの上に特色インクを塗ることによって得られる色を予測する色予測方法であって、
入力データを色成分値とし出力データを分光特性とするニューラルネットワークによって、プロセスカラーインクについての色成分値とそれに対応する分光特性とを含む複数の教師データを用いて機械学習を行う学習ステップと、
前記学習ステップで得られた学習済みのニューラルネットワークに入力データとして予測対象色を構成するプロセスカラーインクである処理対象プロセスカラーインクの色成分値を与えることによって当該処理対象プロセスカラーインクについての分光特性を求める推論ステップと、
前記推論ステップで求められた分光特性を補正する補正ステップと、
前記補正ステップによる補正後の分光特性と前記予測対象色を構成する特色インクである処理対象特色インクについての分光特性とに基づいて、前記処理対象プロセスカラーインクの上に前記処理対象特色インクが塗られた状態の分光特性を求める予測ステップと
を含み、
前記補正ステップでは、補正前の分光特性と補正後の分光特性との差の増大を抑制しつつ、前記処理対象プロセスカラーインクの三刺激値と補正後の分光特性に対応する三刺激値との差が小さくなるよう、補正後の分光特性が求められることを特徴とする、色予測方法。 - 前記処理対象プロセスカラーインクの三刺激値を所定の変換ファイルを用いて取得する三刺激値取得ステップを更に含み、
前記色成分値は、三刺激値であって、
前記推論ステップでは、前記三刺激値取得ステップで取得された三刺激値が前記学習済みのニューラルネットワークに入力データとして与えられることを特徴とする、請求項1に記載の色予測方法。 - 前記所定の変換ファイルは、ICCプロファイルであることを特徴とする、請求項2に記載の色予測方法。
- 各教師データを生成するためにプロセスカラーインクの色の印刷を行う印刷ステップと、
前記印刷ステップで印刷された色の分光特性を測定する分光特性測定ステップと、
前記分光特性測定ステップで測定された分光特性から所定の計算式に基づき三刺激値を求める三刺激値算出ステップと
を更に含むことを特徴とする、請求項2または3に記載の色予測方法。 - 前記処理対象プロセスカラーインクの三刺激値を所定の変換ファイルを用いて取得する三刺激値取得ステップを更に含み、
前記色成分値は、CMYK値であって、
前記補正ステップでは、前記三刺激値取得ステップで取得された三刺激値と補正後の分光特性に対応する三刺激値との差が小さくなるよう、補正後の分光特性が求められることを特徴とする、請求項1に記載の色予測方法。 - 前記処理対象プロセスカラーインクのLab値を所定の変換ファイルを用いて取得するLab値取得ステップと、
前記Lab値取得ステップで取得されたLab値を三刺激値に変換する変換ステップと
を更に含み、
前記色成分値は、Lab値であって、
前記推論ステップでは、前記Lab値取得ステップで取得されたLab値が前記学習済みのニューラルネットワークに入力データとして与えられ、
前記補正ステップでは、前記変換ステップで得られた三刺激値と補正後の分光特性に対応する三刺激値との差が小さくなるよう、補正後の分光特性が求められることを特徴とする、請求項1に記載の色予測方法。 - 前記補正ステップでは、前記処理対象プロセスカラーインクの三刺激値と補正後の分光特性に対応する三刺激値との差および補正前の分光特性と補正後の分光特性との差を考慮した目的関数の値が最小となるよう、補正後の分光特性が求められることを特徴とする、請求項1から6までのいずれか1項に記載の色予測方法。
- 前記目的関数は、下記の式で表されることを特徴とする、請求項7に記載の色予測方法:
L=ΔX+ΔY+ΔZ+ΔS
ここで、Lは前記目的関数を表し、ΔX,ΔY,およびΔZはそれぞれ前記処理対象プロセスカラーインクの三刺激値X,Y,およびZと補正後の分光特性に対応する三刺激値X,Y,およびZとの差に応じて定まる値を表し、ΔSは補正前の分光特性と補正後の分光特性との差の2乗の総和を表す。 - 前記目的関数は、下記の式で表されることを特徴とする、請求項7に記載の色予測方法:
L=C1・ΔX+C2・ΔY+C3・ΔZ+C4・ΔS
ここで、Lは前記目的関数を表し、ΔX,ΔY,およびΔZはそれぞれ前記処理対象プロセスカラーインクの三刺激値X,Y,およびZと補正後の分光特性に対応する三刺激値X,Y,およびZとの差に応じて定まる値を表し、ΔSは補正前の分光特性と補正後の分光特性との差の2乗の総和を表し、C1,C2,C3,およびC4は係数を表す。 - 前記分光特性は、分光反射率、分光吸収率、および分光吸収係数のいずれかであることを特徴とする、請求項1から9までのいずれか1項に記載の色予測方法。
- 前記分光特性は、分光反射率であり、
前記ニューラルネットワークの出力データは、380nmから730nmまでの波長範囲または400nmから700nmまでの波長範囲を適宜の大きさの単位波長範囲で除することによって得られる数の分光反射率であることを特徴とする、請求項10に記載の色予測方法。 - プロセスカラーインクの上に特色インクを塗ることによって得られる色を予測する色予測プログラムであって、
コンピュータに、
入力データを色成分値とし出力データを分光特性とするニューラルネットワークによって、プロセスカラーインクについての色成分値とそれに対応する分光特性とを含む複数の教師データを用いて機械学習を行う学習ステップと、
前記学習ステップで得られた学習済みのニューラルネットワークに入力データとして予測対象色を構成するプロセスカラーインクである処理対象プロセスカラーインクの色成分値を与えることによって当該処理対象プロセスカラーインクについての分光特性を求める推論ステップと、
前記推論ステップで求められた分光特性を補正する補正ステップと、
前記補正ステップによる補正後の分光特性と前記予測対象色を構成する特色インクである処理対象特色インクについての分光特性とに基づいて、前記処理対象プロセスカラーインクの上に前記処理対象特色インクが塗られた状態の分光特性を求める予測ステップと
を実行させ、
前記補正ステップでは、補正前の分光特性と補正後の分光特性との差の増大を抑制しつつ、前記処理対象プロセスカラーインクの三刺激値と補正後の分光特性に対応する三刺激値との差が小さくなるよう、補正後の分光特性が求められることを特徴とする、色予測プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019011901A JP7353763B2 (ja) | 2019-01-28 | 2019-01-28 | 色予測方法および色予測プログラム |
EP19219775.4A EP3687151B1 (en) | 2019-01-28 | 2019-12-27 | Color prediction method and color prediction program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019011901A JP7353763B2 (ja) | 2019-01-28 | 2019-01-28 | 色予測方法および色予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020118627A true JP2020118627A (ja) | 2020-08-06 |
JP7353763B2 JP7353763B2 (ja) | 2023-10-02 |
Family
ID=69055714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019011901A Active JP7353763B2 (ja) | 2019-01-28 | 2019-01-28 | 色予測方法および色予測プログラム |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP3687151B1 (ja) |
JP (1) | JP7353763B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020159821A (ja) * | 2019-03-26 | 2020-10-01 | 株式会社Screenホールディングス | 色予測方法および色予測プログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10243247A (ja) * | 1997-02-24 | 1998-09-11 | Toyo Ink Mfg Co Ltd | 色の見えを合わせる色情報変換方法及び装置 |
JP2004064543A (ja) * | 2002-07-30 | 2004-02-26 | Canon Inc | 画像処理装置及び方法 |
JP2004264181A (ja) * | 2003-03-03 | 2004-09-24 | Konica Minolta Holdings Inc | 色推定方法、カラー画像形成装置 |
JP2005159609A (ja) * | 2003-11-25 | 2005-06-16 | Konica Minolta Medical & Graphic Inc | 色推定方法、色調整方法及びカラー画像形成装置 |
JP2011061723A (ja) * | 2009-09-14 | 2011-03-24 | Fujifilm Corp | 測色値算出方法、プロファイル生成方法並びに色変換方法、その装置及びプログラム |
JP2012154711A (ja) * | 2011-01-25 | 2012-08-16 | Jvc Kenwood Corp | 分光スペクトル推定装置および学習スペクトル生成方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3208907B2 (ja) | 1993-03-25 | 2001-09-17 | 東洋インキ製造株式会社 | 色彩値修正装置 |
AU2003224459A1 (en) * | 2002-05-10 | 2003-11-11 | Canon Kabushiki Kaisha | Reproduction color prediction apparatus and method |
US8208170B2 (en) * | 2008-10-10 | 2012-06-26 | Xerox Corporation | System and method for printing target colors with process colors utilizing parallel feedforward neural networks |
JP6540240B2 (ja) * | 2015-06-03 | 2019-07-10 | 凸版印刷株式会社 | 色推定システム、製版データ作成システム、色推定方法および製版データ作成方法 |
JP6717058B2 (ja) * | 2016-06-01 | 2020-07-01 | 凸版印刷株式会社 | 再現色プロファイル補正システム、再現色プロファイル補正方法及びプログラム |
-
2019
- 2019-01-28 JP JP2019011901A patent/JP7353763B2/ja active Active
- 2019-12-27 EP EP19219775.4A patent/EP3687151B1/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10243247A (ja) * | 1997-02-24 | 1998-09-11 | Toyo Ink Mfg Co Ltd | 色の見えを合わせる色情報変換方法及び装置 |
JP2004064543A (ja) * | 2002-07-30 | 2004-02-26 | Canon Inc | 画像処理装置及び方法 |
JP2004264181A (ja) * | 2003-03-03 | 2004-09-24 | Konica Minolta Holdings Inc | 色推定方法、カラー画像形成装置 |
JP2005159609A (ja) * | 2003-11-25 | 2005-06-16 | Konica Minolta Medical & Graphic Inc | 色推定方法、色調整方法及びカラー画像形成装置 |
JP2011061723A (ja) * | 2009-09-14 | 2011-03-24 | Fujifilm Corp | 測色値算出方法、プロファイル生成方法並びに色変換方法、その装置及びプログラム |
JP2012154711A (ja) * | 2011-01-25 | 2012-08-16 | Jvc Kenwood Corp | 分光スペクトル推定装置および学習スペクトル生成方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020159821A (ja) * | 2019-03-26 | 2020-10-01 | 株式会社Screenホールディングス | 色予測方法および色予測プログラム |
JP7299048B2 (ja) | 2019-03-26 | 2023-06-27 | 株式会社Screenホールディングス | 色予測方法および色予測プログラム |
Also Published As
Publication number | Publication date |
---|---|
EP3687151B1 (en) | 2024-05-01 |
JP7353763B2 (ja) | 2023-10-02 |
EP3687151A1 (en) | 2020-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7299048B2 (ja) | 色予測方法および色予測プログラム | |
JP7033056B2 (ja) | 色予測モデル構築方法、色予測方法、および色予測モデル構築プログラム | |
US20130289941A1 (en) | Calculating the spectral characteristics of the color resulting from overlaying colorants | |
JP2016225940A (ja) | 色推定システム、製版データ作成システム、色推定方法および製版データ作成方法 | |
JP4364823B2 (ja) | 多値出力装置用カラー誤差拡散方法およびその装置 | |
JP7494074B2 (ja) | 色予測方法および色予測プログラム | |
JP7353763B2 (ja) | 色予測方法および色予測プログラム | |
JP7082919B2 (ja) | 色予測方法、印刷データ生成方法、印刷データ生成装置、および色予測プログラム | |
JP5682759B2 (ja) | ブロンジング指標値算出方法、及びブロンジング指標値算出装置 | |
JP7220823B2 (ja) | 色予測方法 | |
US11659131B2 (en) | Method and computer program product for predicting spectral characteristics of ink applied to a base material | |
JP7494075B2 (ja) | カラーチャートデータ補正方法およびカラーチャートデータ補正プログラム | |
JP7211215B2 (ja) | 色変換情報生成方法、色変換情報生成プログラム、および色変換情報生成装置 | |
JP2011151491A (ja) | 色変換装置及び色変換プログラム | |
JP5524430B1 (ja) | インキの中間調の色彩値予測システム、方法及びプログラム | |
JP4263514B2 (ja) | 測色値を使った印刷管理方法 | |
JP6794802B2 (ja) | 刷版カーブ作成装置、方法及びプログラム | |
JP2023086179A (ja) | 色データ変換方法、色データ変換装置、および色データ変換プログラム | |
JP2024026055A (ja) | 色データの変換を実行する方法 | |
JP2005030902A (ja) | 再現色予測方法 | |
JP2004358881A (ja) | 特色インクの生成システム | |
JP2006148427A (ja) | 網点化方法、画像出力方法、網点化方法もしくは画像出力方法をコンピュータに実行させるためのプログラム、そのプログラムを記録したコンピュータ読取り可能な情報記録媒体、及び、画像出力システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211223 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220921 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221212 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230322 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230515 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230829 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7353763 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |