JP2024042521A - 色情報推定方法および色情報推定装置 - Google Patents
色情報推定方法および色情報推定装置 Download PDFInfo
- Publication number
- JP2024042521A JP2024042521A JP2022147299A JP2022147299A JP2024042521A JP 2024042521 A JP2024042521 A JP 2024042521A JP 2022147299 A JP2022147299 A JP 2022147299A JP 2022147299 A JP2022147299 A JP 2022147299A JP 2024042521 A JP2024042521 A JP 2024042521A
- Authority
- JP
- Japan
- Prior art keywords
- color
- value
- image
- pixel
- lab
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000002131 composite material Substances 0.000 claims description 83
- 238000009795 derivation Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 description 18
- 239000003973 paint Substances 0.000 description 15
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000004040 coloring Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
Images
Landscapes
- Spectrometry And Color Measurement (AREA)
- Image Processing (AREA)
- Color Image Communication Systems (AREA)
- Image Analysis (AREA)
Abstract
【課題】対象物の表面上で目標の色と同等の色に視認される色を推定できる技術を提供する。【解決手段】色情報推定方法は、対象物の表面性状を表す第1画像を取得する第1取得ステップ(S10)と、目標の第1色の色情報を取得する第2取得ステップ(S14)と、第1画像と第1色の色情報とに基づいて、対象物の表面上で第1色と同等の色に視認される第2色の色情報を推定する推定ステップ(S16)と、を備える。【選択図】図5
Description
本発明は、色情報推定方法および色情報推定装置に関する。
特許文献1は、1種類以上の色材を含有する組成物の配合組成データ及び対応する色彩データが登録されたデータベースと、データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いるコンピュータ調色に基づく塗料の製造方法を開示する。
材料の表面の微小な凹凸などの影響により、材料に塗料等を塗った場合に視認される色は、塗られた塗料等の色とは異なる可能性がある。そのため、所望の色に視認されるためにどの色の塗料等を材料に塗ればよいか推定することが望まれる。
本発明の目的は、対象物の表面上で目標の色と同等の色に視認される色を推定できる技術を提供することにある。
上記課題を解決するために、本発明のある態様の色情報推定方法は、コンピュータが実行する色情報推定方法であって、対象物の表面性状を表す第1画像を取得する第1取得ステップと、目標の第1色の色情報を取得する第2取得ステップと、前記第1画像と前記第1色の色情報とに基づいて、前記対象物の表面上で前記第1色と同等の色に視認される第2色の色情報を推定する推定ステップと、を備える。
前記第1色の色情報と、前記第2色の色情報は、それぞれLab値であってもよい。前記推定ステップにおいて、前記第1画像に前記第2色のLab値を合成して得られる第1合成画像の複数の画素のそれぞれのLab値の統計値が、前記第1色のLab値と同等になるように、当該第2色のLab値を導出してもよい。
前記第1取得ステップにおいて、基準物の表面性状を表す第2画像と、第3色のLab値と、をさらに取得してもよい。前記第2取得ステップにおいて、前記第2画像と前記第3色のLab値とに基づいて、前記基準物の表面上に当該第3色を重ねた場合に視認される色のLab値を推定し、推定したLab値を前記第1色のLab値として取得してもよい。
前記第2取得ステップにおいて、機械学習された学習済みモデルを用いて、前記第2画像と前記第3色のLab値とに基づいて、前記第1色のLab値を推定してもよい。
前記第1画像と、前記第2画像は、それぞれグレースケール画像であってもよい。前記第2取得ステップは、前記第2画像に前記第3色のLab値を合成して第2合成画像を導出する第1導出ステップと、前記第2合成画像の各画素のLab値の統計値を導出し、当該統計値を前記第1色のLab値として取得する第2導出ステップと、を有してもよい。前記第1導出ステップにおいて、前記第2画像の各画素に関し、当該画素の画素値に応じた係数と、前記第3色のL値とを乗算した値を前記第2合成画像の対応する画素のL値として設定し、前記第3色のa値およびb値を前記第2合成画像の各画素のa値およびb値として設定してもよい。前記推定ステップにおいて、前記第1画像の各画素に関し、当該画素の画素値に応じた係数と、前記第2色のL値とを乗算した値を前記第1合成画像の対応する画素のL値として設定し、前記第2色のa値およびb値を前記第1合成画像の各画素のa値およびb値として設定してもよい。
本発明の別の態様は、色情報推定装置である。この装置は、対象物の表面性状を表す第1画像を取得する第1取得部と、目標の第1色の色情報を取得する第2取得部と、前記第1画像と前記第1色の色情報とに基づいて、前記対象物の表面上で前記第1色と同等の色に視認される第2色の色情報を推定する推定部と、を備える。
本発明によれば、対象物の表面上で目標の色と同等の色に視認される色を推定できる。
実施の形態の色情報推定装置は、例えば、車両などの物体の各部を塗装するための塗料等の色を検討する際、材料に塗料等を塗った場合に視認される色をシミュレーションし、所望の色に視認される塗料等の色を推定する。
表面性状が異なる2つの材料のそれぞれに同じ色の塗料を塗った場合、表面性状の影響により、明度や彩度などの色の見た目が異なる可能性がある。例えば、表面の凹凸の深い部分が多い材料では色が相対的に暗く見え、平坦な部分が多い材料では色が相対的に明るく見える。そのため、例えば、表面性状が異なる基準物と対象物を塗装して、対象物に塗った色の見た目を基準物に塗った色の見た目に合わせたい状況で、対象物に塗るべき色を取得することが望まれる。
そこで、実施の形態の色情報推定装置は、基準物に基準色を塗った場合に視認される色を目標色として、対象物の表面性状を表す画像と、目標色の色情報とに基づいて、対象物に塗った場合に目標色と同等の色に視認される色の色情報を推定する。以下、色情報はLab値である例を説明する。Lab値は、CIE L*a*b*色空間における明度L*、色度a*、b*を表す。以下、明度L*をL値またはLと呼び、色度a*をa値またはaと呼び、色度b*をb値またはbと呼ぶ。
図1は、材料の表面画像の一例を示す。図1(a)は、基準物の表面性状を表す第2画像を示し、図1(b)は、対象物の表面性状を表す第1画像を示す。第1画像と第2画像は、それぞれ、実際の材料を顕微鏡などで拡大して撮影した画像であり、グレースケール画像である。拡大率は、材料ごとに、実験またはシミュレーションにより適宜定めることができる。第1画像と第2画像の複数の画素値は、材料の表面の凹凸を表す。例えば、画素の色が白に近いほど画素値が大きく、高さが高く、黒に近いほど画素値が小さく、高さが低いことを表す。例えば、様々な材料の複数のサンプルの凹凸において、最大の深さを最低の画素値に設定し、最大の高さを最大の画素値に設定する。図示するように、基準物と対象物は、表面性状が異なる。基準物と対象物は、例えば、樹脂または金属などである。
図2は、表面に色が塗られた図1の材料のシミュレーション画像の一例を示す。図2(a)は、図1(a)の第2画像に基準の第3色を合成した第2合成画像100aを示す。図2(b)は、図1(b)の第1画像に基準の第3色を合成した第1合成画像102aを示す。
これらの合成画像は、カラー画像であり、実際に視認される色を模擬している。合成方法は後述する。同じ第3色を用いても、第1合成画像102aの全体的な明るさは、第2合成画像100aの全体的な明るさとは異なり、第1合成画像102aの全体的な色は、第2合成画像100aの全体的な色とは異なって視認される。
色情報推定装置は、図2(a)の第2合成画像100aの各画素のLab値の平均値を目標の第1色の色情報として取得する。色情報推定装置は、図1(b)の第1画像と第1色の色情報とに基づいて、対象物の表面上で第1色と同等の色に視認される第2色の色情報を推定する。
図2(c)は、図1(b)の第1画像に、推定された第2色を合成した第1合成画像102bを示す。第1合成画像102cの全体的な明るさは、第2合成画像100aの全体的な明るさと同等であり、第1合成画像102cの全体的な色は、第2合成画像100aの全体的な色と同等に視認される。したがって、ユーザは、対象物に様々な色の塗料等を塗る実験を行うことなく、推定された第2色の塗料等を対象物の表面に塗ることで第3色の塗料等が塗られた基準物と同等の色に視認され得ることを短時間で容易に把握できる。
図3は、表面に色が塗られた図1の材料のシミュレーション画像の別の例を示す。図3(a)は、図1(a)の基準物の第2画像に基準の第3色を合成した第2合成画像100bを示す。図3(b)は、図1(b)の対象物の第1画像に基準の第3色を合成した第1合成画像102cを示す。図3の第3色は、図2の第3色とは異なる。
第1合成画像102cの全体的な明るさは、第2合成画像100bの全体的な明るさとは異なり、第1合成画像102cの全体的な色は、第2合成画像100bの全体的な色とは異なって視認される。
色情報推定装置は、図3(a)の第2合成画像100bの各画素のLab値の平均値を目標の第1色の色情報として取得する。色情報推定装置は、図1(b)の第1画像と第1色の色情報とに基づいて、第2色の色情報を推定する。
図3(c)は、図1(b)の第1画像に、推定された第2色を合成した第1合成画像102dを示す。第1合成画像102dの全体的な明るさは、第2合成画像100bの全体的な明るさと同等であり、第1合成画像102dの全体的な色は、第2合成画像100bの全体的な色と同等に視認される。
このように、対象物の表面性状に応じて、対象物の表面上で目標の第1色と同等の色に視認される第2色の色情報を推定できる。
図4は、実施の形態の色情報推定装置1の構成を示す。色情報推定装置1は、第1取得部10、第2取得部12、第1推定部14、および出力部16を備える。第2取得部12は、第2推定部20を有する。色情報推定装置1の構成は、ハードウエア的には、任意のコンピュータのCPU、メモリ、その他のLSIで実現でき、ソフトウエア的にはメモリにロードされたプログラムなどによって実現されるが、ここではそれらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックがハードウエアのみ、ソフトウエアのみ、またはそれらの組合せによっていろいろな形で実現できることは、当業者には理解されるところである。
第1取得部10は、例えばネットワークを介して、ユーザの指示に従い、基準物の表面性状を表す第2画像と、対象物の表面性状を表す第1画像と、基準の第3色のLab値とを取得する。第1取得部10は、第2画像と第3色のLab値とを第2取得部12に供給し、第1画像を第1推定部14に供給する。
図2(a)と(b)の例では、第3色のLab値は、L=87.6、a=-1.6、b=6.4である。図3(a)と(b)の例では、第3色のLab値は、L=54.51、a=12.5、b=22.4である。
第2取得部12は、目標の第1色のLab値を取得し、取得した第1色のLab値を第1推定部14に供給する。具体的には、第2推定部20は、第1取得部10で取得された第2画像と第3色のLab値とに基づいて、基準物の表面上に第3色を重ねた場合に視認される色のLab値を推定し、第2取得部12は、推定されたLab値を第1色のLab値として取得する。
より詳細には、第2推定部20は、第2画像に第3色のLab値を合成して第2合成画像を導出する。第2推定部20は、第2画像の各画素に関し、当該画素の画素値に応じた係数と、第3色のL値とを乗算した値を第2合成画像の対応する画素のL値として設定する。この係数は、例えば、0から1までの実数であり、画素値が大きくなるほど大きくなる。例えば、最小の画素値に対応する係数は0であり、最大の画素値に対応する係数は1である。
第2推定部20は、第3色のa値およびb値を第2合成画像の各画素のa値およびb値として設定する。つまり、第2合成画像の各画素のa値およびb値は、第3色のa値およびb値である。
第2推定部20は、第2合成画像の各画素のLab値の統計値を導出し、当該統計値を第1色のLab値として取得する。統計値は、例えば、平均値である。第2合成画像の各画素のLab値の平均値とは、複数の画素のL値の平均値、複数の画素のa値の平均値、および複数の画素のb値の平均値の組を表す。この処理により、比較的小さい演算負荷で第1色のLab値を取得できる。
図2(a)の例では、第2合成画像100aの各画素のLab値の平均値、すなわち第1色のLab値は、L=29.4、a=-1.6、b=6.4である。図3(a)の例では、第2合成画像100bの各画素のLab値の平均値、すなわち第1色のLab値は、L=18.2、a=12.5、b=22.4である。
第1推定部14は、第1取得部10で取得された第1画像と、第2取得部12で取得された第1色のLab値とに基づいて、対象物の表面上で第1色と同等の色に視認される第2色のLab値を推定する。
具体的には、第1推定部14は、第1画像に第2色のLab値を合成して得られる第1合成画像の複数の画素のそれぞれのLab値の統計値が、第1色のLab値と同等になるように、当該第2色のLab値を導出する。既述のように、統計値は、例えば、平均値である。
第1推定部14は、第1画像の各画素に関し、当該画素の画素値に応じた係数と、第2色のL値とを乗算した値を第1合成画像の対応する画素のL値として設定する。第1推定部14は、第2色のa値およびb値を第1合成画像の各画素のa値およびb値として設定する。この処理により、比較的小さい演算負荷で第2色のLab値を取得できる。
第1推定部14は、導出された第2色のLab値と、当該第2色のLab値により得られた第1合成画像とを出力部16に供給する。
図2(c)の例では、第2色のLab値は、L=46.27、a=-1.6、b=6.4である。第1合成画像102bの各画素のLab値の平均値は、L=29.3、a=-1.6、b=6.4である。第1合成画像102bの各画素のLab値の平均値は、図2(a)の第2合成画像100aの各画素のLab値の平均値と同等であるため、既述のように、第1合成画像102bの全体的な色は、第2合成画像100aの全体的な色と同等に視認される。
図2(b)のように、第3色を用いた第1合成画像102aの各画素のLab値の平均値は、L=55.5、a=-1.6、b=6.4であり、第2合成画像100aの各画素のLab値の平均値とはLが大きく異なる。第1推定部14は、第2合成画像100aと第1合成画像102bとの間でLab値の平均値の差が小さくなるように第2色のLab値を導出する。
図3(c)の例では、第2色のLab値は、L=29.02、a=12.5、b=22.4である。第1合成画像102dの各画素のLab値の平均値は、L=18.3、a=12.5、b=22.4である。第1合成画像102dの各画素のLab値の平均値は、図3(a)の第2合成画像100bの各画素のLab値の平均値と同等であるため、既述のように、第1合成画像102dの全体的な色は、第2合成画像100bの全体的な色と同等に視認される。
図3(b)のように、第3色を用いた第1合成画像102cの各画素のLab値の平均値は、L=34.5、a=12.5、b=22.4であり、第2合成画像100bの各画素のLab値の平均値とはLが大きく異なる。第1推定部14は、第2合成画像100bと第1合成画像102dとの間でLab値の平均値の差が小さくなるように第2色のLab値を導出する。
出力部16は、第2色のLab値、第1合成画像、および第2合成画像を例えば図示しない表示装置に出力する。表示装置は、第2色のLab値、第1合成画像、および第2合成画像を表示する。ユーザは、表示装置に表示された情報から、どの色を対象物に塗ればよいか把握でき、シミュレーション画像である第1合成画像と第2合成画像を確認することで、どのような色に見えるか把握できる。
図5は、図4の色情報推定装置1の処理を示すフローチャートである。色情報推定装置1は、基準物の第2画像、対象物の第1画像、および基準の第3色のLab値を取得する(第1取得ステップ:S10)。色情報推定装置1は、第2画像に第3色のLab値を合成して第2合成画像を導出し(第2取得ステップの第1導出ステップ:S12)、第2合成画像の各画素のLab値の平均値を導出し、目標の第1色のLab値として取得する(第2取得ステップの第2導出ステップ:S14)。色情報推定装置1は、第1画像と、第1色のLab値とに基づいて、第2色のLab値を推定し(推定ステップ:S16)、処理を終了する。
実施の形態によれば、基準物と基準の第3色が与えられた場合、基準物の表面上に第3色を重ねた場合に視認される第1色を推定でき、対象物の表面上に重ねた場合に第1色と同等の色に視認される第2色のLab値を推定できる。
以上、実施の形態をもとに本発明を説明した。実施の形態はあくまでも例示であり、各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。
例えば、実施の形態では、第2取得部12は、基準物の第2画像と基準の第3色のLab値とに基づいて第1色のLab値を取得するが、目標とする第1色のLab値が予め特定されていれば、第2取得部12は、例えばユーザが入力部に入力した第1色のLab値を取得してもよい。この変形例では、処理を簡素化できる。
実施の形態では、色情報はLab値である例を説明したが、明度を用いる他の表色系の色値を用いてもよく、色情報は、例えば、L*C*h色空間のLCh値などであってもよい。この変形例では、色情報推定装置1の構成の自由度を向上できる。
実施の形態では、第2合成画像の各画素のa値およびb値は、第3色のa値およびb値であるが、第2画像の各画素の画素値を反映した値でもよい。この場合、第2推定部20は、第2画像の各画素に関し、当該画素の画素値と、第3色のa値とを所定の第1の数式に代入して得られた値を第2合成画像の対応する画素のa値として設定してもよい。第2推定部20は、第2画像の各画素に関し、当該画素の画素値と、第3色のb値とを所定の第2の数式に代入して得られた値を第2合成画像の対応する画素のb値として設定してもよい。第1の数式と第2の数式は、実験またはシミュレーションにより適宜定めることができる。同様に、第1推定部14は、第1画像の各画素に関し、当該画素の画素値と、第2色のa値とを所定の第1の数式に代入して得られた値を第1合成画像の対応する画素のa値として設定してもよい。第1推定部14は、第1画像の各画素に関し、当該画素の画素値と、第2色のb値とを所定の第2の数式に代入して得られた値を第1合成画像の対応する画素のb値として設定してもよい。この変形例では、より高精度な第1合成画像と第2合成画像を取得できる可能性がある。
実施の形態では、第2取得部12は、第2合成画像の各画素のLab値の平均値を目標の第1色のLab値として取得するが、この処理に替えて、学習済みモデルを用いて第1色のLab値を推定してもよい。この変形例では、図示しない学習装置は、第1色のLab値を推定するモデルを予め機械学習する。学習装置は、色情報推定装置1に設けられてもよいし、色情報推定装置1とは別の装置でもよい。学習装置は、基準物の第2画像から、画像の特徴量を導出する。特徴量としては、表面の凹凸の分布の尖り度、表面の算術平均粗さ、輝度勾配、画像における周期性などの公知のものを採用できる。学習装置は、基準物の第2画像の特徴量と、基準の第3色のLab値とを入力とし、当該基準物に当該第3色の塗料を実際に塗ったサンプルの色を測色計で測定したLab値を正解ラベルとして、モデルを学習する。学習装置は、モデルの学習を繰り返す。
第2取得部12の第2推定部20は、第1色推定用の学習済みモデルを用いて、基準物の第2画像の特徴量と、第3色のLab値とに基づいて、第1色のLab値を推定する。推定される第1色のLab値は、基準物の表面上に第3色を重ねた場合に視認される色のLab値に相当する。この変形例では、色情報推定装置1の構成の自由度を向上できる。
また、第1推定部14も、第2色推定用の別の学習済みモデルを用いて第2色のLab値を推定してもよい。この場合、学習装置は、対象物の第1画像の特徴量と、当該対象物に第2色の塗料を実際に塗ったサンプルの色を測色計で測定したLab値とを入力とし、当該第2色のLab値を正解ラベルとして、モデルを学習する。第1推定部14は、第2色推定用の学習済みモデルを用いて、対象物の第1画像の特徴量と、目標の第1色のLab値とに基づいて、第2色のLab値を推定する。
1…色情報推定装置、10…第1取得部、12…第2取得部、14…第1推定部、16…出力部、20…第2推定部。
Claims (5)
- コンピュータが実行する色情報推定方法であって、
対象物の表面性状を表す第1画像を取得する第1取得ステップと、
目標の第1色の色情報を取得する第2取得ステップと、
前記第1画像と前記第1色の色情報とに基づいて、前記対象物の表面上で前記第1色と同等の色に視認される第2色の色情報を推定する推定ステップと、
を備えることを特徴とする色情報推定方法。 - 前記第1色の色情報と、前記第2色の色情報は、それぞれLab値であり、
前記推定ステップにおいて、前記第1画像に前記第2色のLab値を合成して得られる第1合成画像の複数の画素のそれぞれのLab値の統計値が、前記第1色のLab値と同等になるように、当該第2色のLab値を導出する、
ことを特徴とする請求項1に記載の色情報推定方法。 - 前記第1取得ステップにおいて、基準物の表面性状を表す第2画像と、第3色のLab値と、をさらに取得し、
前記第2取得ステップにおいて、前記第2画像と前記第3色のLab値とに基づいて、前記基準物の表面上に当該第3色を重ねた場合に視認される色のLab値を推定し、推定したLab値を前記第1色のLab値として取得する、
ことを特徴とする請求項2に記載の色情報推定方法。 - 前記第1画像と、前記第2画像は、それぞれグレースケール画像であり、
前記第2取得ステップは、
前記第2画像に前記第3色のLab値を合成して第2合成画像を導出する第1導出ステップと、
前記第2合成画像の各画素のLab値の統計値を導出し、当該統計値を前記第1色のLab値として取得する第2導出ステップと、
を有し、
前記第1導出ステップにおいて、
前記第2画像の各画素に関し、当該画素の画素値に応じた係数と、前記第3色のL値とを乗算した値を前記第2合成画像の対応する画素のL値として設定し、
前記第3色のa値およびb値を前記第2合成画像の各画素のa値およびb値として設定し、
前記推定ステップにおいて、
前記第1画像の各画素に関し、当該画素の画素値に応じた係数と、前記第2色のL値とを乗算した値を前記第1合成画像の対応する画素のL値として設定し、
前記第2色のa値およびb値を前記第1合成画像の各画素のa値およびb値として設定する、
ことを特徴とする請求項3に記載の色情報推定方法。 - 対象物の表面性状を表す第1画像を取得する第1取得部と、
目標の第1色の色情報を取得する第2取得部と、
前記第1画像と前記第1色の色情報とに基づいて、前記対象物の表面上で前記第1色と同等の色に視認される第2色の色情報を推定する推定部と、
を備えることを特徴とする色情報推定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022147299A JP2024042521A (ja) | 2022-09-15 | 2022-09-15 | 色情報推定方法および色情報推定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022147299A JP2024042521A (ja) | 2022-09-15 | 2022-09-15 | 色情報推定方法および色情報推定装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024042521A true JP2024042521A (ja) | 2024-03-28 |
Family
ID=90417883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022147299A Pending JP2024042521A (ja) | 2022-09-15 | 2022-09-15 | 色情報推定方法および色情報推定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2024042521A (ja) |
-
2022
- 2022-09-15 JP JP2022147299A patent/JP2024042521A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8339665B2 (en) | Texture map of paint colors, and its production method, production program, production system and data structure | |
Eilertsen et al. | Evaluation of tone mapping operators for HDR video | |
CN106056658B (zh) | 一种虚拟对象渲染方法及装置 | |
JP2019500588A (ja) | 塗料表面の質感パラメータを決定するための方法 | |
JP2013047678A (ja) | 塗色データベースの作成方法及びそのデータベースを用いた検索方法、並びにそれらのシステム、プログラム及び記録媒体 | |
JP2009515149A (ja) | ゴニオ外観色の現実的ビデオディスプレイ | |
JP6473401B2 (ja) | 肌の光沢評価装置、光沢評価方法および光沢評価プログラム | |
CN109903347B (zh) | 一种颜色混合的方法、系统、计算机设备及存储介质 | |
US8280708B2 (en) | Configuration of tools and processes for metal forming | |
Qiao et al. | Visual determination of hue suprathreshold color‐difference tolerances | |
US10229514B2 (en) | System and method for colorimetric and geometric parametrization of procedural textures on an object | |
WO2020188964A1 (ja) | 塗色検索装置 | |
JP2024042521A (ja) | 色情報推定方法および色情報推定装置 | |
CN112562053B (zh) | 一种pbr材质贴图生成方法及装置 | |
Gong et al. | Investigation of perceptual attributes for mobile display image quality | |
WO2020049860A1 (ja) | 塗色評価画像の生成方法、生成プログラムおよび塗色評価画像生成装置 | |
Baek et al. | Determination of the perceived contrast compensation ratio for a wide range of surround luminance | |
KR102200011B1 (ko) | 메이크업 재료가 도포된 표면 색상 시뮬레이션 장치 및 방법 | |
Zolliker et al. | Conjoint analysis for evaluating parameterized gamut mapping algorithms | |
JP7078944B1 (ja) | 物性値予測方法、物性値予測システム及びプログラム | |
KR20200067851A (ko) | 페인트의 색 제어를 위한 복수의 색 품질 지시자들을 결정하기 위한 방법 및 시스템 | |
WO2023120057A1 (ja) | 物性値予測方法、及び物性値予測システム | |
US9959663B2 (en) | System and method for generating procedural textures on an object | |
KR20230075858A (ko) | 인지적 거칠기 데이터의 예측 시스템 및 그 방법 | |
JP2013213712A (ja) | 画質評価方法、画質評価装置および画質評価プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240911 |