JP3505278B2 - How to determine the color prediction formula - Google Patents

How to determine the color prediction formula

Info

Publication number
JP3505278B2
JP3505278B2 JP17633195A JP17633195A JP3505278B2 JP 3505278 B2 JP3505278 B2 JP 3505278B2 JP 17633195 A JP17633195 A JP 17633195A JP 17633195 A JP17633195 A JP 17633195A JP 3505278 B2 JP3505278 B2 JP 3505278B2
Authority
JP
Japan
Prior art keywords
color
output
colorimetric
color prediction
data
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.)
Expired - Fee Related
Application number
JP17633195A
Other languages
Japanese (ja)
Other versions
JPH0927917A (en
Inventor
寿夫 白沢
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.)
Ricoh Co Ltd
Original Assignee
Ricoh Co Ltd
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 Ricoh Co Ltd filed Critical Ricoh Co Ltd
Priority to JP17633195A priority Critical patent/JP3505278B2/en
Publication of JPH0927917A publication Critical patent/JPH0927917A/en
Application granted granted Critical
Publication of JP3505278B2 publication Critical patent/JP3505278B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Facsimile Image Signal Circuits (AREA)
  • Color Image Communication Systems (AREA)
  • Processing Or Creating Images (AREA)

Description

【発明の詳細な説明】 【0001】 【発明の属する技術分野】本発明は、カラー出力装置に
おける出力色を予測するための色予測式の決定方法に関
する。 【0002】 【従来の技術】カラースキャナ、カラープリンタ、カラ
ーモニタのような異なるカラー入出力機器間で簡単に正
確な色再現を実現するために、デバイス・インディペン
デント・カラーを用いたカラー・マッチング方式が研究
されている。この方式は、デバイスに独立な色信号を中
間的に用いることにより、様々なデバイス間で測色的に
一致した色再現を行うことを目的としている。一般に、
デバイス独立な色信号としては、CIE1931XYZ
信号やL*a*b*信号のような人間の視覚特性に合っ
た信号を用いる。 【0003】上記したように、測色的に一致した色再現
を行うためには、デバイス信号と測色値の関係を正確に
把握しなければならない。そこで、デバイス信号からX
YZ値やL*a*b*値を求めるために、種々の予測式
が提案されている。 【0004】例えば、特開平6−350844号公報に
記載された印刷再現色予測式決定方法及び装置では、プ
リンタへの出力信号C,M,Yから三刺激値XYZを予
測するために、重回帰モデルを適用している。重回帰モ
デルを決める方法としては、重回帰フルモデル式から1
つずつ説明変数を減らしながら、実測データに対する均
等色空間上での色差を計算することにより、目標色差以
下の精度で、かつ最も説明変数の数が少なくなる重回帰
係数を求めている。 【0005】 【発明が解決しようとする課題】しかしながら、従来の
色予測式の決定方法では、色予測のモデルを決定する際
に用いる参照データと色予測式のパラメータを決定する
際に用いる参照データが同一である。このため、参照デ
ータに対して高精度な色予測モデルおよび色予測パラメ
ータを求めたとしても、参照データに含まれない色デー
タに対しては、精度が著しく低下するという問題があっ
た。 【0006】本発明の目的は、参照データに含まれない
色データに対しても、良好な色予測精度を保証できるよ
うな色予測式の決定方法を提供することにある。 【0007】 【課題を解決するための手段】前記目的を達成するため
に、請求項1記載の発明では、所定の出力パターンデー
タを用いて出力サンプルを出力する手段と、該出力サン
プルに含まれる色パッチを測色する手段と、該所定の出
力パターンに含まれる色パッチの出力値を記憶する手段
と、該測色値を記憶する手段とを備えたシステムにおい
て、カラー出力装置によって出力される色の測色値を予
測するための色予測式を決定する方法であって、第1の
出力パターンデータを用いて出力サンプルを出力し、該
出力サンプルに含まれる色パッチを測色し、前記第1の
出力パターンデータに対する第1の測色値を求め、前記
第1の出力パターンデータに含まれない第2の出力パタ
ーンデータを用いて出力サンプルを出力し、該出力サン
プルに含まれる色パッチを測色し、前記第2の出力パタ
ーンデータに対する第2の測色値を求め、予測を行う色
成分を目的変数とする重回帰式によって色予測を行う場
合に、説明変数の種類が異なる複数の重回帰モデルを用
い、前記第1の出力パターンデータと前記第1の測色値
との対応関係を基に重回帰式の回帰係数を決定し、前記
重回帰式に、前記第2の出力パターンデータを適用した
ときの測色値の予測値を求め、前記測色値の予測値と前
記第2の測色値との残差平方和を求め、該残差平方和を
最小とする重回帰モデルを、前記目的変数に対する重回
帰式とすることを特徴としている。 【0008】 【実施例】以下、本発明の一実施例を図面を用いて具体
的に説明する。図4は、本発明の色予測式が適用される
カラー・マッチングシステムの例を示す。このカラー・
マッチングシステムでは、例えばコンピュータにスキャ
ナ、モニタ、プリンタなどが接続されていて、それら異
なったデバイス同志の色再現を測色的に一致させる機能
を有している。そのために、ホストとなるコンピュータ
では、XYZ三刺激値のようなデバイス独立な色信号を
中間的に用いて、各デバイス間での色変換処理を行う。 【0009】例えば、スキャナによって画像を入力する
場合には、図4に示すように、スキャナ信号をいったん
XYZ信号に変換し、同じXYZ三刺激値を再現するモ
ニタ信号に変換することによってスキャナ入力原稿とモ
ニタ表示画像の色再現を一致させる。 【0010】また、別の形態としては、予め印刷された
ときの画像をモニタ上で確認するこにより、校正刷りの
手間を簡略したいという場合がある。その場合には、色
分解されたCMY(K)画像から印刷時に再現される色
を予測してモニタ上に表示するという手法が採られる。
この例でもスキャナと同様に、プリンタ出力信号をXY
Z三刺激値に変換してから、モニタ信号に変換するとい
う方法が有効となる。 【0011】上記したようなカラー・マッチングシステ
ムは、デバイス信号とデバイスに独立な測色的色信号間
の色変換が必要となる。一般的に、この色変換用のパラ
メータを作成するためには、種々のカラー・パッチの測
色結果に基づいた色予測式を作成し、この色予測式に基
づいてパラメータの最適化が行われる。従って、色予測
式の精度がカラーマッチング精度に大きな影響を及ぼす
ため、高精度で信頼性の高い色予測式を作成することが
重要となる。 【0012】図5は、出力装置における、一般的な色予
測式の作成方法を示し、図6は、入力装置における、一
般的な色予測式の作成方法を示す。出力装置の場合に
は、まず、予めC,M,Yなどの出力データが分かって
いる色パッチを複数含んだ出力パターン21を用意す
る。C,M,Y出力データは、出力値の記憶装置22に
記憶しておく。 【0013】次に、先の出力パターン21を対象として
いる出力装置23で出力し、その出力サンプル24中の
色パッチ(図では、20個の色パッチ)を測色器25で
測色し、XYZ三刺激値やL*a*b*値などを求め、
測色値記憶装置26に記憶させる。そして、出力データ
と測色値を基に色予測式決定装置27で色予測式を構築
する。色予測式の作成に必要な色パッチ数は、プリンタ
や予測方式により異なるが、凡そ数百から数万パッチで
ある。本発明に係る色予測式決定装置の動作は、後で詳
述する。 【0014】入力装置の場合も、出力装置の場合と概ね
作成方法は同じである。ただし、入力装置の場合には、
出力パターンの代わりに色パッチを多数含んだ入力原稿
31を予め用意し、それを対象となる入力装置34で入
力して入力画像35を出力する。計算装置36は、入力
信号の値を求める。すなわち、この入力画像中の各色パ
ッチの入力値、例えばR,G,B値の平均を求める。色
予測式の決定38は、出力装置の場合と同様である。 【0015】図1は、本発明の色予測式決定装置の構成
を示す。本実施例の色予測式決定装置は、図5または図
6で説明した色予測式の作成方法によって作成された、
同一のデバイスについて、2種類のデバイス・データの
セット2、3をデバイス・データ記憶装置1に用意し、
デバイス・データ2、3に対応する2種類の測色データ
のセット5、6を測色データ記憶装置4に用意する。 【0016】また、色予測に用いる色予測モデル7を必
要数だけ用意する。そして、色予測モデルに対するパラ
メータ決定部8は、第1のデバイス・データ2と第1の
測色データ5を使って、各色予測モデルのパラメータを
最適化して求める。最適化の方法としては、例えば最小
自乗法などがある。 【0017】次に、色予測式の精度評価部9は、最適化
したパラメータを色予測モデルに適用して色予測式を作
り、第2のデバイス・データ3と第2の測色データ6を
使って、各色予測式毎に精度評価を行う。色予測式の決
定部10は、最適な予測精度が得られる色予測式を最終
的な色予測式として決定する。 【0018】このように、本発明では色予測モデルのパ
ラメータを作成する場合と、モデルを決定する場合とで
異なる参照データを用いる。一般に、第1の参照データ
に対する精度は、複雑なモデルを使うほどその精度が向
上する。しかし、実際の装置の再現モデルとは必ずしも
一致していないため、その歪が参照データに含まれない
色に対する予測精度の低下となって現われる。 【0019】そこで、精度評価に、パラメータ設定時と
異なるデータを使うことにより、モデルの当てはめの妥
当性を検証することが可能になり、色予測モデルの信頼
性を向上させることができる。 【0020】また、本発明における色予測モデルとして
は、上記したものに限定されず、例えば分割パターンの
異なる補間演算モデルを用いてもよいし、ニューロン数
の違うニューラルネットによる予測モデルを用いてもよ
い。 【0021】本実施例では、色予測モデルとして、説明
変数の異なる重回帰モデルを例にして、CMY信号から
XYZ信号への予測式を作成する場合について、以下説
明する。 【0022】図2、3は、本発明に係る色予測式作成の
処理フローチャートである。色予測モデルとして重回帰
モデルを考えたとき、その重回帰式は、 X=Fx(C,M,Y) Y=Fy(C,M,Y) Z=Fz(C,M,Y) で表され、Fは多次多項式の形で表される。本実施例で
は、この多次多項式をX,Y,Z(目的変数)それぞれ
について最適なものを求めている。従って、X,Y,Z
各々の予測式の決定に際し、図2、3の処理を独立に行
う。 【0023】いま、色予測モデルの候補として1次式か
ら3次式までの重回帰モデルを考える。なお、この次数
は一例であって、これに限定されない。3次式までを対
象にしたとき、重回帰モデルの説明変数の候補として
は、C,M,Y,C,M,Y,CM,MY,C
Y,C,M,Y,CM,CY,CM,CY
,MY,MY,CMYとなる19個の候補があ
る。 【0024】この中から実際の出力装置の再現特性を最
も良く表す説明変数を選ぶことによって最適な重回帰モ
デルを選択する。そして、この19個の説明変数の組み
合わせパターンを全てチェックすればよいが、組み合わ
せパターンが膨大な数となり、処理に大幅な時間を要す
る。そこで、処理時間を短縮するために、図2、3に示
すような、変換精度に対する効果が高い説明変数から1
つずつ加えていく、変数増加法を用いた方法を示す。 【0025】図2、3において、目的変数Xに対する予
測式を求める場合、まず、最初に基本的な重回帰モデル
を仮定し、その重回帰モデルを用いた場合の変換誤差を
求める。基本的な重回帰モデルは、例えば、X=x1・
Cとする。 【0026】基本的な重回帰モデルを重回帰モデルMに
登録する(ステップ101、102)。第1のデバイス
・データと第1の測色データを使って、重回帰式の回帰
係数x1を最小自乗法で最適化し求める(ステップ10
3)。第2のデバイス・データ(C,M,Y)を、上記
ステップ103で求めた回帰式に代入し、三刺激値の予
測値X’iを求める(ステップ104)。予測値X’i
と第2の測色データXiとの残差平方和を変換誤差とし
て求め、PreErrに設定する(ステップ105)。 【0027】PreErr=Σ(Xi−X’i) ただし、和はi=1からnまでとる。 【0028】フラグをオフにした後(ステップ10
6)、基本重回帰モデルを基に、追加することが望まし
い説明変数があるか否かを探索する。すなわち、説明変
数の候補群Pの中から、1つずつ上記した重回帰モデル
Mに加えて新たな重回帰モデルNを作成する(ステップ
107)。例えば、Xに対する重回帰モデルNとして、 X=x1・C+x2・M を作成する。 【0029】上記したステップ103と同様に、第1の
デバイス・データと第1の測色データを使って、モデル
Nに対する重回帰式の回帰係数を求める(ステップ10
8)。第2のデバイス・データを、上記ステップ108
で求めた回帰式に代入し、予測値を求める(ステップ1
09)。モデルNに対する、予測値と第2の測色データ
との残差平方和Errを求める(ステップ110)。 【0030】モデルNに対する残差平方和ErrがPr
eErrよりも小さい場合には(ステップ111でYE
S)、モデルNはモデルMより、予測式として適してい
るものと判定し、PreErrにErrをセットし、モ
デルNが加えた説明変数Piを追加説明変数Rにセット
し、フラグをオンにする(ステップ112)。 【0031】全ての説明変数を検証するまで、上記した
処理を繰返し(ステップ113)、全ての説明変数の中
から最も変換誤差を小さくすることができる説明変数を
1個モデルMに追加する。また、同時に該説明変数を説
明変数の候補の中から削除する(ステップ115)。 【0032】上記ステップ106からステップ115の
処理を繰返し、どの説明変数を加えても、変換精度が向
上しなくなったら処理を終え、モデルMを最終的な重回
帰モデルとして決定する(ステップ116)。 【0033】上記実施例では、変数増加法の例を示した
が、候補となるべきモデル数が比較的少ない場合には、
当然全てのパターンをチェックするようにしてもよい。
また、上記実施例では、精度の評価に、X,Y,Z各々
に対する残差平方和を使用した。一般には、色の変換誤
差を調べるために、均等色空間上での色差が用いられる
が、本発明では、色予測モデルに異常なモデルが選択さ
れることを防止することを主たる目的としているので、
X,Y,Zそれぞれの残差平方和を求めることで十分な
効果を得ることができる。そして、残差平方和の評価
は、モデルをX,Y,Z毎に独立に最適化できるので、
処理時間を大幅に短縮することが可能となる。さらに、
測色値データとして、X,Y,Zデータの他に、L*a
*b*データを用いて色予測モデルを作成することも可
能である。 【0034】また、本発明における第2のデバイス・デ
ータセットは、第1のデバイス・データセットに含まれ
ない色での予測精度を検証できることが必要である。従
って、そのためにはできるだけ第1のデータセットを補
間したような色パッチの分布が望ましい。例えば、第1
のデータセット(出力データ)が、 ならば、第2のデータセットには、(C,M,Y)=
(16,16,16)近傍の色パッチが含まれているよ
うに設定する。また、入力装置の場合も同様に、第2の
入力値が第1の入力値を補間するようにデータを設定す
る。 【0035】 【発明の効果】以上、説明したように、本発明によれば
以下のような効果が得られる。 (1) 第1の出力パターンに含まれる色パッチの出力値
と第1の予測結果の対応関係から複数の色予測モデルに
対するパラメータを決定し、該パラメータを該色予測モ
デルに適用して色予測式を求め、第2の出力パターンに
含まれる色パッチの出力値と第2の測色結果を用いて、
該色予測式の予測精度を計算し、最適な予測精度が得ら
れる色予測式を最終的な色予測式として用いているの
で、参照データに含まれないような出力色に対しても信
頼性が高く、出力装置に好適な色予測式を構築すること
ができる。 【0036】(2)第1の入力値と第1の測色結果の対
応関係から複数の色予測モデルに対するパラメータを決
定し、該パラメータを該色予測モデルに適用して色予測
式を求め、第2の入力値と第2の測色結果を用いて、該
色予測式の予測精度を計算し、最適な予測精度が得られ
る色予測式を最終的な色予測式として用いているので、
参照データに含まれないような色を含む入力原稿に対し
ても信頼性が高く、入力装置に好適な色予測式を構築す
ることができる。 【0037】(3)第2の出力値および入力値は、第1
の出力値および入力値を補間するように設定しているの
で、色予測式の信頼性がさらに向上する。 【0038】(4)予測を行う3つの色成分をそれぞれ
目的変数とする3種類の重回帰式によって色予測を行う
場合に、説明変数の種類が異なる複数の重回帰モデルを
想定し、各重回帰モデルを用いた場合の測色値の予測結
果と実測した測色値から、目的変数毎に残差平方和を求
め、該残差平方和を最小とする重回帰モデルを該目的変
数に対する重回帰式としているので、短時間で色差最小
でかつ信頼性の高い色予測式を作成することができる。
Description: BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method of determining a color prediction formula for predicting an output color in a color output device. 2. Description of the Related Art In order to easily realize accurate color reproduction between different color input / output devices such as a color scanner, a color printer, and a color monitor, a color system using device independent colors is used. A matching method is being studied. This method aims at performing colorimetrically consistent color reproduction between various devices by intermediately using independent color signals for the devices. In general,
CIE1931XYZ is a device-independent color signal.
A signal suitable for human visual characteristics, such as a signal or an L * a * b * signal, is used. As described above, in order to perform colorimetrically consistent color reproduction, the relationship between device signals and colorimetric values must be accurately grasped. Then, from the device signal, X
Various prediction formulas have been proposed for obtaining YZ values and L * a * b * values. For example, in a method and apparatus for determining a print reproduction color prediction formula described in Japanese Patent Application Laid-Open No. Hei 6-350844, multiple regression is performed to predict tristimulus values XYZ from output signals C, M, and Y to a printer. The model is applied. As a method of determining a multiple regression model, one
By calculating the color difference of the measured data on the uniform color space while decreasing the number of explanatory variables one by one, the multiple regression coefficient with the accuracy smaller than the target color difference and the least number of explanatory variables is obtained. [0005] However, in the conventional method for determining a color prediction formula, reference data used for determining a model of color prediction and reference data used for determining parameters of the color prediction formula are used. Are the same. Therefore, even if a highly accurate color prediction model and color prediction parameters are obtained for the reference data, there is a problem that the accuracy of color data not included in the reference data is significantly reduced. An object of the present invention is to provide a method for determining a color prediction formula that can guarantee good color prediction accuracy even for color data not included in reference data. [0007] In order to achieve the above object, according to the first aspect of the present invention, means for outputting an output sample using predetermined output pattern data is included in the output sample. A color output device that outputs a color patch, a color patch included in the predetermined output pattern, a storage unit that stores an output value of the color patch, and a color storage unit that stores the colorimetric value. A method for determining a color prediction formula for predicting a colorimetric value of a color , comprising:
Output an output sample using the output pattern data;
The color patches included in the output sample are measured, and the first
Calculating a first colorimetric value for the output pattern data;
Second output pattern not included in first output pattern data
Output an output sample using the
The color patch included in the pull is measured, and the second output pattern is measured.
Color for which a second colorimetric value is determined for the
When performing color prediction using multiple regression formulas with components as objective variables
Use multiple regression models with different types of explanatory variables
The first output pattern data and the first colorimetric value
The regression coefficient of the multiple regression equation is determined based on the correspondence with
The second output pattern data was applied to a multiple regression equation.
The predicted value of the colorimetric value at the time is obtained, and the predicted value of the colorimetric value is
The residual sum of squares with the second colorimetric value is obtained, and the residual sum of squares is calculated.
The multiple regression model to be minimized is a multiple
It is characterized by a return expression . An embodiment of the present invention will be specifically described below with reference to the drawings. FIG. 4 shows an example of a color matching system to which the color prediction formula of the present invention is applied. This color
In the matching system, for example, a computer is connected to a scanner, a monitor, a printer, and the like, and has a function of colorimetrically matching the color reproduction of these different devices. For that purpose, the host computer performs a color conversion process between the devices using intermediately a device-independent color signal such as an XYZ tristimulus value. For example, when an image is input by a scanner, as shown in FIG. 4, a scanner signal is first converted into an XYZ signal, and then converted into a monitor signal that reproduces the same XYZ tristimulus values, thereby obtaining a scanner input document. And the color reproduction of the monitor display image. As another form, there is a case where it is desired to simplify the work of proof printing by checking an image printed in advance on a monitor. In this case, a method is adopted in which colors reproduced during printing are predicted from the color-separated CMY (K) images and displayed on a monitor.
In this example, similarly to the scanner, the printer output signal is changed to XY.
A method of converting to a Z signal and then to a monitor signal is effective. The above-described color matching system requires color conversion between device signals and device-independent colorimetric color signals. Generally, in order to create the parameters for color conversion, a color prediction formula is created based on the colorimetric results of various color patches, and the parameters are optimized based on the color prediction formula. . Therefore, since the accuracy of the color prediction formula has a great influence on the color matching accuracy, it is important to create a highly accurate and highly reliable color prediction formula. FIG. 5 shows a method for creating a general color prediction equation in an output device, and FIG. 6 shows a method for creating a general color prediction equation in an input device. In the case of an output device, first, an output pattern 21 including a plurality of color patches whose output data such as C, M, and Y is known in advance is prepared. The C, M, and Y output data are stored in the output value storage device 22. Next, the above output pattern 21 is output by the target output device 23, and the color patches (20 color patches in the figure) in the output sample 24 are measured by the colorimeter 25. Find the XYZ tristimulus values and L * a * b * values,
It is stored in the colorimetric value storage device 26. Then, a color prediction formula is constructed by the color prediction formula determination device 27 based on the output data and the colorimetric values. The number of color patches required for creating the color prediction formula varies depending on the printer and the prediction method, but is approximately several hundreds to tens of thousands of patches. The operation of the color prediction formula determination device according to the present invention will be described later in detail. The method of creating an input device is almost the same as that of an output device. However, in the case of an input device,
An input document 31 including a large number of color patches is prepared in advance instead of the output pattern, and the input document 31 is input by a target input device 34 to output an input image 35. The calculating device 36 calculates the value of the input signal. That is, an average of input values of each color patch in the input image, for example, R, G, and B values is obtained. The determination 38 of the color prediction formula is the same as that of the output device. FIG. 1 shows the configuration of a color prediction formula determining apparatus according to the present invention. The color prediction expression determination device of the present embodiment is created by the method for creating a color prediction expression described in FIG. 5 or FIG.
For the same device, two sets of device data 2 and 3 are prepared in the device data storage device 1,
Two sets of colorimetric data sets 5 and 6 corresponding to the device data 2 and 3 are prepared in the colorimetric data storage device 4. Also, a required number of color prediction models 7 used for color prediction are prepared. Then, the parameter determination unit 8 for the color prediction model uses the first device data 2 and the first colorimetric data 5 to optimize and obtain the parameters of each color prediction model. As an optimization method, for example, there is a least square method. Next, the color prediction formula accuracy evaluation unit 9 creates a color prediction formula by applying the optimized parameters to the color prediction model, and converts the second device data 3 and the second colorimetric data 6. To evaluate the accuracy of each color prediction formula. The color prediction expression determination unit 10 determines a color prediction expression that provides the best prediction accuracy as a final color prediction expression. As described above, according to the present invention, different reference data is used in the case where the parameters of the color prediction model are created and in the case where the model is determined. In general, the accuracy of the first reference data increases as a more complicated model is used. However, the distortion does not always match the actual reproduction model of the device, and the distortion appears as a reduction in prediction accuracy for colors not included in the reference data. Therefore, by using data different from that at the time of parameter setting for accuracy evaluation, it is possible to verify the validity of model fitting and improve the reliability of the color prediction model. Further, the color prediction model in the present invention is not limited to the above-described one. For example, an interpolation calculation model having a different division pattern or a prediction model using a neural network having a different number of neurons may be used. Good. In the present embodiment, a case where a prediction formula from a CMY signal to an XYZ signal is created using a multiple regression model having different explanatory variables as a color prediction model will be described below. FIGS. 2 and 3 are processing flowcharts for creating a color prediction formula according to the present invention. When a multiple regression model is considered as a color prediction model, the multiple regression equation is expressed as follows: X = Fx (C, M, Y) Y = Fy (C, M, Y) Z = Fz (C, M, Y) And F is represented in the form of a polynomial polynomial. In the present embodiment, the optimal polynomial is obtained for each of X, Y, and Z (objective variables). Therefore, X, Y, Z
In determining each prediction formula, the processing of FIGS. 2 and 3 is performed independently. Now, consider a multiple regression model from a primary expression to a cubic expression as a candidate for a color prediction model. Note that this order is an example and is not limited to this. When targeting up to the cubic equation, candidates for the explanatory variables of the multiple regression model include C, M, Y, C 2 , M 2 , Y 2 , CM, MY, C
Y, C 3 , M 3 , Y 3 , C 2 M, C 2 Y, CM 2 , CY
2, M 2 Y, there are 19 candidates the MY 2, CMY. From these, an optimal multiple regression model is selected by selecting an explanatory variable that best represents the reproduction characteristic of an actual output device. Then, all the combination patterns of the 19 explanatory variables may be checked. However, the number of combination patterns becomes enormous, and a long time is required for processing. Therefore, in order to shorten the processing time, as shown in FIGS.
A method using a variable increase method, which is added one by one, will be described. Referring to FIGS. 2 and 3, when calculating a prediction formula for the objective variable X, first, a basic multiple regression model is assumed, and a conversion error when the multiple regression model is used is determined. A basic multiple regression model is, for example, X = x1 ·
C. The basic multiple regression model is registered in the multiple regression model M (steps 101 and 102). Using the first device data and the first colorimetric data, the regression coefficient x1 of the multiple regression equation is optimized by the least square method (step 10).
3). The second device data (C, M, Y) is substituted into the regression equation obtained in step 103 to obtain a predicted tristimulus value X'i (step 104). Predicted value X'i
And the residual sum of squares of the second colorimetric data Xi and the second colorimetric data Xi is determined as a conversion error, and set to PreErr (step 105). PreErr = Σ (Xi−X′i) where the sum is from i = 1 to n. After the flag is turned off (step 10
6) Based on the basic multiple regression model, a search is made as to whether or not there is an explanatory variable to be added. That is, a new multiple regression model N is created from the group of explanatory variable candidates P one by one in addition to the multiple regression model M described above (step 107). For example, as a multiple regression model N for X, X = x1 · C + x2 · M is created. As in step 103, the regression coefficient of the multiple regression equation for the model N is determined using the first device data and the first colorimetric data (step 10).
8). The second device data is stored in step 108
Substituting in the regression equation obtained in step 1 to obtain a predicted value (step 1
09). The residual sum of squares Err between the predicted value and the second colorimetric data for the model N is obtained (step 110). The residual sum of squares Err for the model N is Pr
If smaller than eErr (YE at step 111)
S), the model N determines that the model M is suitable as a prediction formula, sets Err in PreErr, sets the explanatory variable Pi added by the model N in the additional explanatory variable R, and turns on the flag. (Step 112). The above processing is repeated until all the explanatory variables are verified (step 113), and one explanatory variable which can minimize the conversion error among all the explanatory variables is added to the model M. At the same time, the explanatory variable is deleted from the explanatory variable candidates (step 115). The processing from step 106 to step 115 is repeated. If the conversion accuracy does not improve even if any explanatory variable is added, the processing is terminated, and the model M is determined as the final multiple regression model (step 116). In the above embodiment, an example of the variable increasing method has been described. However, when the number of models to be candidates is relatively small,
Of course, all patterns may be checked.
Further, in the above-described embodiment, the residual sum of squares for each of X, Y, and Z is used for evaluation of accuracy. Generally, a color difference in a uniform color space is used to check a color conversion error.However, in the present invention, the main object is to prevent an abnormal model from being selected as a color prediction model. ,
Sufficient effects can be obtained by obtaining the residual sum of squares of each of X, Y, and Z. Then, the evaluation of the residual sum of squares can optimize the model independently for each of X, Y, and Z.
Processing time can be greatly reduced. further,
As colorimetric value data, in addition to X, Y, Z data, L * a
It is also possible to create a color prediction model using * b * data. Further, the second device data set in the present invention needs to be able to verify the prediction accuracy for colors not included in the first device data set. Therefore, for that purpose, it is desirable that the distribution of the color patches is such that the first data set is interpolated as much as possible. For example, the first
Data set (output data) Then, in the second data set, (C, M, Y) =
The color patches near (16, 16, 16) are set to be included. Similarly, in the case of the input device, the data is set such that the second input value interpolates the first input value. As described above, according to the present invention,
The following effects can be obtained. (1) Parameters for a plurality of color prediction models are determined from the correspondence between the output values of the color patches included in the first output pattern and the first prediction results, and the parameters are applied to the color prediction models to perform color prediction. Equation is obtained, and using the output value of the color patch included in the second output pattern and the second color measurement result,
Since the prediction accuracy of the color prediction formula is calculated and the color prediction formula that provides the optimum prediction accuracy is used as the final color prediction formula, the reliability of the output color that is not included in the reference data is high. And a color prediction formula suitable for an output device can be constructed. (2) Parameters for a plurality of color prediction models are determined from the correspondence between the first input value and the first colorimetric result, and the parameters are applied to the color prediction models to obtain a color prediction equation. Since the prediction accuracy of the color prediction formula is calculated using the second input value and the second color measurement result, and the color prediction formula that provides the optimum prediction accuracy is used as the final color prediction formula,
It is highly reliable even for an input document including a color not included in the reference data, and a color prediction formula suitable for the input device can be constructed. (3) The second output value and the input value are the first
Is set so as to interpolate the output value and the input value, the reliability of the color prediction formula is further improved. (4) When color prediction is performed by three types of multiple regression equations each using three color components to be predicted as objective variables, a plurality of multiple regression models having different types of explanatory variables are assumed, and each multiple regression model is assumed. The residual sum of squares is calculated for each objective variable from the prediction result of the colorimetric value when the regression model is used and the actually measured colorimetric value. Since the regression equation is used, a highly reliable color prediction equation with minimum color difference can be created in a short time.

【図面の簡単な説明】 【図1】本発明の色予測式決定装置の構成を示す。 【図2】本発明に係る色予測式作成の処理フローチャー
トである。 【図3】図2の続きの処理フローチャートである。 【図4】本発明の色予測式が適用されるカラー・マッチ
ングシステムの例を示す。 【図5】出力装置における、一般的な色予測式の作成方
法を示す。 【図6】入力装置における、一般的な色予測式の作成方
法を示す。 【符号の説明】 1 デバイス・データ記憶装置 2 第1のデバイス・データ 3 第2のデバイス・データ 4 測色データ記憶装置 5 第1の測色データ 6 第2の測色データ 7 色予測モデル候補群 8 パラメータ決定部 9 精度評価部 10 色予測式決定部
BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 shows a configuration of a color prediction expression determination device of the present invention. FIG. 2 is a processing flowchart for creating a color prediction expression according to the present invention. FIG. 3 is a processing flowchart continued from FIG. 2; FIG. 4 shows an example of a color matching system to which the color prediction formula of the present invention is applied. FIG. 5 shows a method of creating a general color prediction formula in an output device. FIG. 6 shows a method of creating a general color prediction formula in the input device. [Description of Signs] 1 Device data storage device 2 First device data 3 Second device data 4 Colorimetric data storage device 5 First colorimetric data 6 Second colorimetric data 7 Color prediction model candidate Group 8 Parameter determination unit 9 Accuracy evaluation unit 10 Color prediction expression determination unit

フロントページの続き (58)調査した分野(Int.Cl.7,DB名) H04N 1/60 G06T 11/60 120 H04N 1/46 Continuation of the front page (58) Field surveyed (Int.Cl. 7 , DB name) H04N 1/60 G06T 11/60 120 H04N 1/46

Claims (1)

(57)【特許請求の範囲】 【請求項1】 所定の出力パターンデータを用いて出力
サンプルを出力する手段と、該出力サンプルに含まれる
色パッチを測色する手段と、該所定の出力パターンに含
まれる色パッチの出力値を記憶する手段と、該測色値を
記憶する手段とを備えたシステムにおいて、カラー出力
装置によって出力される色の測色値を予測するための色
予測式を決定する方法であって、第1の出力パターンデ
ータを用いて出力サンプルを出力し、該出力サンプルに
含まれる色パッチを測色し、前記第1の出力パターンデ
ータに対する第1の測色値を求め、前記第1の出力パタ
ーンデータに含まれない第2の出力パターンデータを用
いて出力サンプルを出力し、該出力サンプルに含まれる
色パッチを測色し、前記第2の出力パターンデータに対
する第2の測色値を求め、予測を行う色成分を目的変数
とする重回帰式によって色予測を行う場合に、説明変数
の種類が異なる複数の重回帰モデルを用い、前記第1の
出力パターンデータと前記第1の測色値との対応関係を
基に重回帰式の回帰係数を決定し、前記重回帰式に、前
記第2の出力パターンデータを適用したときの測色値の
予測値を求め、前記測色値の予測値と前記第2の測色値
との残差平方和を求め、該残差平方和を最小とする重回
帰モデルを、前記目的変数に対する重回帰式とすること
を特徴とする色予測式の決定方法。
(57) Claims: means for outputting an output sample using predetermined output pattern data, means for measuring color patches included in the output sample, and the predetermined output pattern In a system comprising means for storing the output values of the color patches included in and a means for storing the colorimetric values, a color prediction formula for predicting the colorimetric values of the colors output by the color output device is defined as Determining the first output pattern data.
Output an output sample using the
The color patches included in the first output pattern data are measured.
Calculating a first colorimetric value for the first output pattern;
Using the second output pattern data not included in the
And output an output sample, which is included in the output sample.
The color patch is measured, and the color is compared with the second output pattern data.
The second colorimetric value to be calculated and the color component to be predicted
When performing color prediction using multiple regression formulas,
Using a plurality of multiple regression models of different types,
The correspondence between the output pattern data and the first colorimetric value
The regression coefficient of the multiple regression equation is determined based on the
Of the colorimetric values when the second output pattern data is applied
Calculating a predicted value, calculating the predicted value of the colorimetric value and the second colorimetric value
Multiplication that minimizes the residual sum of squares
A method for determining a color prediction formula , wherein a regression model is a multiple regression formula for the objective variable .
JP17633195A 1995-07-12 1995-07-12 How to determine the color prediction formula Expired - Fee Related JP3505278B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP17633195A JP3505278B2 (en) 1995-07-12 1995-07-12 How to determine the color prediction formula

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP17633195A JP3505278B2 (en) 1995-07-12 1995-07-12 How to determine the color prediction formula

Publications (2)

Publication Number Publication Date
JPH0927917A JPH0927917A (en) 1997-01-28
JP3505278B2 true JP3505278B2 (en) 2004-03-08

Family

ID=16011728

Family Applications (1)

Application Number Title Priority Date Filing Date
JP17633195A Expired - Fee Related JP3505278B2 (en) 1995-07-12 1995-07-12 How to determine the color prediction formula

Country Status (1)

Country Link
JP (1) JP3505278B2 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3941394B2 (en) * 2001-01-17 2007-07-04 トヨタ自動車株式会社 Method for evaluating discoloration of paint color
JP4715642B2 (en) * 2006-06-06 2011-07-06 富士ゼロックス株式会社 Color conversion apparatus, method and program

Also Published As

Publication number Publication date
JPH0927917A (en) 1997-01-28

Similar Documents

Publication Publication Date Title
US8045186B2 (en) Image processing apparatus, image processing method, computer readable medium and data signal
EP0604755B1 (en) Color matching method and apparatus
US6987567B2 (en) Color evaluation apparatus and method
JP3714701B2 (en) Color conversion method
JP3767657B2 (en) Color transfer characteristic prediction method
EP0539868B1 (en) Color copying machine provided with color correcting circuit
JP3083067B2 (en) Method and apparatus for determining color conversion coefficient
US6330078B1 (en) Feedback method and apparatus for printing calibration
JPH1141475A (en) Color converting data preparing method and color converter using the same
JP2002142126A (en) Correction method for color reproduction characteristic
JP2002112055A (en) Color reproduction characteristic display device and color reproduction characteristic display program record medium
JP2000184223A (en) Calibration method for scanner, image forming device and calibration processor
JP4189169B2 (en) Color conversion definition correcting device and color conversion definition correcting program
US6310626B1 (en) System for modeling a color imaging device
JP4002006B2 (en) Color calibration apparatus, color calibration method, and recording medium recording color calibration program
JP3505278B2 (en) How to determine the color prediction formula
JP2001045313A (en) Method and device for converting color, color conversion program storage medium and method for correcting color
JPH0998301A (en) Image processor and its method
US20060082843A1 (en) Method and system for calibration and characterization of joint nonlinear and linear transformations for a color input or output device
JP3074925B2 (en) Image evaluation method and device
CN103257834A (en) Systems and methods for facilitating reproduction of arbitrary colors
JPH08116460A (en) Color masking parameter determining device
JP2003153019A (en) Method, apparatus and program for forming color conversion definition
JP4010952B2 (en) Color conversion definition creation method, color conversion definition creation device, and color conversion definition creation program
US20080144114A1 (en) Method and system for dynamic printer profiling

Legal Events

Date Code Title Description
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20031209

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20031215

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20071219

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20081219

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20081219

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20091219

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20101219

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20101219

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111219

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111219

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121219

Year of fee payment: 9

LAPS Cancellation because of no payment of annual fees