JP4006986B2 - 色材色域算出方法、色再現判定方法及び色材配合比算出方法並びに色材色域算出装置、色再現判定装置及び色材配合比算出装置 - Google Patents
色材色域算出方法、色再現判定方法及び色材配合比算出方法並びに色材色域算出装置、色再現判定装置及び色材配合比算出装置 Download PDFInfo
- Publication number
- JP4006986B2 JP4006986B2 JP2001368314A JP2001368314A JP4006986B2 JP 4006986 B2 JP4006986 B2 JP 4006986B2 JP 2001368314 A JP2001368314 A JP 2001368314A JP 2001368314 A JP2001368314 A JP 2001368314A JP 4006986 B2 JP4006986 B2 JP 4006986B2
- Authority
- JP
- Japan
- Prior art keywords
- color
- color material
- density
- neural network
- calculating
- 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
Links
Images
Landscapes
- Color Image Communication Systems (AREA)
- Record Information Processing For Printing (AREA)
- Color, Gradation (AREA)
- Image Processing (AREA)
- Fax Reproducing Arrangements (AREA)
- Facsimile Image Signal Circuits (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明はインキ、染色等の色合わせ工程に関するものであり、更にはコンピュータを用いて自動的に色合わせを行なうコンピュータ・カラー・マッチング（以下ＣＣＭと略す）に関するものである。このＣＣＭにおいても特に、色合わせに用いる種々色材の組み合わせで再現できる色域の算出、及び色合わせに使用する色材の組み合わせを決定する方法に関するものである。
【０００２】
【従来の技術】
従来、塗料、インキ、プラスチックなどの着色体の色合わせは用いる色材の選択と、選択した色材を用いて所望色の作成を熟練の調色師が行なっている。このような調色という作業は膨大な数の調色をこなした熟練者が長年の経験により再現可能な色材を選び出し、そして調色を行なっていた。なぜなら、経験の浅い調色師は保有する色材の組み合わせによる再現可能な色域が曖昧であり、実際には色合わせ不可能な組み合わせで調色を行ってしまうという無駄な行為が何度も繰り返されるからである。
【０００３】
近年、コンピュータの発展から自動的に色材の配合を計算するＣＣＭが普及しているが、色材の選択はやはり熟練者が行なうか、色材の全ての組み合わせで配合計算を行うという方法が主流である。なぜなら所望の色を再現する色材の選択をコンピュータで行なうのは困難であるためである。色材の選択を行なうにはその色材の組み合わせによる色域を算出する必要があり、この色域を作成するには例えばイエロー１０％、マゼンタ１０％、シアン４０％といったような組み合わせを少なくとも数百種類以上の組み合わせを作成しルックアップテーブルを作成する必要があった。しかしながら、プリンターのプロファイルメーカーのように簡単に数百種類の混色の色データを得る方法が無ければ、それは一つ一つ手作業で作成するしか方法がなく色材の色域作成とは極めて非現実的なものであった。
【０００４】
したがって色材の選択は熟練者の力を借りるか、色材全ての組み合わせでＣＣＭ計算を行うより方法が無かったのである。しかしながら僅か１０数種類の色材の中から３種類の色材を選んで色合わせを行なうには１００通り以上の組み合わせが存在し、その組み合わせ全てでＣＣＭ計算を行うには計算負荷の大きさが問題となっていた。
【０００５】
このような背景から、例えば特開平８−９４４４０号公報にあるように通常の色域算出方法よりも比較的簡単に色材の色域を求めて所望の色を再現できるかどうかの判断を行なえる方法が開発された。
しかしこれらの従来の方法による判定はその色域算出方法が均等色空間ＣＩＥＬＡＢのａ*ｂ*値だけを用いて判定が行なわれているため、その精度自体に疑問が持たれていた。
【０００６】
【発明が解決しようとする課題】
通常、色材の色域を把握するに当たってはＣＩＥＬＡＢなどの三次元均等色空間を使って色域を算出し所望色が選択した色材で再現可能であるかを判断する。しかしながら特開平８−９４４４０号公報などによる色域算出方法では、色合わせに用いる各色材の最大濃度のａ*ｂ*値すなわち色相値と彩度値から求めた二次元の色域を用いて目標色のａ*ｂ*値が色域内であるかどうかを判別するという方法である為、Ｌ*値すなわち明度が考慮されておらず、精度自体に疑問が持たれていた。
これは、例えばＬ*値が大きい時の再現可能なａ*ｂ*色域はＬ*値が小さい時に比べて小さく、目標色のＬ*値が大きいときには実際には再現不可能な色材を選択してしまうという欠点がある。つまりＬ*値方向で再現可能かを判断する事が出来ず、精度面で問題が残る。
【０００７】
本発明は上記の色合わせ工程における色材の選択の技術的困難を解決するために成されたものであり、従来方法よりも精度の高い色材色域の算出方法及びそれを用いた色再現判定方法並びに色材配合比算出方法を提供する事を目的とする。
【０００８】
【課題を解決するための手段】
上記目的を達成するための本発明の第１の発明は、色材の組み合わせで再現できる色域の算出において、
１．色材の単色での分光透過率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する工程、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる工程、
３．前記測定値を用いて、ランベルト−ベールの式より求めた関係式「色材濃度―光学濃度」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される光学濃度を多数作成する工程、
４．前記作成された多数の光学濃度からランベルト−ベールの式を用いて多数の分光透過率を算出する工程、
５．前記算出された多数の分光透過率から三次元色空間で表現される色域を算出する工程、
を少なくとも備えることを特徴とする色材色域算出方法である。
【０００９】
また、本発明の第２の発明は、色材の組み合わせで再現できる色域の算出において、
１．色材の単色での分光反射率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する工程、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる工程、
３．前記測定値を用いて、クベルカ−ムンクの式より求めた関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数作成する工程、
４．前記作成された多数の散乱吸収係数からクベルカ−ムンクの式を用いて多数の分光反射率を算出する工程、
５．前記算出された多数の分光反射率から三次元色空間で表現される色域を算出する工程、
を少なくとも備えることを特徴とする色材色域算出方法である。
【００１０】
また、本発明の第３の発明は、色材の組み合わせで再現できる色域の算出において、
１．色材の単色での分光透過率及び分光反射率を、最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する工程、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる工程、
３．前記測定値を用いて、クベルカ−ムンクの式より求めた関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数作成する工程、
４．前記作成された多数の散乱吸収係数からクベルカ−ムンクの式を用いて多数の分光反射率を算出する工程、
５．前記算出された多数の分光反射率から三次元色空間で表現される色域を算出する工程、
を少なくとも備えることを特徴とする色材色域算出方法である。
【００１１】
また、本発明の第４の発明は、色再現の可否を判定する方法において、
１．目標色を測色し、三次元色空間の値を算出する工程、
２．請求項１から請求項３の何れかに記載の色材色域算出方法により求めた色材色域に目標色の三次元色空間の値が含まれているかを判定する工程、
を少なくとも備えることを特徴とする色再現判定方法である。
【００１２】
また、本発明の第５の発明は、請求項４に記載の色再現判定方法により再現可能とされた色材の組み合わせでコンピュータ・カラー・マッチングを行ない、色材配合比の算出を行う際に、既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を予め学習させたニューラルネットワークで求めた補正を行う事を特徴とする色材配合比算出方法である。
【００１３】
また、本発明の第６の発明は、色材の組み合わせで再現できる色域を算出する装置において、
１．色材の単色での分光透過率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する機構、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記測定値を入力として、ランベルト−ベールの式より計算した関係式「色材濃度―光学濃度」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される光学濃度を多数計算し、該計算された多数の光学濃度からランベルト−ベールの式を用いて予測される多数の分光透過率を計算し、該計算された多数の分光透過率から三次元色空間座標を計算する演算手段、
４．前記予め学習させたニューラルネットワークの結合係数と、前記演算手段により計算された三次元色空間座標を記憶する記憶手段、
を少なくとも備えることを特徴とする色材色域算出装置である。
【００１４】
また、本発明の第７の発明は、色材の組み合わせで再現できる色域を算出する装置において、
１．色材の単色での分光反射率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する機構、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記測定値を入力として、クベルカ−ムンクの式より計算した関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数計算し、該計算された多数の散乱吸収係数からクベルカ−ムンクの式を用いて予測される多数の分光反射率を計算し、該計算された多数の分光反射率から三次元色空間で表現される色域を計算する演算手段、
４．前記予め学習させたニューラルネットワークの結合係数と、前記演算手段により計算された三次元色空間座標を記憶する記憶手段、
を少なくとも備えることを特徴とする色材色域算出装置である。
【００１５】
また、本発明の第８の発明は、色材の組み合わせで再現できる色域を算出する装置において、
１．色材の単色での分光透過率及び分光反射率を、最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する機構、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記測定値を入力として、クベルカ−ムンクの式より計算した関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数計算し、該計算された多数の散乱吸収係数からクベルカ−ムンクの式を用いて多数の分光反射率を計算し、該計算された多数の分光反射率から三次元色空間で表現される色域を計算する演算手段、
４．前記予め学習させたニューラルネットワークの結合係数と、前記演算手段により計算された三次元色空間座標を記憶する記憶手段、
を少なくとも備えることを特徴とする色材色域算出装置である。
【００１６】
さらに、本発明の第９の発明は、色再現の可否を判定する装置において、
１．目標色の分光透過率及び／または分光反射率を測定する機構、
２．請求項６から請求項８の何れかに記載の色材色域算出装置により求めた色材色域を記憶しておく記憶手段、
３．前記目標色の分光透過率及び／または分光反射率から三次元色空間座標を計算するとともに、前記記憶された色材色域に目標色の三次元色空間座標が含まれているかを判定する演算装手段
４．前記判定結果を出力する出力手段、
を少なくとも備えることを特徴とする色再現判定装置である。
【００１７】
また、本発明の第１０の発明は、コンピュータ・カラー・マッチング計算を行い、色材配合比を求める装置において、
１．コンピュータ・カラー・マッチング計算用基礎データベース、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記学習の済んだニューラルネットワークの結合係数を記憶する記憶手段、
４．請求項９の色再現判定装置によって再現可能と判定された色材の組み合わせでコンピュータ・カラー・マッチングを行うとともに、前記学習の済んだニューラルネットワークの結合係数を用いて補正を行い、色材配合比を計算する演算手段、
５．前記演算結果の色材配合比を出力する出力手段、
を少なくとも備えることを特徴とする色材配合比算出装置である。
【００１８】
測定値は分光透過率、分光反射率、あるいはその両方を使い分けるのであるが、それは測定する色材の透明性、隠蔽性によって測定方法を変える必要があるためである。透明性が高い色材は分光透過率を、隠蔽性が高い色材は分光反射率を、どちらも十分でない場合は両方を測定する必要がある。
【００１９】
【発明の実施の形態】
次に、本発明について図面を用いて詳細に説明する。この説明においては三次元色空間にＣＩＥ１９７６（Ｌ*ａ*ｂ*）色空間（以下ＣＩＥＬＡＢと略す）を用いて説明するが、他にもＣＩＥ１９７６（Ｌ*ｕ*ｖ*）色空間（以下ＣＩＥＬＵＶと略す）等でも表現が可能である。ＣＩＥＬＡＢは主に物体色の表示用に用いられ、ＣＩＥＬＵＶは主に光の色の表示用に用いられるが、最近はそれに限らない。ＣＩＥＬＡＢは光の色の表示用としても用いられており、カラーマネージメントの世界では事実上の業界標準となっている。しかし本発明においての色空間は、目標色がどの色材で再現可能であるかを調べるためのものであり、色の数値を求めることが主な目的ではない。従ってどのような色空間を用いてもその効果が大きく変わることは無い。
【００２０】
また、本願ではニューラルネットワークを用いて結合係数を作成し、予測誤差を補正、減少させているが、学習を行なう際、入力値、出力値は色を決定する特性値であれば何れを用いても構わない。
まず、色材色域算出方法について説明する。図1は各色材の分光透過率の基礎データから求めたい色材色域を算出する手順の一例を示したフローチャートである。
【００２１】
手順１） 色材基礎データの作成：
求めたい色材色域の使用する各色材の単色の濃度毎透過率データ、もしくは濃度毎反射率データを測定し作成する。この濃度毎データの作成は最小濃度（０％）から最大濃度（１００％）までの数段階の色材濃度を作成し測定する。また、ＣＣＭと併用して用いる場合にはＣＣＭの基礎データをそのまま使用しても良い。そうする事で色域を求めるための新たな測定は必要が無く、この後の計算だけで色域を算出することが可能となる。
【００２２】
手順２） 色材濃度とＯＤ（Ｋ／Ｓ）の関係式作成：
色材を分光透過率で測色している場合には、ランベルト−ベールの式によると各色材の分光透過率より求めた光学濃度(Ｏｐｔｉｃａｌ Ｄｅｎｓｉｔｙ以下ＯＤ）では加法性が成立して、混色色材の光学濃度を求める事が出来る。そこでまず、幾つかの色材濃度の分光透過率から光学濃度を式（１）で算出する。
ＯＤnλ＝−ｌｎ（Ｔnλ）・・・（１）
ここで、ＯＤは光学濃度、λは波長、Ｔは分光透過率であり、これをｎ個の色材濃度Ｄに対して計算する。また、ここでは、自然対数を用いているが常用対数を用いても良く、その時は後述の式（５）では、１０を底とした指数を返す。
次いで、求められた色材濃度と光学濃度のデータから色材濃度と光学濃度の関係式を作成する。この関係式は一次直線近似でも、二次以上の曲線近似でも線形補完でもデータに沿ったものであれば何れを使用しても構わない。
【００２３】
色材を分光反射率、或いは分光透過率・分光反射率で測色している場合には、クベルカ−ムンクの式によると各色材の分光透過率と分光反射率より求めた散乱吸収係数（以下Ｋ／Ｓ）では加法性が成立して、混色色材のＫ／Ｓを求める事が出来る。このとき隠蔽性が十分な色材であれば、分光透過率を測色せずに値をゼロとしても加法性は成り立つ。そこでまず、幾つかの色材濃度の分光透過率・分光反射率からＫ／Ｓを式（２）で算出する。
Ｋ／Ｓｎλ＝（１＋Ｒｎλ２−Ｔｎλ２）／２／Ｒｎλ−１・・・（２）
ここで、Ｋ／Ｓは散乱吸収係数、λは波長、Ｒは分光反射率、Ｔは分光透過率であり、これをｎ個の色材濃度Ｄに対して計算する。次いで、求められた色材濃度とＫ／Ｓの関係式を作成する。この関係式は一次直線近似でも、二次以上の曲線近似でも線形補完でもデータに沿ったものであれば何れを使用しても構わない。
【００２４】
手順３）補正係数の作成：
コンピュータ・カラー・マッチングにおいて、実際の色材配合比と、理論式による色材配合比の算出結果の誤差が大きい場合には学習サンプルを複数用意し、補正係数を作成する。ここではニューラルネットワークのバックプロパゲーション法を用いて結合係数を作成し、予測誤差の補正を行なう。図７はニューラルネットワークの構成図である。ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させ、結合係数を作成する。本例においてのニューラルネットワークは、入力層、中間層、出力層で構成される三層構造である。また入力層、出力層は色材数(通常３色)と同数の結合素子、中間層は複数の（３つから９つ程度）の結合素子で構成される。入力層には既知配合比が入力され、出力層から出力される結果と、教師データであるコンピュータ・カラー・マッチングによる各色材配合比の算出結果の差が最小となるように、バックプロパゲーション法により学習を行ない、結合係数を決定する。ニューラルネットワークのバックプロパゲーション法は周知のアルゴリズムであるので、結合係数決定の詳細については省略する。
【００２５】
手順４） 混色色材の予測ＯＤ（予測Ｋ／Ｓ）の算出：
色材を分光透過率で測色している場合には、既に説明した通り、ランベルト−ベールの式により混色色材のＯＤは各色材のＯＤの和で求める事ができ、混色色材の光学濃度ＯＤｍｉｘは式（３）で求めることができる。
ＯＤｍｉｘλ＝ＯＤAλ＋ＯＤBλ＋ＯＤCλ・・・（３）
ここで、λは波長、ＯＤAは色材Ａの濃度ＤAのＯＤ、ＯＤBは色材Ｂの濃度ＤBのＯＤ、ＯＤCは色材Ｃの濃度ＤCのＯＤである。各色材の濃度における光学濃度は、手順２で求めた色材濃度と光学濃度の関係式を使用して求める。ただし、混色色材は各色材の濃度の和が１００％を超えない組み合わせのみ作成できる。又、手順３で補正係数を作成した場合には、先に学習済みのニューラルネットワークを用いて、その色材配合比の算出結果を補正し予測誤差を減少させる。
【００２６】
色材を分光反射率、或いは分光透過率・分光反射率で測色している場合には、既に説明した通り、クベルカ−ムンクの式により混色色材のＫ／Ｓは各色材のＫ／Ｓの和で求める事ができ、混色色材の散乱吸収係数Ｋ／Ｓｍｉｘは式（４）で求めることができる。
Ｋ／Ｓｍｉｘλ＝Ｋ／ＳAλ＋Ｋ／ＳBλ＋Ｋ／ＳCλ・・・（４）
ここで、Ｋ／ＳAは色材Ａの濃度ＤAのＫ／Ｓ、Ｋ／ＳBは色材Ｂの濃度ＤBのＫ／Ｓ、Ｋ／ＳCは色材Ｃの濃度ＤCのＫ／Ｓである。各色材の濃度における散乱吸収係数は、手順２で求めた色材濃度と散乱吸収係数の関係式を使用して求める。ただし、混色色材は各色材の濃度の和が１００％を超えない組み合わせのみ作成できる。又、手順３で補正係数を作成した場合には、先に学習済みのニューラルネットワークを用いて、その色材配合比の算出結果を補正し予測誤差を減少させる。
【００２７】
手順５） 混色色材の予測分光透過率（予測分光反射率）の算出：
色材を分光透過率で測色している場合には、ランベルト−ベールの式より混色色材の予測分光透過率Ｔｍｉｘは式（５）で求められる。
Ｔｍｉｘλ＝１／ＥＸＰ（ＯＤｍｉｘλ）・・・（５）
また、目標色材を分光反射率、或いは分光透過率・分光反射率で測色している場合には、クベルカ−ムンクの式より混色色材の分光反射率Ｒｍｉｘは式（６）で求められる。
Ｒｍｉｘλ＝１＋（Ｋ／Ｓｍｉｘλ）−（（Ｋ／Ｓｍｉｘλ)2＋２×（Ｋ／Ｓｍｉｘλ））1/2・・・（６）
【００２８】
手順６） 混色色材の予測Ｌ*ａ*ｂ*算出：
このようにして求めた混色色材の分光透過率Ｔｍｉｘλ、或いは分光反射率Ｒｍｉｘλから三次元均等色空間、例えばＣＩＥＬＡＢのＬ*ａ*ｂ*座標を求め、記録する。（Ｌ*ａ*ｂ*の算出方法は省略）
【００２９】
手順７） 混色色材Ｌ*ａ*ｂ*座標の繰り返し算出：
手順４に戻って色材の濃度ＤA、ＤB、ＤCの値を変えて再び計算を行ない、色域作成に十分なデータ数を得られるだけ計算を繰り返す。混色の組み合わせは満遍なく作成する。例えば、各色材をそれぞれ１０濃度用意し、１００％を超える混色を除いた組み合わせで計算を繰り返す。
【００３０】
手順８） 色材色域の作成：
手順４から手順６の繰り返しの計算で求めた多数の混色色材の予測Ｌ*ａ*ｂ*をプロットし色域を求める。求めた色材色域は使用した色材の組み合わせとペアで記録する。ただし、このとき使用できる色域は、ＣＩＥＬＡＢ色空間に限らない。
【００３１】
手順９） 色材色域を繰り返し算出：
手順１に戻って色材の基礎データを変えて再び計算を行ない、求めたい色材色域がすべて求まるまで計算を繰り返す。
【００３２】
次に配合計算方法について説明する。
図２は求めたい色材の色域が全て求まった後、前述の色再現判定方法を用いた色配合比算出方法の一実施例を説明するフローチャートである。
【００３３】
手順１１） 目標色のＬ*ａ*ｂ*を測定：
目標色を測色し、Ｌ*ａ*ｂ*を算出する。
【００３４】
手順１２） 色材色域選択：
上記の手法で求めた色材色域の一つを選択する。
【００３５】
手順１３） 目標色の色域内外判定：
目標色が手順１２で選択した色材組み合わせの色域内であるかを判定する。この色域内外判定は既に様々な方法が用いられているので、それらの手法を用いて行えば良い。例えば、色域断面表示ピクセルによる目標値の内外判定方法等が挙げられる。
【００３６】
手順１４） 全ての色材色域で繰り返し判定：
手順１２に戻って全ての色材色域で判定を繰り返す。
【００３７】
手順１５） 色再現可否判定：
目標色が再現可能な色材色域があるか判定する。例えば、色域断面表示ピクセルによる目標値の内外判定方法等を用いて判定する。
【００３８】
手順１６） 判定ＯＫの色材でＣＣＭ計算：
手順１５で再現可能な色材色域が有る場合には、その色材でＣＣＭ計算を行う。このＣＣＭ計算は既に一般に用いられる手法で行なえば良い。又、手順３で混色色材の予測ＯＤ（予測Ｋ／Ｓ）補正のための補正係数を作成した場合には、同様にＣＣＭ計算補正のための補正係数を求めておき、学習済みのニューラルネットワークを用いて、その色材配合比の算出結果を補正し予測誤差を減少させる。
【００３９】
手順１７） 再現できる色域がないと表示：
手順１５で再現可能な色材色域が無い場合には、使用する色材で再現できる色域がない事を知らせる。
【００４０】
手順１８） 配合結果表示：
手順１６でＣＣＭ計算を行った結果を表示する。
【００４１】
ここでは、手順１４において、すべての色材色域で判定を行った後、色再現可能な全ての色材でＣＣＭ計算を行うフローチャートになっているが、目標色が判定ＯＫになる色材色域が見つかった段階で、手順１３の色域内外判定を止めるというフローチャートにしても良い。
【００４２】
次に、図６を用いて本発明の色材色域算出装置、色再現判定装置、色材配合比算出装置について説明する。
色材色域算出装置は、分光透過率・反射率の測定機構１あるいは、ＣＣＭ計算用基礎データベース２を入力として行う各種計算や、ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段を兼ねた演算手段３と、学習済みのニューラルネットワークの結合係数と求めた三次元色空間の色域を記憶する記憶手段５からなる。この時、求めた色域を三次元色空間の三平面図などでディスプレイやプリンタなどの出力手段４に出力しても良い。
【００４３】
色再現判定装置は目標色の分光透過率・反射率を測定する測定機構１と、選択された色材における三次元色空間の色域を記憶してある記憶手段５と、前記選択された色材の三次元色空間の色域と目標色の色域を比較判定する演算手段３と、判定された結果を出力する出力手段４からなる。
【００４４】
色材配合比算出装置は、ＣＣＭ計算用基礎データベース２と、学習済みのニューラルネットワークの結合係数を記憶する記憶手段５と、ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段と、前記色再現判定装置によって再現可能と判定された色材の組み合わせでコンピュータ・カラー・マッチングを行い、既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を予め学習させたニューラルネットワークで求めた補正を行って、色材配合比を計算する手段を兼ねた演算手段３と、演算結果の色材配合比を出力するディスプレイやプリンタなどの出力装置４からなる。
以上のように、色材色域算出装置、色再現判定装置、色材配合比算出装置は共通する部品が多いため、図６に記載してある部品１〜５を全て備えた装置としても良い。
【００４５】
＜実施例＞
以下に、本発明の具体的な実施例を用いてさらに詳しく説明する。
本例では、図１のフローチャートに従い、ＣＣＭ液中測色機で測色したインキの分光透過率データを基に、あるインキの組み合わせの色域を算出した。使用したインキは東洋インキ製造の水性インキ「アクワプラス」のイエロー、マゼンタ、シアンのインキである。
【００４６】
先ず、手順１の方法で求めた分光透過率の基礎データの一部を表１に示す。また、基礎データのＬ*ａ*ｂ*座標を図３で表示する。
【００４７】
【表１】
【００４８】
次に、色材濃度と光学濃度の関係式を求めた。関係式「色材濃度−光学濃度」は手順１で求めた各色材の分光透過率の基礎データから、手順２の式（１）を用いて光学濃度ＯＤを求め、各濃度間で線形補完して作成した。作成した光学濃度のデータの一部を表２に示す。
【００４９】
【表２】
【００５０】
次に、手順３に従ってニューラルネットワークにより結合係数を求めた。ちなみにイエロー濃度５％、マゼンタ濃度５％、シアン濃度６０％の混色インキの予測光学濃度は、学習済みのニューラルネットワークを用いた結果、関係式「色材濃度−光学濃度」より求めたイエロー濃度４．５％、マゼンタ濃度４．９％、シアン濃度６２．５％の光学濃度の和で求めると予測誤差を補正し減少できる事が分かった。補正前の色材配合比がニューラルネットワークにより補正される流れを図８に示す。
【００５１】
次に、予測光学濃度を手順４に従って式（３）より求め、予測分光透過率を手順５に従って式（５）により求めた。この時の計算値を前述のイエロー濃度５％、マゼンタ濃度５％、シアン濃度６０％の混色について表３にそれぞれ示す。
【００５２】
【表３】
【００５３】
次に、前記予測分光透過率のデータから予測Ｌ*ａ*ｂ*を求めた。前述の混色の予測Ｌ*ａ*ｂ*を表４に示す。
【００５４】
【表４】
この手順４から手順６までを混色する色材の濃度を変更して繰り返し実施して、多数の混色色材の予測Ｌ*ａ*ｂ*を求め、手順８により、予測Ｌ*ａ*ｂ*をプロットして、色域を求めた。このＬ*ａ*ｂ*座標による三平面図を図４に示す。また、従来方法のａ*ｂ*座標図を図５に示す。
【００５５】
本例では図３の基礎データから図４の色域を算出できた。この効果を知るために、従来方法で求めた色域との比較と、又それにより配合計算で求めた結果を比較する。色域の比較では、図４、図５を比較すれば分かるように、二次元では表現できない色域があり、それを三次元色空間で表示出来るようになり、確実に正確性が増した。
また、従来方法との配合計算結果比較を表５に示す。実験の結果、従来方法による計算では実際には再現できない組み合わせで色再現が出来ると判断する場合が存在していたが、本発明による計算では再現できる色のみ色再現が出来ると判定している。
【００５６】
【表５】
【００５７】
【発明の効果】
以上説明したように、本発明の色材色域算出方法により、従来方法より正確な色材の色域を算出することが可能となる。更にＣＣＭと組み合わせる事で目標色の色材決定から配合計算までを正確に行うことが可能となり、間違った色材での配合を行うことが無くなる。更に付け加えると、１０種類以上の色材から３色を選び出す組み合わせは非常に多いため、色域を広くカバーできるような実用的な組み合わせを幾つかに絞って決めると良い。その上で、本発明の色再現判定方法を使用すると、残った色材を同じ色材組み合わせの他の色に流用判定しやすくなることで、色材の在庫を減らすことが可能になり、色材購入コストを抑えることができる。
【図面の簡単な説明】
【図１】本発明の色材色域算出方法の一例を説明するフローチャートである。
【図２】本発明の色再現判定方法を用いた色配合比算出方法の一例を説明するフローチャートである。
【図３】本発明の色材色域算出に用いる基礎データのＬ*ａ*ｂ*座標による三平面図である。
【図４】本発明の色材色域算出方法により求められた色材色域のＬ*ａ*ｂ*座標による三平面図である。
【図５】従来方法で求められた色材色域のａ*ｂ*座標図である。
【図６】本発明の色材色域算出装置、色再現判定装置、色材配合比算出装置を説明するブロック図である。
【図７】ニューラルネットワークの構成図である。
【図８】ニューラルネットワークにより補正前の色材配合比を補正する流れ図である。
【符号の説明】
１・・・分光透過率・反射率の測定装置
２・・・ＣＣＭ計算用基礎データベース
３・・・演算手段
４・・・出力手段
５・・・記憶手段
【発明の属する技術分野】
本発明はインキ、染色等の色合わせ工程に関するものであり、更にはコンピュータを用いて自動的に色合わせを行なうコンピュータ・カラー・マッチング（以下ＣＣＭと略す）に関するものである。このＣＣＭにおいても特に、色合わせに用いる種々色材の組み合わせで再現できる色域の算出、及び色合わせに使用する色材の組み合わせを決定する方法に関するものである。
【０００２】
【従来の技術】
従来、塗料、インキ、プラスチックなどの着色体の色合わせは用いる色材の選択と、選択した色材を用いて所望色の作成を熟練の調色師が行なっている。このような調色という作業は膨大な数の調色をこなした熟練者が長年の経験により再現可能な色材を選び出し、そして調色を行なっていた。なぜなら、経験の浅い調色師は保有する色材の組み合わせによる再現可能な色域が曖昧であり、実際には色合わせ不可能な組み合わせで調色を行ってしまうという無駄な行為が何度も繰り返されるからである。
【０００３】
近年、コンピュータの発展から自動的に色材の配合を計算するＣＣＭが普及しているが、色材の選択はやはり熟練者が行なうか、色材の全ての組み合わせで配合計算を行うという方法が主流である。なぜなら所望の色を再現する色材の選択をコンピュータで行なうのは困難であるためである。色材の選択を行なうにはその色材の組み合わせによる色域を算出する必要があり、この色域を作成するには例えばイエロー１０％、マゼンタ１０％、シアン４０％といったような組み合わせを少なくとも数百種類以上の組み合わせを作成しルックアップテーブルを作成する必要があった。しかしながら、プリンターのプロファイルメーカーのように簡単に数百種類の混色の色データを得る方法が無ければ、それは一つ一つ手作業で作成するしか方法がなく色材の色域作成とは極めて非現実的なものであった。
【０００４】
したがって色材の選択は熟練者の力を借りるか、色材全ての組み合わせでＣＣＭ計算を行うより方法が無かったのである。しかしながら僅か１０数種類の色材の中から３種類の色材を選んで色合わせを行なうには１００通り以上の組み合わせが存在し、その組み合わせ全てでＣＣＭ計算を行うには計算負荷の大きさが問題となっていた。
【０００５】
このような背景から、例えば特開平８−９４４４０号公報にあるように通常の色域算出方法よりも比較的簡単に色材の色域を求めて所望の色を再現できるかどうかの判断を行なえる方法が開発された。
しかしこれらの従来の方法による判定はその色域算出方法が均等色空間ＣＩＥＬＡＢのａ*ｂ*値だけを用いて判定が行なわれているため、その精度自体に疑問が持たれていた。
【０００６】
【発明が解決しようとする課題】
通常、色材の色域を把握するに当たってはＣＩＥＬＡＢなどの三次元均等色空間を使って色域を算出し所望色が選択した色材で再現可能であるかを判断する。しかしながら特開平８−９４４４０号公報などによる色域算出方法では、色合わせに用いる各色材の最大濃度のａ*ｂ*値すなわち色相値と彩度値から求めた二次元の色域を用いて目標色のａ*ｂ*値が色域内であるかどうかを判別するという方法である為、Ｌ*値すなわち明度が考慮されておらず、精度自体に疑問が持たれていた。
これは、例えばＬ*値が大きい時の再現可能なａ*ｂ*色域はＬ*値が小さい時に比べて小さく、目標色のＬ*値が大きいときには実際には再現不可能な色材を選択してしまうという欠点がある。つまりＬ*値方向で再現可能かを判断する事が出来ず、精度面で問題が残る。
【０００７】
本発明は上記の色合わせ工程における色材の選択の技術的困難を解決するために成されたものであり、従来方法よりも精度の高い色材色域の算出方法及びそれを用いた色再現判定方法並びに色材配合比算出方法を提供する事を目的とする。
【０００８】
【課題を解決するための手段】
上記目的を達成するための本発明の第１の発明は、色材の組み合わせで再現できる色域の算出において、
１．色材の単色での分光透過率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する工程、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる工程、
３．前記測定値を用いて、ランベルト−ベールの式より求めた関係式「色材濃度―光学濃度」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される光学濃度を多数作成する工程、
４．前記作成された多数の光学濃度からランベルト−ベールの式を用いて多数の分光透過率を算出する工程、
５．前記算出された多数の分光透過率から三次元色空間で表現される色域を算出する工程、
を少なくとも備えることを特徴とする色材色域算出方法である。
【０００９】
また、本発明の第２の発明は、色材の組み合わせで再現できる色域の算出において、
１．色材の単色での分光反射率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する工程、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる工程、
３．前記測定値を用いて、クベルカ−ムンクの式より求めた関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数作成する工程、
４．前記作成された多数の散乱吸収係数からクベルカ−ムンクの式を用いて多数の分光反射率を算出する工程、
５．前記算出された多数の分光反射率から三次元色空間で表現される色域を算出する工程、
を少なくとも備えることを特徴とする色材色域算出方法である。
【００１０】
また、本発明の第３の発明は、色材の組み合わせで再現できる色域の算出において、
１．色材の単色での分光透過率及び分光反射率を、最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する工程、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる工程、
３．前記測定値を用いて、クベルカ−ムンクの式より求めた関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数作成する工程、
４．前記作成された多数の散乱吸収係数からクベルカ−ムンクの式を用いて多数の分光反射率を算出する工程、
５．前記算出された多数の分光反射率から三次元色空間で表現される色域を算出する工程、
を少なくとも備えることを特徴とする色材色域算出方法である。
【００１１】
また、本発明の第４の発明は、色再現の可否を判定する方法において、
１．目標色を測色し、三次元色空間の値を算出する工程、
２．請求項１から請求項３の何れかに記載の色材色域算出方法により求めた色材色域に目標色の三次元色空間の値が含まれているかを判定する工程、
を少なくとも備えることを特徴とする色再現判定方法である。
【００１２】
また、本発明の第５の発明は、請求項４に記載の色再現判定方法により再現可能とされた色材の組み合わせでコンピュータ・カラー・マッチングを行ない、色材配合比の算出を行う際に、既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を予め学習させたニューラルネットワークで求めた補正を行う事を特徴とする色材配合比算出方法である。
【００１３】
また、本発明の第６の発明は、色材の組み合わせで再現できる色域を算出する装置において、
１．色材の単色での分光透過率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する機構、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記測定値を入力として、ランベルト−ベールの式より計算した関係式「色材濃度―光学濃度」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される光学濃度を多数計算し、該計算された多数の光学濃度からランベルト−ベールの式を用いて予測される多数の分光透過率を計算し、該計算された多数の分光透過率から三次元色空間座標を計算する演算手段、
４．前記予め学習させたニューラルネットワークの結合係数と、前記演算手段により計算された三次元色空間座標を記憶する記憶手段、
を少なくとも備えることを特徴とする色材色域算出装置である。
【００１４】
また、本発明の第７の発明は、色材の組み合わせで再現できる色域を算出する装置において、
１．色材の単色での分光反射率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する機構、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記測定値を入力として、クベルカ−ムンクの式より計算した関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数計算し、該計算された多数の散乱吸収係数からクベルカ−ムンクの式を用いて予測される多数の分光反射率を計算し、該計算された多数の分光反射率から三次元色空間で表現される色域を計算する演算手段、
４．前記予め学習させたニューラルネットワークの結合係数と、前記演算手段により計算された三次元色空間座標を記憶する記憶手段、
を少なくとも備えることを特徴とする色材色域算出装置である。
【００１５】
また、本発明の第８の発明は、色材の組み合わせで再現できる色域を算出する装置において、
１．色材の単色での分光透過率及び分光反射率を、最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する機構、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記測定値を入力として、クベルカ−ムンクの式より計算した関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数計算し、該計算された多数の散乱吸収係数からクベルカ−ムンクの式を用いて多数の分光反射率を計算し、該計算された多数の分光反射率から三次元色空間で表現される色域を計算する演算手段、
４．前記予め学習させたニューラルネットワークの結合係数と、前記演算手段により計算された三次元色空間座標を記憶する記憶手段、
を少なくとも備えることを特徴とする色材色域算出装置である。
【００１６】
さらに、本発明の第９の発明は、色再現の可否を判定する装置において、
１．目標色の分光透過率及び／または分光反射率を測定する機構、
２．請求項６から請求項８の何れかに記載の色材色域算出装置により求めた色材色域を記憶しておく記憶手段、
３．前記目標色の分光透過率及び／または分光反射率から三次元色空間座標を計算するとともに、前記記憶された色材色域に目標色の三次元色空間座標が含まれているかを判定する演算装手段
４．前記判定結果を出力する出力手段、
を少なくとも備えることを特徴とする色再現判定装置である。
【００１７】
また、本発明の第１０の発明は、コンピュータ・カラー・マッチング計算を行い、色材配合比を求める装置において、
１．コンピュータ・カラー・マッチング計算用基礎データベース、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記学習の済んだニューラルネットワークの結合係数を記憶する記憶手段、
４．請求項９の色再現判定装置によって再現可能と判定された色材の組み合わせでコンピュータ・カラー・マッチングを行うとともに、前記学習の済んだニューラルネットワークの結合係数を用いて補正を行い、色材配合比を計算する演算手段、
５．前記演算結果の色材配合比を出力する出力手段、
を少なくとも備えることを特徴とする色材配合比算出装置である。
【００１８】
測定値は分光透過率、分光反射率、あるいはその両方を使い分けるのであるが、それは測定する色材の透明性、隠蔽性によって測定方法を変える必要があるためである。透明性が高い色材は分光透過率を、隠蔽性が高い色材は分光反射率を、どちらも十分でない場合は両方を測定する必要がある。
【００１９】
【発明の実施の形態】
次に、本発明について図面を用いて詳細に説明する。この説明においては三次元色空間にＣＩＥ１９７６（Ｌ*ａ*ｂ*）色空間（以下ＣＩＥＬＡＢと略す）を用いて説明するが、他にもＣＩＥ１９７６（Ｌ*ｕ*ｖ*）色空間（以下ＣＩＥＬＵＶと略す）等でも表現が可能である。ＣＩＥＬＡＢは主に物体色の表示用に用いられ、ＣＩＥＬＵＶは主に光の色の表示用に用いられるが、最近はそれに限らない。ＣＩＥＬＡＢは光の色の表示用としても用いられており、カラーマネージメントの世界では事実上の業界標準となっている。しかし本発明においての色空間は、目標色がどの色材で再現可能であるかを調べるためのものであり、色の数値を求めることが主な目的ではない。従ってどのような色空間を用いてもその効果が大きく変わることは無い。
【００２０】
また、本願ではニューラルネットワークを用いて結合係数を作成し、予測誤差を補正、減少させているが、学習を行なう際、入力値、出力値は色を決定する特性値であれば何れを用いても構わない。
まず、色材色域算出方法について説明する。図1は各色材の分光透過率の基礎データから求めたい色材色域を算出する手順の一例を示したフローチャートである。
【００２１】
手順１） 色材基礎データの作成：
求めたい色材色域の使用する各色材の単色の濃度毎透過率データ、もしくは濃度毎反射率データを測定し作成する。この濃度毎データの作成は最小濃度（０％）から最大濃度（１００％）までの数段階の色材濃度を作成し測定する。また、ＣＣＭと併用して用いる場合にはＣＣＭの基礎データをそのまま使用しても良い。そうする事で色域を求めるための新たな測定は必要が無く、この後の計算だけで色域を算出することが可能となる。
【００２２】
手順２） 色材濃度とＯＤ（Ｋ／Ｓ）の関係式作成：
色材を分光透過率で測色している場合には、ランベルト−ベールの式によると各色材の分光透過率より求めた光学濃度(Ｏｐｔｉｃａｌ Ｄｅｎｓｉｔｙ以下ＯＤ）では加法性が成立して、混色色材の光学濃度を求める事が出来る。そこでまず、幾つかの色材濃度の分光透過率から光学濃度を式（１）で算出する。
ＯＤnλ＝−ｌｎ（Ｔnλ）・・・（１）
ここで、ＯＤは光学濃度、λは波長、Ｔは分光透過率であり、これをｎ個の色材濃度Ｄに対して計算する。また、ここでは、自然対数を用いているが常用対数を用いても良く、その時は後述の式（５）では、１０を底とした指数を返す。
次いで、求められた色材濃度と光学濃度のデータから色材濃度と光学濃度の関係式を作成する。この関係式は一次直線近似でも、二次以上の曲線近似でも線形補完でもデータに沿ったものであれば何れを使用しても構わない。
【００２３】
色材を分光反射率、或いは分光透過率・分光反射率で測色している場合には、クベルカ−ムンクの式によると各色材の分光透過率と分光反射率より求めた散乱吸収係数（以下Ｋ／Ｓ）では加法性が成立して、混色色材のＫ／Ｓを求める事が出来る。このとき隠蔽性が十分な色材であれば、分光透過率を測色せずに値をゼロとしても加法性は成り立つ。そこでまず、幾つかの色材濃度の分光透過率・分光反射率からＫ／Ｓを式（２）で算出する。
Ｋ／Ｓｎλ＝（１＋Ｒｎλ２−Ｔｎλ２）／２／Ｒｎλ−１・・・（２）
ここで、Ｋ／Ｓは散乱吸収係数、λは波長、Ｒは分光反射率、Ｔは分光透過率であり、これをｎ個の色材濃度Ｄに対して計算する。次いで、求められた色材濃度とＫ／Ｓの関係式を作成する。この関係式は一次直線近似でも、二次以上の曲線近似でも線形補完でもデータに沿ったものであれば何れを使用しても構わない。
【００２４】
手順３）補正係数の作成：
コンピュータ・カラー・マッチングにおいて、実際の色材配合比と、理論式による色材配合比の算出結果の誤差が大きい場合には学習サンプルを複数用意し、補正係数を作成する。ここではニューラルネットワークのバックプロパゲーション法を用いて結合係数を作成し、予測誤差の補正を行なう。図７はニューラルネットワークの構成図である。ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させ、結合係数を作成する。本例においてのニューラルネットワークは、入力層、中間層、出力層で構成される三層構造である。また入力層、出力層は色材数(通常３色)と同数の結合素子、中間層は複数の（３つから９つ程度）の結合素子で構成される。入力層には既知配合比が入力され、出力層から出力される結果と、教師データであるコンピュータ・カラー・マッチングによる各色材配合比の算出結果の差が最小となるように、バックプロパゲーション法により学習を行ない、結合係数を決定する。ニューラルネットワークのバックプロパゲーション法は周知のアルゴリズムであるので、結合係数決定の詳細については省略する。
【００２５】
手順４） 混色色材の予測ＯＤ（予測Ｋ／Ｓ）の算出：
色材を分光透過率で測色している場合には、既に説明した通り、ランベルト−ベールの式により混色色材のＯＤは各色材のＯＤの和で求める事ができ、混色色材の光学濃度ＯＤｍｉｘは式（３）で求めることができる。
ＯＤｍｉｘλ＝ＯＤAλ＋ＯＤBλ＋ＯＤCλ・・・（３）
ここで、λは波長、ＯＤAは色材Ａの濃度ＤAのＯＤ、ＯＤBは色材Ｂの濃度ＤBのＯＤ、ＯＤCは色材Ｃの濃度ＤCのＯＤである。各色材の濃度における光学濃度は、手順２で求めた色材濃度と光学濃度の関係式を使用して求める。ただし、混色色材は各色材の濃度の和が１００％を超えない組み合わせのみ作成できる。又、手順３で補正係数を作成した場合には、先に学習済みのニューラルネットワークを用いて、その色材配合比の算出結果を補正し予測誤差を減少させる。
【００２６】
色材を分光反射率、或いは分光透過率・分光反射率で測色している場合には、既に説明した通り、クベルカ−ムンクの式により混色色材のＫ／Ｓは各色材のＫ／Ｓの和で求める事ができ、混色色材の散乱吸収係数Ｋ／Ｓｍｉｘは式（４）で求めることができる。
Ｋ／Ｓｍｉｘλ＝Ｋ／ＳAλ＋Ｋ／ＳBλ＋Ｋ／ＳCλ・・・（４）
ここで、Ｋ／ＳAは色材Ａの濃度ＤAのＫ／Ｓ、Ｋ／ＳBは色材Ｂの濃度ＤBのＫ／Ｓ、Ｋ／ＳCは色材Ｃの濃度ＤCのＫ／Ｓである。各色材の濃度における散乱吸収係数は、手順２で求めた色材濃度と散乱吸収係数の関係式を使用して求める。ただし、混色色材は各色材の濃度の和が１００％を超えない組み合わせのみ作成できる。又、手順３で補正係数を作成した場合には、先に学習済みのニューラルネットワークを用いて、その色材配合比の算出結果を補正し予測誤差を減少させる。
【００２７】
手順５） 混色色材の予測分光透過率（予測分光反射率）の算出：
色材を分光透過率で測色している場合には、ランベルト−ベールの式より混色色材の予測分光透過率Ｔｍｉｘは式（５）で求められる。
Ｔｍｉｘλ＝１／ＥＸＰ（ＯＤｍｉｘλ）・・・（５）
また、目標色材を分光反射率、或いは分光透過率・分光反射率で測色している場合には、クベルカ−ムンクの式より混色色材の分光反射率Ｒｍｉｘは式（６）で求められる。
Ｒｍｉｘλ＝１＋（Ｋ／Ｓｍｉｘλ）−（（Ｋ／Ｓｍｉｘλ)2＋２×（Ｋ／Ｓｍｉｘλ））1/2・・・（６）
【００２８】
手順６） 混色色材の予測Ｌ*ａ*ｂ*算出：
このようにして求めた混色色材の分光透過率Ｔｍｉｘλ、或いは分光反射率Ｒｍｉｘλから三次元均等色空間、例えばＣＩＥＬＡＢのＬ*ａ*ｂ*座標を求め、記録する。（Ｌ*ａ*ｂ*の算出方法は省略）
【００２９】
手順７） 混色色材Ｌ*ａ*ｂ*座標の繰り返し算出：
手順４に戻って色材の濃度ＤA、ＤB、ＤCの値を変えて再び計算を行ない、色域作成に十分なデータ数を得られるだけ計算を繰り返す。混色の組み合わせは満遍なく作成する。例えば、各色材をそれぞれ１０濃度用意し、１００％を超える混色を除いた組み合わせで計算を繰り返す。
【００３０】
手順８） 色材色域の作成：
手順４から手順６の繰り返しの計算で求めた多数の混色色材の予測Ｌ*ａ*ｂ*をプロットし色域を求める。求めた色材色域は使用した色材の組み合わせとペアで記録する。ただし、このとき使用できる色域は、ＣＩＥＬＡＢ色空間に限らない。
【００３１】
手順９） 色材色域を繰り返し算出：
手順１に戻って色材の基礎データを変えて再び計算を行ない、求めたい色材色域がすべて求まるまで計算を繰り返す。
【００３２】
次に配合計算方法について説明する。
図２は求めたい色材の色域が全て求まった後、前述の色再現判定方法を用いた色配合比算出方法の一実施例を説明するフローチャートである。
【００３３】
手順１１） 目標色のＬ*ａ*ｂ*を測定：
目標色を測色し、Ｌ*ａ*ｂ*を算出する。
【００３４】
手順１２） 色材色域選択：
上記の手法で求めた色材色域の一つを選択する。
【００３５】
手順１３） 目標色の色域内外判定：
目標色が手順１２で選択した色材組み合わせの色域内であるかを判定する。この色域内外判定は既に様々な方法が用いられているので、それらの手法を用いて行えば良い。例えば、色域断面表示ピクセルによる目標値の内外判定方法等が挙げられる。
【００３６】
手順１４） 全ての色材色域で繰り返し判定：
手順１２に戻って全ての色材色域で判定を繰り返す。
【００３７】
手順１５） 色再現可否判定：
目標色が再現可能な色材色域があるか判定する。例えば、色域断面表示ピクセルによる目標値の内外判定方法等を用いて判定する。
【００３８】
手順１６） 判定ＯＫの色材でＣＣＭ計算：
手順１５で再現可能な色材色域が有る場合には、その色材でＣＣＭ計算を行う。このＣＣＭ計算は既に一般に用いられる手法で行なえば良い。又、手順３で混色色材の予測ＯＤ（予測Ｋ／Ｓ）補正のための補正係数を作成した場合には、同様にＣＣＭ計算補正のための補正係数を求めておき、学習済みのニューラルネットワークを用いて、その色材配合比の算出結果を補正し予測誤差を減少させる。
【００３９】
手順１７） 再現できる色域がないと表示：
手順１５で再現可能な色材色域が無い場合には、使用する色材で再現できる色域がない事を知らせる。
【００４０】
手順１８） 配合結果表示：
手順１６でＣＣＭ計算を行った結果を表示する。
【００４１】
ここでは、手順１４において、すべての色材色域で判定を行った後、色再現可能な全ての色材でＣＣＭ計算を行うフローチャートになっているが、目標色が判定ＯＫになる色材色域が見つかった段階で、手順１３の色域内外判定を止めるというフローチャートにしても良い。
【００４２】
次に、図６を用いて本発明の色材色域算出装置、色再現判定装置、色材配合比算出装置について説明する。
色材色域算出装置は、分光透過率・反射率の測定機構１あるいは、ＣＣＭ計算用基礎データベース２を入力として行う各種計算や、ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段を兼ねた演算手段３と、学習済みのニューラルネットワークの結合係数と求めた三次元色空間の色域を記憶する記憶手段５からなる。この時、求めた色域を三次元色空間の三平面図などでディスプレイやプリンタなどの出力手段４に出力しても良い。
【００４３】
色再現判定装置は目標色の分光透過率・反射率を測定する測定機構１と、選択された色材における三次元色空間の色域を記憶してある記憶手段５と、前記選択された色材の三次元色空間の色域と目標色の色域を比較判定する演算手段３と、判定された結果を出力する出力手段４からなる。
【００４４】
色材配合比算出装置は、ＣＣＭ計算用基礎データベース２と、学習済みのニューラルネットワークの結合係数を記憶する記憶手段５と、ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段と、前記色再現判定装置によって再現可能と判定された色材の組み合わせでコンピュータ・カラー・マッチングを行い、既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を予め学習させたニューラルネットワークで求めた補正を行って、色材配合比を計算する手段を兼ねた演算手段３と、演算結果の色材配合比を出力するディスプレイやプリンタなどの出力装置４からなる。
以上のように、色材色域算出装置、色再現判定装置、色材配合比算出装置は共通する部品が多いため、図６に記載してある部品１〜５を全て備えた装置としても良い。
【００４５】
＜実施例＞
以下に、本発明の具体的な実施例を用いてさらに詳しく説明する。
本例では、図１のフローチャートに従い、ＣＣＭ液中測色機で測色したインキの分光透過率データを基に、あるインキの組み合わせの色域を算出した。使用したインキは東洋インキ製造の水性インキ「アクワプラス」のイエロー、マゼンタ、シアンのインキである。
【００４６】
先ず、手順１の方法で求めた分光透過率の基礎データの一部を表１に示す。また、基礎データのＬ*ａ*ｂ*座標を図３で表示する。
【００４７】
【表１】
次に、色材濃度と光学濃度の関係式を求めた。関係式「色材濃度−光学濃度」は手順１で求めた各色材の分光透過率の基礎データから、手順２の式（１）を用いて光学濃度ＯＤを求め、各濃度間で線形補完して作成した。作成した光学濃度のデータの一部を表２に示す。
【００４９】
【表２】
次に、手順３に従ってニューラルネットワークにより結合係数を求めた。ちなみにイエロー濃度５％、マゼンタ濃度５％、シアン濃度６０％の混色インキの予測光学濃度は、学習済みのニューラルネットワークを用いた結果、関係式「色材濃度−光学濃度」より求めたイエロー濃度４．５％、マゼンタ濃度４．９％、シアン濃度６２．５％の光学濃度の和で求めると予測誤差を補正し減少できる事が分かった。補正前の色材配合比がニューラルネットワークにより補正される流れを図８に示す。
【００５１】
次に、予測光学濃度を手順４に従って式（３）より求め、予測分光透過率を手順５に従って式（５）により求めた。この時の計算値を前述のイエロー濃度５％、マゼンタ濃度５％、シアン濃度６０％の混色について表３にそれぞれ示す。
【００５２】
【表３】
次に、前記予測分光透過率のデータから予測Ｌ*ａ*ｂ*を求めた。前述の混色の予測Ｌ*ａ*ｂ*を表４に示す。
【００５４】
【表４】
【００５５】
本例では図３の基礎データから図４の色域を算出できた。この効果を知るために、従来方法で求めた色域との比較と、又それにより配合計算で求めた結果を比較する。色域の比較では、図４、図５を比較すれば分かるように、二次元では表現できない色域があり、それを三次元色空間で表示出来るようになり、確実に正確性が増した。
また、従来方法との配合計算結果比較を表５に示す。実験の結果、従来方法による計算では実際には再現できない組み合わせで色再現が出来ると判断する場合が存在していたが、本発明による計算では再現できる色のみ色再現が出来ると判定している。
【００５６】
【表５】
【発明の効果】
以上説明したように、本発明の色材色域算出方法により、従来方法より正確な色材の色域を算出することが可能となる。更にＣＣＭと組み合わせる事で目標色の色材決定から配合計算までを正確に行うことが可能となり、間違った色材での配合を行うことが無くなる。更に付け加えると、１０種類以上の色材から３色を選び出す組み合わせは非常に多いため、色域を広くカバーできるような実用的な組み合わせを幾つかに絞って決めると良い。その上で、本発明の色再現判定方法を使用すると、残った色材を同じ色材組み合わせの他の色に流用判定しやすくなることで、色材の在庫を減らすことが可能になり、色材購入コストを抑えることができる。
【図面の簡単な説明】
【図１】本発明の色材色域算出方法の一例を説明するフローチャートである。
【図２】本発明の色再現判定方法を用いた色配合比算出方法の一例を説明するフローチャートである。
【図３】本発明の色材色域算出に用いる基礎データのＬ*ａ*ｂ*座標による三平面図である。
【図４】本発明の色材色域算出方法により求められた色材色域のＬ*ａ*ｂ*座標による三平面図である。
【図５】従来方法で求められた色材色域のａ*ｂ*座標図である。
【図６】本発明の色材色域算出装置、色再現判定装置、色材配合比算出装置を説明するブロック図である。
【図７】ニューラルネットワークの構成図である。
【図８】ニューラルネットワークにより補正前の色材配合比を補正する流れ図である。
【符号の説明】
１・・・分光透過率・反射率の測定装置
２・・・ＣＣＭ計算用基礎データベース
３・・・演算手段
４・・・出力手段
５・・・記憶手段
Claims (10)
- 色材の組み合わせで再現できる色域の算出において、
１．色材の単色での分光透過率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する工程、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる工程、
３．前記測定値を用いて、ランベルト−ベールの式より求めた関係式「色材濃度―光学濃度」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される光学濃度を多数作成する工程、
４．前記作成された多数の光学濃度からランベルト−ベールの式を用いて多数の分光透過率を算出する工程、
５．前記算出された多数の分光透過率から三次元色空間で表現される色域を算出する工程、
を少なくとも備えることを特徴とする色材色域算出方法。 - 色材の組み合わせで再現できる色域の算出において、
１．色材の単色での分光反射率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する工程、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる工程、
３．前記測定値を用いて、クベルカ−ムンクの式より求めた関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数作成する工程、
４．前記作成された多数の散乱吸収係数からクベルカ−ムンクの式を用いて多数の分光反射率を算出する工程、
５．前記算出された多数の分光反射率から三次元色空間で表現される色域を算出する工程、
を少なくとも備えることを特徴とする色材色域算出方法。 - 色材の組み合わせで再現できる色域の算出において、
１．色材の単色での分光透過率及び分光反射率を、最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する工程、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる工程、
３．前記測定値を用いて、クベルカ−ムンクの式より求めた関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数作成する工程、
４．前記作成された多数の散乱吸収係数からクベルカ−ムンクの式を用いて多数の分光反射率を算出する工程、
５．前記算出された多数の分光反射率から三次元色空間で表現される色域を算出する工程、
を少なくとも備えることを特徴とする色材色域算出方法。 - 色再現の可否を判定する方法において、
１．目標色を測色し、三次元色空間の値を算出する工程、
２．請求項１から請求項３の何れかに記載の色材色域算出方法により求めた色材色域に目標色の三次元色空間の値が含まれているかを判定する工程、
を少なくとも備えることを特徴とする色再現判定方法。 - 請求項４に記載の色再現判定方法により再現可能とされた色材の組み合わせでコンピュータ・カラー・マッチングを行ない、色材配合比の算出を行う際に、既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を予め学習させたニューラルネットワークで求めた補正を行う事を特徴とする色材配合比算出方法。
- 色材の組み合わせで再現できる色域を算出する装置において、
１．色材の単色での分光透過率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する機構、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記測定値を入力として、ランベルト−ベールの式より計算した関係式「色材濃度―光学濃度」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される光学濃度を多数計算し、該計算された多数の光学濃度からランベルト−ベールの式を用いて予測される多数の分光透過率を計算し、該計算された多数の分光透過率から三次元色空間座標を計算する演算手段、
４．前記予め学習させたニューラルネットワークの結合係数と、前記演算手段により計算された三次元色空間座標を記憶する記憶手段、
を少なくとも備えることを特徴とする色材色域算出装置。 - 色材の組み合わせで再現できる色域を算出する装置において、
１．色材の単色での分光反射率を最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する機構、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記測定値を入力として、クベルカ−ムンクの式より計算した関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数計算し、該計算された多数の散乱吸収係数からクベルカ−ムンクの式を用いて予測される多数の分光反射率を計算し、該計算された多数の分光反射率から三次元色空間で表現される色域を計算する演算手段、
４．前記予め学習させたニューラルネットワークの結合係数と、前記演算手段により計算された三次元色空間座標を記憶する記憶手段、
を少なくとも備えることを特徴とする色材色域算出装置。 - 色材の組み合わせで再現できる色域を算出する装置において、
１．色材の単色での分光透過率及び分光反射率を、最小濃度から最大濃度までの数段階の色材濃度について測定あるいは準備する機構、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記測定値を入力として、クベルカ−ムンクの式より計算した関係式「色材濃度―散乱吸収係数」に前記予め学習させたニューラルネットワークで求めた補正を行い、該補正された関係式から、ある色材の組み合わせにおける様々な色材濃度の組み合わせの予測される散乱吸収係数を多数計算し、該計算された多数の散乱吸収係数からクベルカ−ムンクの式を用いて多数の分光反射率を計算し、該計算された多数の分光反射率から三次元色空間で表現される色域を計算する演算手段、
４．前記予め学習させたニューラルネットワークの結合係数と、前記演算手段により計算された三次元色空間座標を記憶する記憶手段、
を少なくとも備えることを特徴とする色材色域算出装置。 - 色再現の可否を判定する装置において、
１．目標色の分光透過率及び／または分光反射率を測定する機構、
２．請求項６から請求項８の何れかに記載の色材色域算出装置により求めた色材色域を記憶しておく記憶手段、
３．前記目標色の分光透過率及び／または分光反射率から三次元色空間座標を計算するとともに、前記記憶された色材色域に目標色の三次元色空間座標が含まれているかを判定する演算装手段
４．前記判定結果を出力する出力手段、
を少なくとも備えることを特徴とする色再現判定装置。 - コンピュータ・カラー・マッチング計算を行い、色材配合比を求める装置において、
１．コンピュータ・カラー・マッチング計算用基礎データベース、
２．ニューラルネットワークに既知の色材配合比とコンピュータ・カラー・マッチングによる色材配合比の算出結果の関係を学習させる学習手段、
３．前記学習の済んだニューラルネットワークの結合係数を記憶する記憶手段、
４．請求項９の色再現判定装置によって再現可能と判定された色材の組み合わせでコンピュータ・カラー・マッチングを行うとともに、前記学習の済んだニューラルネットワークの結合係数を用いて補正を行い、色材配合比を計算する演算手段、
５．前記演算結果の色材配合比を出力する出力手段、
を少なくとも備えることを特徴とする色材配合比算出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001368314A JP4006986B2 (ja) | 2001-12-03 | 2001-12-03 | 色材色域算出方法、色再現判定方法及び色材配合比算出方法並びに色材色域算出装置、色再現判定装置及び色材配合比算出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001368314A JP4006986B2 (ja) | 2001-12-03 | 2001-12-03 | 色材色域算出方法、色再現判定方法及び色材配合比算出方法並びに色材色域算出装置、色再現判定装置及び色材配合比算出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003169224A JP2003169224A (ja) | 2003-06-13 |
| JP4006986B2 true JP4006986B2 (ja) | 2007-11-14 |
Family
ID=19177923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001368314A Expired - Fee Related JP4006986B2 (ja) | 2001-12-03 | 2001-12-03 | 色材色域算出方法、色再現判定方法及び色材配合比算出方法並びに色材色域算出装置、色再現判定装置及び色材配合比算出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4006986B2 (ja) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003333355A (ja) | 2002-05-10 | 2003-11-21 | Canon Inc | 色評価装置及び方法 |
| US7433102B2 (en) | 2002-05-10 | 2008-10-07 | Canon Kabushiki Kaisha | Reproduction color prediction apparatus and method |
| AU2003224459A1 (en) * | 2002-05-10 | 2003-11-11 | Canon Kabushiki Kaisha | Reproduction color prediction apparatus and method |
| JP2006082460A (ja) * | 2004-09-17 | 2006-03-30 | Seiko Epson Corp | 印刷支援システム、印刷装置および印刷支援プログラム、並びに印刷支援方法 |
| JP2008182651A (ja) * | 2007-01-26 | 2008-08-07 | Dainippon Printing Co Ltd | 混色シミュレーション装置、混色シミュレーション方法、プログラム |
| CN108668122A (zh) * | 2017-03-31 | 2018-10-16 | 宁波舜宇光电信息有限公司 | 用于光谱响应曲线的色彩还原方法及设备 |
| CN111860987B (zh) * | 2020-07-08 | 2024-05-31 | 江苏科慧半导体研究院有限公司 | 混合荧光材料发射光谱预测方法和装置 |
| CN113506343B (zh) * | 2021-06-15 | 2022-11-18 | 展讯半导体(南京)有限公司 | 基于多源数据的色坐标估计方法、系统、设备及介质 |
-
2001
- 2001-12-03 JP JP2001368314A patent/JP4006986B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2003169224A (ja) | 2003-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9347874B2 (en) | Calculating the spectral characteristics of the color resulting from overlaying colorants | |
| JPH05231942A (ja) | 走査装置信号を比色定量信号へ変換する方法 | |
| US7911648B2 (en) | Method for creating a color transform relating color reflectances produced under reference and target operating conditions and data structure incorporating the same | |
| JPH09508768A (ja) | カラー・スキャナ信号を測色値に変換する方法および装置 | |
| JP2010509886A (ja) | 被印刷物上で混合される着色剤の色の推定 | |
| JP2010509609A (ja) | 被印刷物上の着色剤の色の推定 | |
| WO2009045850A1 (en) | Methods and apparatus for assessing and monitoring the capability and quality of a color reproduction system | |
| JP4006986B2 (ja) | 色材色域算出方法、色再現判定方法及び色材配合比算出方法並びに色材色域算出装置、色再現判定装置及び色材配合比算出装置 | |
| JPH07234158A (ja) | カラー印刷物の再現方法 | |
| JP2002365133A (ja) | 色材色域算出方法、色再現判定方法及び色材配合比算出方法ならびに色材色域算出装置、色再現判定装置及び色材配合比算出装置 | |
| US7777916B2 (en) | Method for producing a table of predicted reflectances under target operating conditions and data structure and printing system incorporating the table | |
| US6873432B1 (en) | Method and apparatus for representing color space transformations with a piecewise homeomorphism | |
| JPH11132850A (ja) | 色表現データの変換およびこれを用いたカラー印刷物のシミュレーション | |
| JP4731739B2 (ja) | Ｃｃｍ計算システム、ｃｃｍ計算方法および記録媒体 | |
| EP1205880B1 (en) | Computer colour matching system, method and recording medium | |
| US7782489B2 (en) | Method for selecting a sample set useful in relating color reflectances producible under reference and target operating conditions and the sample set producing thereby | |
| JP2002098590A (ja) | 配色シミュレーション方法及び装置 | |
| JP3836120B1 (ja) | コンピュータカラーマッチング方法、カラーマッチング装置及びプログラム | |
| JP4131204B2 (ja) | 再現色予測方法 | |
| EP3979614A1 (en) | Color chart data correction method and color chart data correction program | |
| JP2005331266A (ja) | 色合わせ方法、及び色合わせ装置 | |
| JP2004109119A (ja) | 色合わせ方法、及び色合わせ装置 | |
| Chau | Colour reproduction for reflective images | |
| AU756133B2 (en) | Colour ink model processes for printers | |
| JPH05236268A (ja) | カラーマスキング式決定方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040916 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20061002 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061205 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070205 |
|
| 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: 20070807 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070820 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100907 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110907 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110907 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120907 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120907 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130907 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |