JP7299048B2 - 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
- JP7299048B2 JP7299048B2 JP2019058380A JP2019058380A JP7299048B2 JP 7299048 B2 JP7299048 B2 JP 7299048B2 JP 2019058380 A JP2019058380 A JP 2019058380A JP 2019058380 A JP2019058380 A JP 2019058380A JP 7299048 B2 JP7299048 B2 JP 7299048B2
- Authority
- JP
- Japan
- Prior art keywords
- color
- patch
- prediction target
- spectral
- prediction
- 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.)
- Active
Links
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
-
- 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
- H04N1/54—Conversion of colour picture signals to a plurality of signals some of which represent particular mixed colours, e.g. for textile printing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- 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
- H04N1/6027—Correction or control of colour gradation or colour contrast
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。
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
前記色予測方法は、
前記複数のパッチの分光特性が得られている複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色のカラーチャートについて、前記基準パッチの分光特性と前記色予測対象パッチの分光特性との関係を表す関係式を求める関係式算出ステップと、
前記予測対象色についての前記基準パッチの分光特性を前記関係式に当てはめることによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を含み、
前記関係式算出ステップでは、単位波長範囲毎に得られるデータであって前記類似色についての前記基準パッチの分光特性と前記類似色についての前記色予測対象パッチの分光特性とを組み合わせたデータである複数の組み合わせデータに基づいて、前記基準パッチの分光特性から前記色予測対象パッチの分光特性の近似値を算出する式が前記関係式として求められることを特徴とする。
前記類似色選択ステップでは、前記複数のサンプル色のうち所定の規則に従って定められる複数の候補色の中から前記類似色が選択されることを特徴とする。
前記複数の候補色に定められる各サンプル色についての前記基準パッチの分光特性の数値範囲は、前記予測対象色についての前記基準パッチの分光特性の数値範囲を包含していることを特徴とする。
前記複数のサンプル色のうち前記基準パッチの分光特性の数値範囲の広さが第1位から第k位(kは2以上の整数)までのk個のサンプル色が前記複数の候補色に定められることを特徴とする。
前記類似色選択ステップでは、前記予測対象色についての前記基準パッチの分光特性と各サンプル色についての前記基準パッチの分光特性との2乗誤差が求められ、最小の2乗誤差が得られたサンプル色が前記類似色として選択されることを特徴とする。
入力データを前記基準パッチの分光特性とし出力データを前記複数のサンプル色に対応する複数の分類番号のそれぞれの確率とするニューラルネットワークで、各サンプル色についての前記基準パッチの分光特性と当該サンプル色に対応する分類番号に相当する値とを含む複数の教師データを用いた機械学習を行う学習ステップを更に含み、
前記類似色選択ステップでは、前記学習ステップによる学習済みのニューラルネットワークに前記入力データとして前記予測対象色についての前記基準パッチの分光特性を与えることによって前記出力データとして得られる前記複数の分類番号のそれぞれの確率のうち最も高い確率が得られた分類番号に対応するサンプル色が前記類似色として選択されることを特徴とする。
前記ニューラルネットワークに前記入力データとして与えられる分光特性のデータは、前記基材の分光特性を基準とする正規化が施されていることを特徴とする。
前記ニューラルネットワークには、前記入力データとして前記基準パッチの分光特性に加えて前記基材の分光特性が与えられることを特徴とする。
前記類似色選択ステップでは、前記予測対象色についての前記基準パッチの分光特性と各サンプル色についての前記基準パッチの分光特性とに基づいて前記予測対象色と各サンプル色との色差が求められ、最小の色差が得られたサンプル色が前記類似色として選択されることを特徴とする。
前記関係式は、nを2以上の整数とするn次式であることを特徴とする。
前記関係式は、累乗関数を用いて表されることを特徴とする。
前記分光特性は、分光反射率であって、
pを1未満の予め定められた値として前記類似色についての前記基準パッチの分光反射率のデータに値をp以上1以下とするデータが含まれていない場合、前記関係式算出ステップでは、前記類似色についての前記基準パッチの分光反射率を1とし前記類似色についての前記色予測対象パッチの分光反射率を1とする組み合わせデータを追加して前記関係式が求められることを特徴とする。
前記分光特性は、分光反射率であって、
前記類似色についての前記基準パッチの分光反射率のデータの最大値をuとし、当該最大値に対応する前記類似色についての前記色予測対象パッチの分光反射率をvとすると、前記予測対象色についての前記基準パッチの分光反射率のデータのうち値がuよりも大きいデータに関し、前記分光特性予測ステップでは、前記類似色についての前記基準パッチの分光反射率をuとし前記類似色についての前記色予測対象パッチの分光反射率をvとする組み合わせデータと前記類似色についての前記基準パッチの分光反射率を1とし前記類似色についての前記色予測対象パッチの分光反射率を1とする組み合わせデータとを用いて前記予測対象色についての前記基準パッチの分光反射率に基づき線形補間を行うことによって、前記予測対象色についての前記色予測対象パッチの分光反射率の予測値が求められることを特徴とする。
前記分光特性は、400nmから700nmまでの範囲を包含する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を含むことを特徴とする。
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。
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
前記色予測方法は、
前記複数のパッチの分光特性が得られている複数のサンプル色のカラーチャートについて、前記基準パッチの分光特性と前記色予測対象パッチの分光特性との関係を表す関係式を求める関係式算出ステップと、
前記複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色選択ステップで前記類似色として選択されたサンプル色についての前記関係式に前記予測対象色についての前記基準パッチの分光特性を当てはめることによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を含み、
前記関係式算出ステップでは、単位波長範囲毎に得られるデータであって各サンプル色についての前記基準パッチの分光特性と当該各サンプル色についての前記色予測対象パッチの分光特性とを組み合わせたデータである複数の組み合わせデータに基づいて、前記基準パッチの分光特性から前記色予測対象パッチの分光特性の近似値を算出する式が前記関係式として求められることを特徴とする。
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
前記色予測方法は、
前記複数のパッチの分光特性が得られている複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色についての前記基準パッチの分光特性と前記類似色についての前記色予測対象パッチの分光特性との関係を用いて前記予測対象色についての前記基準パッチの分光特性に基づき線形補間を行うことによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を含むことを特徴とする。
第18の発明は、第17の発明において、
前記分光特性予測ステップは、
前記類似色についての前記基準パッチの分光特性と前記類似色についての前記色予測対象パッチの分光特性とを同一の分光波長ごとに対応付けることにより複数のプロットで表される複数の対応関係を作成する対応関係作成ステップと、
前記複数のプロットを用いて前記予測対象色についての前記基準パッチの分光特性に基づき線形補間を行うことによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める線形補間ステップと
を含むことを特徴とする。
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
コンピュータに、
前記複数のパッチの分光特性が得られている複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色のカラーチャートについて、前記基準パッチの分光特性と前記色予測対象パッチの分光特性との関係を表す関係式を求める関係式算出ステップと、
前記予測対象色についての前記基準パッチの分光特性を前記関係式に当てはめることによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を実行させ、
前記関係式算出ステップでは、単位波長範囲毎に得られるデータであって前記類似色についての前記基準パッチの分光特性と前記類似色についての前記色予測対象パッチの分光特性とを組み合わせたデータである複数の組み合わせデータに基づいて、前記基準パッチの分光特性から前記色予測対象パッチの分光特性の近似値を算出する式が前記関係式として求められることを特徴とする。
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
コンピュータに、
前記複数のパッチの分光特性が得られている複数のサンプル色のカラーチャートについて、前記基準パッチの分光特性と前記色予測対象パッチの分光特性との関係を表す関係式を求める関係式算出ステップと、
前記複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色選択ステップで前記類似色として選択されたサンプル色についての前記関係式に前記予測対象色についての前記基準パッチの分光特性を当てはめることによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を実行させ、
前記関係式算出ステップでは、単位波長範囲毎に得られるデータであって各サンプル色についての前記基準パッチの分光特性と当該各サンプル色についての前記色予測対象パッチの分光特性とを組み合わせたデータである複数の組み合わせデータに基づいて、前記基準パッチの分光特性から前記色予測対象パッチの分光特性の近似値を算出する式が前記関係式として求められることを特徴とする。
実施形態について説明する前に、本発明の着想に至る経緯などについて説明する。なお、以下においては、CxFチャートの上段のパッチ(図1で符号71を付した段のパッチ)(対象のインクを基材上に印刷することによって得られるパッチ)を「第1タイプパッチ」といい、CxFチャートの下段のパッチ(図1で符号72を付した段のパッチ)(対象のインクを黒色上に印刷することによって得られるパッチ)を「第2タイプパッチ」という。また、基材そのものの色を表しているパッチ(図1で符号PA1を付したパッチ)を「紙白パッチ」といい、基材上に対象のインクがベタで塗られた状態のパッチ(図1で符号PA2を付したパッチ)を「ベタパッチ」という。
図9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350と、色の測定を行う測色機400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350と測色機400とは、通信回線CL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400は分光測色機である。
図10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CL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CL経由でデジタル印刷装置350に送られる。
以下、本実施形態に係る色予測方法を実現する色予測処理について説明する。なお、この色予測処理は、印刷データ生成装置100で色予測プログラム141が実行されることによって行われる。
図11は、本実施形態における色予測処理の概略手順を示すフローチャートである。なお、この色予測処理が実行されるまでに、適宜の数の色(以下、「サンプル色」という。)についてのCxFチャート(簡易CxFチャートでも良い)の印刷およびそれらの測色が行われている必要がある。すなわち、この色予測処理が実行されるまでに、複数のサンプル色のそれぞれについての各第1タイプパッチ71の分光反射率が得られている必要がある。サンプル色としては、例えば32個の特色が用いられる。また、予測対象色(処理対象の色)について、この色予測処理が実行されるまでに、基材上に当該予測対象色のインクがベタで塗られた状態の分光反射率が得られている必要がある。すなわち、この色予測処理が実行されるまでに、予測対象色についてのベタパッチPA2の分光反射率が得られている必要がある。以下、図11に示すフローについて説明する。
まず、類似色を選択する処理(図11のステップS110の処理)について詳しく説明する。本実施形態においては、CxFチャートを構成する各パッチの分光反射率のデータは、380nm~730nmの波長範囲での10nm刻みの36個の反射率で構成される。従って、予測対象色やサンプル色に関し、ベタパッチPA2の分光反射率のデータは、380nm~730nmの波長範囲での10nm刻みの36個の反射率で構成される。そこで、予測対象色および各サンプル色の36個の反射率に基づき、予測対象色と各サンプル色との間でのベタパッチPA2の分光反射率についての2乗誤差が求められる。そして、最小の2乗誤差が得られたサンプル色が類似色として選択される。このように、本実施形態においては、最小二乗法を用いて類似色の選択が行われる。
次に、関係式を求める処理(図11のステップS120の処理)について詳しく説明する。類似色については、紙白パッチPA1およびベタパッチPA2を含む全ての第1タイプパッチ71の測色値が得られている。すなわち、模式的には図13のA部に示すような曲線(分光反射率を表す曲線)に相当するデータが、全ての第1タイプパッチ71について得られている(図13に関し、横軸は波長(単位:nm)であり、縦軸は反射率である。)。なお、図13のA部には、第1タイプパッチ71のうちの4つのパッチに対応する曲線のみを示している(図13のB部も同様である)。符号51を付した曲線は紙白パッチPA1についての曲線であり、符号52を付した曲線はベタパッチPA2についての曲線である。このようなデータに対して、紙白パッチPA1の分光反射率を1とする正規化が施される。これにより、模式的には図13のB部に示すような曲線(分光反射率を表す曲線)(但し、正規化の基準となった紙白パッチPA1については直線)に相当するデータが得られる。
次に、分光反射率の予測値を求める処理(図11のステップS130の処理)について詳しく説明する。ステップS130の処理の開始時点には、類似色についての色予測対象パッチ毎に、関係式として例えば上式(7)のような5次式が得られている。また、上述したように、分光反射率のデータは36個の反射率で構成されている。そこで、ステップS130では、色予測対象パッチ毎に、対応する関係式(ベタパッチPA2の分光反射率と該当の色予測対象パッチの分光反射率との関係を表す関係式)に予測対象色についてのベタパッチPA2の分光反射率のデータである36個の反射率を1つずつ代入することによって、予測対象色についての該当の色予測対象パッチの分光反射率のデータとなる36個の反射率が求められる。
ところで、黒色に近い或る色に着目し、CxFチャートの第1タイプパッチ71の測色を行った。そして、ベタパッチ(網点パーセント:100%)PA2および網点パーセントを70%とする色予測対象パッチのみの測色結果に着目すると、分光反射率を表すグラフとして図17に示すようなグラフが得られた。図17では、ベタパッチPA2の分光反射率を表す曲線に符号55を付し、色予測対象パッチの分光反射率を表す曲線に符号56を付している。測色結果によれば、ベタパッチPA2の分光反射率の数値範囲は0.017~0.039であった。このため、上述した関係グラフ上において、ベタパッチPA2の反射率と色予測対象パッチの反射率との組み合わせデータに相当する36個のプロットの位置は極めて狭い範囲(図18で符号57を付した網掛け部分)に全て含まれてしまう。このような狭い範囲内の組み合わせデータのみに基づいて関係式を求めると、関係式を表す曲線として、例えば図19において太実線で示すような曲線が得られる。図19に示す曲線によれば、予測対象色についてのベタパッチの反射率が0.5よりも大きい場合に当該予測対象色についての色予測対象パッチの反射率が正しく予測されないことは明らかである。
第1の手法では、用意されている全てのサンプル色の中から予測対象色の分光反射率(予測対象色についてのベタパッチの分光反射率)の数値範囲を包含する分光反射率を有する複数のサンプル色が候補色に定められる。換言すれば、候補色に定められるサンプル色についてのベタパッチの分光反射率の数値範囲が予測対象色についてのベタパッチの分光反射率の数値範囲を包含するよう、複数のサンプル色が候補色に定められる。例えば、予測対象色の分光反射率の数値範囲が0.02~0.60であれば、ベタパッチPA2の分光反射率の最小値が0.02以下かつベタパッチPA2の分光反射率の最大値が0.60以上であるサンプル色が候補色に定められる。そして、候補色に定められたサンプル色の中から最小の2乗誤差が得られるサンプル色が、類似色として選択される。
第2の手法では、用意されている全てのサンプル色の中から分光反射率(ベタパッチPA2の分光反射率)の数値範囲の広さが第1位から第k位(kは2以上の整数)までのk個のサンプル色が候補色に定められる。例えば、100個のサンプル色が用意されている場合に、ベタパッチPA2の分光反射率の数値範囲の広さが第1位から第32位までの32個のサンプル色が候補色に定められる。そして、候補色に定められた32個のサンプル色の中から最小の2乗誤差が得られるサンプル色が、類似色として選択される。
本実施形態によれば、CxFチャートの測色済みの複数のサンプル色の中から予測対象色に近い色が類似色として選択され、その類似色について、ベタパッチPA2の分光反射率と色予測対象パッチの分光反射率との関係を表す関係式(近似式)が求められる。そして、予測対象色についてのベタパッチPA2の分光反射率を関係式に当てはめることによって、当該予測対象色についての色予測対象パッチの分光反射率(予測値)が求められる。以上のように分光反射率の予測は予測対象色に近い色についての「ベタパッチPA2の分光反射率と色予測対象パッチの分光反射率との関係」に基づいて行われるので、精度良い予測値が得られる。すなわち、予測対象色のインクを用いてCxFチャートを印刷することなく、当該CxFチャートが印刷されたと仮定した場合の各パッチの分光反射率が高精度で得られる。従って、CxFチャートの印刷や測色が不要となる。以上のように、複数の色のインクの重ね刷りによって得られる色を従来よりも低コストかつ少ない工数で予測できるよう、CxFチャートに含まれるべきパッチの色を高精度で予測することが可能となる。
以下、上記実施形態の変形例について説明する。
<5.1.1 第1の変形例>
機械学習を用いた手法によって類似色の選択を行う例を第1の変形例として以下に説明する。本変形例においては、予め複数のサンプル色が用意されている状況下で予測対象色がどのサンプル色に類似しているのかを判断する類似色判定モデルが構築される。類似色判定モデルは機械学習を行うニューラルネットワーク60によって実現される(図22参照)。ニューラルネットワーク60を用いた処理は、概略的には、学習段階の処理と分類段階の処理とに分けられる。学習段階では、ニューラルネットワーク60に教師データ(訓練データ)が与えられ、当該教師データを用いた機械学習がニューラルネットワーク60で行われる。ニューラルネットワーク60には、教師データとして、サンプル色についてのベタパッチPA2の分光反射率と複数のサンプル色を互いに区別するための分類番号に相当する値とが与えられる。分類段階では、学習済みのニューラルネットワーク60に、予測対象色についてのベタパッチPA2の分光反射率が与えられる。これにより、ニューラルネットワーク60からは、分類番号毎の確率が出力される。そして、最も高い確率の分類番号に対応するサンプル色が類似色として選択される。
R=R1×(0.7/0.8)+R2×(0.1/0.8) ・・・(8)
色差を用いて類似色の選択を行う例を第2の変形例として以下に説明する。本変形例においては、図11のステップS110で、予測対象色と各サンプル色との間での色差が求められる。そして、最小の色差が得られたサンプル色が類似色として選択される。
<5.2.1 第3の変形例>
上記実施形態においては、ベタパッチPA2の分光反射率と色予測対象パッチの分光反射率との関係を表す関係式(近似式)として、5次式が採用されていた。しかしながら、関係式の次数は5には限定されない。nを2以上の整数とするn次式を関係式として採用しても良い。
また、ベタパッチPA2の分光反射率と色予測対象パッチの分光反射率との関係を表す関係式(近似式)として、累乗関数を用いて表される式を採用しても良い。この場合、上述した組み合わせデータ(関係グラフ上にプロットとして表されるデータ)に基づいて、例えば次式(9)の変数A,Bの値が求められる。そして、その変数A,Bの値を反映した式が関係式として用いられる。なお、次式(9)に関し、yは色予測対象パッチの反射率であり,xはベタパッチPA2の反射率である。
類似色に関してベタパッチPA2の測色結果と或る色予測対象パッチの測色結果とに基づき図20に示したような関係グラフが得られた場合、上述したように色の予測が精度良く行われないことが懸念される。そこで、第5の変形例あるいは第6の変形例として以下に記すような対策が施されるようにしても良い。
図20に示したような関係グラフは、pを1未満の予め定められた値(例えば、pを0.8とする)として類似色についてのベタパッチPA2の分光反射率のデータに値をp以上1以下とするデータが含まれていない場合に得られる。本変形例では、そのような場合に、関係式の算出に先立って、図26において符号58を付したプロットに相当する組み合わせデータを追加する。すなわち、類似色についてのベタパッチPA2の分光反射率が1のときには当該類似色についての色予測対象パッチの分光反射率が1である旨の組み合わせデータを追加する。このように組み合わせデータを追加した後に関係式を求める。
本変形例においては、図20に示したような関係グラフが得られた場合、関係式については上記実施形態と同様に算出される。そして、図11のステップS130において、予測対象色についてのベタパッチPA2の反射率(各波長の反射率)が類似色についてのベタパッチPA2の分光反射率の数値範囲に含まれるか否かによって異なる処理が施される。これについて、図27を参照しつつ説明する。なお、qを1未満の予め定められた値(例えば、qを0.8とする)とし、類似色についてのベタパッチPA2の分光反射率のデータに関して、値の最大値はq以下のuであって当該最大値に対応する色予測対象パッチの分光反射率はvであると仮定する。
<5.4.1 第7の変形例>
上記実施形態では、分光反射率を用いて色予測処理が行われていた。しかしながら、本発明はこれに限定されず、分光反射率以外の分光特性を用いて色予測処理が行われても良い。分光反射率以外の分光特性としては、例えば、分光吸収率(1から分光反射率を減ずることによって得られる値)や次式(10)から得られる分光吸収係数αが挙げられる。ある波長における紙白での反射率をR0とし、該当パッチの反射率をRとし、インクの厚みをxとすると、多重反射を考慮しない場合には、分光吸収係数αは次式(10)で表される。
α=-(1/(2x))・ln(R/R0) ・・・(10)
上記実施形態では、ベタパッチPA2の分光反射率と色予測対象パッチの分光反射率との関係を表す関係式を用いて色の予測が行われていた。しかしながら、関係式によって表される関係は、これには限定されない。例えば、ベタパッチPA2の分光吸収率と色予測対象パッチの分光吸収率との関係を表す関係式やベタパッチPA2の分光反射率と色予測対象パッチの分光吸収率との関係を表す関係式などを用いて色の予測が行われても良い。
上記実施形態では、複数のサンプル色の中から類似色が選択された後、類似色として選択されたサンプル色について関係式の算出が行われていた(図11参照)。しかしながら、本発明はこれに限定されず、用意されている複数のサンプル色の全てについて予め関係式を算出しておくようにしても良い。以下、図28を参照しつつ、本変形例における色予測処理の概略手順について説明する。
上記実施形態では、色の予測を行うためにベタパッチPA2の分光反射率と色予測対象パッチの分光反射率との関係を表す関係式(近似式)が使用されていた。しかしながら、そのような関係式を使用することなく色の予測を行うこともできる。以下、関係式を使用しない態様について説明する。
本発明は、上記各実施形態(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。また、上記実施形態や上記各変形例を矛盾が生じることのないよう適宜に組み合わせて実施することもできる。
100…印刷データ生成装置
141…色予測プログラム
200…製版装置
300…印刷装置
350…デジタル印刷装置
400…測色機
PA1…紙白パッチ
PA2…ベタパッチ
Claims (20)
- 複数段階のインク濃度に対応する複数のパッチを含むカラーチャートを基材上に予測対象色のインクを前記複数段階のインク濃度で塗ることによって作成したときの各パッチの分光特性を予測する色予測方法であって、
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
前記色予測方法は、
前記複数のパッチの分光特性が得られている複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色のカラーチャートについて、前記基準パッチの分光特性と前記色予測対象パッチの分光特性との関係を表す関係式を求める関係式算出ステップと、
前記予測対象色についての前記基準パッチの分光特性を前記関係式に当てはめることによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を含み、
前記関係式算出ステップでは、単位波長範囲毎に得られるデータであって前記類似色についての前記基準パッチの分光特性と前記類似色についての前記色予測対象パッチの分光特性とを組み合わせたデータである複数の組み合わせデータに基づいて、前記基準パッチの分光特性から前記色予測対象パッチの分光特性の近似値を算出する式が前記関係式として求められることを特徴とする、色予測方法。 - 前記類似色選択ステップでは、前記複数のサンプル色のうち所定の規則に従って定められる複数の候補色の中から前記類似色が選択されることを特徴とする、請求項1に記載の色予測方法。
- 前記複数の候補色に定められる各サンプル色についての前記基準パッチの分光特性の数値範囲は、前記予測対象色についての前記基準パッチの分光特性の数値範囲を包含していることを特徴とする、請求項2に記載の色予測方法。
- 前記複数のサンプル色のうち前記基準パッチの分光特性の数値範囲の広さが第1位から第k位(kは2以上の整数)までのk個のサンプル色が前記複数の候補色に定められることを特徴とする、請求項2に記載の色予測方法。
- 前記類似色選択ステップでは、前記予測対象色についての前記基準パッチの分光特性と各サンプル色についての前記基準パッチの分光特性との2乗誤差が求められ、最小の2乗誤差が得られたサンプル色が前記類似色として選択されることを特徴とする、請求項1から4までのいずれか1項に記載の色予測方法。
- 入力データを前記基準パッチの分光特性とし出力データを前記複数のサンプル色に対応する複数の分類番号のそれぞれの確率とするニューラルネットワークで、各サンプル色についての前記基準パッチの分光特性と当該サンプル色に対応する分類番号に相当する値とを含む複数の教師データを用いた機械学習を行う学習ステップを更に含み、
前記類似色選択ステップでは、前記学習ステップによる学習済みのニューラルネットワークに前記入力データとして前記予測対象色についての前記基準パッチの分光特性を与えることによって前記出力データとして得られる前記複数の分類番号のそれぞれの確率のうち最も高い確率が得られた分類番号に対応するサンプル色が前記類似色として選択されることを特徴とする、請求項1から4までのいずれか1項に記載の色予測方法。 - 前記ニューラルネットワークに前記入力データとして与えられる分光特性のデータは、前記基材の分光特性を基準とする正規化が施されていることを特徴とする、請求項6に記載の色予測方法。
- 前記ニューラルネットワークには、前記入力データとして前記基準パッチの分光特性に加えて前記基材の分光特性が与えられることを特徴とする、請求項6に記載の色予測方法。
- 前記類似色選択ステップでは、前記予測対象色についての前記基準パッチの分光特性と各サンプル色についての前記基準パッチの分光特性とに基づいて前記予測対象色と各サンプル色との色差が求められ、最小の色差が得られたサンプル色が前記類似色として選択されることを特徴とする、請求項1から4までのいずれか1項に記載の色予測方法。
- 前記関係式は、nを2以上の整数とするn次式であることを特徴とする、請求項1に記載の色予測方法。
- 前記関係式は、累乗関数を用いて表されることを特徴とする、請求項1に記載の色予測方法。
- 前記分光特性は、分光反射率であって、
pを1未満の予め定められた値として前記類似色についての前記基準パッチの分光反射率のデータに値をp以上1以下とするデータが含まれていない場合、前記関係式算出ステップでは、前記類似色についての前記基準パッチの分光反射率を1とし前記類似色についての前記色予測対象パッチの分光反射率を1とする組み合わせデータを追加して前記関係式が求められることを特徴とする、請求項1から11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、分光反射率であって、
前記類似色についての前記基準パッチの分光反射率のデータの最大値をuとし、当該最大値に対応する前記類似色についての前記色予測対象パッチの分光反射率をvとすると、前記予測対象色についての前記基準パッチの分光反射率のデータのうち値がuよりも大きいデータに関し、前記分光特性予測ステップでは、前記類似色についての前記基準パッチの分光反射率をuとし前記類似色についての前記色予測対象パッチの分光反射率をvとする組み合わせデータと前記類似色についての前記基準パッチの分光反射率を1とし前記類似色についての前記色予測対象パッチの分光反射率を1とする組み合わせデータとを用いて前記予測対象色についての前記基準パッチの分光反射率に基づき線形補間を行うことによって、前記予測対象色についての前記色予測対象パッチの分光反射率の予測値が求められることを特徴とする、請求項1から11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、400nmから700nmまでの範囲を包含する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を含むことを特徴とする、請求項1から13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、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11までのいずれか1項に記載の色予測方法。
- 複数段階のインク濃度に対応する複数のパッチを含むカラーチャートを基材上に予測対象色のインクを前記複数段階のインク濃度で塗ることによって作成したときの各パッチの分光特性を予測する色予測方法であって、
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
前記色予測方法は、
前記複数のパッチの分光特性が得られている複数のサンプル色のカラーチャートについて、前記基準パッチの分光特性と前記色予測対象パッチの分光特性との関係を表す関係式を求める関係式算出ステップと、
前記複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色選択ステップで前記類似色として選択されたサンプル色についての前記関係式に前記予測対象色についての前記基準パッチの分光特性を当てはめることによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を含み、
前記関係式算出ステップでは、単位波長範囲毎に得られるデータであって各サンプル色についての前記基準パッチの分光特性と当該各サンプル色についての前記色予測対象パッチの分光特性とを組み合わせたデータである複数の組み合わせデータに基づいて、前記基準パッチの分光特性から前記色予測対象パッチの分光特性の近似値を算出する式が前記関係式として求められることを特徴とする、色予測方法。 - 複数段階のインク濃度に対応する複数のパッチを含むカラーチャートを基材上に予測対象色のインクを前記複数段階のインク濃度で塗ることによって作成したときの各パッチの分光特性を予測する色予測方法であって、
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
前記色予測方法は、
前記複数のパッチの分光特性が得られている複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色についての前記基準パッチの分光特性と前記類似色についての前記色予測対象パッチの分光特性との関係を用いて前記予測対象色についての前記基準パッチの分光特性に基づき線形補間を行うことによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を含むことを特徴とする、色予測方法。 - 前記分光特性予測ステップは、
前記類似色についての前記基準パッチの分光特性と前記類似色についての前記色予測対象パッチの分光特性とを同一の分光波長ごとに対応付けることにより複数のプロットで表される複数の対応関係を作成する対応関係作成ステップと、
前記複数のプロットを用いて前記予測対象色についての前記基準パッチの分光特性に基づき線形補間を行うことによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める線形補間ステップと
を含むことを特徴とする、請求項17に記載の色予測方法。 - 複数段階のインク濃度に対応する複数のパッチを含むカラーチャートを基材上に予測対象色のインクを前記複数段階のインク濃度で塗ることによって作成したときの各パッチの分光特性を予測する色予測プログラムであって、
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
コンピュータに、
前記複数のパッチの分光特性が得られている複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色のカラーチャートについて、前記基準パッチの分光特性と前記色予測対象パッチの分光特性との関係を表す関係式を求める関係式算出ステップと、
前記予測対象色についての前記基準パッチの分光特性を前記関係式に当てはめることによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を実行させ、
前記関係式算出ステップでは、単位波長範囲毎に得られるデータであって前記類似色についての前記基準パッチの分光特性と前記類似色についての前記色予測対象パッチの分光特性とを組み合わせたデータである複数の組み合わせデータに基づいて、前記基準パッチの分光特性から前記色予測対象パッチの分光特性の近似値を算出する式が前記関係式として求められることを特徴とする、色予測プログラム。 - 複数段階のインク濃度に対応する複数のパッチを含むカラーチャートを基材上に予測対象色のインクを前記複数段階のインク濃度で塗ることによって作成したときの各パッチの分光特性を予測する色予測プログラムであって、
前記複数段階のインク濃度は、それぞれが前記複数のパッチを含む全ての色のカラーチャートに対して共通的に定められ、
前記複数段階のインク濃度のうちの最大のインク濃度に対応するパッチが基準パッチに定められるとともに、前記複数段階のインク濃度のうちの最大のインク濃度以外のインク濃度に対応するパッチが色予測対象パッチに定められ、
前記予測対象色のカラーチャートについて、前記基準パッチの分光特性は予め得られており、
コンピュータに、
前記複数のパッチの分光特性が得られている複数のサンプル色のカラーチャートについて、前記基準パッチの分光特性と前記色予測対象パッチの分光特性との関係を表す関係式を求める関係式算出ステップと、
前記複数のサンプル色の中から前記予測対象色に近い色を類似色として選択する類似色選択ステップと、
前記類似色選択ステップで前記類似色として選択されたサンプル色についての前記関係式に前記予測対象色についての前記基準パッチの分光特性を当てはめることによって前記予測対象色についての前記色予測対象パッチの分光特性の予測値を求める分光特性予測ステップと
を実行させ、
前記関係式算出ステップでは、単位波長範囲毎に得られるデータであって各サンプル色についての前記基準パッチの分光特性と当該各サンプル色についての前記色予測対象パッチの分光特性とを組み合わせたデータである複数の組み合わせデータに基づいて、前記基準パッチの分光特性から前記色予測対象パッチの分光特性の近似値を算出する式が前記関係式として求められることを特徴とする、色予測プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019058380A JP7299048B2 (ja) | 2019-03-26 | 2019-03-26 | 色予測方法および色予測プログラム |
EP20158266.5A EP3716601B1 (en) | 2019-03-26 | 2020-02-19 | Color prediction method and color prediction program |
US16/796,626 US11044384B2 (en) | 2019-03-26 | 2020-02-20 | Color prediction method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019058380A JP7299048B2 (ja) | 2019-03-26 | 2019-03-26 | 色予測方法および色予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020159821A JP2020159821A (ja) | 2020-10-01 |
JP7299048B2 true JP7299048B2 (ja) | 2023-06-27 |
Family
ID=69784042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019058380A Active JP7299048B2 (ja) | 2019-03-26 | 2019-03-26 | 色予測方法および色予測プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11044384B2 (ja) |
EP (1) | EP3716601B1 (ja) |
JP (1) | JP7299048B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11037330B2 (en) * | 2017-04-08 | 2021-06-15 | Intel Corporation | Low rank matrix compression |
JP7442988B2 (ja) * | 2019-07-12 | 2024-03-05 | キヤノン株式会社 | 画像形成装置、その制御方法およびプログラム |
JP2022172596A (ja) | 2021-05-06 | 2022-11-17 | 株式会社Screenホールディングス | 分光特性予測方法および分光特性予測プログラム |
JP2023086179A (ja) * | 2021-12-10 | 2023-06-22 | 株式会社Screenホールディングス | 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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008312119A (ja) | 2007-06-18 | 2008-12-25 | Canon Inc | カラーパッチに関する測色値の推定方法、該方法を利用したデバイス・プロファイルの作成方法および画像処理装置 |
JP2009164835A (ja) | 2007-12-28 | 2009-07-23 | Canon Inc | 色処理装置およびその制御方法 |
JP2016025496A (ja) | 2014-07-22 | 2016-02-08 | 株式会社Screenホールディングス | 色変換装置および色変換方法 |
JP2020102807A (ja) | 2018-12-25 | 2020-07-02 | 株式会社Screenホールディングス | 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 |
JP2020118627A (ja) | 2019-01-28 | 2020-08-06 | 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 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06217143A (ja) | 1992-11-30 | 1994-08-05 | Ricoh Co Ltd | γ補正曲線選択装置およびγ補正曲線生成装置 |
US5589954A (en) | 1993-05-28 | 1996-12-31 | Ricoh Company, Ltd. | γ-correction curve selecting apparatus and a γ-correction curve creating apparatus |
JPH08116460A (ja) * | 1994-10-19 | 1996-05-07 | Fuji Xerox Co Ltd | カラーマスキングパラメータ決定装置 |
US7738142B2 (en) * | 2006-11-15 | 2010-06-15 | Eastman Kodak Company | Estimating color of a colorant deposited on a substrate |
US7869089B2 (en) * | 2007-05-15 | 2011-01-11 | Fujifilm Corporation | Method and system for predicting print colors |
JP4889586B2 (ja) * | 2007-07-17 | 2012-03-07 | 富士フイルム株式会社 | 印刷色予測方法及び予測システム |
US8199367B2 (en) * | 2007-12-21 | 2012-06-12 | Seiko Epson Corporation | Printing control device, printing system and printing control program |
US9667829B2 (en) * | 2014-08-12 | 2017-05-30 | Digimarc Corporation | System and methods for encoding information for printed articles |
DE102014221207B3 (de) | 2014-10-20 | 2015-09-24 | Heidelberger Druckmaschinen Ag | Verfahren zur Berechnung einer Sonderfarben-Datenbank |
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 |
WO2018165667A1 (en) * | 2017-03-10 | 2018-09-13 | Digimarc Corporation | Predicting detectability and grading prior to printing |
-
2019
- 2019-03-26 JP JP2019058380A patent/JP7299048B2/ja active Active
-
2020
- 2020-02-19 EP EP20158266.5A patent/EP3716601B1/en active Active
- 2020-02-20 US US16/796,626 patent/US11044384B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008312119A (ja) | 2007-06-18 | 2008-12-25 | Canon Inc | カラーパッチに関する測色値の推定方法、該方法を利用したデバイス・プロファイルの作成方法および画像処理装置 |
JP2009164835A (ja) | 2007-12-28 | 2009-07-23 | Canon Inc | 色処理装置およびその制御方法 |
JP2016025496A (ja) | 2014-07-22 | 2016-02-08 | 株式会社Screenホールディングス | 色変換装置および色変換方法 |
JP2020102807A (ja) | 2018-12-25 | 2020-07-02 | 株式会社Screenホールディングス | 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 |
JP2020118627A (ja) | 2019-01-28 | 2020-08-06 | 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 |
---|---|
US20200314290A1 (en) | 2020-10-01 |
JP2020159821A (ja) | 2020-10-01 |
EP3716601B1 (en) | 2022-10-26 |
US11044384B2 (en) | 2021-06-22 |
EP3716601A1 (en) | 2020-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7299048B2 (ja) | 色予測方法および色予測プログラム | |
EP2717556B1 (en) | Calculating the spectral characteristics of the color resulting from overlaying colorants | |
EP3675476B1 (en) | Color prediction model construction method and color prediction model construction program | |
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 | |
CN101072291A (zh) | 颜色处理设备及其方法 | |
US20100149568A1 (en) | Method for creating a color transform relating color reflectances produced under reference and target operating conditions and data structure incorporating the same | |
US20040090640A1 (en) | Method for modeling color halftones | |
EP3975535B1 (en) | Color prediction method and color prediction program | |
JP2011077975A (ja) | 粒状性予測装置、粒状性予測方法、プロファイル作成方法、および、印刷装置 | |
JP7353763B2 (ja) | 色予測方法および色予測プログラム | |
US10836181B2 (en) | Color prediction method | |
US11659131B2 (en) | Method and computer program product for predicting spectral characteristics of ink applied to a base material | |
EP3979614A1 (en) | Color chart data correction method and color chart data correction program | |
JP7220823B2 (ja) | 色予測方法 | |
JP4131204B2 (ja) | 再現色予測方法 | |
US11778124B2 (en) | Color data conversion method, color data conversion device, and non-transitory computer-readable recording medium recording color data conversion program | |
Milder et al. | The Artificial Neural Network Structure Selection Algorithm in the Direct Task of Spectral Reflection Prediction | |
JP2020522966A (ja) | 予測モデルの出力を補正するべく普遍的に適用されうる、誤差を演算するために計測されたインク組合せデータ/トレーニングセットを使用する方法 | |
Liu et al. | Influence of Standard Printing Sample on Digital Proofing |
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: 20220930 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230213 |
|
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: 20230530 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230615 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7299048 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |