JPH05236261A - 色情報を均等色空間へ非線型変換する方法及び装置 - Google Patents
色情報を均等色空間へ非線型変換する方法及び装置Info
- Publication number
- JPH05236261A JPH05236261A JP3043029A JP4302991A JPH05236261A JP H05236261 A JPH05236261 A JP H05236261A JP 3043029 A JP3043029 A JP 3043029A JP 4302991 A JP4302991 A JP 4302991A JP H05236261 A JPH05236261 A JP H05236261A
- Authority
- JP
- Japan
- Prior art keywords
- color
- information
- color space
- neural network
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Abstract
(57)【要約】 （修正有）
【構成】色に関する減法混色の３原色、加法混色の３原
色、色相と彩度と明度の３属性の如き少くとも三つの情
報値の組合せを、均等色空間上座標値に変換し、その際
その変換を、該情報値組の組合せをそれに対応する均等
色空間上座標値に変換することを学習させられたニュー
ラルネットワークによって行なう。 【効果】学習機能に基くニューラルネットワークの非線
形変換能力を利用し、３属性のような非線形の色情報
を、線形性のある座標値に変換し、互いに異なる色再現
系の間の色情報の移転をより適切に処理することができ
る。
色、色相と彩度と明度の３属性の如き少くとも三つの情
報値の組合せを、均等色空間上座標値に変換し、その際
その変換を、該情報値組の組合せをそれに対応する均等
色空間上座標値に変換することを学習させられたニュー
ラルネットワークによって行なう。 【効果】学習機能に基くニューラルネットワークの非線
形変換能力を利用し、３属性のような非線形の色情報
を、線形性のある座標値に変換し、互いに異なる色再現
系の間の色情報の移転をより適切に処理することができ
る。
Description
【０００１】
【産業上の利用分野】本発明は、減法混色に於けるシア
ン（Ｃ）、マゼンタ（Ｍ）、イエロー（Ｙ）またはシア
ン（Ｃ），マゼンタ（Ｍ）、イエロー（Ｙ）、ブラック
（Ｋ）の如き原色要素、加法混色に於けるレッド
（Ｒ）、グリーン（Ｇ）、ブルー（Ｂ）の如き原色要
素、或いは色相（Ｈue、Ｈ）、彩度（Ｃroma、Ｃ）、明
度（Ｖalue、Ｖ）の如き色知覚の３属性のような、色に
関する少くとも三つの情報値の組合せをそれに対応する
均等色空間上座標値との間に変換する方法及び装置に係
る。
ン（Ｃ）、マゼンタ（Ｍ）、イエロー（Ｙ）またはシア
ン（Ｃ），マゼンタ（Ｍ）、イエロー（Ｙ）、ブラック
（Ｋ）の如き原色要素、加法混色に於けるレッド
（Ｒ）、グリーン（Ｇ）、ブルー（Ｂ）の如き原色要
素、或いは色相（Ｈue、Ｈ）、彩度（Ｃroma、Ｃ）、明
度（Ｖalue、Ｖ）の如き色知覚の３属性のような、色に
関する少くとも三つの情報値の組合せをそれに対応する
均等色空間上座標値との間に変換する方法及び装置に係
る。
【０００２】
【従来の技術】コンピュータ技術の発達によって、カラ
ー画像を様々なカラー出力装置（例えば、カラーコピ
ー、カラーディスプレイ、印刷機等）で再現するシステ
ムが非常に重要になってきている。しかし、各出力装置
の物理的特性や化学的特性の差により、各出力装置によ
り再現される色には差があり、そのため各出力装置によ
り再現される色を正確に比較し、色修正するための技術
が要求される。
ー画像を様々なカラー出力装置（例えば、カラーコピ
ー、カラーディスプレイ、印刷機等）で再現するシステ
ムが非常に重要になってきている。しかし、各出力装置
の物理的特性や化学的特性の差により、各出力装置によ
り再現される色には差があり、そのため各出力装置によ
り再現される色を正確に比較し、色修正するための技術
が要求される。
【０００３】従来、こうした問題に対しては、一般に、
行列変換や線型方程式を用いて色再現系の違いによる再
現色の違いを補正する方法が採用されている。
行列変換や線型方程式を用いて色再現系の違いによる再
現色の違いを補正する方法が採用されている。
【０００４】
【発明が解決しようとする課題】しかし、従来より行わ
れている行列変換や線型方程式を用いる方法では、色情
報の変化が非線型的であるにも関わらず、既知のデータ
の中間に来る色情報の処理が線型補間により行わている
ため、修正結果が実際の色感覚と一致しないことがあ
る。また色情報を数学的な空間の線型圧縮法を用いて変
換した場合にも、同様に色再現域全体に対して一様な変
換を行うため、色情報の非線型性に対処するには十分で
はなく、行列変換法の場合と同様な問題が生じる。
れている行列変換や線型方程式を用いる方法では、色情
報の変化が非線型的であるにも関わらず、既知のデータ
の中間に来る色情報の処理が線型補間により行わている
ため、修正結果が実際の色感覚と一致しないことがあ
る。また色情報を数学的な空間の線型圧縮法を用いて変
換した場合にも、同様に色再現域全体に対して一様な変
換を行うため、色情報の非線型性に対処するには十分で
はなく、行列変換法の場合と同様な問題が生じる。
【０００５】また、上記のＣＭＹ、ＣＭＹＫ或いはＲＧ
Ｂは混色系であり、人間の感覚を基に作られた表色系で
はないため、異なった色に対し同じ量だけ修正を加えた
場合でも、人間の感覚では等しい変化には感じられない
という問題があり、線型マスキング法では制限された色
調整しかできなかった。
Ｂは混色系であり、人間の感覚を基に作られた表色系で
はないため、異なった色に対し同じ量だけ修正を加えた
場合でも、人間の感覚では等しい変化には感じられない
という問題があり、線型マスキング法では制限された色
調整しかできなかった。
【０００６】本発明は、線型変換では実現できなかった
色情報と均等色空間との間の非線型変換を可能とするこ
とにより、従来法では困難であった、人間の感覚によく
適合した色情報の処理を可能とし、これによって互いに
異なる色再現系の間に色情報を正確に移転することを可
能にする色情報の非線型変換の方法及び装置を提供する
ことを課題としている。
色情報と均等色空間との間の非線型変換を可能とするこ
とにより、従来法では困難であった、人間の感覚によく
適合した色情報の処理を可能とし、これによって互いに
異なる色再現系の間に色情報を正確に移転することを可
能にする色情報の非線型変換の方法及び装置を提供する
ことを課題としている。
【０００７】
【課題を解決するための手段】上記の課題は、本発明に
よれば、色に関する少くとも三つの情報値の組合せを均
等色空間上座標値に変換する方法にして、前記情報値組
の組合せをそれに対応する均等色空間上座標値に変換す
ることを学習させられたニューラルネットワークによっ
て前記変換を非線型的に行うことを特徴とする色情報の
非線型変換方法によって達成される。
よれば、色に関する少くとも三つの情報値の組合せを均
等色空間上座標値に変換する方法にして、前記情報値組
の組合せをそれに対応する均等色空間上座標値に変換す
ることを学習させられたニューラルネットワークによっ
て前記変換を非線型的に行うことを特徴とする色情報の
非線型変換方法によって達成される。
【０００８】この場合、前記ニューラルネットワーク
は、特に他層のフィードフォワード結合型のニューラル
ネットワークであるのが好ましい。また前記三つの情報
値はカラー画像を構成する減法混色の３原色であってよ
く、或いはまた、加法混色の３原色であってもよく、或
いはまた、色相と彩度と明度であってもよい。
は、特に他層のフィードフォワード結合型のニューラル
ネットワークであるのが好ましい。また前記三つの情報
値はカラー画像を構成する減法混色の３原色であってよ
く、或いはまた、加法混色の３原色であってもよく、或
いはまた、色相と彩度と明度であってもよい。
【０００９】また、上記の課題は、本発明によれば、色
に関する少くとも三つの情報値の組合せを均等色空間上
座標値に変換する装置にして、前記三つの情報値をそれ
に対応する電気的信号に変換する入力手段と、前記入力
手段からの電気的信号を均等色空間上座標値に対応する
電気的信号に変換する変換手段と、変換後の電気的信号
を任意の出力信号として出力する出力手段とを含み、前
記変換手段が、少なくとも３個のユニットを有する入力
層と、少なくとも１個のユニットを有する層を１〜３層
有する中間層と、少なくとも３個のユニットを有する出
力層と、を有する３〜５層のフィードフォワード結合型
ニューラルネットワークであり、色に関する前記の少く
とも三つの情報値の組合せ値をそれに対応する均等色空
間上座標値に変換することを学習させられていることを
特徴とする色情報の非線型変換装置によっても達成され
る。
に関する少くとも三つの情報値の組合せを均等色空間上
座標値に変換する装置にして、前記三つの情報値をそれ
に対応する電気的信号に変換する入力手段と、前記入力
手段からの電気的信号を均等色空間上座標値に対応する
電気的信号に変換する変換手段と、変換後の電気的信号
を任意の出力信号として出力する出力手段とを含み、前
記変換手段が、少なくとも３個のユニットを有する入力
層と、少なくとも１個のユニットを有する層を１〜３層
有する中間層と、少なくとも３個のユニットを有する出
力層と、を有する３〜５層のフィードフォワード結合型
ニューラルネットワークであり、色に関する前記の少く
とも三つの情報値の組合せ値をそれに対応する均等色空
間上座標値に変換することを学習させられていることを
特徴とする色情報の非線型変換装置によっても達成され
る。
【００１０】
【作用】均等色空間の概念そのものは、ＣＩＥ均等色空
間として周知であり、それにはＬ* ａ* ｂ* 、Ｌ* ｕ*
ｖ* 等の均等色空間座標系がある。しかし、かかる均等
色空間の概念は、単に数学的に設定されているものであ
り、減法混色に於けるＣＭＹまたはＣＭＹＫの如き原色
要素、加法混色に於けるＲＧＢの如き原色要素、或いは
色相、彩度、明度の如き色知覚の３属性のような、現実
の色に関する具体的な情報値の組合せと均等色空間上の
座標値の間に如何にして普遍性のある変換を行うことが
できるかは、別の問題であり、未だ解決されていない問
題である。
間として周知であり、それにはＬ* ａ* ｂ* 、Ｌ* ｕ*
ｖ* 等の均等色空間座標系がある。しかし、かかる均等
色空間の概念は、単に数学的に設定されているものであ
り、減法混色に於けるＣＭＹまたはＣＭＹＫの如き原色
要素、加法混色に於けるＲＧＢの如き原色要素、或いは
色相、彩度、明度の如き色知覚の３属性のような、現実
の色に関する具体的な情報値の組合せと均等色空間上の
座標値の間に如何にして普遍性のある変換を行うことが
できるかは、別の問題であり、未だ解決されていない問
題である。
【００１１】本発明の色情報非線型変換方法或いは装置
によれば、ニューラルネットワークの非線型変換機能を
有効に利用することにより、カラー画像が減法混色によ
って再現される場合にも、或いはまたカラー画像が加法
混色によって再現される場合にも、また色の色相、彩
度、明度の如き３属性を取扱う場合にも、これらの色に
関する情報の値を、均等色空間上座標値に、またその逆
に、色情報の非線型的特性をよく保持しつつ変換するこ
とができ、これによって互いに異なる色再現系の間の色
情報の移転を、均等色空間座標系を介して適切に行なう
ことが可能となる。更にまた、この場合、ニューラルネ
ットワークについては、その非線型変換機能を利用する
だけでなく、その学習機能をも有効に利用することがで
きるので、いくつかの色情報の組合せについて、ニュー
ラルネットワークにその変換を学習させることにより、
広い範囲の色情報について、適切な非線型変換を行なう
ことができる。
によれば、ニューラルネットワークの非線型変換機能を
有効に利用することにより、カラー画像が減法混色によ
って再現される場合にも、或いはまたカラー画像が加法
混色によって再現される場合にも、また色の色相、彩
度、明度の如き３属性を取扱う場合にも、これらの色に
関する情報の値を、均等色空間上座標値に、またその逆
に、色情報の非線型的特性をよく保持しつつ変換するこ
とができ、これによって互いに異なる色再現系の間の色
情報の移転を、均等色空間座標系を介して適切に行なう
ことが可能となる。更にまた、この場合、ニューラルネ
ットワークについては、その非線型変換機能を利用する
だけでなく、その学習機能をも有効に利用することがで
きるので、いくつかの色情報の組合せについて、ニュー
ラルネットワークにその変換を学習させることにより、
広い範囲の色情報について、適切な非線型変換を行なう
ことができる。
【００１２】
【実施例】以下に、添付の図面を参照して、本発明を好
ましい実施例について説明する。
ましい実施例について説明する。
【００１３】図１は、本発明に従って減法混色に於ける
ＣＭＹまたはＣＭＹＫの如き原色要素、加法混色に於け
るＲＧＢの如き原色要素、或いは色相、彩度、明度の如
き色知覚の３属性のような、色に関する情報値の組合せ
を、均等色空間上の座標値に変換する色情報変換方法或
いは装置の基本構成を示す概略図である。図示の如く、
この変換方法或いは変換装置は、入力手段１と変換手段
２と出力手段３と教師手段４とを有している。変換手段
２は、以下に説明する変換機能を有していると同時に、
それを学習する学習機能をも有している。
ＣＭＹまたはＣＭＹＫの如き原色要素、加法混色に於け
るＲＧＢの如き原色要素、或いは色相、彩度、明度の如
き色知覚の３属性のような、色に関する情報値の組合せ
を、均等色空間上の座標値に変換する色情報変換方法或
いは装置の基本構成を示す概略図である。図示の如く、
この変換方法或いは変換装置は、入力手段１と変換手段
２と出力手段３と教師手段４とを有している。変換手段
２は、以下に説明する変換機能を有していると同時に、
それを学習する学習機能をも有している。
【００１４】入力手段１は、色情報の変換を行うべき元
の色の分光分析を行い、減法混色に於けるＣＭＹまたは
ＣＭＹＫの如き原色要素の各々の値、加法混色に於ける
ＲＧＢの如き原色要素の各々の値、或いは色相、彩度、
明度の如き色知覚の３属性の各々の値ような、色に関す
る情報値の組合せの各値を電気的信号として生成するも
のである。
の色の分光分析を行い、減法混色に於けるＣＭＹまたは
ＣＭＹＫの如き原色要素の各々の値、加法混色に於ける
ＲＧＢの如き原色要素の各々の値、或いは色相、彩度、
明度の如き色知覚の３属性の各々の値ような、色に関す
る情報値の組合せの各値を電気的信号として生成するも
のである。
【００１５】変換手段２に用いられるニューラルネット
ワークは、図２に示す如く神経回路素子よりなるユニッ
トＵs1，Ｕs2，．．．等を多数層状に組合わせた多層フ
ィードフォワード結合型ニューラルネットワークであ
る。図示のニューラルネットワークは、３個のユニット
Ｕs1，Ｕs2，Ｕs3からなる入力層を有し、この数は、減
法混色に於けるＣＭＹまたはＣＭＹＫの如き原色要素、
加法混色に於けるＲＧＢの如き原色要素、或いは色相、
彩度、明度の如き色知覚の３属性のような、色に関する
情報値の組合せに於けるデータ数に相当する。図示のニ
ューラルネットワークは、さらに、各々がｎ1 、ｎ2 、
ｎ3 個のユニットＵt11 ，Ｕt12 ，．．、Ｕt21 ，Ｕt2
2 ，．．、Ｕt31 ，Ｕt32 を含む１〜３層の中間層を有
し、そしてさらに、３個のユニットＵr1，Ｕr2，Ｕr3か
らなる出力層を有している。出力層の数は、変換後のＬ
* ａ* ｂ* 等の均等色空間上の座標値の数に対応してい
る。また中間層の各層及び出力層の各ユニットには、バ
イアスユニットＵbt1,Ｕbt2,Ｕbt3,Ｕbrよりバイアス信
号が与えられるようになっている。
ワークは、図２に示す如く神経回路素子よりなるユニッ
トＵs1，Ｕs2，．．．等を多数層状に組合わせた多層フ
ィードフォワード結合型ニューラルネットワークであ
る。図示のニューラルネットワークは、３個のユニット
Ｕs1，Ｕs2，Ｕs3からなる入力層を有し、この数は、減
法混色に於けるＣＭＹまたはＣＭＹＫの如き原色要素、
加法混色に於けるＲＧＢの如き原色要素、或いは色相、
彩度、明度の如き色知覚の３属性のような、色に関する
情報値の組合せに於けるデータ数に相当する。図示のニ
ューラルネットワークは、さらに、各々がｎ1 、ｎ2 、
ｎ3 個のユニットＵt11 ，Ｕt12 ，．．、Ｕt21 ，Ｕt2
2 ，．．、Ｕt31 ，Ｕt32 を含む１〜３層の中間層を有
し、そしてさらに、３個のユニットＵr1，Ｕr2，Ｕr3か
らなる出力層を有している。出力層の数は、変換後のＬ
* ａ* ｂ* 等の均等色空間上の座標値の数に対応してい
る。また中間層の各層及び出力層の各ユニットには、バ
イアスユニットＵbt1,Ｕbt2,Ｕbt3,Ｕbrよりバイアス信
号が与えられるようになっている。
【００１６】入力層に上記の如き色に関する情報値の組
合せの値が入力パターンとして与えられると、ニューラ
ルネットワークは入力層から中間層を経て出力層へ進む
次うな前向きの処理を行い、出力層にそれに対応するＬ
* ａ* ｂ* 、Ｌ* ｕ* ｖ* 等の均等色空間上の座標値を
出力パターンとして出力する。
合せの値が入力パターンとして与えられると、ニューラ
ルネットワークは入力層から中間層を経て出力層へ進む
次うな前向きの処理を行い、出力層にそれに対応するＬ
* ａ* ｂ* 、Ｌ* ｕ* ｖ* 等の均等色空間上の座標値を
出力パターンとして出力する。
【００１７】入力層ユニットＵsiの出力値を Ｉi （ｉ＝１，２，３） 中間層ユニットＵtjk の出力値を Ｈjk（ｊ＝１，２，３ ｋ＝１，２，・・・・ｎ） 出力層ユニットＵrmの力値を Ｏm （ｍ＝１，２，３） とし、入力層のユニットＵsiから中間層のユニットＵt1
k への結合係数をＷst1 、中間層のユニット間の結合係
数をＷttjk、中間層のユニットＵt3k から出力層のユニ
ットＵrmへの結合係数をＷt3r 、また、中間層のユニッ
トＵtjk に対するバイアスをθtj、出力層のユニットＵ
rmに対するバイアスをθr とすると、 Ｈ1k＝ｆ（ＳＵＭ Ｉi ・Ｗst1 ＋θt1， ｉ＝１〜３） （１） Ｈ2k＝ｆ（ＳＵＭ Ｈ1k・Ｗtt12＋θt2， ｋ＝１〜n1） （２） Ｈ3k＝ｆ（ＳＵＭ Ｈ2k・Ｗtt23＋θt3， ｋ＝１〜n2） （３） Ｏm ＝ｆ（ＳＵＭ Ｈ3k・Ｗt3r ＋θr ， ｋ＝１〜n3） （４） ここで、関数ｆは、その出力が（０，１）の範囲内で単
調増加な非減少のシグモイド関数であり、一般に次式で
定義される。
k への結合係数をＷst1 、中間層のユニット間の結合係
数をＷttjk、中間層のユニットＵt3k から出力層のユニ
ットＵrmへの結合係数をＷt3r 、また、中間層のユニッ
トＵtjk に対するバイアスをθtj、出力層のユニットＵ
rmに対するバイアスをθr とすると、 Ｈ1k＝ｆ（ＳＵＭ Ｉi ・Ｗst1 ＋θt1， ｉ＝１〜３） （１） Ｈ2k＝ｆ（ＳＵＭ Ｈ1k・Ｗtt12＋θt2， ｋ＝１〜n1） （２） Ｈ3k＝ｆ（ＳＵＭ Ｈ2k・Ｗtt23＋θt3， ｋ＝１〜n2） （３） Ｏm ＝ｆ（ＳＵＭ Ｈ3k・Ｗt3r ＋θr ， ｋ＝１〜n3） （４） ここで、関数ｆは、その出力が（０，１）の範囲内で単
調増加な非減少のシグモイド関数であり、一般に次式で
定義される。
【００１８】 ｆ（ｘ）＝１／｛１＋ｅｘｐ（−ｘ）｝ （５） 出力層の値は、結合係数Ｗst1 、Ｗtt12、Ｗtt23、Ｗt3
r 及びバイアス値θt1、θt2、θt3、θr の如き変換係
数によって規定されるが、これらの値は以下に図３を参
照して説明する学習により形成される。
r 及びバイアス値θt1、θt2、θt3、θr の如き変換係
数によって規定されるが、これらの値は以下に図３を参
照して説明する学習により形成される。
【００１９】図３は、図２に示すニューラルネットワー
クに学習をさせる要領を示している。その学習法として
は、バックプロパゲーション学習がある。これは、変換
後の出力として望まれる均等色空間上の座標値が既知で
ある見本色についての、減法混色に於けるＣＭＹまたは
ＣＭＹＫの如き原色要素、加法混色に於けるＲＧＢの如
き原色要素、或いは色相、彩度、明度の如き色知覚の３
属性の値を電気信号に変換したものを、入力層に入力パ
ターンとして与え、出力層には、該見本色の均等色空間
上の座標値を電気信号に変換したものを、教師信号パタ
ーンとして与え、出力信号パターンと教師信号パターン
の差を小さくするように、結合係数及びバイアス値を、
出力層から中間層へ、中間層から入力層へと、逆方向に
修正する方法である。
クに学習をさせる要領を示している。その学習法として
は、バックプロパゲーション学習がある。これは、変換
後の出力として望まれる均等色空間上の座標値が既知で
ある見本色についての、減法混色に於けるＣＭＹまたは
ＣＭＹＫの如き原色要素、加法混色に於けるＲＧＢの如
き原色要素、或いは色相、彩度、明度の如き色知覚の３
属性の値を電気信号に変換したものを、入力層に入力パ
ターンとして与え、出力層には、該見本色の均等色空間
上の座標値を電気信号に変換したものを、教師信号パタ
ーンとして与え、出力信号パターンと教師信号パターン
の差を小さくするように、結合係数及びバイアス値を、
出力層から中間層へ、中間層から入力層へと、逆方向に
修正する方法である。
【００２０】上記の如くしていくつかの見本色について
学習が完了した状態のニューラルネットワークは、その
変換機能に於ける非線型性が、減法混色に於けるＣＭＹ
またはＣＭＹＫの如き原色要素、加法混色に於けるＲＧ
Ｂの如き原色要素、或いは色相、彩度、明度の如き色知
覚の３属性とそれに対応する均等色空間上座標値の間に
於ける非線型性に適合されていることにより、学習の対
象とされた色以外の色についても、入力された値に対し
て良好に適合した変換値を与えることが、実験によって
確認された。
学習が完了した状態のニューラルネットワークは、その
変換機能に於ける非線型性が、減法混色に於けるＣＭＹ
またはＣＭＹＫの如き原色要素、加法混色に於けるＲＧ
Ｂの如き原色要素、或いは色相、彩度、明度の如き色知
覚の３属性とそれに対応する均等色空間上座標値の間に
於ける非線型性に適合されていることにより、学習の対
象とされた色以外の色についても、入力された値に対し
て良好に適合した変換値を与えることが、実験によって
確認された。
【００２１】
【効果】かくして、本発明によれば、ニューラルネット
ワーク、特に好ましくは多層のフィードフォワード結合
型ニューラルネットワークを用いて、減法混色に於ける
ＣＭＹまたはＣＭＹＫの如き原色要素、加法混色に於け
るＲＧＢの如き原色要素、或いは色相、彩度、明度の如
き色知覚の３属性についての値を、均等色空間座標に変
換することにより、ニューラルネットワークの非線型変
換能力、特にその学習機能に基く非線型変換能力を利用
して、減法混色に於けるＣＭＹまたはＣＭＹＫの如き原
色要素、加法混色に於けるＲＧＢの如き原色要素、或い
は色相、彩度、明度の如き色知覚の３属性のような非線
型性の色情報を、線型性のある座標値に変換し、互いに
異なる色再現系の間の色情報の移転をより適切に行うた
めの色情報の処理が可能となる。
ワーク、特に好ましくは多層のフィードフォワード結合
型ニューラルネットワークを用いて、減法混色に於ける
ＣＭＹまたはＣＭＹＫの如き原色要素、加法混色に於け
るＲＧＢの如き原色要素、或いは色相、彩度、明度の如
き色知覚の３属性についての値を、均等色空間座標に変
換することにより、ニューラルネットワークの非線型変
換能力、特にその学習機能に基く非線型変換能力を利用
して、減法混色に於けるＣＭＹまたはＣＭＹＫの如き原
色要素、加法混色に於けるＲＧＢの如き原色要素、或い
は色相、彩度、明度の如き色知覚の３属性のような非線
型性の色情報を、線型性のある座標値に変換し、互いに
異なる色再現系の間の色情報の移転をより適切に行うた
めの色情報の処理が可能となる。
【図１】本発明による色情報の非線型変換方法或いは非
線型変換装置の基本構成を示す概略図。
線型変換装置の基本構成を示す概略図。
【図２】図１の構成に置ける変換手段に用いられる多層
フィードフォワード結合型のニューラルネットワークの
一つの実施例を示す概略図。
フィードフォワード結合型のニューラルネットワークの
一つの実施例を示す概略図。
【図３】図２のニューラルネットワークの学習を行うた
めの学習方法を示す概略図。
めの学習方法を示す概略図。
１…入力手段 ２…変換手段 ３…出力手段 ４…教師手段
Claims (6)
- 【請求項１】色に関する少くとも三つの情報値の組合せ
を均等色空間上座標値に変換する方法にして、前記情報
値組の組合せをそれに対応する均等色空間上座標値に変
換することを学習させられたニューラルネットワークに
よって前記変換を非線型的に行うことを特徴とする色情
報の非線型変換方法。 - 【請求項２】請求項１の非線型変換方法にして、前記ニ
ューラルネットワークは他層のフィードフォワード結合
型のニューラルネットワークであることを特徴とする非
線型変換方法。 - 【請求項３】請求項１または２の非線型変換方法にし
て、、前記三つの情報値はカラー画像を構成する減法混
色の３原色であることを特徴とする非線型変換方法。 - 【請求項４】請求項１または２の非線型変換方法にし
て、前記三つの情報値はカラー画像を構成する加法混色
の３原色であることを特徴とする非線型変換方法。 - 【請求項５】請求項１または２の非線型変換方法にし
て、前記三つの情報値は色相と彩度と明度であることを
特徴とする非線型変換方法。 - 【請求項６】色に関する少くとも三つの情報値の組合せ
を均等色空間上座標値に変換する装置にして、前記三つ
の情報値をそれに対応する電気的信号に変換する入力手
段と、前記入力手段からの電気的信号を均等色空間上座
標値に対応する電気的信号に変換する変換手段と、変換
後の電気的信号を任意の出力信号として出力する出力手
段とを含み、前記変換手段が、少なくとも３個のユニッ
トを有する入力層と、少なくとも１個のユニットを有す
る層を１〜３層有する中間層と、少なくとも３個のユニ
ットを有する出力層と、を有する３〜５層のフィードフ
ォワード結合型ニューラルネットワークであり、色に関
する前記の少くとも三つの情報値の組合せをそれに対応
する均等色空間上座標値に変換することを学習させられ
ていることを特徴とする色情報の非線型変換装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3043029A JPH05236261A (ja) | 1991-02-15 | 1991-02-15 | 色情報を均等色空間へ非線型変換する方法及び装置 |
| US07/822,874 US5386496A (en) | 1991-02-15 | 1992-01-21 | Method and device for nonlinear transformation of colour information by neural network |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3043029A JPH05236261A (ja) | 1991-02-15 | 1991-02-15 | 色情報を均等色空間へ非線型変換する方法及び装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05236261A true JPH05236261A (ja) | 1993-09-10 |
Family
ID=12652520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3043029A Pending JPH05236261A (ja) | 1991-02-15 | 1991-02-15 | 色情報を均等色空間へ非線型変換する方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05236261A (ja) |
-
1991
- 1991-02-15 JP JP3043029A patent/JPH05236261A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5386496A (en) | Method and device for nonlinear transformation of colour information by neural network | |
| JPH0787347A (ja) | カラー画像処理方法および装置 | |
| JP3083067B2 (ja) | 色変換係数決定方法及び装置 | |
| JPH099083A (ja) | カラー画像処理装置 | |
| US7375851B2 (en) | State-space based modeling of pixel elements of a dynamically varying color marking device | |
| JPS6258185B2 (ja) | ||
| JPH05236261A (ja) | 色情報を均等色空間へ非線型変換する方法及び装置 | |
| Usui et al. | Neural networks for device-independent digital color imaging | |
| JPH05347703A (ja) | 色情報を均等色空間より非線型変換する方法及び装置 | |
| JPH05236262A (ja) | 色情報を均等色空間より非線型変換する方法及び装置 | |
| JPH05336353A (ja) | 色情報を均等色空間へ非線型変換する方法及び装置 | |
| EP0652673B1 (en) | Method and associated apparatus for transforming color-image signals | |
| JP3209053B2 (ja) | 色再現装置 | |
| JP3093220B2 (ja) | カラー画像処理方法 | |
| JPH08163387A (ja) | カラー画像記録装置およびカラー画像記録システム | |
| JP2745717B2 (ja) | カラー画像形成装置 | |
| JPH0478896A (ja) | 画像処理装置 | |
| JPH04261267A (ja) | 均等色空間による色情報の非線型変換の方法及び装置 | |
| JPH0585892B2 (ja) | ||
| JPS63219271A (ja) | カラ−複写装置 | |
| JPH08214174A (ja) | 色処理方法 | |
| JPH07322082A (ja) | 色分解装置 | |
| KR950004251B1 (ko) | 칼라화상의 색보정 장치 | |
| JPH05153381A (ja) | カラー画像処理装置 | |
| Lee et al. | Implementation of real time color gamut mapping using neural network |