JPH08317238A - カラーイメージング方法および装置 - Google Patents

カラーイメージング方法および装置

Info

Publication number
JPH08317238A
JPH08317238A JP7118791A JP11879195A JPH08317238A JP H08317238 A JPH08317238 A JP H08317238A JP 7118791 A JP7118791 A JP 7118791A JP 11879195 A JP11879195 A JP 11879195A JP H08317238 A JPH08317238 A JP H08317238A
Authority
JP
Japan
Prior art keywords
color
values
light source
neural network
spectral
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.)
Granted
Application number
JP7118791A
Other languages
English (en)
Other versions
JP3287177B2 (ja
Inventor
Yoshifumi Arai
佳文 荒井
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.)
Toyo Ink Mfg Co Ltd
Original Assignee
Toyo Ink Mfg 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 Toyo Ink Mfg Co Ltd filed Critical Toyo Ink Mfg Co Ltd
Priority to JP11879195A priority Critical patent/JP3287177B2/ja
Priority to US08/579,549 priority patent/US5771311A/en
Publication of JPH08317238A publication Critical patent/JPH08317238A/ja
Application granted granted Critical
Publication of JP3287177B2 publication Critical patent/JP3287177B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

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
    • H04N1/6083—Colour correction or control controlled by factors external to the apparatus
    • H04N1/6086—Colour correction or control controlled by factors external to the apparatus by scene illuminant, i.e. conditions at the time of picture capture, e.g. flash, optical filter used, evening, cloud, daylight, artificial lighting, white point measurement, colour temperature

Abstract

(57)【要約】 【目的】 観察時の照明にかかわらず、再現色と元の色
との色の見えが一致するように信頼性の高いカラーイメ
ージング方法及び装置を提供する。 【構成】 入力手段１からのＣＭＹＫ値等の色分解値
を、色分解値に対応する光源に依存しない分光分布の多
変量解析で得られる特徴パラメータ値を出力するように
予め学習されたニューラルネットワークを有する第１の
変換手段２１で特徴パラメータ値に変換する。この特徴
パラメータ値を、記憶装置３に記憶された予め定めた分
光反射率の平均値ベクトル及び固有ベクトルを用いて指
定した光源下での色彩値が一致する等を拘束条件とする
線形変換を第２の変換手段２２で行う。変換された特徴
パラメータ値は、予め学習されたニューラルネットワー
クを有する第３の変換手段２３で目的とする色再現装置
の色分解値に変換する。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、例えば、カラーＤＴＰ
のデバイスインディペンデントなカラーイメージング方
法および装置に係わり、特にデバイスインディペンデン
トな色の表現法として光源の種類に関係なく常に色の物
理的な特性を正確に表現することができる分光反射率を
多変量解析して得られる特徴パラメータを用いることに
よって、単にデバイスインディペンデントな色だけでな
く、如何なる色再現装置で再現した色であっても常に光
源に依存することなく再現色の見えが対象色と同じにな
るように色合わせを行うことを可能とするカラーイメー
ジング方法および装置に関する。
【０００２】
【従来の技術】従来より、再現色が色再現装置に依存せ
ず、どのような色再現装置で再現してもオリジナルの色
と同一色を再現する色再現方法として、色情報を色再現
装置に依存しない色表現に一度変換し（中間表現法）、
この後に色修正を行う所謂デバイスインディペンデント
な色再現方法が知られている。
【０００３】上記の色再現方法では、色情報の中間表現
法としてＣＩＥ(Commission Internationale de I'Ecla
irage)が規定したＣＩＥ ＸＹＺ値、または、均等知覚
色空間ＣＩＥ L*a*b* 等の色彩値を用い、色情報値とし
てのＣＭＹＫ値等の色分解値と色彩値との間の変換を行
うことによって、色再現装置に依存することなく、常に
オリジナルの色と同一色を高精度で再現していた。
【０００４】
【発明が解決しようとする課題】しかしながら、ＣＩＥ
L*a*b* 値やＣＩＥ ＸＹＺ値は、光源の分光分布と対
象表面の分光反射率、及び等色関数によって定義される
ため、従来のデバイスインディペンデントな色再現方法
では、オリジナルの色を観察するときの照明光がＣＩＥ
L*a*b* 値導出の際に用いられた予め定めた照明光と同
一の照明光でなければ、再現色がオリジナルの色に一致
しないという問題がある。
【０００５】このように、従来のデバイスインディペン
デントな色再現方法では、再現色がオリジナルの色と同
一色に見える光源が、予め定めた光源によって制限され
るので、非常に限られた環境下（照明下）でしかカラー
マッチングが成立しないという問題があった。
【０００６】ところで、色を観察する場合の照明は、一
般に白熱電球照明下、蛍光灯照明下、太陽光下など種々
雑多である。従って、従来のデバイスインディペンデン
トな色再現法では、このような種々雑多な光源下で常に
再現色を一致させることは困難であった。
【０００７】本発明は、上記のような問題を解決するた
めに成されたもので、観察時の照明にかかわらず、再現
色と対象としている元の色との色の見えが一致すること
を保証することが可能な極めて信頼性の高いカラーイメ
ージング方法及び装置を提供することが目的である。
【０００８】
【課題を解決するための手段】上記目的を達成するため
に請求項１に記載の発明は、カラー原画像の色を再現す
るための異なる複数の色再現装置の色合わせを行うカラ
ーイメージング方法であって、光源に依存しない分光反
射率分布または分光透過率分布を多変量解析することに
より得られる少なくとも３つの特徴パラメータ値で表現
する表色系を中間表色系とし、前記各色再現装置に固有
な少なくとも３つの色情報値が入力されたときに入力さ
れた色情報値に対応する前記中間表色系の少なくとも３
つの特徴パラメータ値が出力されるように第１のニュー
ラルネットワークを学習すると共に、前記中間表色系の
少なくとも３つの特徴パラメータ値が入力されたときに
入力された特徴パラメータ値に対応する前記色情報値が
出力されるように第２のニューラルネットワークを学習
し、前記学習された第１のニューラルネットワークを用
いて第１の色再現装置に固有な少なくとも３つの色情報
値を前記中間表色系の少なくとも３つの特徴パラメータ
値へ変換し、前記多変量解析によって得られる固有ベク
トル及び前記分光反射率分布または分光透過率分布の平
均値ベクトルを用いた、前記第１の色再現装置と異なる
第２の色再現装置との再現色の色彩値に関する拘束条件
の下で、前記変換された少なくとも３つの特徴パラメー
タ値を変換し、前記学習された第２のニューラルネット
ワークを用いて変換された少なくとも３つの特徴パラメ
ータ値を第２の色再現装置の色情報値へ変換する、こと
によって異なる色再現装置の色合わせを行うことを特徴
としている。
【０００９】請求項２に記載の発明は、請求項１に記載
のカラーイメージング方法であって、前記少なくとも３
つの色情報値は、加法混色による予め定めた三原色の各
色を表現するための値であることを特徴とする。
【００１０】請求項３に記載の発明は、請求項１に記載
のカラーイメージング方法であって、前記少なくとも３
つの色情報値は、減法混色による予め定めた色の各色を
表現するための値であることを特徴とする。
【００１１】請求項４に記載の発明は、請求項１に記載
のカラーイメージング方法であって、前記多変量解析と
して主成分分析を用い、当該主成分分析することにより
得られる分光反射率分布の主成分の値で表現する表色系
を中間表色系として用いることを特徴とする。
【００１２】請求項５に記載の発明は、請求項１に記載
のカラーイメージング方法であって、前記ニューラルネ
ットワークは、学習機能を有する３層乃至５層の多層フ
ィードフォワード型ニューラルネットワークであること
を特徴とする。
【００１３】請求項６に記載の発明は、請求項１に記載
のカラーイメージング方法であって、前記拘束条件は、
予め定めた指定の光源下で色彩値が一致する、または、
複数の光源下で計測した対象色と再現色の平均色差を最
小とすることを条件とすることを特徴とする。
【００１４】請求項７に記載の発明は、請求項１乃至請
求項６のいずれか１項に記載のカラーイメージング方法
であって、前記第２の色再現装置の色情報値への変換で
用いる光源として、ＣＩＥ（Commission International
e de I'Eclairage）が規定するＡ光源、Ｂ光源、Ｃ光
源、Ｄ光源、Ｆ１及びＦ１２光源のいずれか１つの光源
または等価な分光分布を有する光源を用いることを特徴
とする。
【００１５】請求項８に記載の発明は、カラー原画像の
色を再現するための異なる複数の色再現装置の色合わせ
を行うカラーイメージング装置であって、前記少なくと
も３つの色情報値を電気信号に変換する入力手段と、予
め分光反射率分布を多変量解析することによって得られ
た第１及び第２の色再現装置による再現色の分光反射率
の固有ベクトル及び平均値ベクトルと、予め学習した２
つのニューラルネットワークの各々の結合係数と、１ま
たは複数の光源の分光分布と、を記憶する記憶手段と、
少なくとも３つの色情報値をその色分解組に対応する再
現色の分光反射率分布に対する主成分に変換することを
学習した学習機能を有する多層フィードフォワード型の
ニューラルネットワークで構成され、前記入力手段から
の電気信号を、前記少なくとも３つの色情報値に対応す
る再現色の分光反射率または分光透過率を多変量解析す
ることによって得られる特徴パラメータ値に対応する電
気信号に変換する第１の変換手段と、前記記憶装置に予
め記憶された前記第１及び第２の色再現装置の各々の再
現色の分光反射率の固有ベクトル及び平均値ベクトルを
用いて、指定した光源下での色彩値が一致する、または
複数の光源下で計測した対象色と再現色の平均色差を最
小とすることを条件とした線形変換によって前記第１の
変換手段からの電気信号を変換する第２の変換手段と、
再現色の分光反射率分布に対する主成分を色情報値に変
換することを学習した学習機能を有する多層フィードフ
ォワード型のニューラルネットワークで構成され、前記
第２の変換手段から出力された第２の色再現装置の特徴
パラメータを第２の色再現装置の色情報値に対応する電
気信号に変換する第３の変換手段と、前記第３の変換手
段から出力される電気信号を出力信号として出力する出
力手段と、を備えたことを特徴とする。
【００１６】
【作用】請求項１に記載の発明では、光源に依存しない
分光反射率分布または分光透過率分布を多変量解析する
ことにより得られる少なくとも３つの特徴パラメータ値
で表現する表色系を中間表色系としている。各々の色再
現装置は固有な少なくとも３つの色情報値を有してお
り、この色情報値が入力されたときに入力された色情報
値に対応する中間表色系の少なくとも３つの特徴パラメ
ータ値を出力するように第１のニューラルネットワーク
を学習する。これと共に、中間表色系の少なくとも３つ
の特徴パラメータ値が入力されたときに入力された特徴
パラメータ値に対応する色情報値が出力されるように第
２のニューラルネットワークを学習する。
【００１７】この色情報値は、色分解値を用いることが
でき、請求項２に記載した、カラー画像を構成するＲ、
Ｇ、Ｂ値等の加法混色の三原色の各色を表現するための
値、または、請求項３に記載した、カラー画像を構成す
るＣ、Ｎ、Ｙ、Ｋ値等の減法混色による予め定めた色の
各色を表現するための値とすることができる。
【００１８】また、多変量解析としては、請求項４にも
記載したように、主成分分析を用い、主成分分析によっ
て求められる少なくとも３つの分光反射率分布の主成分
の値で表現する表色系を中間表色系として用いることが
できる。
【００１９】さらに、ニューラルネットワークは、請求
項５にも記載したように、学習機能を有する３層から５
層の多層フィードフォワード型ニューラルネットワーク
で構成することができる。
【００２０】上記のようにして学習された第１のニュー
ラルネットワークを用いて第１の色再現装置に固有な少
なくとも３つの色情報値を中間表色系の少なくとも３つ
の特徴パラメータ値へ変換する。この変換された特徴パ
ラメータ値は、多変量解析によって得られる固有ベクト
ル及び分光反射率分布または分光透過率分布の平均値ベ
クトルを用いた、第１の色再現装置と異なる第２の色再
現装置との再現色の色彩値に関する拘束条件の下で、線
型的に変換される。線型的に変換された特徴パラメータ
値は、学習された第２のニューラルネットワークを用い
て第２の色再現装置の色情報値へ変換される。このよう
な色変換によって異なる色再現装置の色合わせを行う。
【００２１】拘束条件としては、請求項６に記載したよ
うに、予め定めた指定の光源下での色彩値が一致する、
または、複数の光源下で計測した対象色と再現色の色差
を最小にすることを条件とするようにしてもよい。ま
た、線形的な変換で用いる光源としては、請求項７に記
載したようにＣＩＥ（Commission Internationale de
I'Eclairage）が規定するＡ光源、Ｂ光源、Ｃ光源、Ｄ
光源、Ｆ１からＦ１２光源もしくはそれらに等価な分光
分布を持つ光源を用いることができる。
【００２２】従って、本発明によれば、光源に依存しな
い特徴パラメータ値を用い、ニューラルネットワークの
学習機能を有効に利用することにより、色がＣＭＹＫ値
で表現される場合にも、またＲＧＢ値で表現される場合
であっても、これらの色に関する色分解値と分光反射率
を表現する特徴パラメータとの間の変換を高精度に実現
する事ができる。
【００２３】また、ＣＭＹＫ値、ＲＧＢ値等の色分解値
と特徴パラメータ値との間の変換に学習機能を有するニ
ューラルネットワークを用いるため、十分に学習させら
れたニューラルネットはその汎化能力によって、入力に
学習に用いなかった未知のデータが入力された場合であ
っても、入力データに対する最適な出力を得ることがで
きる。
【００２４】さらに、多変量解析として主成分分析を用
いることにより分光反射率データを高効率で圧縮してい
るため、そのデータ量も分光反射率をそのまま使う場合
に比べ極端に少なくてすみ、そのため変換に要する時間
の短縮を可能としている。
【００２５】さらにまた、指定した光源下での色彩値が
一致する、または複数の光源下で計測した対象色と再現
色の色差を最小とすることを条件とする線形変換によっ
て、デバイスにも光源にも依存しない非常に信頼性の高
い色合わせを実現することが可能となる。従って、分光
反射率に対する主成分分析で求められた特徴パラメータ
をＣＩＥ L*a*b* 値やＣＩＥ ＸＹＺ値と同様に色の中
間的な表現として用いることにより、単にデバイスイン
ディペンデントなだけでなく、イルミナントインディペ
ンデントな色再現法の実現が可能となる。
【００２６】上記のカラーイメージング方法は、請求項
８に記載したように、カラー原画像の色を再現するため
の異なる複数の色再現装置の色合わせを行うカラーイメ
ージング装置であって、少なくとも３つの色情報値を電
気信号に変換する入力手段と、予め分光反射率分布を多
変量解析することによって得られた第１及び第２の色再
現装置による再現色の分光反射率の固有ベクトル及び平
均値ベクトルと、予め学習した２つのニューラルネット
ワークの各々の結合係数と、１または複数の光源の分光
分布と、を記憶する記憶手段と、少なくとも３つの色情
報値をその色分解組に対応する再現色の分光反射率分布
に対する主成分に変換することを学習した学習機能を有
する多層フィードフォワード型のニューラルネットワー
クで構成され、前記入力手段からの電気信号を、前記少
なくとも３つの色情報値に対応する再現色の分光反射率
または分光透過率を多変量解析することによって得られ
る特徴パラメータ値に対応する電気信号に変換する第１
の変換手段と、前記記憶装置に予め記憶された前記第１
及び第２の色再現装置の各々の再現色の分光反射率の固
有ベクトル及び平均値ベクトルを用いて、指定した光源
下での色彩値が一致する、または複数の光源下で計測し
た対象色と再現色の平均色差を最小とすることを条件と
した線形変換によって前記第１の変換手段からの電気信
号を変換する第２の変換手段と、再現色の分光反射率分
布に対する主成分を色情報値に変換することを学習した
学習機能を有する多層フィードフォワード型のニューラ
ルネットワークで構成され、前記第２の変換手段から出
力された第２の色再現装置の特徴パラメータを第２の色
再現装置の色情報値に対応する電気信号に変換する第３
の変換手段と、前記第３の変換手段から出力される電気
信号を出力信号として出力する出力手段とを備えたカラ
ーシメージング装置によって実現可能である。
【００２７】
【実施例】以下、本発明の実施例を詳細に説明する。ま
ず、本発明の考え方について説明する。
【００２８】従来、分光反射率を主成分分析して得られ
る固有ベクトルを用いると少ない特徴パラメータで分光
反射率が精度良く近似できることが知られており、多く
の研究が報告されている。特に、人間やサルなどの高等
動物の色知覚における色恒常現象を説明するモデルにお
いて、光学センサの一種である３種類の錘体の応答量か
ら物体表面の分光反射率と光源の分光分布を同時に推定
する色知覚モデルでは、自然界に存在する色の分光反射
率を３つの特徴パラメータで高精度に近似できるという
仮定が用いられている。その色知覚モデルの推定結果が
実際の分光反射率と良く一致することから、現在では上
記のような仮定が妥当であると捉えられている。
【００２９】本発明は、上記事実を実際に色再現の分野
において、デバイス＆イルミナントインディペンデント
カラーイメージングの色の中間表色系に応用し、表色及
び再現色の分光反射率の推定を実現すると共に、観察光
源に依存しないカラーイメージングを実現しようとする
ものである。
【００３０】すなわち本発明は、ＣＭＹＫ値、ＲＧＢ値
のような色情報値の組としての色分解値組と再現された
色の分光反射率又は、分光透過率に対する多変量解析手
法により求められる特徴パラメータ値との間の相互変換
を行うと共に、対象とする色再現装置の色分解値から特
徴パラメータへの変換の学習を終えたニューラルネット
ワークの出力値を、予め求められた分光反射率の平均値
ベクトル、固有ベクトルを用いた線形変換手法によっ
て、目的とする色再現装置の特徴パラメータに変換し、
さらに、特徴パラメータから目的とする色再現装置の色
分解値に変換するものである。
【００３１】以下、本発明の一実施例について図面を参
照して詳細に説明する。図１は、ＣＭＹＫ値、ＲＧＢ値
のような色分解値組と再現された色の分光反射率又は、
分光透過率に対する多変量解析手法により求められる特
徴パラメータ値との間の相互変換を行うと共に、対象と
する色再現装置の色分解値から特徴パラメータへの変換
の学習を終えたニューラルネットワークの出力値を、予
め求められた分光反射率の平均値ベクトル、固有ベクト
ルを用いた線形変換手法によって、目的とする色再現装
置の特徴パラメータに変換し、さらに、特徴パラメータ
から目的とする色再現装置の色分解値に変換するカラー
イメージング装置を説明する概略図である。
【００３２】図示の如く、このカラーイメージング装置
は、入力手段１と、第１の変換手段２１及び第２の変換
手段２２並びに第３の変換手段２３を備えた変換装置
と、記憶装置３と、出力手段４とから構成されている。
【００３３】なお、第１の変換手段２１、第３の変換手
段２３は、それぞれ後述する変換機能を有すると共に、
それを学習する学習機能を有している。また、第２の変
換手段２２は、後述するように指定した光源下での色彩
値が一致する、または、複数の光源下で計測した対象色
と再現色の平均色差を最小とすることを条件とする線形
変換機能を有している。
【００３４】図１の入力手段１は、色に関する情報値
組、すなわち色分解値組の組み合わせをそれに対応する
電気信号に変換するものである。
【００３５】第１の変換手段２１は、入力手段１からの
電気信号を、分光反射率に対する多変量解析によって得
られる特徴パラメータへ変換するものである。第１の変
換手段２１は、ニューラルネットワークで構成され、後
述する変換機能を有すると共に、それを学習する学習機
能をも有している。
【００３６】この第１の変換手段２１に用いられている
ニューラルネットワークの一例としては、図２に示すよ
うに、３つまたは４つのユニットから成る入力層、多数
のユニットから成る中間層、及び３から６個の出力ユニ
ットＵ１, Ｕ２, ・・・・Ｕｎから成る出力層から構成
されている。中間層の各ユニットはバイアスユニットに
接続されている。
【００３７】中間層のユニットは入出力関係がシグモイ
ド関数によって表される神経回路素子により構成され、
入力層のユニット及び出力層のユニットは入力関係が線
形の神経回路素子で構成されている。出力層のユニット
は中間層のユニットと同様に入力関係がシグモイド特性
を持つ神経回路素子で構成されてもよい。出力層の出力
ユニットの数は、分光反射率分布に対する多変量解析に
よって得られる特徴パラメータのうち実際に分光反射率
を表現するために用いる特徴パラメータの数に対応して
おり、通常は３つが好ましい。
【００３８】図１の第２の変換手段２２は、第１の変換
手段２１からの出力、すなわち、特徴パラメータを、分
光反射率の多変量解析によって得られる固有ベクトルと
分光反射率の平均値ベクトルを用いて線形変換する事に
よって、指定した光源下での色彩値が一致する、また
は、複数の光源下で計測した対象色と再現色の平均色差
を最小とすることを目的とする色再現装置の特徴パラメ
ータに変換するものである。
【００３９】また、第３の変換手段２３は、第２の変換
手段２２からの電気信号、すなわち、特徴パラメータを
目的とする色再現装置の色分解値に変換するものであ
る。第３の変換手段２３は、ニューラルネットワークで
構成され、後述する変換機能を有すると共に、それを学
習する学習機能をも有している。この第３の変換手段２
３に用いられているニューラルネットワークの一例とし
ては、図３に示すように、第１の変換手段２１における
ニューラルネットワークの出力ユニットの数に対応する
個数の３つから６つの入力ユニットＩ１, Ｉ２, ・・・
・Ｉｎから成る入力層、多数のユニットから成る中間
層、及び３つまたは４つの出力ユニットから成る出力層
から構成されている。中間層の各ユニットはバイアスユ
ニットに接続されている。なお、このバイアスユニット
が接続されることは特に必要ではない。
【００４０】第３の変換手段２３の中間層のユニット
は、上記第１の変換手段２１と同様に、入出力関係がシ
グモイド関数によって表される神経回路素子により構成
され、入力層のユニット及び出力層のユニットは入力関
係が線形の神経回路素子で構成されることが好ましい。
出力層のユニットは中間層のユニットと同様に入力関係
がシグモイド特性を持つ神経回路素子で構成されてもよ
い。
【００４１】一方、図１の記憶装置３は、対象とする色
再現装置（第１の色再現装置）及び目的とする色再現装
置（第２の色再現装置）の再現色の分光反射率分布に対
して予めそれぞれ多変量解析することによって求めた固
有ベクトルと分光反射率分布の平均値ベクトル、学習を
終えた２つのニューラルネットワークの結合係数すなわ
ち重み、及び色彩値の計算に用いる光源の分光分布、等
色関数などを記憶するためのものである。
【００４２】また、出力手段４は、第３の変換手段２３
からの出力を、デバイス（色再現装置）の入力に合致し
た電気信号や光信号等の任意の出力信号として出力する
ものである。
【００４３】次に、以上のように構成した本実施例のカ
ラーイメージング装置の作用を説明する。
【００４４】図１において、入力手段１では、色に関す
る少なくとも３つの色分解値組がそれに対応する電気信
号に変換される。すなわち、色情報の組の変換を行うべ
き元の色のＣＭＹＫ値、ＣＭＹ値あるいはＲＧＢ値のよ
うなデバイス値がデータとして供給され、電気信号等の
任意の信号として出力される。
【００４５】次に、入力手段１から出力された信号は、
第１の変換手段２１に入力される。第１の変換手段２１
では、ＣＭＹＫ値、ＲＧＢ値等のデバイス値がその入力
として与えられると、図２に示すような構造を持つニュ
ーラルネットワークの中間層ユニットからは次の（１）
式に従った出力Ｈｉが出力される。
【００４６】
【数１】
【００４７】ここで、Ｗ(h) ijは入力層のｊ番目の入力
ユニットと中間層のｉ番目のユニットの結合係数、すな
わち重みを表し、Ｉj は入力層のｊ番目のユニットの出
力、ｂj はバイアスユニットから供給されるバイアス値
を表す。また、出力層のユニットの出力Ｏi も同様に次
の（２）式のように表される。
【００４８】
【数２】
【００４９】ただし、Ｗ(O) ijはｊ番目の中間ユニット
とｉ番目の出力ユニットの結合係数を表し、またＨj は
（１）式で定義される中間層のｊ番目のユニットの出力
値である。また、ｎ、ｍ、ｋはそれぞれ入力層、中間
層、出力層の各々のユニット数である。
【００５０】このとき、入力層のユニットの特性は入力
をそのまま出力するような特性であり、また、中間層の
ユニットの結合係数は次の（３）式で定義される［０，
１］の間で単調増加するシグモイド関数で表される特性
である。 ｆ（ｘ）＝１／（１＋ｅ-x） ・・・（３）
【００５１】また、出力層のユニットはシグモイド関数
あるいは線形関数で表される特性である。ただし、出力
層はバイアスユニットからの入力があってもよい。
【００５２】このニューラルネットワークの結合係数
は、出力層の各ユニットの出力と分光反射率分布の主成
分分析によって得られた特徴パラメータである教師信号
との２乗誤差を最小にするように予め学習・修正され
る。学習には、ルメルハート(Rumelhert) が提案したバ
ックプロパゲーション学習則が用いられ、ＣＭＹＫ値、
ＲＧＢ値等から分光反射率の主成分分析によって得られ
る特徴パラメータへの変換を学習する。
【００５３】ここで、主成分分析によって求められる固
有ベクトルは種々の色の分光反射率の共分散行列を用い
て、次の（４）式で定義される固有方程式の解として定
義される。
【００５４】 Φμi ＝λi μi （μi ）t μi ＝１ ・・・（４） ただし、ｉ＝１，２，・・・ｒ、Φは次の（５）式で定
義される共分散行列、λi は固有値、μi は固有ベクト
ル、ｔは転置を各々表している。
【００５５】
【数３】 ＥＲ：分光反射率分布の平均値ベクトル（種々の色の分
光反射率分布の全てを平均したもの） Ｅ［ ］は［ ］内の値の平均を表す
【００５６】また、特徴パラメータＹi 、すなわち主成
分は、（４）式から得られる固有ベクトルμi を用いて
次式で算出される。
【００５７】
【数４】 但し、〈 〉は内積を表す。
【００５８】上記のようにして、第１の変換手段２１に
おいて学習を終えたニューラルネットワークにより変換
された信号は、第２の変換手段２２に導入され、次式に
従って指定した光源下での色彩値が一致する、または、
複数の光源下で計測した対象色と再現色の色差を最小と
するような目的とする色再現装置の特徴パラメータに変
換される。 Ｙ’＝（ＭＬμ’）-1［Ｃ1 −ＭＬｍ’］ ・・・（７） 但し、Ｍ：等色関数のベクトル Ｌ：光源の分光分布を表すベクトル ｍ’：昇華型プリンタで再現した色分光反射率に対する
平均値ベクトル μ’：昇華型プリンタの再現色に対する主成分ベクトル
（固有ベクトル） Ｙ’：昇華型プリンタの主成分マトリクス Ｃ1 ：プルーフィング用プリンタのＸＹＺ値のマトリク
ス
【００５９】すなわち、２つのデバイスの分光反射率を
パラメータで表記したときの色彩値等の各色情報値は、
次式のように表せる。
【００６０】 Ｃ1 ＝ＭＬ（Ｙμ＋ｍ） Ｃ2 ＝ＭＬ（Ｙ’μ’＋ｍ’） これらの色彩値が一致すると仮定すると（Ｃ1 ＝
Ｃ2 ）、 Ｃ1 ＝ＭＬ（Ｙ’μ’＋ｍ’） ＝ＭＬＹ’μ’＋ＭＬｍ’ となり、Ｃ1 −ＭＬｍ’＝ＭＬＹ’μ’から上記の
（７）式が導出される。
【００６１】変換によって得られた特徴パラメータは、
第３の変換手段２３に送られる。第３の変換手段２３で
は、第２の変換手段２２からの出力、すなわち、特徴パ
ラメータが入力されると、図３に示すような構造を有す
るニューラルネットワークの中間層、出力層の出力が第
１の変換手段２１と同様に、上記（１）式、（２）式に
よって計算される。
【００６２】このニューラルネットワークの結合係数
は、各出力ユニットの出力と目的の色分解値との平均２
乗誤差を最小にするように予め学習・修正される。学習
には、上記と同様にしてルメルハート（Rumelhert ）が
提案したバックプロパゲーション学習則が用いられ、分
光反射率分布の主成分分析によって得られた特徴パラメ
ータからＣＭＹＫ値、ＲＧＢ値等への変換を学習する。
【００６３】変換によって得られた色分解値組は、出力
手段４に送られ、電気信号や光信号等任意の信号に変換
される。
【００６４】次に、熱転写型のプルーフィング用プリン
タと昇華型プリンタのＣＭＹ値を用いた好ましい実施例
を説明する。なお、本実施例では、照明光として、ＣＩ
Ｅが規定するＤ５０光源、Ａ光源、Ｄ７５光源のいずれ
かが採用され、この３種類の光源の分光分布を用いて説
明する。
【００６５】まず、ＣＭＹ値を０から１００％まで１０
％の濃度間隔で、本実施例で用いた色再現装置を用いて
色再現した、各々ＣＭＹ値の組み合わせによる１３３１
（１１3 ）色のカラーチップの各々の分光反射率を分光
測色器で測色する。この分光反射率分布は、光源には依
存しないので、光源の種類に関係なく常に色の物理的な
特性を正確に表現することができる。次に、全分光反射
率分布の平均値ベクトルＥＲおよびこの平均値ベクトル
ＥＲを各色の分光反射率分布Ｒから減算したデータを求
め、上記（５）式を用いて共分散行列Φを求める。
【００６６】そして、上記（４）式の固有方程式を解い
て主成分分析を行う。主成分分析の結果から図４に示す
ような固有ベクトル（主成分ベクトル）が得られる。但
し、図４は、熱転写型のプルーフィング用プリンタの場
合を示しており、また、第４主成分ベクトルまでが表示
されている。
【００６７】上記のようにして導出されたそれぞれのプ
リンタの固有ベクトルと分光反射率の平均値ベクトルは
前述の記憶装置３に予め記憶され、第２の変換手段２２
における特徴パラメータを線形変換する際に用いられ
る。
【００６８】次に、分光反射率を表すための特徴パラメ
ータＹi は、上記の主成分分析によって得られた各色再
現装置で再現した色の分光反射率の固有ベクトルμi を
用いて上記の（６）式によって導出される。
【００６９】そして、この値は、ＣＭＹ値と特徴パラメ
ータとの間の変換を行う２つのニューラルネットワーク
の学習の際に使用され、また、学習後のニューラルネッ
トの結合係数が記憶装置３に記憶される。すなわち、分
光反射率分布の主成分分析によって求められた特徴パラ
メータを教師信号としてＣＭＹ値の各組が特徴パラメー
タの組へ変換されるように学習し、各ユニットの結合係
数を演算し、結合係数を記憶装置３に記憶する。
【００７０】このようにして得られた結果を用いて実際
に入力されたＣＭＹ値から分光反射率への変換が行われ
る。
【００７１】入力された各色に対するＣＭＹ値は、第１
の変換手段２１へ送られ、予め学習されたニューラルネ
ットワークを用いて特徴パラメータに変換される。そし
て、求められた特徴パラメータは第２の変換手段２２に
送られ、記憶装置３に記憶されている固有ベクトル、平
均値ベクトル、光源の分光分布、等色関数を用いて昇華
型プリンタの分光反射率分布を表す特徴パラメータに変
換される。このときに用いる光源は再現色を観察光源の
それを用いるか、または、本実施例で用いた光源を用
い、その光源下で対象にしている色とその再現色との間
の色差を最小とするようにすることもできる。図５はこ
の処理の略図である。
【００７２】図６は、上記の各光源下で、従来のデバイ
スインディペンデントなカラーイメージング装置を用い
て再現した色とオリジナルの色との色差、および、本実
施例のカラーイメージング装置によって再現された色と
オリジナルとの色差を比較して示した結果であり、太実
線が本実施例のカラーイメージング装置による比較結果
を示し、白抜き線が従来のデバイスインディペンデント
なカラーイメージング装置による比較結果を示してい
る。この結果をみると明らかなように、従来のデバイス
インディペンデントなカラーイメージング装置に比べ、
本実施例のカラーイメージング装置の方が、色差のばら
つきが十分に小さな値となる。
【００７３】なお、この図６では、２１６色票のうちの
１色を用いて、異なる光源下で従来のカラーオメージン
グ装置と、本実施例のカラーイメージング装置との各色
差をＣＩＥ L*a*b* 空間の a*b* 平面上にプロットした
ものである。ただし、色差は次式で定義される。
【００７４】
【数５】
【００７５】また、L*、a*、b*値はそれぞれ次式で定義
される。 ΔＥ＝√｛（L0 * −L1 * ）2 ＋（a0 * −a1 *）2 ＋（b0 *−b1 *）2 ｝ ・・・（９）
【００７６】さらに、図７には評価に用いた全色票の色
差を各光源に対して求めた結果をヒストグラムによって
比較して示した結果であり、図中の上欄が従来のカラー
イメージング装置による結果、下欄が本実施例のカラー
イメージング装置の結果を各々示している。
【００７７】図６、図７の結果から明らかなように本実
施例のカラーイメージング装置は従来のカラーイメージ
ング装置に比べて光源に対する依存性が非常に小さく、
再現された色とオリジナルとの色差は光源を変更しても
ほぼ一定に保たれており、デバイスに依存しないだけで
なく観察光源にも依存しない色再現が高精度に実現され
ていることが理解される。
【００７８】上述したように、本実施例の光源に依存し
ない特徴パラメータを用いたカラーイメージング装置に
よれば、学習機能を有する２つのニューラルネットワー
クを用いて、ＲＧＢ値、ＣＭＹＫ値等のデバイス値と分
光反射率に対する主成分分析によって得られる特徴パラ
メータとの間の変換を実現すると共に、指定した光源下
での色彩値が一致する、または、複数の光源下で計測し
た対象色と再現色の色差を最小とするという条件下での
線形変換を用いることによって、対象としている元の色
に対応する再現色を観察光源に対する依存を最小化する
ように求めることができ、光源に依存しない特徴パラメ
ータを用いたカラーイメージングを実現することが可能
となる。
【００７９】
【発明の効果】以上説明したように本発明のカラーイメ
ージング方法によれば、入力された各色再現装置の色情
報値は、学習された第１のニューラルネットワークから
対応する中間表色系の特徴パラメータ値が出力され、多
変量解析によって得られる固有ベクトル及び平均値ベク
トルを用いた、第１及び第２の色再現装置との再現色の
色彩値に関する拘束条件の下で、特徴パラメータ値が変
換され、この中間表色系の特徴パラメータ値が、学習さ
れた第２のニューラルネットワークから対応する色情報
値として出力されるので、光源に依存しない特徴パラメ
ータ値を用い、ニューラルネットワークの学習機能を有
効に利用することにより、色がＣＭＹＫ値で表現される
場合にも、またＲＧＢ値で表現される場合であっても、
これらの色に関する色情報値と分光反射率分布を表現す
る特徴パラメータとの間の変換を高精度に実現すること
ができ、異なる色再現装置の色合わせを行うことができ
る、という効果がある。また、本発明のカラーイメージ
ング装置によれば、記憶手段に予め分光反射率分布を多
変量解析することによって得られた第１及び第２の色再
現装置による再現色の分光反射率の固有ベクトル及び平
均値ベクトルと、予め学習した２つのニューラルネット
ワークの各々の結合係数と、１または複数の光源の分光
分布とが記憶されているので、十分に学習されたニュー
ラルネットワークの汎化能力によって、入力に学習に用
いなかった未知のデータが入力された場合であっても、
入力データに対する最適な出力を迅速に得ることができ
る、という効果がある。
【図面の簡単な説明】
【図１】本発明の一実施例にかかる光源に依存しない特
徴パラメータを用いたカラーイメージング装置の概略構
成を示す機能ブロック図である。
【図２】図１の第１の変換手段に用いられるフィードフ
ォワード結合型のニューラルネットワークの一構成例を
示す概略図である。
【図３】図１の第２の変換手段に用いられるフィードフ
ォワード結合型のニューラルネットワークの一構成例を
示す概略図である。
【図４】本実施例のカラーイメージング装置において導
出されたプルーフィング用プリンタで再現された色の分
光反射率分布の固有ベクトル（主成分）を示す線図であ
る。
【図５】本実施例における光源に依存しない特徴パラメ
ータを用いたカラーイメージング装置の処理過程を示す
概念図である。
【図６】従来のカラーイメージング装置と本実施例のカ
ラーイメージング装置について１色を例に比較した結果
を示す線図である。
【図７】従来のカラーイメージング装置と本実施例のカ
ラーイメージング装置について２１６色用いて比較した
結果を示すヒストグラムである。
【符号の説明】
１ 入力手段 ３ 記憶装置 ４ 出力手段 ２１ 第１の変換手段 ２２ 第２の変換手段 ２３ 第３の変換手段

Claims (8)

    【特許請求の範囲】
  1. 【請求項１】 カラー原画像の色を再現するための異な
    る複数の色再現装置の色合わせを行うカラーイメージン
    グ方法であって、 光源に依存しない分光反射率分布または分光透過率分布
    を多変量解析することにより得られる少なくとも３つの
    特徴パラメータ値で表現する表色系を中間表色系とし、 前記各色再現装置に固有な少なくとも３つの色情報値が
    入力されたときに入力された色情報値に対応する前記中
    間表色系の少なくとも３つの特徴パラメータ値が出力さ
    れるように第１のニューラルネットワークを学習すると
    共に、前記中間表色系の少なくとも３つの特徴パラメー
    タ値が入力されたときに入力された特徴パラメータ値に
    対応する前記色情報値が出力されるように第２のニュー
    ラルネットワークを学習し、 前記学習された第１のニューラルネットワークを用いて
    第１の色再現装置に固有な少なくとも３つの色情報値を
    前記中間表色系の少なくとも３つの特徴パラメータ値へ
    変換し、 前記多変量解析によって得られる固有ベクトル及び前記
    分光反射率分布または分光透過率分布の平均値ベクトル
    を用いた、前記第１の色再現装置と異なる第２の色再現
    装置との再現色の色彩値に関する拘束条件の下で、前記
    変換された少なくとも３つの特徴パラメータ値を変換
    し、 前記学習された第２のニューラルネットワークを用いて
    変換された少なくとも３つの特徴パラメータ値を第２の
    色再現装置の色情報値へ変換する、 ことによって異なる色再現装置の色合わせを行うことを
    特徴とするカラーイメージング方法。
  2. 【請求項２】 前記少なくとも３つの色情報値は、加法
    混色による予め定めた三原色の各色を表現するための値
    であることを特徴とする請求項１に記載のカラーイメー
    ジング方法。
  3. 【請求項３】 前記少なくとも３つの色情報値は、減法
    混色による予め定めた色の各色を表現するための値であ
    ることを特徴とする請求項１に記載のカラーイメージン
    グ方法。
  4. 【請求項４】 前記多変量解析として主成分分析を用
    い、当該主成分分析することにより得られる分光反射率
    分布の主成分の値で表現する表色系を中間表色系として
    用いることを特徴とする請求項１に記載のカラーイメー
    ジング方法。
  5. 【請求項５】 前記ニューラルネットワークは、学習機
    能を有する３層乃至５層の多層フィードフォワード型ニ
    ューラルネットワークであることを特徴とする請求項１
    に記載のカラーイメージング方法。
  6. 【請求項６】 前記拘束条件は、予め定めた指定の光源
    下で色彩値が一致する、または、複数の光源下で計測し
    た対象色と再現色の平均色差を最小とすることを条件と
    することを特徴とする請求項１に記載のカラーイメージ
    ング方法。
  7. 【請求項７】 前記第２の色再現装置の色情報値への変
    換で用いる光源として、ＣＩＥ（Commission Internati
    onale de I'Eclairage）が規定するＡ光源、Ｂ光源、Ｃ
    光源、Ｄ光源、Ｆ１及びＦ１２光源のいずれか１つの光
    源または等価な分光分布を有する光源を用いることを特
    徴とする請求項１乃至請求項６のいずれか１項に記載の
    カラーイメージング方法。
  8. 【請求項８】 カラー原画像の色を再現するための異な
    る複数の色再現装置の色合わせを行うカラーイメージン
    グ装置であって、 前記少なくとも３つの色情報値を電気信号に変換する入
    力手段と、 予め分光反射率分布を多変量解析することによって得ら
    れた第１及び第２の色再現装置による再現色の分光反射
    率の固有ベクトル及び平均値ベクトルと、予め学習した
    ２つのニューラルネットワークの各々の結合係数と、１
    または複数の光源の分光分布と、を記憶する記憶手段
    と、 少なくとも３つの色情報値をその色分解組に対応する再
    現色の分光反射率分布に対する主成分に変換することを
    学習した学習機能を有する多層フィードフォワード型の
    ニューラルネットワークで構成され、前記入力手段から
    の電気信号を、前記少なくとも３つの色情報値に対応す
    る再現色の分光反射率または分光透過率を多変量解析す
    ることによって得られる特徴パラメータ値に対応する電
    気信号に変換する第１の変換手段と、 前記記憶装置に予め記憶された前記第１及び第２の色再
    現装置の各々の再現色の分光反射率の固有ベクトル及び
    平均値ベクトルを用いて、指定した光源下での色彩値が
    一致する、または複数の光源下で計測した対象色と再現
    色の平均色差を最小とすることを条件とした線形変換に
    よって前記第１の変換手段からの電気信号を変換する第
    ２の変換手段と、 再現色の分光反射率分布に対する主成分を色情報値に変
    換することを学習した学習機能を有する多層フィードフ
    ォワード型のニューラルネットワークで構成され、前記
    第２の変換手段から出力された第２の色再現装置の特徴
    パラメータを第２の色再現装置の色情報値に対応する電
    気信号に変換する第３の変換手段と、 前記第３の変換手段から出力される電気信号を出力信号
    として出力する出力手段と、 を備えたことを特徴とするカラーイメージング装置。
JP11879195A 1995-05-17 1995-05-17 カラーイメージング方法および装置 Expired - Fee Related JP3287177B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP11879195A JP3287177B2 (ja) 1995-05-17 1995-05-17 カラーイメージング方法および装置
US08/579,549 US5771311A (en) 1995-05-17 1995-12-27 Method and apparatus for correction of color shifts due to illuminant changes

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP11879195A JP3287177B2 (ja) 1995-05-17 1995-05-17 カラーイメージング方法および装置

Publications (2)

Publication Number Publication Date
JPH08317238A true JPH08317238A (ja) 1996-11-29
JP3287177B2 JP3287177B2 (ja) 2002-05-27

Family

ID=14745194

Family Applications (1)

Application Number Title Priority Date Filing Date
JP11879195A Expired - Fee Related JP3287177B2 (ja) 1995-05-17 1995-05-17 カラーイメージング方法および装置

Country Status (2)

Country Link
US (1) US5771311A (ja)
JP (1) JP3287177B2 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006101193A1 (ja) * 2005-03-24 2006-09-28 Dainippon Ink And Chemicals, Inc. 色材配合率算出装置、色材選択補助装置及びそれらの方法並びにプログラム
US7312899B2 (en) 2002-04-23 2007-12-25 Matsushita Electric Industrial Co., Ltd. Apparatus and method for editing colors
JP2008103871A (ja) * 2006-10-18 2008-05-01 Toppan Forms Co Ltd 多色刷版印刷における色差演算システム
JP2009200820A (ja) * 2008-02-21 2009-09-03 Seiko Epson Corp 印刷制御装置、印刷システムおよび印刷制御プログラム
JP2013160772A (ja) * 2013-03-27 2013-08-19 Seiko Epson Corp 分光計測方法、および分光計測器
JP2014059250A (ja) * 2012-09-19 2014-04-03 Seiko Epson Corp 分光装置、波長可変干渉フィルター、光学フィルターデバイス、光学モジュール、及び電子機器

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09163382A (ja) * 1995-12-07 1997-06-20 Toyo Ink Mfg Co Ltd 色ずれ修正方法及び装置
US5963244A (en) * 1996-11-21 1999-10-05 Xerox Corporation Optimal reconstruction of tone reproduction curve
US6661915B1 (en) 1998-02-13 2003-12-09 Suga Test Instruments Illumination variable colorimetric method and colorimeter
US6744531B1 (en) 1998-12-29 2004-06-01 Xerox Corporation Color adjustment apparatus and method
US6647140B1 (en) 1999-05-18 2003-11-11 Bank One Spectrum inverter apparatus and method
WO2001060051A1 (en) * 1999-08-31 2001-08-16 Shutterfly, Inc. Automatic color adjustment and printer calibration
US6757076B1 (en) 1999-12-15 2004-06-29 Xerox Corporation Systems and methods for device independent color control to achieve accurate color proofing and reproduction
US6934053B1 (en) * 2000-01-19 2005-08-23 Xerox Corporation methods for producing device and illumination independent color reproduction
US6804390B2 (en) 2001-02-07 2004-10-12 Basf Corporation Computer-implemented neural network color matching formulation applications
US6714924B1 (en) 2001-02-07 2004-03-30 Basf Corporation Computer-implemented neural network color matching formulation system
JP3845553B2 (ja) * 2001-05-25 2006-11-15 インターナショナル・ビジネス・マシーンズ・コーポレーション データベースにおけるドキュメントのリトリーブ・ランク付けを実行するコンピュータ・システム、およびプログラム
US6993512B2 (en) 2001-06-05 2006-01-31 Basf Corporation System and method for converting a color formula using an artificial intelligence based conversion model
US6892194B2 (en) * 2001-06-05 2005-05-10 Basf Corporation System and method for organizing color values using an artificial intelligence based cluster model
US20020184168A1 (en) * 2001-06-05 2002-12-05 Mcclanahan Craig J. System and method for determining acceptability of proposed color solution using an artificial intelligence based tolerance model
US6973211B2 (en) * 2001-06-05 2005-12-06 Basf Corporation Color management and solution distribution system and method
US6999615B2 (en) * 2001-06-05 2006-02-14 Basf Corporation Color management and solution distribution system and method
US6931152B2 (en) * 2001-09-17 2005-08-16 Ramot At Tel Aviv University Ltd. Method for improved automatic partial color constancy correction
US7421090B2 (en) * 2002-06-20 2008-09-02 Lockheed Martin Corporation Target detection system using trained and untrained detection and methods therefor
JP4126487B2 (ja) * 2002-11-08 2008-07-30 株式会社沖データ 画像変換方法および画像変換装置
US7295340B2 (en) * 2003-01-15 2007-11-13 Xerox Corporation Systems and methods for obtaining a spatial color profile, and calibrating a marking system
JP2005210208A (ja) * 2004-01-20 2005-08-04 Fuji Xerox Co Ltd 画像処理装置、画像処理方法、およびプログラム
GB0504520D0 (en) * 2005-03-04 2005-04-13 Chrometrics Ltd Reflectance spectra estimation and colour space conversion using reference reflectance spectra
GB2432472B (en) * 2005-09-05 2011-01-12 Greenparrotpictures Ltd Method for matching colour in images
FR2895823A1 (fr) * 2006-01-05 2007-07-06 France Telecom Correction d'image couleur et obtention d'au moins un invar iant couleur
US8290275B2 (en) * 2006-01-20 2012-10-16 Kansai Paint Co., Ltd. Effective pigment identification method, identification system, identification program, and recording medium therefor
KR20080009536A (ko) * 2006-07-24 2008-01-29 삼성전자주식회사 측색 정보 제공 장치 및 방법
US7796812B2 (en) * 2006-10-17 2010-09-14 Greenparrotpictures, Limited Method for matching color in images
JP4645581B2 (ja) * 2006-11-30 2011-03-09 富士ゼロックス株式会社 画像処理装置、画像読取装置及び画像形成装置
JP4687644B2 (ja) * 2006-12-22 2011-05-25 富士ゼロックス株式会社 画像処理装置、画像読取装置及び画像形成装置
US7940423B2 (en) * 2007-11-30 2011-05-10 Canon Kabushiki Kaisha Generating a device independent interim connection space for spectral data
JP5693192B2 (ja) * 2010-12-13 2015-04-01 キヤノン株式会社 色処理装置、色処理方法、プログラム及び記憶媒体
CN108133271B (zh) * 2017-12-13 2020-07-17 北京华航无线电测量研究所 一种基于三基色相机的颜色再现方法
CN109670532B (zh) * 2018-11-23 2022-12-09 腾讯医疗健康(深圳)有限公司 生物体器官组织图像的异常识别方法、装置及系统
JP2020121503A (ja) * 2019-01-31 2020-08-13 セイコーエプソン株式会社 印刷装置、機械学習装置、機械学習方法、印刷制御プログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2568710B2 (ja) * 1989-12-29 1997-01-08 松下電器産業株式会社 描画制御方法
US5506696A (en) * 1994-08-10 1996-04-09 Toyo Ink Manufacturing Co., Ltd. Color image reproduction system having color analysis function performed with a neural network system

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7312899B2 (en) 2002-04-23 2007-12-25 Matsushita Electric Industrial Co., Ltd. Apparatus and method for editing colors
WO2006101193A1 (ja) * 2005-03-24 2006-09-28 Dainippon Ink And Chemicals, Inc. 色材配合率算出装置、色材選択補助装置及びそれらの方法並びにプログラム
JPWO2006101193A1 (ja) * 2005-03-24 2008-09-04 Dic株式会社 色材配合率算出装置及びそれらの方法並びにプログラム
JP4524701B2 (ja) * 2005-03-24 2010-08-18 Ｄｉｃ株式会社 色材配合率算出装置及びそれらの方法並びにプログラム
JP2008103871A (ja) * 2006-10-18 2008-05-01 Toppan Forms Co Ltd 多色刷版印刷における色差演算システム
JP2009200820A (ja) * 2008-02-21 2009-09-03 Seiko Epson Corp 印刷制御装置、印刷システムおよび印刷制御プログラム
JP2014059250A (ja) * 2012-09-19 2014-04-03 Seiko Epson Corp 分光装置、波長可変干渉フィルター、光学フィルターデバイス、光学モジュール、及び電子機器
JP2013160772A (ja) * 2013-03-27 2013-08-19 Seiko Epson Corp 分光計測方法、および分光計測器

Also Published As

Publication number Publication date
US5771311A (en) 1998-06-23
JP3287177B2 (ja) 2002-05-27

Similar Documents

Publication Publication Date Title
JPH08317238A (ja) カラーイメージング方法および装置
JP3417051B2 (ja) 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置
US6480299B1 (en) Color printer characterization using optimization theory and neural networks
US7586642B2 (en) Color-space transformation-matrix calculating system and calculating method
US5929906A (en) Color correcting method and apparatus
EP1092323B1 (en) Methods and apparatus for color device characterization
EP0750419B1 (en) Color conversion method and color conversion table generating apparatus
US5559604A (en) Color matching apparatus for reproducing the same color under different illuminants
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
US20050046883A1 (en) Color-space transformation-matrix calculating system and calculating method
US20070242293A1 (en) Method for creating a color transform relating color reflectances produced under reference and target operating conditions and data structure incorporating the same
JP3304740B2 (ja) 色シミュレーション装置
CN110784709A (zh) 基于感知色差最小化优化估计数码相机光谱灵敏度的方法
JP5097927B2 (ja) 色変換マトリクス算出方法
JPH09233352A (ja) 色シミュレーション装置
Berns et al. Spectral color reproduction of paintings
JP3360531B2 (ja) 色再現域判定方法及び装置
Lee et al. Linear model of surface and scanner characterization method
JPH09284581A (ja) 色シミュレーション装置
JPH10145622A (ja) 色シミュレーション装置
JPH10145619A (ja) 色シミュレーション方法
JPH10173941A (ja) 自然画像の色ずれ修正方法および装置
Zhou et al. Neural network method for characterizing video cameras
Marguier et al. A home décor expert in your camera
JPH10191087A (ja) 色補正装置

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees