Conversion d'espace colorimétrique RVB en laboratoire
Nous sommes une grande imprimerie à Shenzhen en Chine. Nous proposons toutes les publications de livres, impression de livres à couverture rigide, impression de livres à couverture rigide, cahiers à couverture rigide, impression de livres en papier, impression de livres pour piqûre à cheval, impression de brochures, boîte d'emballage, calendriers, PVC de toutes sortes, brochures de produit, notes, livre pour enfants, autocollants, tout types de produits d'impression couleur spéciaux sur papier, cartes de jeu, etc.
Pour plus d'informations, s'il vous plaît visitez
http://www.joyful-printing.com. ENG seulement
http://www.joyful-printing.net
http://www.joyful-printing.org
email: info@joyful-printing.net
Tout d'abord, l'introduction
Alors que l'industrie de l'impression passe de l'analogique au numérique, le problème de la reproduction fidèle des couleurs est devenu critique. Nous devons utiliser la gestion des couleurs pour obtenir des images couleur meilleures, plus rapides et plus précises. Afin de réaliser l'uniformité des couleurs et l'indépendance du périphérique dans le processus de traitement des images, il est nécessaire de mettre en œuvre une gestion des couleurs normalisée et normalisée.
La gestion des couleurs consiste à résoudre le problème de la conversion d'image entre les couleurs, de sorte que la couleur de l'image soit réduite au minimum tout au long du processus de copie. L'idée de base est de sélectionner tout d'abord un espace colorimétrique de référence indépendant du périphérique, puis de caractériser le périphérique et enfin d'établir une relation entre l'espace colorimétrique de chaque périphérique et l'espace colorimétrique de référence indépendant du périphérique, de sorte que le fichier de données se trouve dans chaque périphérique. . Il existe une relation claire entre les transitions. Bien qu'il soit impossible que toutes les couleurs de différents appareils soient identiques, vous pouvez utiliser la gestion des couleurs pour vous assurer que la plupart des couleurs sont identiques ou similaires afin d'obtenir un effet de copie des couleurs cohérent.
Deuxièmement, la conversion de l'espace colorimétrique
La conversion d'espace colorimétrique fait référence à la conversion ou à la représentation de données de couleurs d'un espace de couleurs en données correspondantes d'un autre espace de couleurs, c'est-à-dire l'utilisation des données de différents espaces de couleurs pour représenter la même couleur. Dans cet article, l'espace colorimétrique RVB dépendant du périphérique est converti en un espace colorimétrique CIELab indépendant du périphérique. Tout espace colorimétrique associé à l’appareil peut être mesuré et calibré dans l’espace colorimétrique CIELab. Si différentes couleurs liées au périphérique correspondent au même point dans l'espace colorimétrique CIELab, la transition entre elles doit être précise.
Il existe plusieurs façons de convertir un espace colorimétrique. Cet article présente principalement l’interpolation de tables 3D et la régression polynomiale.
1. Interpolation de table en trois dimensions
La méthode de la table de consultation en trois dimensions est actuellement un algorithme couramment utilisé pour étudier la conversion de l'espace colorimétrique. L'idée principale de l'algorithme de table de consultation 3D est de diviser l'espace colorimétrique source en un cube standard. Les données des huit sommets de chaque cube sont connues et les points connus de tous les espaces sources forment une structure tridimensionnelle. Table de consultation. Lorsqu'un point quelconque dans l'espace source est donné, les huit points de données adjacents peuvent être trouvés pour former un nœud d'un petit réseau de cube, et les huit sommets du petit cube sont interpolés pour obtenir des données correspondant à l'espace cible.
La méthode de table de consultation générale est utilisée en combinaison avec la méthode d'interpolation et devient une méthode de table de consultation tridimensionnelle avec un algorithme d'interpolation. Cette méthode peut être divisée en trois étapes:
1 segmentation: partitionne l'espace colorimétrique source à un certain intervalle d'échantillonnage pour établir une table de consultation tridimensionnelle;
2 Rechercher: pour un point d'entrée connu, recherchez dans l'espace source et recherchez le cube composé de huit points de la grille le contenant.
3 Interpolation: calcule les valeurs de couleur des points autres que la grille dans une grille de cubes.
Selon les différentes méthodes de segmentation de l’espace source, les algorithmes d’interpolation courants sont les suivants: interpolation trilinéaire, interpolation de prisme triangulaire, interpolation de pyramide et interpolation tétraédrique.
2. Régression polynomiale
L'algorithme de régression polynomiale repose sur l'hypothèse que l'association des espaces de couleur peut être estimée par un ensemble d'équations simultanées. La seule condition nécessaire pour l’algorithme de régression polynomiale est que le nombre de points de l’espace source soit supérieur au nombre d’items du polynôme sélectionné. L'objectif de cet algorithme est de calculer les coefficients du polynôme, puis de substituer les données de l'espace colorimétrique source au polynôme, puis d'obtenir le résultat converti conformément à l'équation.
Il existe de nombreuses formes différentes de polynômes. Dans cet article, un polynôme avec un nombre d'éléments de 6 est utilisé. L'expression spécifique est montrée dans la formule (1).
Le coefficient de ce polynôme peut être obtenu à partir de l'équation (2).
Les expressions de la formule (2) correspondent respectivement à la transposition de la matrice, comme indiqué dans les formules (3) et (4), et l'expression spécifique correspond à celle indiquée dans la formule (5). Le nombre de termes représentant le polynôme dans la formule (3) est pris dans cette rubrique; il indique le nombre de points de l'espace source sélectionné. Dans ce problème, 216 points sont obtenus après six niveaux de segmentation de l’espace source (espace colorimétrique RVB). Alors prends-le. En fait, pour un polynôme avec un nombre de terme de 6, le coefficient du polynôme peut être obtenu en le prenant.
Dans la formule (3), () représente les trois valeurs de couleur de l'espace source et () dans la formule (4) représente l'une des trois valeurs représentant la couleur dans l'espace cible.
L'algorithme de régression polynomiale est simple, facile à mettre en œuvre et a un bon effet de conversion; mais la précision est faible lorsque le nombre d'éléments est faible, lorsque le nombre d'éléments est trop grand, que le montant calculé est important et que la précision n'est pas nécessairement élevée.
3. Différence de couleur
Lors de l'évaluation de la qualité de reproduction des couleurs et du contrôle du processus de reproduction des couleurs, par exemple lors de la gestion de la couleur et de l'évaluation de la couleur d'une impression, il est souvent nécessaire de calculer la différence de couleur de la couleur pour contrôler la couleur. À l'heure actuelle, l'espace colorimétrique uniforme du laboratoire CIE 1976 et sa formule de différence de couleur correspondante sont couramment utilisés dans l'industrie de l'impression. L'expression spécifique est montrée dans la formule (6).
Troisièmement, le processus de réalisation
Tout d'abord, la plate-forme d'exploitation de ce sujet est brièvement présentée et la méthode d'obtention des données utilisées dans ce sujet ainsi que les étapes détaillées de la conversion des espaces colorimétriques sont expliquées en détail.
1. plate-forme d'exploitation
Le système d'exploitation utilisé dans cette rubrique est Microsoft Windows XP, l'environnement de programmation est Visual C ++ 6.0, l'application entière est basée sur le framework d'application MFC et OpenGL et OpenCV sont également utilisés.
2. Acquisition de données
Les données sont divisées en deux parties: les données de modélisation et les données de test. Les données de modélisation permettent de calculer les coefficients du polynôme. Les données de test permettent d'analyser la précision de l'algorithme. Les données de modélisation et les données de test de l'espace source et de l'espace cible sont toutes dans Adobe Photoshop. Collecté.
2.1 acquisition de données de modélisation. Cette rubrique utilise six niveaux de segmentation uniforme pour collecter des points de modélisation et R, G et B prennent respectivement 0, 51, 102, 153, 204 et 255. Saisissez les valeurs de R, G et B dans le sélecteur de couleur de Photoshop, enregistrez les valeurs de L, a et b correspondant à l'ensemble de valeurs, puis enregistrez-les dans le texte, comme indiqué dans la figure 1. Un total de 63 = 216 ensembles de valeurs ont été obtenus.
Figure 1 Obtention de données à partir du sélecteur de couleurs
2.2 Acquisition des données de test Cette rubrique utilise une segmentation non uniforme à huit niveaux pour collecter des points de test. R, G et B prennent respectivement 0, 36, 72, 108, 144, 180, 216, 255. La méthode d'acquisition est la même que ci-dessus, et un total de 83 = 512 valeurs de groupe est obtenu.
3. Étapes spécifiques de mise en œuvre
L'organigramme de la mise en œuvre spécifique de ce sujet est présenté à la figure 2.
Figure 2 Diagramme de flux
Comme le montre la figure 2, les étapes spécifiques de la mise en œuvre du programme sont les suivantes:
3.1 Démarrez d'abord Visual C ++ 6.0 et définissez l'environnement d'exécution OpenCV dans MFC.
3.2 Lire les données de modélisation.
3.3 Achèvement du calcul des coefficients polynomiaux: selon les formules (3), (4), (5), respectivement. Les coefficients du polynôme sont obtenus en obtenant séquentiellement, et.
3.4 Lire les données de test.
3.5 Dessinez une vue couleur tridimensionnelle du modèle de laboratoire correspondant après une segmentation en huit niveaux du modèle RVB.
3.6 Importez les valeurs RVB de chaque point obtenues par la segmentation en huit étapes dans les trois polynômes obtenus à l'étape 3 et calculez les valeurs L, a et b de chaque point (ci-après dénommée la valeur calculée), afin de convertir RGB. espace colorimétrique à l'espace colorimétrique Lab par régression polynomiale.
3.7 Pour juger du bien-fondé de cette méthode de conversion d’espace colorimétrique, il est nécessaire de juger en calculant la différence de couleur. Pour chaque couleur, la valeur mesurée obtenue à l'étape 4 est obtenue en soustrayant la valeur calculée obtenue à l'étape 6, puis la différence de couleur est obtenue selon la formule 6, l'histogramme de la distribution de différence excellente est tracé et la différence est en la gamme de différences de couleur différentes. proportion.
Quatrièmement, l'affichage et l'analyse des résultats
Selon les étapes spécifiques décrites dans la section précédente, VC ++ 6.0 est utilisé pour convertir les espaces colorimétriques RVB en Lab dans Photoshop. Cette section affiche principalement les résultats en cours du programme et effectue une brève analyse.
1. Affichage des résultats
Dans cet article, la relation de conversion est établie par une segmentation uniforme à six niveaux et la précision de cette méthode est testée par une segmentation non uniforme à huit niveaux. L'histogramme de la distribution de la différence de couleur est tracé et la différence de couleur est comptée. L’interface principale de la mise en œuvre du programme est illustrée à la figure 3.
Figure 3 Interface de corps de conversion d'espace colorimétrique RVB vers CIELab
L’histogramme de la distribution des différences de couleur et les données statistiques correspondantes sont illustrés à la figure 4.
Figure 4 Interface de statistiques de différence de couleur
La Figure 5 illustre la couleur tridimensionnelle du modèle Lab correspondant après la segmentation en huit niveaux du modèle RVB. Une fois le modèle RVB divisé en huit niveaux, la méthode de régression polynomiale est utilisée pour convertir en couleur tridimensionnelle. vue du modèle d'espace colorimétrique Lab, comme illustré à la figure 6.
Figure 5 Vue des couleurs en trois dimensions de l'espace colorimétrique Lab après l'espace colorimétrique RVB divisé en huit niveaux
Figure 6 Vue couleur tridimensionnelle convertie en espace colorimétrique Lab après avoir divisé l'espace colorimétrique RVB en huit niveaux
2. Analyse et résumé des résultats
Comme le montre la Fig. 4, la différence de couleur maximale après conversion de l'espace de couleur de 512 couleurs est de 28, et la distribution de différence de couleur n'est pas uniforme dans son ensemble.
Selon les statistiques, il y a 74 couleurs dans la gamme de 0 ~ 5, ce qui représente 14,45% du total; 264 couleurs dans la gamme de 5 à 10, représentant 51,56% du total; la gamme de différence de couleur est comprise entre 10 et 15 157 couleurs, soit 30,66% du total; les aberrations chromatiques allaient de 15 à 20 avec 13 couleurs représentant 2,54% du total; différence de couleur supérieure à 20 pour 4 couleurs représentant 0,78% du total, et les données montrent que la différence de couleur Parmi les quatre couleurs supérieures à 20, le bleu pur (0,0255) et le vert pur (0,255,0) La différence de couleur est la plus grande et les deux autres couleurs ont une différence de couleur inférieure à 21. Pour ces 512 couleurs, la différence de couleur est au maximum de 28, le minimum est 0 et la différence de couleur moyenne est de 9. En général, La gamme des aberrations chromatiques est principalement concentrée entre 5 et 15.
En comparant la Figure 5 à la Figure 6, nous pouvons constater que l’espace colorimétrique RVB est converti en modèle d’espace colorimétrique Lab par la méthode de régression polynomiale, qui est similaire à la forme du modèle d’espace colorimétrique Lab obtenu par le test, indiquant que les résultats obtenus par ce sujet sont idéales.
V. Résumé
On peut constater que l’utilisation de la régression polynomiale pour effectuer la conversion d’espace colorimétrique est relativement précise. Le polynôme de différents numéros d’article peut être utilisé pour comparer les résultats de conversion du même espace source au même espace cible; trouver ainsi le nombre optimal de polynômes dans le processus de conversion de l'espace source en espace cible. Par conséquent, des recherches supplémentaires sont nécessaires sur ce sujet.