法律状态公告日
法律状态信息
法律状态
2014-06-11
未缴年费专利权终止 IPC(主分类):G06T11/40 授权公告日:20100127 终止日期:20130417 申请日:20080417
专利权的终止
2010-01-27
授权
授权
2008-11-26
实质审查的生效
实质审查的生效
2008-10-01
公开
公开
技术领域
本发明涉及的是一种计算机技术领域的方法,特别是一种孟塞尔色彩模型计算机可视化方法。
背景技术
综合现有计算机软件系统实现的可视化色彩模型,主要有:RGB、CIE_xyz、HSB/HSV、Lab以及CMYK。RGB模型是表达计算机设备色彩空间的数学模型,其参量R、G、B的取值范围均为[0,255],通过控制红(Red)、绿(Green)、蓝(Blue)三个参数最多可以得到16777216(即224)种色彩。然而,RGB色彩空间的分布规律与CIE_xyz色彩空间同样在视觉上极不均匀。为了把CIE_xyz色彩空间转换成均匀的色彩空间,国际照明协会(CIE)研制了在视觉上较为均匀的CIE_L*a*b*模型,L*a*b*模型是RGB模型的非线性变换形式,但仍然不理想。CMYK是四色印刷设备专用的色彩模型,通过控制青(Cyan)、洋红(Magenta)、黄(Yellow)以及黑(black)四种颜料的百分比匹配RGB色彩。HSB/HSV(Hue,Saturation,Bright/Value)模型是1978年A.R.Smith提出的一种模拟人类视觉特性的色彩模型,基本符合设计师的思维习惯,但由于该模型是RGB色彩空间的一种不连续的线性变换,存在色彩分布不均匀以及不连续等缺陷。
MUNSELL(孟塞尔)色彩体系是由美国著名画家孟塞尔(A.H.MUNSELL)提出的一种完全符合视觉规律和设计师思维习惯的色彩表达体系,后经美国光学协会(OSA)修订并成为色彩设计乃至各个色彩相关行业的实际标准,目前仍然是衡量各种色彩模型视觉特性的最佳参照标准。MUNSELL色彩模型在色相(Hue)、白度(Value)以及色度(Chroma)三个变量的分布上均匀、连续,完全符合人类视觉规律,在色彩变化形式上符合设计师思维习惯,是广大设计师以及艺术家习惯使用的色彩模型。由于MUNSELL模型具有上述优良特性以及长期的应用背景,它被应用在许多新的科技领域。但是由于缺乏良好的计算机可视化技术,限制了MUNSELL色彩模型在计算机辅助设计、图像分析与处理、计算机绘画以及图形创作艺术等广大领域的应用。
经对现有技术文献的检索发现,加拿大Sokhansan等人在国际期刊《Computersand Electronics in Agriculture》(计算机与电子技术,1998年第2期,155-166页)上发表“A transformation technique from RGB signals to the MUNSELL systemfor color analysis of tobacco leaves”(用于烟草分析的RGB到MUNSELL转换系统)一文,该文提出先将RGB转换到Lab,然后将Lab转换成MUNSELL。该方法不足之处是:尽管Lab模型具有比RGB更好的视觉分布特点,但采用Lab作为中间模型的方法不仅增加了转换过程的复杂性,而且增加了累积误差,没有从根本上改善RGB与MUNSELL之间的复杂映射关系和转换精确度,显然这种采用简单的经验公式的方法很难精确实现过于复杂的非线性映射。
MUNSELL色彩模型计算机可视化面临的技术难点在于:
1)MUNSELL模型与RGB模型是两个不完全相同的集合空间,MUNSELL是通过视觉试验建立的与设备无关的色彩空间,包含了人眼能辨别的所有色彩,而RGB模型包含了计算机能够显示的色彩,仅是MUNSELL的一部分,所以在大小不同的两个空间之间建立映射关系是一个难点。
2)MUNSELL模型与RGB模型采用的变量不同,MUNSELL模型采用色相、白度、彩度为变量,RGB模型采用红、绿、蓝三原色为变量,在两种完全不同的、关系不明确的变量之间建立映射也是一个难点。
发明内容
本发明针对上述现有技术的不足,提供了一种孟塞尔色彩模型计算机可视化方法,使其通过建立完备的MUNSELL色彩数据库,建立一种独特的神经网络模型完成MUNSELL色彩模型与RGB色彩模型之间的复杂映射,计算机显示色彩最终以RGB色彩驱动硬件设备进行显示,从而实现MUNSELL色彩模型的计算机可视化。
本发明是通过以下技术方案实现的,本发明包括如下步骤:
步骤一,建立MUNSELL色彩模型数据库,MUNSELL色彩模型数据库中储存有MUNSELL色彩值(H,V,C)及其三刺激值(x,y,Y0)。
所述MUNSELL色彩值(H,V,C)及其三刺激值(x,y,Y0),从美国Panton公司出版的《MUNSELL颜色手册》中获得。
步骤二,把步骤一中建立的MUNSELL色彩数据库的三刺激值(x,y,Y0)转换至(X,Y,Z)形式,并以用(X,Y,Z)形式的数据替换原数据库中的(x,y,Y0)数据。
所述把三刺激值(x,y,Y0)转换至(X,Y,Z)形式,具体为:
步骤三,在RGB色彩模型中选择出关键色彩样本,将关键色彩样本从(R,G,B)形式转换成三刺激值(X,Y,Z)形式,根据关键色彩样本三刺激值(X,Y,Z)制作实验色卡,采用线性插值法得到实验色卡的MUNSELL值(H,V,C),并把实验色卡的三刺激值(X,Y,Z)和MUNSELL值(H,V,C)添加到步骤二中建立的数据库中。
所述选择关键色彩样本,是指:在RGB色彩模型的R(红)、G(绿)、B(蓝)变量取值范围[0,255]上各取51个等距点,在这些等距点组合构成的RGB色彩集合中,选择有两个变量恒为0的,或三个变量值相等的色彩作为关键色彩样本。
所述将关键色彩样本从(R,G,B)形式转换成三刺激值(X,Y,Z)形式,具体为:
所述采用线性插值法得到实验色卡的MUNSELL值(H,V,C),具体为:以《MUNSELL颜色手册》中的色卡作为标准色卡,对比实验色卡与标准色卡,选择与实验色卡颜色相同的标准色卡,以其标准色卡值(H,V,C)为已知量,得到实验色卡的MUNSELL值(H,V,C)。
步骤四,将步骤三的数据库中的三刺激值(X,Y,Z)值转换至RGB模式,并以RGB形式数据(R,G,B)替换步骤三形成的数据库中的(X,Y,Z)数据。
所述将步骤三的数据库中的三刺激值(X,Y,Z)值转换至RGB模式,具体为:
步骤五,对步骤四所述数据库中的样本数据进行筛选和清洗;
所述筛选和清洗,是指:RGB变量R,G,B在计算机中的取值范围均为[0,255],将步骤四所述数据库中存在R,G,B小于0或者大于255情况的数据样本清除,得到精简化的数据库。
步骤六,根据RGB色彩模型(R,G,B)与MUNSELL色彩模型(H,V,C)结构特点构建经过步骤五处理后得到的数据库的物神经网络学习模型,训练得到RGB模型与MUNSELL模型的映射数学模型;
所述构建神经网络学习模型,是指:(R,G,B)和(H,V,C)两个色彩模型都是3个变量,确定神经网络输入层神经元数量为3,输出层神经元数量为3,构建具有多层结构的神经网络学习模型,设定训练精度(均方差)为10-7。
步骤七,构建MUNSELL色彩可视化显示界面,显示界面具备通用调色板基本调色功能,并且其色彩分布在视觉上均匀。。
所述构建MUNSELL色彩可视化界面,是指利用Visual C++程序界面编辑工具添加显示MUNSELL色彩的控件。
与现有方法相比,本发明具有如下有益效果:在色彩复制质量要求上,由国家标准局颁布的装潢印刷品GB7705-87(平印)、GB7706-87(凸印)、GB7707-87(凹印)的国家标准中,对彩色装潢印刷品的同批同色色差为:一般产品ΔEab≤5.00~6.00,精细产品ΔEab≤4.00~5.00。本发明提供了MUNSELL色彩模型在计算机上实现精确可视化的方法,采用该方法能够在计算机显示器上精确再现MUNSELL色彩体系,色彩可视化的最大误差为ΔEab=0.64,平均误差ΔEab=0.11,远小于国家标准误差。采用该方法所实现的可视化MUNSELL模型可完全替代印刷的《MUNSELL颜色手册》,为计算机辅助设计、图像分析与处理等各领域的色彩研究人员提供更为理想的色彩分析、比较与研究模型,原先需要几分钟甚至几小时手工完成的工作,现在仅需要几秒至十几秒就可以完成,提高其工作效率和工作质量数十倍。
具体实施方式
下面对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例包括如下具体步骤:
步骤一,建立MUNSELL色彩模型数据库,MUNSELL色彩模型数据库中储存有MUNSELL色彩值(H,V,C)及其三刺激值(x,y,Y0)。从美国Panton公司出版的《MUNSELL颜色手册》中获得MUNSELL色彩值(H,V,C)及其三刺激值(x,y,Y0)。
步骤二,把步骤一中建立的MUNSELL色彩数据库的三刺激值(x,y,Y0)转换至(X,Y,Z)形式,并以用(X,Y,Z)形式的数据替换原数据库中的(x,y,Y0)数据。
所述把步骤一中建立的MUNSELL色彩数据库的三刺激值(x,y,Y0)转换至(X,Y,Z)形式,具体为:
步骤三,在RGB色彩模型中选择出关键色彩样本,根据关键色彩样本三刺激值(X,Y,Z)制作实验色卡,采用线性插值法得到实验色卡的MUNSELL值(H,V,C),并把实验色卡的三刺激值(X,Y,Z)和MUNSELL值(H,V,C)添加到步骤二中建立的数据库中。
所述采用线性插值法得到实验色卡的MUNSELL值(H,V,C),具体为:以《MUNSELL颜色手册》中的色卡作为标准色卡,对比实验色卡与标准色卡,选择与实验色卡颜色相同的标准色卡,以其标准色卡值(H,V,C)为已知量,得到实验色卡的MUNSELL值(H,V,C)。
所述关键色彩样本,是指:在RGB色彩模型的R(红)、G(绿)、B(蓝)变量取值范围[0,255]上各取51个等距点。在这些等距点组合构成的RGB色彩集合中,选择有两个变量恒为0的、或三个变量值相等的色彩作为关键样本,共计357个。这些样本主要分布在MUNSELL色彩模型的中性轴和模型边缘,这些样本对于建立一个边缘清晰、内部数据连续的可视化MUNSELL色彩模型具有重要作用。将这些样本从(R,G,B)形式转换成三刺激值(X,Y,Z)形式,具体转换方法如下:
步骤四,首先,将步骤三的数据库中的(X,Y,Z)值转换至RGB模式,具体为:
然后,以RGB形式数据(R,G,B)替换步骤三形成的数据库中的(X,Y,Z)数据。
步骤五,对步骤四获得的数据库中的样本数据进行筛选和清洗;
所述筛选和清洗,是指:RGB变量R,G,B在计算机中的取值范围均为[0,255],将步骤四所述数据库中存在R,G,B小于0或者大于255情况的数据样本清除,得到精简化的数据库。经过清洗和筛选最终保留样本4375个。根据神经网络技术要求,将RGB模型与MUNSELL模型的数据归一化在[0,1]范围内。
步骤六,根据RGB色彩模型(R,G,B)与MUNSELL色彩模型(H,V,C)数据结构特点构建神经网络学习模型,训练得到RGB模型与MUNSELL模型的映射数学模型;
根据MUNSELL模型数据与RGB模型数据特点,通过采用一种称为前向反馈型(BP)的人工神经网络学习算法,构建具有3层结构的神经网络学习模型。通过大量测试实验选定神经网络结构为3-25-10-3,即输入层由3个神经元组成,第一隐含层25个神经元,第二隐含层包含10个神经元,输出层包含3个神经元。通过多次学习测试,学习精度(均方差)可达到10-7。这时的最大误差为MaxLearnErro=0.0000834。计算机RGB模型变量取0-255之间的整数,要求最大误差不大于1,归一化后要求最大误差不大于1/255=0.00392,显然最大误差MaxLearnErro已经满足该要求。最后利用神经网络学习获得的数据构建RGB模型与MUNSELL模型的映射数学模型。
步骤七,构建MUNSELL色彩可视化显示界面,显示界面具备通用调色板基本调色功能,与普通调色板本质区别在于色彩分布是在视觉上均匀。
所述构建MUNSELL色彩可视化界面,是指利用Visual C++程序界面编辑工具添加显示MUNSELL色彩的控件。
本实施例中采用C++语言编写MUNSELL与RGB的转换方法程序包。
本实施例方法能够在计算机显示器上精确再现MUNSELL色彩体系,色彩可视化的最大误差为ΔEab=0.64,平均误差ΔEab=0.11,远小于国家标准误差。采用该方法所实现的可视化MUNSELL模型可完全替代印刷的《MUNSELL颜色手册》,为计算机辅助设计、图像分析与处理等各领域的色彩研究人员提供更为理想的色彩分析、比较与研究模型,原先需要几分钟甚至几小时手工完成的工作,现在仅需要几秒至十几秒就可以完成,提高其工作效率和工作质量数十倍。
机译: 孟塞尔色彩空间中使用farbtonbereichsumsetzung进行彩色打印的方法和设备
机译: 任意颜色的等效明度值和鲜艳度值的归一化方法,色调类型识别方法,孟塞尔值计算方法,图像形成方法和界面屏幕显示装置
机译: 用于标准化表示给定颜色的等效亮度的值和表示鲜艳度的值的方法,色调类型确定方法,孟塞尔值计算方法,图像形成方法和界面屏幕显示设备