RGB till Lab-färgutrymmeomvandling
Vi är ett stort tryckbolag i Shenzhen Kina. Vi erbjuder alla bokpublikationer, inbunden bokutskrift, papperstäckning bokutskrift, inbunden anteckningsbok, prenumerationsbok, saddle stiching bokutskrift, broschyr utskrift, förpackningslåda, kalendrar, alla typer av PVC, produktbroschyrer, anteckningar, barnbok, klistermärken, alla sorters specialpapper färgutskrift produkter, game card och så vidare.
För mer information besök
http://www.joyful-printing.com. Endast ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
email: info@joyful-printing.net
Först Inledning
När trycksektorn ändras från analog till digital har problemet med exakt färgåtergivning blivit kritisk. Vi behöver använda färghantering för att säkerställa bättre, snabbare och mer exakta färgbilder. För att uppnå färguniformitet och enhetens oberoende i processen med bildbehandling är det nödvändigt att genomföra standardiserad och standardiserad färghantering.
Den så kallade färghanteringen är att lösa problemet med bildkonvertering mellan färger, så att bildens färg minimeras under hela kopieringsprocessen. Grundidén är att först välja ett oberoende referensfärgutrymme, karaktärisera sedan enheten och slutligen upprätta en relation mellan färgutrymmet för varje enhet och det oberoende referensfärgutrymmet så att datafilen finns i varje enhet . Det finns ett tydligt förhållande mellan övergångarna. Även om det är omöjligt att ha alla färger på olika enheter exakt samma, kan du använda färghantering för att säkerställa att de flesta färgerna är desamma eller liknar en konsekvent färgkopieringseffekt.
För det andra, färgomvandling
Omvandling av färgutrymme avser att konvertera eller representera färgdata i ett färgutrymme i motsvarande data i ett annat färgutrymme, det vill säga med hjälp av data i olika färgutrymmen för att representera samma färg. I det här dokumentet konverteras det enhetberoende RGB-färgutrymmet till ett enhetoberoende CIELab-färgutrymme. Vilket färgutrymme som är associerat med enheten kan mätas och kalibreras i CIELab-färgutrymmet. Om olika enhetrelaterade färger motsvarar samma punkt i CIELab-färgutrymmet, måste övergången mellan dem vara korrekt.
Det finns många sätt att konvertera färgutrymme. I detta dokument introduceras främst 3D-tabellinterpolering och polynomial regression.
1. Tredimensionell tabelluppslagning av interpolering
Den tredimensionella uppslagstabellen är för närvarande en vanlig algoritm för studier av färgutrymmeomvandling. Kärnidén i 3D-lookup-tabellalgoritmen är att dela källfärgutrymmet i en vanlig kub. Data av de åtta punkterna i varje kub är kända, och de kända punkterna i alla källrum bildar en tredimensionell. Uppslagstabell. När någon punkt i källutrymmet är angivet kan de åtta datapunkterna intill den detekteras att bilda en nod av en liten kubgitter, och de åtta punkterna av den lilla kuben interpoleras för att erhålla data som motsvarar målutrymmet.
Den allmänna uppslagstabellen används i kombination med interpolationsmetoden och blir en tredimensionell uppslagstabellmetod med en interpolationsalgoritm. Denna metod kan delas in i tre steg:
1 segmentering: partitionera källfärgutrymmet vid ett visst provtagningsintervall för att skapa ett tredimensionellt uppslagstabell;
2 Sök: För en känd ingångspunkt, leta i källautrymmet och hitta kuben som består av åtta rutpunkter som innehåller den;
3 Interpolering: Beräkna färgvärdena på icke-gridpunkter i ett kubiskt rutnät.
Enligt olika segmenteringsmetoder för källutrymme är gemensamma interpoleringsalgoritmer: trilinjär interpolering, triangulär prismainterpolation, pyramidinterpolering och tetrahedralinterpolering.
2. Polynomial regression
Polynomregressionsalgoritmen baseras på antagandet att associeringen av färgutrymmen kan beräknas med en uppsättning samtidiga ekvationer. Det enda nödvändiga villkoret för polynomregressionsalgoritmen är att antalet punkter i källrummet ska vara större än antalet objekt i det valda polynomet. Inriktningen för denna algoritm är att beräkna polynomernas koefficienter och sedan ersätta data från källfärgutrymmet i polynomet, och sedan kan det omvandlade resultatet erhållas enligt ekvationen.
Det finns många olika former av polynom. I detta papper används ett polynom med ett antal artiklar om 6. Det specifika uttrycket visas i formel (1).
Koefficienten för detta polynom kan erhållas från ekvation (2).
Uttryckena i formeln (2) är respektive införlivandet av matrisen såsom visas i formlerna (3) och (4), och det specifika uttrycket är som visas i formeln (5). Antalet termer som representerar polynomet i formel (3) tas i detta ämne; den anger antalet punkter i det valda källutrymmet. I detta problem erhålls 216 poäng efter sex nivåer av segmentering av källutrymmet (dvs. RGB-färgutrymme). Så ta det. Faktum är att för ett polynom med ett termenummer på 6 kan polynomets koefficient erhållas genom att ta den.
I formeln (3) är () de tre färgvärdena för källutrymmet, och () i formeln (4) är någon av de tre värdena som representerar färgen i målutrymmet.
Polynomial regressionsalgoritmen är enkel, enkel att implementera och har en bra omvandlingseffekt; men noggrannheten är låg när antalet objekt är små, när antalet objekt är för stort är beräkningsbeloppet stort och precisionen är inte nödvändigtvis hög.
3. Färgskillnad
Vid utvärdering av färgreproduktionskvaliteten och kontroll av färgreproduktionsprocessen, till exempel vid implementering av färghantering och utvärdering av färgen på ett tryck, är det ofta nödvändigt att beräkna färgskillnaden för färgen för att uppnå syftet att styra färgen. För närvarande används CIE 1976 Labs enhetliga färgutrymme och motsvarande färgdifferensformel i tryckindustrin. Det specifika uttrycket visas i formel (6).
För det tredje, förverkligandet
För det första introduceras operativplattformen för detta ämne, och metoden för att erhålla de data som används i detta ämne och de detaljerade stegen för att realisera färgrymdskonvertering förklaras i detalj.
1.Operating plattform
Operativsystemet som används i detta ämne är Microsoft Windows XP, programmeringsmiljön är Visual C ++ 6.0, hela applikationen är baserad på MFC-applikationsramen, och OpenGL och OpenCV används också.
2. Datainsamling
Uppgifterna är indelade i två delar: modelleringsdata och testdata. Modelleringsdata används för att beräkna polynomernas koefficienter. Testdata används för att analysera algoritmens noggrannhet. Modelleringsdata och testdata från källrummet och målutrymmet finns i Adobe Photoshop. Samlade in.
2.1 förvärv av modelleringsdata Detta ämne använder sex nivåer av enhetlig segmentering för att samla modelleringspunkter, och R, G och B tar 0, 51, 102, 153, 204 och 255. Ange värdena R, G och B i färgväljaren i PhotoShop och spela in värdena på L, a och b som motsvarar värdena och skriv dem i texten, som visas i Figur 1. Totalt av 63 = 216 uppsättningar av värden erhölls.
Figur 1 Hämta data från färgplockaren
2.2 Förvärv av testdata I det här ämnet används ojämn segmentering på åtta nivåer för att samla testpunkter. R, G och B tar 0, 36, 72, 108, 144, 180, 216, 255. Förvärvsmetoden är densamma som ovan och totalt 83 = 512 gruppvärden erhålls.
3. Särskilda genomförandesteg
Flödesdiagrammet för den specifika implementeringen av detta ämne visas i figur 2.
Figur 2 Ramflödesdiagram
Som visas i Figur 2 är de specifika stegen i programimplementationen följande:
3.1 Starta Visual C ++ 6.0 först och ställ in OpenCV runtime-miljön i MFC.
3.2 Läs modelleringsdata.
3.3 Slutförande av beräkningen av polynomkoefficienterna: enligt formlerna (3), (4), (5). Koefficienterna för polynomet erhålles genom att i följd erhålla, och.
3.4 Läs testdata.
3.5 Rita en tredimensionell färgvy av motsvarande Lab-modell efter segmentering av 8-nivå på RGB-modellen.
3.6 Ta RGB-värdena för varje punkt erhållen genom åtta stegs segmentering i de tre polynomerna erhållna i steg 3 och beräkna L, a och b-värdena för varje punkt (hädanefter benämnt det beräknade värdet), varigenom konvertera RGB färgutrymme till Lab-färgutrymme genom polynom-regression.
3.7 För att bedöma fördelarna med denna färgomvandlingsmetod är det nödvändigt att bedöma genom att beräkna färgskillnaden. För varje färg erhålles det uppmätta värdet som erhölls i steg 4 genom att subtrahera det beräknade värdet erhållet i steg 6 och därefter erhålles färgskillnaden enligt formel 6, varvid histogrammet för den utmärkta skillnadsfördelningen ritas och skillnaden är i sortimentet av olika färgskillnader. andel.
För det fjärde visar och analyserar resultaten
Enligt de specifika stegen i föregående avsnitt används VC ++ 6.0 för att realisera omvandlingen av RGB till Lab-färgutrymme i PhotoShop. Detta avsnitt visar huvudsakligen programmets löpande resultat och utför en kort analys.
1. Resultatvisning
I detta papper fastställs omvandlingsförhållandet genom sex nivåer enhetlig segmentering, och noggrannheten av denna metod testas med användning av ojämn segmentering på åtta nivåer. Histogrammet för färgskillnadsfördelningen dras och färgskillnaden räknas. Huvudgränssnittet för programimplementeringen visas i Figur 3.
Figur 3 RGB till CIELab färgomvandlingskroppsgränssnitt
Histogrammet för färgskillnadsfördelningen och relaterad statistisk data visas i figur 4.
Figur 4 Färgskillnadsstatistikgränssnitt
Den tredimensionella färgvyn av motsvarande Lab-modell efter segmentering av 8-nivå på RGB-modellen visas i Figur 5. Efter att RGB-modellen är uppdelad i åtta nivåer används polynomregressionsmetoden för att omvandla till den tredimensionella färgen vy av labfärgsmodellmodellen, som visas i figur 6.
Figur 5 Tredimensionell färgvy av Lab-färgutrymmet efter den åtta nivåens delade RGB-färgutrymme
Figur 6 Tredimensionell färgvy konverterad till Lab-färgutrymme efter splittring av RGB-färgutrymme på åtta nivåer
2. Analys och sammanfattning av resultat
Såsom visas i FIG. 4 är den maximala färgskillnaden efter färgomvandling av 512 färger 28, och färgskillnadsfördelningen är inte enhetlig som helhet.
Enligt statistiken finns det 74 färger i intervallet 0-5, vilket motsvarar 14,45% av totalen. 264 färger i intervallet 5-10, står för 51,56% av totalen; Färgskillnadsintervallet är mellan 10 och 15. 157 färger, vilket motsvarar 30,66% av totalen. kromatisk avvikelse varierade från 15 till 20 med 13 färger, vilket motsvarade 2,54% av totalen; Färgskillnad större än 20 för 4 färger, vilket motsvarar 0,78% av totalen och data visade att färgskillnaden Bland de fyra färgerna över 20, den rena blåen (0,0255) och den rena gröna (0,255,0) har den största färgskillnaden och de andra två färgerna har en färgskillnad på mindre än 21. För dessa 512 färger är färgskillnaden högst 28, minimumet är 0 och den genomsnittliga färgskillnaden är 9. Generellt är intervallet av kromatiska aberrationer koncentreras mestadels mellan 5 och 15.
Genom att jämföra Figur 5 med Figur 6 kan vi upptäcka att RGB-färgutrymmet omvandlas till Lab-färgrymdsmodellen genom polynomregressionsmetod, vilket liknar formen av Lab-färgrymdsmodellen som erhållits genom testet, vilket indikerar att de erhållna resultaten med detta ämne är idealiska.
V. Sammanfattning
Det kan ses att användningen av polynom-regression för att utföra färgutrymmeomvandling är relativt noggrann. Polynomin för olika artikelnummer kan användas för att jämföra konverteringsresultatet från samma källutrymme till samma målutrymme. därigenom utreda det optimala antalet polynomier i processen att konvertera källutrymmet in i målutrymmet. Därför behövs ytterligare forskning om detta ämne.