RGB til Lab fargeplass konvertering
Vi er et stort utskrift selskap i Shenzhen Kina. Vi tilbyr alle bokpublikasjoner, innbundet bokutskrift, utskrift av papirbøker, utskrift av trykte bokstaver, prospektbokutskrift, utskrift av saddestifter, trykking av boks, emballasje, kalendere, alle typer PVC, produktbrosjyrer, notater, barnbok, klistremerker, alle typer spesielle papir farge trykk produkter, game cardand så videre.
For mer informasjon vennligst besøk
http://www.joyful-printing.com. Kun ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
e-post: info@joyful-printing.net
Først Innledning
Etter hvert som utskriftsindustrien skifter fra analog til digital, har problemet med nøyaktig fargegjengivelse blitt kritisk. Vi må bruke fargebehandling for å sikre bedre, raskere og mer nøyaktige fargebilder. For å oppnå fargeuniformitet og enhet uavhengighet i prosessen med bildebehandling, er det nødvendig å implementere standardisert og standardisert fargestyring.
Den såkalte fargestyringen er å løse problemet med bildekonvertering mellom farger, slik at fargene på bildet minimeres under hele kopieringsprosessen. Den grunnleggende ideen er å først velge en enhetuavhengig referansefargelplass, deretter karakterisere enheten, og til slutt etablere et forhold mellom fargerommet på hver enhet og det enhetuavhengige referansefargeplasset, slik at datafilen er i hver enhet . Det er et klart forhold mellom overgangene. Selv om det er umulig å ha alle fargene på ulike enheter akkurat det samme, kan du bruke fargebehandling for å sikre at de fleste farger er de samme eller liknende for å oppnå en konsistent fargekopieringseffekt.
For det andre, fargeplass konvertering
Konvertering av fargeplasser refererer til å konvertere eller representere fargedata i ett fargeplass til tilsvarende data i et annet fargeplass, det vil si å bruke dataene i forskjellige fargeområder for å representere samme farge. I dette papiret konverteres det enhetavhengige RGB-fargeplass til en enhet-uavhengig CIELab-fargeplass. Eventuell fargeplate tilknyttet enheten kan måles og kalibreres i CIELab-fargeplassen. Hvis forskjellige enhetrelaterte farger samsvarer med samme punkt i CIELab-fargeplassen, må overgangen mellom dem være nøyaktig.
Det er mange måter å konvertere fargerom. Dette papiret presenterer i hovedsak 3D-tabellinterpolering og polynomial regresjon.
1. Tredimensjonal bordoppslag-interpolering
Den tredimensjonale oppslagstabellen metoden er for øyeblikket en vanlig algoritme for å studere fargeplass konvertering. Kjerneidéen til 3D-oppslagstabellalgoritmen er å dele kildens fargeplass i en vanlig kube. Dataene til de åtte toppunktene til hver kube er kjent, og de kjente punktene i alle kilde mellomrom danner en tredimensjonal. Oppslagstabell. Når et hvilket som helst punkt i kilden er gitt, kan de åtte datapunktene ved siden av den bli funnet for å danne en knutepunkt for en liten kubegitter, og de to vertikaler av den lille kuben er interpolert for å oppnå data som svarer til målrommet.
Den generelle oppslagstabellen-metoden brukes i kombinasjon med interpoleringsmetoden og blir en tredimensjonal oppslagstabellmetode med en interpolasjonsalgoritme. Denne metoden kan deles inn i tre trinn:
1 segmentering: partisjoner kildefargeplassen ved et bestemt samplingsintervall for å etablere et tredimensjonalt oppslagstabell;
2 Finn: For et kjent inngangspunkt, søk i kildeplassen og finn kuben som består av åtte gridpunkter som inneholder den;
3 Interpolering: Beregn fargeværdiene på ikke-gridpunkter i et tverrsnitt av terninger.
I henhold til forskjellige segmenteringsmetoder for kildeplass er vanlige interpoleringsalgoritmer: trilinær interpolering, triangulær prismeinterpolering, pyramidinterpolering og tetraederinterpolering.
2. Polynomisk regresjon
Den polynomale regresjonsalgoritmen er basert på antagelsen om at sammenhengen av fargespalter kan estimeres ved et sett av samtidige ligninger. Den eneste nødvendige betingelsen for polynom-regresjonsalgoritmen er at antall punkter i kildeplassen skal være større enn antall elementer i det valgte polynomet. Fokuset for denne algoritmen er å beregne koeffisientene til polynomet, og deretter erstatte dataene fra kildefargene i polynomet, og deretter kan det konverterte resultatet oppnås i henhold til ligningen.
Det er mange forskjellige former for polynom. I dette papiret brukes et polynom med en rekke elementer på 6. Det spesifikke uttrykket er vist i formel (1).
Koeffisienten til dette polynomet kan fås fra ligning (2).
Uttrykkene i formelen (2) er henholdsvis omsetning av matrisen som vist i formlene (3) og (4), og det spesifikke uttrykket er som vist i formelen (5). Antallet av termer som representerer polynomet i formel (3) er tatt i dette emnet; Det indikerer antall poeng på den valgte kildeplassen. I dette problemet oppnås 216 poeng etter seks nivåer av segmentering av kildeplassen (dvs. RGB-fargeplass). Så ta det. Faktisk, for et polynom med et termenummer på 6, kan polynomens koeffisient oppnås ved å ta det.
I formelen (3) er () de tre fargeværdiene til kildeplassen, og () i formelen (4) er noen av de tre verdiene som representerer fargen i målrommet.
Polynomial regresjonsalgoritme er enkel, enkel å implementere, og har en god konverteringseffekt; men nøyaktigheten er lav når antall elementer er små, når antall gjenstander er for store, er beregningsbeløpet stort, og presisjonen er ikke nødvendigvis høy.
3. Fargeforskjell
Når du vurderer fargegjengivelseskvaliteten og kontrollerer fargegjengivelsesprosessen, for eksempel når du implementerer fargestyring og vurderer fargen på en utskrift, er det ofte nødvendig å beregne fargedifferanse for fargen for å oppnå formålet med å kontrollere fargen. For tiden brukes CIE 1976 Labs ensartede fargeplass og tilhørende fargedifferanseformel i trykkindustrien. Det spesifikke uttrykket er vist i formel (6).
Tredje, realiseringsprosessen
For det første er operasjonsplattformen for dette emnet kort introdusert, og metoden for å skaffe dataene som brukes i dette emnet, og de detaljerte trinnene for å realisere fargeplasskonvertering, blir forklart i detalj.
1.Operating plattform
Operativsystemet som brukes i dette emnet er Microsoft Windows XP, programmeringsmiljøet er Visual C ++ 6.0, hele applikasjonen er basert på MFC-applikasjonsrammen, og OpenGL og OpenCV brukes også.
2. Datainnsamling
Dataene er delt inn i to deler: modelleringsdata og testdata. Modelleringsdataene brukes til å beregne koeffisientene til polynomet. Testdataene brukes til å analysere nøyaktigheten av algoritmen. Modelleringsdataene og testdataene fra kildeplassen og målrommet er alle i Adobe Photoshop. Samlet inn.
2.1 Oppkjøp av modelleringsdata. Dette emnet bruker seks nivåer av uniform segmentering for å samle modelleringspunkter, og R, G og B tar henholdsvis 0, 51, 102, 153, 204 og 255. Skriv inn verdiene for R, G og B i fargevalgeren til PhotoShop, og skriv inn verdiene for L, a og b som svarer til settet av verdier, og skriv dem inn i teksten, som vist i figur 1. En total av 63 = 216 sett av verdier ble oppnådd.
Figur 1 Skaffe data fra fargeplukkeren
2.2 Oppkjøp av testdata Dette emnet bruker 8-trinns ikke-uniform segmentering for å samle testpunkter. R, G og B tar henholdsvis 0, 36, 72, 108, 144, 180, 216, 255. Oppkjøpsmetoden er den samme som ovenfor, og totalt 83 = 512 gruppeværdier oppnås.
3. Spesifikke gjennomføringstrinn
Flytdiagrammet for den spesifikke implementeringen av dette emnet er vist i figur 2.
Figur 2 Ramme flytdiagram
Som vist i figur 2 er de spesifikke trinnene i programimplementasjonen som følger:
3.1 Start Visual C ++ 6.0 først, og sett OpenCV runtime miljøet i MFC.
3.2 Les modelleringsdataene.
3.3 Gjennomføring av beregningen av polynomekoeffisientene: henholdsvis henholdsvis formler (3), (4), (5). Koeffisientene til polynomet er oppnådd ved sekvensiell oppnåelse av, og.
3.4 Les testdataene.
3.5 Tegn en tredimensjonal fargebilde av den tilsvarende Lab-modellen etter åtte-nivå segmentering av RGB-modellen.
3.6 Ta RGB-verdiene av hvert punkt oppnådd ved åtte-trinns segmentering i de tre polynomene oppnådd i trinn 3, og beregne L, a og b verdier av hvert punkt (heretter referert til som beregnet verdi), og derved konvertere RGB fargeplass til Lab-fargeplass ved polynomisk regresjon.
3.7 For å bedømme fordelene ved denne fargeromvandlingsmetoden, er det nødvendig å dømme ved å beregne fargedifferansen. For hver farge oppnås den målte verdi oppnådd i trinn 4 ved å subtrahere den beregnede verdi oppnådd i trinn 6, og deretter blir fargedifferansen oppnådd i henhold til formel 6, histogrammet til den utmerkede forskjellsfordeling trekkes, og forskjellen er i Utvalget av forskjellige fargeforskjeller. proporsjon.
For det fjerde viser resultatene og analysen
I henhold til de spesifikke trinnene i forrige avsnitt, brukes VC ++ 6.0 til å realisere konverteringen av RGB til Lab-fargeplass i PhotoShop. Denne delen viser hovedsakelig de løpende resultatene av programmet og utfører en kort analyse.
1. Resultatvisning
I dette papiret er konverteringsforholdet etablert ved seksnivå ensartet segmentering, og nøyaktigheten av denne metoden blir testet ved å bruke åtte-nivå ujevn segmentering. Histogrammet til fargedifferansefordelingen er tegnet og fargedifferansen teller. Hovedgrensesnittet til programimplementeringen er vist i figur 3.
Figur 3 RGB til CIELab fargeplass konvertering kropp grensesnitt
Histogrammet for fargedifferansefordelingen og tilhørende statistiske data er vist i figur 4.
Figur 4 Fargeforskjellstatistikkgrensesnitt
Den tredimensjonale fargebildet til den tilsvarende Lab-modellen etter åtte-nivås segmentering av RGB-modellen er vist i Figur 5. Etter at RGB-modellen er delt inn i åtte nivåer, brukes polynom-regresjonsmetoden til å konvertere til den tredimensjonale farge visning av lab-fargeplassmodellen, som vist i figur 6.
Figur 5 Tredimensjonal fargevisning av Lab-fargeplassen etter åtte-nivå delt RGB-fargeplass
Figur 6 Tredimensjonal fargevisning konvertert til Lab-fargeplass etter å ha splittet RGB-fargeplass i åtte nivåer
2. Analyse og oppsummering av resultater
Som vist i fig. 4, er den maksimale fargedifferansen etter fargeplasskonvertering av 512 farger 28, og fargedifferansefordelingen er ikke ensartet som helhet.
Ifølge statistikken er det 74 farger i størrelsesorden 0 ~ 5, som står for 14,45% av totalen; 264 farger i området 5-10, står for 51,56% av totalen; fargeforskjellområdet er mellom 10 og 15. 157 farger, som utgjør 30,66% av totalen; kromatisk avvik varierte fra 15 til 20 med 13 farger, og utgjorde 2,54% av totalen; fargeforskjell større enn 20 for 4 farger, som utgjør 0,78% av totalen, og dataene viste at fargedifferansen blant de fire farger større enn 20, den rene blåen (0,0255) og den rene grønne (0,255,0) har den største fargen forskjellen, og de to andre farger har en fargeforskjell på mindre enn 21. For disse 512 farger er fargedifferansen maksimalt 28, minimumet er 0, og den gjennomsnittlige fargedifferansen er 9. Generelt sett rekkevidde av kromatiske aberrasjoner er hovedsakelig konsentrert mellom 5 og 15.
Sammenligning av figur 5 med figur 6 kan vi finne at RGB-fargeplassen er konvertert til Lab-fargemodellmodellen ved hjelp av polynomial regresjonsmetode, som ligner på formen på lab-fargeplassmodellen som ble oppnådd ved testen, hvilket indikerer at de oppnådde resultatene ved dette emnet er ideelle.
V. Sammendrag
Det kan sees at bruk av polynom-regresjon for å utføre fargeplasskonvertering er relativt nøyaktig. Polynomien til forskjellige varenumre kan brukes til å sammenligne konverteringsresultater fra samme kildeplass til samme målrom; og dermed finne ut det optimale antall polynomene i prosessen med å konvertere kildeplassen til målrommet. Derfor er det nødvendig med videre forskning om dette emnet.