Tentoonstelling

Onderzoek naar RGB naar CIELab Color Space Conversion Algorithm op basis van de lokale veeltermmethode

Oct 25, 2018 Laat een bericht achter

Onderzoek naar RGB naar CIELab Color Space Conversion Algorithm op basis van de lokale veeltermmethode

Wij zijn een groot drukkerijbedrijf in Shenzhen China. Wij bieden alle boekpublicaties, hardcover boekafdrukken, papercover boekdruk, hardcover notitieboek, takboekafdrukken, boekafdrukken met zadelsteken, boekjes printen, verpakkingsdoos, kalenders, alle soorten PVC, productbrochures, notities, kinderboeken, stickers, alles soorten speciale papieren kleurendrukproducten, gamekaart enzovoort.

Bezoek voor meer informatie

http://www.joyful-printing.com. Alleen ENG

http://www.joyful-printing.net

http://www.joyful-printing.org

e-mail: info@joyful-printing.net


Kleurreproductie en -reproductie zijn afhankelijk van verschillende hardwareapparaten, zoals monitors, printers, enz., Maar de kenmerken van deze hardwareapparaten kunnen niet identiek zijn, zodat zelfs voor hetzelfde type apparaat, als dezelfde kleurwaarde (zoals RGB, CMYK) wordt ingevoerd, de weergave ervan Of het effect van afdrukken is ook inconsistent, zelfs ver van elkaar. Om consistentie van kleurenreproductie op verschillende hardwareapparaten te bereiken, zijn kleurbeheertekstechnieken gebaseerd op apparaatonafhankelijke ruimte ontstaan. Zoals weergegeven in afbeelding 1, wordt de apparaatgerelateerde ruimte (zoals RGB, CMY) geconverteerd naar een apparaatonafhankelijke ruimte (zoals CIELab) en vervolgens wordt de apparaatonafhankelijke ruimte geconverteerd naar de apparaatgerelateerde ruimte. Daarom is de kern van de kleurbeheertechnologie de conversie van kleurenruimte. Traditionele wiskundige methoden zoals interpolatie en polynomiale regressie zijn in de praktijk veel gebruikt en hebben goede resultaten opgeleverd. In dit artikel wordt een lokale polynoommethode die verschilt van de bovenstaande twee methoden gebruikt om de omzetting van RGB naar CIELab-kleurenruimte te realiseren en vergeleken met polynoomregressiemethode (20 items). De experimentele resultaten laten zien dat het model een hoge conversienauwkeurigheid heeft en een referentie kan zijn voor wetenschappelijk onderzoek.


Allereerst gebaseerd op lokaal veelterm RGB tot CIELab-algoritmen voor kleurruimteconversie


1. Algoritme-principe

In subafbeelding (a) van figuur 2 zijn er 512 punten in de RGB-ruimte, die netjes zijn gerangschikt in een grote kubus. Als de CIELab-waarden die overeenkomen met deze punten echter worden verkregen in Photoshop-software en weergegeven in de CIELab-ruimte, zoals weergegeven in deelafbeelding (b) van figuur 2, is de puntenverdeling geen grote kubus, maar een onregelmatige vorm. . Daarom is er een niet-lineaire relatie tussen RGB- en CIELab-ruimte.

(a) RGB-ruimte (b) CIELab-ruimte


Om de niet-lineaire relatie tussen beide te benaderen, gebruikt dit artikel de lokale polynomiale methode. Het wordt gekenmerkt door het verdelen van de bronruimte, dat wil zeggen het verdelen van de grote kleurruimte in verschillende subkleurenruimten, en vervolgens het uitvoeren van polynomiale regressie op de kleurruimteconversie in de subkleurruimte. De traditionele methode van polynomiale regressie is om direct in de grote kleurenruimte te converteren, wat grote fouten in sommige delen van de ruimte zal veroorzaken, omdat de niet-lineaire relatie van sommige regio's zo duidelijk is dat het moeilijk is om een globale methode te benaderen. Daarom wordt, als de bronkleurenruimte voor het eerst wordt verdeeld, de polynoomregressiemethode in de subruimte gebruikt om de ruimtelijke transformatie te realiseren, die de niet-lineaire relatie tussen de twee kleurruimten beter kan benaderen en de conversieprecisie kan verbeteren.


De lokale polynoommethode kan in twee stappen worden verdeeld: ten eerste moet de bronkleurenruimte worden gesegmenteerd, de modelleringspunten worden verkregen en een opzoektabel worden vastgesteld. Als het niveau van de segmentatie hoger is, geldt hoe kleiner het volume van de verdeelde deelruimte, hoe hoger de nauwkeurigheid van de conversie, maar tegelijkertijd neemt de hoeveelheid berekening toe. Ten tweede wordt de polynomiale regressiemethode gebruikt in de subruimte om ruimtelijke transformatie te realiseren. Eerst worden de polynoomcoëfficiënten opgelost door gebruik te maken van de kleurwaarden van de subruimteroosterpunten (RGB, CIELab) en vervolgens worden de kleurwaarden van de punten die moeten worden geconverteerd in de doelruimte verkregen volgens de verkregen coëfficiënten.


2. Implementatiestappen

2.1 Maak een opzoektabel

Ten eerste voert dit artikel 8 niveaus van uniforme partitionering op RGB-ruimte uit om 512 modelleringspunten te verkrijgen (segmentering op n-niveau, er zijn n3 modelleringspunten), dat wil zeggen, op gelijke afstand van elkaar geplaatste monsters op respectievelijk R-, G-, B-kanalen. De afstand is 36 en de bemonsteringspunten zijn respectievelijk 0, 36, 72, 108, 144, 180, 216, 255, zoals weergegeven in subfiguur (a) van figuur 3. Ten tweede, om de fout beter te kunnen verifiëren van het model, is het noodzakelijk om het optreden van andere fouten, zoals de meetfout van de experimentele gegevens, te elimineren. Daarom gebruikt dit artikel het meetinstrument niet om de experimentele gegevens te lezen, maar verkrijgt het direct de RGB-waarden van 512 modelleringspunten en de bijbehorende CIELab-waarden in het Photoshop-paneel van Photoshop.


(a) 8-niveaus uniforme verdeling van RGB-ruimte (b) 8 roosterpunten van deelruimte

Figuur 3 8-niveaus uniforme verdeling van RGB-ruimte en 8 roosterpunten van zijn deelruimte


2.2 op zoek naar subruimte

Omdat de bronruimte in 8 niveaus is verdeeld, worden 343 subruimten gevormd (n-niveaudeling, er zijn (n-1) 3 subruimten), zoals getoond in subafbeelding (a) van FIG. Voor een om te zetten kleurpunt, als het punt een modelleerpunt is, wordt de overeenkomstige CIELab-waarde rechtstreeks uitgevoerd volgens de opzoektabel. Als het een niet-modelleringspunt is, gebruikt u de RGB-waarde om de subruimte te vinden waarin het punt zich in de driedimensionale RGB-ruimte bevindt, zoals weergegeven in deelafbeelding (b) van figuur 3 en vervolgens de RGB van de 8 roosterpunten van de deelruimte. En de CIELab-waarde, klaar om polynomiale regressie uit te voeren, lost de polynoomcoëfficiënten op.


Voor een RGB-waarde (33, 144, 200) die moet worden geconverteerd (het punt is een niet-modelleringspunt), zijn de RGB-waarden van de 8 rasterpunten in de subruimte bijvoorbeeld (0, 108, 180). 0,108,216) (0,144,180), (0,144,216), (36,108,180), (36,108,216), (36,144,216). Omdat deze rasterpunten modelpunten zijn, zijn de overeenkomstige CIELab-waarden te vinden in de opzoektabel. Nadat u de RGB- en CIELab-waarden van deze rasterpunten hebt bepaald door de tabel op te zoeken, kunt u zich voorbereiden op de volgende stap om de polynoomcoëfficiënten op te lossen die overeenkomen met deze deelruimte en heeft elke deelruimte een unieke overeenkomstige polynoomcoëfficiënt.


2.3 Zoek de polynoomcoëfficiënt van de deelruimte

Polynomiale regressie vereist dat het aantal items kleiner moet zijn dan het aantal modelleringspunten. Bij het oplossen van de coëfficiënten van de deelruimte, omdat slechts 8 roosterpunten van de deelruimte als modelleerpunten worden gebruikt, kunnen slechts 7 polynomen worden gebruikt, zoals weergegeven in vergelijkingen (1), (2) en (3).


Waarbij: R, G, B, L, A, B de R, G, B, L, a, b waarden zijn van de subruimteroosterpunten; respectievelijk, en de polynomen die overeenkomen met de L, a, b waarden respectievelijk coëfficiënt.


In het oplossingsproces moeten bijvoorbeeld de RGB- en L-waarden van de eerste tot achtste rasterpunten van de deelruimte worden vervangen door vergelijking (1), en kunnen acht vergelijkingen worden verkregen die vervolgens worden verkregen door Gauss-eliminatie. Op dezelfde manier worden de RGB-, een waarde-, RGB- en b-waarden van de acht roosterpunten vervangen door de vergelijkingen (2) en (3), respectievelijk, en de som kan worden verkregen. Voor een kleurpunt met een RGB-waarde van (33, 44, 200) is bijvoorbeeld de polynoomcoëfficiënt die overeenkomt met de deelruimte waarin deze zich bevindt, zoals getoond in vergelijkingen (4), (5) en (6).


2.4 op zoek naar CIELab-waarde

Na het verkrijgen en vervolgens worden de RGB-waarden van de kleurpunten vervangen door de vergelijkingen (1), (2) en (3) en wordt de CIELab-waarde van het punt opgelost. De RGB-waarde is bijvoorbeeld ook het kleurpunt van (33, 44, 200) en R = 33, G = 44 en B = 200 zijn achtereenvolgens gesubstitueerd in de vergelijking (4), vergelijking (5) en vergelijking (6) wanneer de coëfficiënt bekend is. , u kunt respectievelijk L = 56, A = -15, B = -38 vinden om de omzetting van RGB naar CIELab te realiseren.


Ten tweede, de experimentele resultaten en analyse


1. Nauwkeurigheidstest

In dit artikel is de RGB-kleurruimte verdeeld in zes niveaus om 216 testpunten te verkrijgen. De RGB-waarden van deze kleurpunten en de bijbehorende CIELab-waarden worden ook verkregen in Photoshop en vervolgens worden de gegevens gebruikt om de nauwkeurigheid van het model te verifiëren.


2. Analyse van resultaten

Tijdens het verifiëren van de nauwkeurigheid van het model, gebruikt dit artikel ook de polynomiale regressiemethode (20 items) om ermee te vergelijken. De experimentele resultaten zijn weergegeven in Tabel 1. Het is duidelijk dat de lokale polynoommethode veel beter is dan de polynoomregressiemethode (20 items), ongeacht het maximale kleurverschil, minimale fout en gemiddelde fout van de conversie.

Tabel 1 Vergelijking van experimentele resultaten van de twee methoden


Bovendien wordt de foutverdeling van de twee methoden weergegeven in Afbeelding 4 en Afbeelding 5. Voor de 216 testpunten wordt de lokale polynoommethode gebruikt. Het aantal fouten tussen 0 en 1 is ongeveer 150, wat bijna 70% is, en de meeste fouten liggen tussen 0 en 2. Als polynomiale regressie wordt gebruikt (20 items) De fout wordt voornamelijk verdeeld tussen 1 en 5, en een een klein aantal punten wordt verdeeld tussen 7 en 9, en de verdeling is niet ideaal. Daarom is de lokale polynoommethode een methode met een hoge conversieprecisie.


Ten derde, de conclusie


In dit artikel wordt de RGB-CIELab-kleurruimteconversie geïmplementeerd door de lokale polynoommethode en vergeleken met de polynoomregressiemethode (20 items). De experimentele resultaten tonen aan dat de lokale polynoommethode een zeer nauwkeurige conversiemethode is en superieur is aan de polynoomregressiemethode (20 items). Als de conversienauwkeurigheid verder wordt verbeterd en de foutdistributie beter wordt verbeterd, kunnen de modelleringsgegevens worden gedeeld door 8 of meer of niet-uniform verdeeld, of kan een niet-lineaire functie in het polynoom worden ingevoerd om de twee kleuren. Een niet-lineaire relatie tussen spaties.

Aanvraag sturen