本发明涉及计算机配色领域，尤其涉及一种基于光谱反射率倒数的油墨组份比例预测方法及设备。
背景技术：
计算机配色是纺织、印染、涂料制造业等着色相关行业用于产品研发、生产、质量控制等的一种方法，它彻底改变了依赖人工经验配色为主的行业现状，降低了生产成本。在包装印刷领域，目前使用的配色模型大多以kubelka-munk(简称k-m)理论为依据，通过线性加和的数学关系描述色料的光学特性(吸收系数和散射系数)与组份比例。有学者指出，k-m配色模型中，色料的光学特性与组份比例并不是一直呈线性关系；另外用加和关系描述色料在混合时的光学行为也是不准确的。针对k-m配色模型“非线性”和“非加和性”问题，有学者认为引起非线性的原因是材料表面反射，希望通过修正光谱反射率值提高k-m配色模型的线性程度。不仅如此，还有学者提出了采用递归、拟合、正则化、非线性规划等数值处理方法优化配色模型。以上方法在一定程度上提高了配色预测精度，然而其模型是建立在光学系数与比例是线性相关的基础上。与此同时，研究人员还提出基于复频谱理论、神经网络、粒子群优化方法等非线性配色模型，取得了较好的配色效果，但此类方法计算复杂，模型待定参数较多。因此，现有技术还有待于改进和发展。技术实现要素：鉴于上述现有技术的不足，本发明的目的在于提供一种基于光谱反射率倒数的油墨组份比例预测方法及设备，旨在解决现有技术中预测混合油墨中各基墨组份比例的过程复杂、模型待定参数较多的问题。本发明的技术方案如下：一种基于光谱反射率倒数的油墨组份比例预测方法，其包括步骤：根据混合油墨的光谱反射率的倒数与各基墨的组份比例的线性关系，建立混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数、各基墨的组份比例以及非线性项的数学模型；获取混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数，根据建立的数学模型预测各基墨的组份比例。优选的，所述数学模型如下：式中，pt(λ)表示混合油墨光谱反射率的倒数，pc,i(λ)表示各基墨的光谱反射率的倒数，ci表示各基墨的组份比例，ε(λ)表示非线性项，n表示基墨数量。优选的，在根据混合油墨的光谱反射率的倒数与各基墨的组份比例的线性关系，建立混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数、各基墨的组份比例以及非线性项的数学模型之前包括：确定建模样本的光谱反射率倒数与建模样本的组份比例线性相关程度最佳的波段。优选的，所述确定建模样本的光谱反射率倒数与建模样本的组份比例线性相关程度最佳的两个波段的步骤具体包括：建立多个建模样本，并记录各个建模样本的基墨组份比例；计算所述建模样本在400nm-700nm波长范围的光谱反射率的倒数；以波长为横坐标，建模样本的光谱反射率的倒数为纵坐标，建立平面直角坐标系，并从中选取最佳的波段。优选的，定义非线性项、各基墨的光谱反射率的倒数以及各基墨的组份比例三者之间的关系如下：式中，ε(λ)表示非线性项，c1、c2、c3…和cn表示各基墨的组份比例，pc,1、pc,2、pc,3…和pc,n表示各基墨的光谱反射率的倒数，n表示基墨数量，m表示系数。优选的，所述获取混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数，根据建立的数学模型预测各基墨的组份比例的步骤之后包括：根据所预测得到的组份比例计算混合油墨在各采样波长处的光谱反射率倒数，并对光谱反射率倒数进行求倒获得混合油墨的光谱反射率；将获得的光谱反射率与混合油墨实际的光谱反射率进行比较，并根据比较结果得到最佳的m值；根据最佳的m值计算出混合油墨中各基墨的组份比例并输出。优选的，利用三次样条插值方法得到最佳的m值。本发明还提供一种电子设备，其包括：处理器，适于实现各指令，以及存储设备，适于存储多条指令，所述指令适于由处理器加载并执行：根据混合油墨的光谱反射率的倒数与各基墨组份比例的线性关系，建立混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数、各基墨的组份比例以及非线性项的数学模型；获取混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数，根据建立的数学模型预测各基墨的组份比例。优选的，所述数学模型如下：式中，pt(λ)表示混合油墨光谱反射率的倒数，pc,i(λ)表示各基墨的光谱反射率的倒数，ci表示各基墨的组份比例，ε(λ)表示非线性项，n表示基墨数量。优选的，在根据混合油墨的光谱反射率的倒数与各基墨组分比例的线性关系，建立混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数、各基墨的组份比例以及非线性项的数学模型之前包括：确定建模样本的光谱反射率倒数与建模样本的组份比例线性相关程度最佳的波段。有益效果：本发明根据混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数、各基墨的组份比例以及非线性项之间的关系建立相应的数学模型，进一步获取混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数，从而预测混合油墨中各基墨的组份比例。这一方法简单有效、仅有一个待定参数，从而提高了效率、节约了时间。附图说明图1为本发明一种基于光谱反射率倒数的油墨组份比例预测方法较佳实施例的流程图。图2为本发明一种电子设备较佳实施例的结构框图。具体实施方式本发明提供一种基于光谱反射率倒数的油墨组份比例预测方法及设备，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。请参阅图1，一种基于光谱反射率倒数的油墨组份比例预测方法，其包括步骤：s1、根据混合油墨的光谱反射率的倒数与各基墨组份比例的线性关系，建立混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数、各基墨的组份比例以及非线性项的数学模型；s2、获取混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数，根据建立的数学模型预测各基墨的组份比例。本发明预先建立数学模型，数学模型包括混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数、各基墨的组份比例以及非线性项四个参数，这样，只需获取混合油墨的光谱反射率的倒数和各基墨的光谱反射率的倒数便能预测各基墨的组份比例。根据得到的各基墨的组份比例将各基墨进行混合，这样便能得到目标油墨。这一方法与传统方法相比，省去了诸多繁琐步骤、节约了时间、提高了效率。优选的，所述数学模型如下：式中，pt(λ)表示混合油墨光谱反射率的倒数，ci表示各基墨的组份比例，pc,i(λ)表示各基墨的光谱反射率的倒数，r(λ)表示各基墨的光谱反射率，ε(λ)表示非线性项，n表示基墨数量。根据上述公式可知，预测ci对应的数学模型如下：从上述数学模型可以看出，仅需获取混合油墨的光谱反射率的倒数与各基墨的光谱反射率的倒数便能预测各基墨的组份比例。例如，混合油墨是通过两种基墨混合得到，两种基墨分别为基墨1和基墨2。那么ci具有以下关系：minc1×pc,1(λ)+c2×pc,2(λ)+ε(λ)-pt(λ)，其中，pc,1(λ)和pc,2(λ)为基墨1和基墨2的光谱反射率倒数，pt(λ)为混合油墨的光谱反射率倒数，c1和c2便是所求基墨1和基墨2的组份比例。这一方法步骤简单，大大提高了效率。优选的，通过分光光度计测量混合油墨的光谱反射率以及各基墨的光谱反射率。所述分光光度计能够准确测量混合油墨的光谱反射率以及各基墨的光谱反射率，再将光谱反射率求倒，便能获取混合油墨的光谱反射率的倒数以及各基墨的光谱反射率的倒数，从而根据上述数学模型预测各基墨的组份比例。优选的，步骤s1之前包括：确定建模样本的光谱反射率倒数与建模样本的组份比例线性相关程度最佳的波段。这样便能确定各基墨的最佳的波段。优选的，所述确定建模样本的光谱反射率倒数与建模样本的组份比例线性相关程度最佳的波段步骤具体包括：建立多个建模样本，并记录各个建模样本的基墨组份比例；计算所述建模样本在400nm-700nm波长范围的光谱反射率的倒数；以波长为横坐标，建模样本的光谱反射率的倒数为纵坐标，建立平面直角坐标系，并从中选取最佳的波段。利用uv胶印油墨中常用的四色红和四色蓝两种基墨(即下表1中的基色油墨)按照给定的组份比例两两混合并进行打样。各基墨混合组份比例如下表1所示。打样时，首先根据表1准确称量各基墨的质量，然后充分混合，再将混合好的混合油墨利用igt适性仪在230g/m2的白卡纸上进行打样，待样条充分干燥后，使用分光光度计测量所有样条的在波长400nm-700nm内的光谱反射率。优选的，为了减少实验误差，通过三次测量并取平均值的方法得到每个编号样条的光谱反射率。样本的具体比例如下表1所示：表1基色油墨混合比例设置表1中，编号t01、t02和t12为四色蓝与四色红基墨混合配方预测实验的建模样本；编号t10、t11、t12、t13、t14为目标样本，以上样本统归为实验样本。经过实验以及计算得到：建模样本的光谱反射率倒数与建模样本的组份比例线性相关系数如下表2：表2建模样本的光谱反射率倒数与组份比例线性相关程度最佳的波段波长500nm0.9997r2610nm0.9950由上表2并根据相关系数的定义可知，当线性相关系数的值越接近1时，两者的线性关系越接近。那么，建模样本的最佳的波段为500nm和610nm。根据上表2可以确定最佳的波段，然而本发明的关键是确定非线性项或系数m的值。下面将详述如何确定最佳的m值，并根据最佳的m值输出各基墨的组份比例。优选的，定义非线性项、各基墨的光谱反射率的倒数以及各基墨的组份比例的三者之间的关系如下：式中，ε(λ)表示非线性项，c1、c2、c3…和cn表示各基墨的组份比例，pc,1、pc,2、pc,3…和pc,n表示各基墨的光谱反射率的倒数，n表示基墨数量，m表示系数。例如，混合油墨是由两种基墨混合得到，且基墨1的组份比例为c1、基墨2的组份比例为c2，那么根据上式可知：经过多次实验得知，m的取值在0.2至2内最为合适。下面通过具体的实验确定最佳的m值。优选的，所述步骤s2之后包括：s3、根据所预测得到的组份比例计算混合油墨在各采样波长处的光谱反射率倒数，并对光谱反射率倒数进行求倒获得混合油墨的光谱反射率；s4、将获得的光谱反射率与混合油墨实际的光谱反射率进行比较，并根据比较结果得到最佳的m值；s5、根据最佳的m值计算出混合油墨中各基墨的组份比例并输出。所述步骤s3中，通过定义不同的m值计算混合油墨中各基墨的组份比例，并记录m值以及对应各基墨的组份比例。根据各基墨的组份比例预测混合油墨在各采样波长处的光谱反射率倒数，并对预测得到的光谱反射率求倒，得到混合油墨在最佳的波段中的光谱反射率。所述步骤s4中，通过分光光度计获取混合油墨的真实光谱反射率。真实光谱反射率与步骤s3预测的得到光谱反射率存在一定的误差。将两者进行比较，例如，计算两者的差，并将差最小所对应的m值作为最佳m值。优选的，步骤s3计算的得到光谱反射率与真实光谱反射率之间的误差通过均方根误差rmse衡量，由于光谱反射率不能直接通过图像展示，因此增加色差指标de。这样，便可以通过色差指标de与rmse选出最适合的m值。特别的，经过实验以及建立相应的坐标得知，当m取0.4时，实验样本中的所有样本的平均色差指标和均方根误差取得最小值(表3)，故非线性项次数m值取0.4较为合适；实验样本中各基墨组份比例预测结果具体结果如下表4所示：表3实验样本组份比例预测精度评价(色差计算条件：d65光源/2°视场)表4实验样本四色红基色(t02)组份比例预测结果根据表4可知，实验样本中的m取0.4时，各样本的红基墨的组份比例预测结果与实际比例非常接近，误差为1.57％；此外，表4展示了采用全波段预测组份比例的计算结果。比较可知，该方法精度明显低于本发明提供的方法。虽然两种方法的数学模型相似，参数设置也相似，且都采用了最小二乘法计算运算，但全波段预测多数波段与各基墨的组份比例不具有严格的线性相关关系，而本发明仅取线性相关程度最佳的波段进行计算，大大减小了误差。所述步骤s5中，将分析得到的最佳的m值代入上述数学模型中，预测当前的各基墨组份比例，并输出。这样，便能得到最佳的各基墨组份比例。从而根据最佳的各基墨组份比例得到目标油墨。优选的，利用三次样条插值方法得到在各采样波长处的光谱反射率倒数。所述三次样条插值(cubicsplineinterpolation)简称spline插值，是通过一系列形值点的一条光滑曲线。根据上述的实验发现，本发明提供的方法简单有效、大大提高了效率。请参阅图2，本发明还提供一种电子设备10，其包括：处理器110，适于实现各指令，以及存储设备120，适于存储多条指令，所述指令适于由处理器110加载并执行：根据混合油墨的光谱反射率的倒数与各基墨组份比例的线性关系，建立混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数、各基墨的组份比例以及非线性项的数学模型；获取混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数，根据建立的数学模型预测各基墨的组份比例。优选的，所述数学模型如下：式中，pt(λ)表示混合油墨光谱反射率的倒数，pc,i(λ)表示各基墨的光谱反射率的倒数，ci表示各基墨的组份比例，ε(λ)表示非线性项，n表示基墨数量。优选的，在根据混合油墨的光谱反射率的倒数与各基墨组份比例的线性关系，建立混合油墨的光谱反射率的倒数、各基墨的光谱反射率的倒数、各基墨的组份比例以及非线性项的数学模型之前包括：确定建模样本的光谱反射率倒数与建模样本的组份比例线性相关程度最佳的波段。关于上述电子设备10的具体技术细节在上述步骤中已做详细描述，此处不做赘述。应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。当前第1页12