本发明涉及光谱域的映射技术领域,特别涉及一种基于光谱域来实现跨媒体颜色再现的方法。
(二)
背景技术:
随着科技的发展及数字信息全媒体时代的到来,多元化颜色承载介质之间的颜色高品质传递、高保真再现日益成为显示、印染、纺织等领域追求的最终目标。在跨媒体颜色复制过程中,色域映射一直都是国际上颜色科学与图像复制领域的研究重点。色域是指所能表现的颜色范围,一般分为基于色度的色域和基于光谱的色域(简称光谱域)两种。基于色度的色域常选用CIE XYZ三刺激值或CIE Lab值来描述,然而使用CIE XYZ或CIE Lab值表征颜色本身会出现同色异谱现象,即源颜色和再现颜色的蒲培是条件匹配,改变外界环境不再匹配。基于光谱的色域始终采用物体的光谱特性而非色度值来进行颜色信息的交流、传递、再现,其颜色信息也不依赖于具体的观察环境和光源的影响,真正地实现所见即所得。因此,跨媒体的光谱域映射方法是基于光谱的匹配,原色与再现色的光谱特性完全一致,即在任何条件下均能保持等色的色彩再现性能。以光谱反射率作为色域映射的连接空间,是对原有的色域映射的一项重大突破。
不同类型输入或输出设备其成色机理不同,都会导致不同设备所能表现的光谱域不同。多元化颜色承载介质之间光谱域不匹配是导致跨媒体颜色再现失真最主要的因素,因此光谱域映射是必不可少的过程。基于跨媒体的光谱域映射技术包括设备无关链接空间的选择、颜色承载介质光谱域边界描述及光谱域映射算法,是实现跨媒体光谱匹配的前提条件。
由于光谱经离散采样后一般为31维,这为光谱域的描述及可视化、映射方向及映射方法带来了极大的难度,因此基于跨媒体的光谱域映射都是采用在基于降维技术的低维中间连接空间(ICS,Interim Connection Space)内映射。按照其降维原理基本上分为两大类:一种是基于多元统计分析的光谱域映射模型;另一种是基于同色异谱黑补偿的光谱映射模型。基于多元统计分析的光谱映射模型是基于光谱数据之间的相关性或波段之间的相关性进行数据降维,包括主成分分析法、独立主成分分析法、非线性主成分法。这类方法得到的降维结果仅是数学上的最优解,而非人眼视觉上的最优匹配和还原,且对应的系数空间为非均匀空间。因此,使用该模型进行光谱域映射没有得到广泛地认可。
基于同色异谱黑补偿的光谱映射模型主要是依据颜色光谱信息可分解成基本光谱和同色异谱黑光谱;基本光谱决定着光谱的色度信息,而同色异谱黑光谱决定着光谱的光谱精度,从一组具有相同色度的光谱中确定最终的重构光谱;其主要算法有LabPQR以及根据LabPQR特征改进的模型(LabRGB、XYZLMS等)。该模型是由色度色域空间和同色异谱黑降维空间组成,能够同时兼顾传统色彩管理系统且保持了颜色的光谱信息,所以在其空间进行光谱颜色处理方面得到了广泛地应用。然而基于同色异谱黑补偿的光谱映射策略都是基于预先计算出待映射点的颜色值(例如LabPQR值)进行映射,而忽略了在色度映射对于同色异谱黑空间的影响。在色度映射过程中,不仅仅对色度有影响(即影响了基本光谱),原始光谱减去变化之后的基本光谱,同色异谱黑光谱也发生了变化,因此还是按照原有同色异谱黑值进行映射必然产生人为误差。同时,在有些色度点上,我们会发现该色度点对应的同色异谱黑值很少,这样本身体现不了光谱域仅能通过简单地查找,要解决这一问题必须增加测量点,然而这样会增加计算复杂度和测量成本。正如我们实验所证明地,光谱对应的色度坐标具有点聚作用,反过来在一定程度上能反映光谱的特性。基于以上原因,本发明提出了一种基于同色异谱黑补偿的光谱映射模型,映射过程中引入了点聚理论来描述光谱域,利用样本自身特性设计了基于空间距离最短的光谱域映射方法。该发明根据实际的生产需求,按照光谱域维数的不同,设计了根据维数变化的光谱域映射方法。
(三)
技术实现要素:
本发明为了弥补现有技术的不足,提供了一种针对不同空间维数、节省计算量的基于光谱域来实现跨媒体颜色再现的方法。
本发明是通过如下技术方案实现的:
一种基于光谱域来实现跨媒体颜色再现的方法,包括如下步骤:
(1)采集源设备的光谱发射率和目标设备的光谱反射率,计算源设备的光谱反射率和目标设备的光谱反射率对应的CIE Lab值,然后根据目标设备的Lab值进行基于色度的色域边界描述,建立目标设备的色度色域空间;
(2)判断源设备样本点的CIE Lab值是否在目标设备的色度色域空间之内;若不包含在目标设备的色度色域空间中,即可判断样本点不在目标设备光谱域范围内,若包含在目标设备的色度色域空间中,则进行下一步;
(3)根据每个测试样本对应的CIE Lab值,以CIE Lab值为中心动态地建立具有测试样本特性的点聚集,该集内包含一组与测试样本具有相似属性的光谱反射率子集;接着,按照测试样本的三刺激值通过同色异谱补偿模型计算基本光谱,测试样本和子集内所有光谱发射率减去基本光谱,最终形成具有样本点特征的同色异谱黑光谱;
(4)对同色异谱黑光谱进行降维处理,根据实际需求选择所需的维数,包括一维、二维及三维,得到同色异谱黑降维空间;
(5)在同色异谱黑降维空间中,按照空间距离来判断测试样本的降维空间数值是否在目标设备降维空间数值域内;若是,则说明该测量点在目标设备光谱域范围内;若不是,则采用空间距离最短的原则,把测试样本点降维空间对应的值映射到目标设备降维空间所代表的数值域内。
本发明的更优技术方案为:
步骤(2)中,若源设备样本点的CIE Lab值不包含在目标设备的色度色域空间中,根据测试样本相对应的CIE Lab值在目标设备的色度色域空间内找到与其距离最近的色度点,以距离最近的色度点为中心,建立点聚集,在该点聚集中计算测试样本与该集中所包含的每一个样本光谱反射率之间的差异,从中选择最佳映射样本;样本光谱与子集内的每一个样本光谱反射率的差异使用均方根误差或基于人眼视觉特性的加权均方根误差进行计算。
步骤(3)中的具体操作为:
a)根据每个测试样本对应的CIE Lab值,以CIE Lab值为中心动态地建立具有测试样本特性的点聚集,该集内包含一组与测试样本具有相似属性的光谱反射率子集;将子集内样本对应的Lab值转换为规范化三刺激值,计算光谱反射率子集与规范化三刺激值之间的转换矩阵;
b)按照测试样本的三刺激值通过同色异谱补偿模型计算基本光谱,计算过程如下:将测试样本的Lab数值转换为规范化三刺激值;规划化三刺激值通过转换矩阵重建出基本光谱;
c)测试样本和子集内所有光谱发射率减去基本光谱,最终形成具有样本点特征的同色异谱黑光谱。
步骤(4)中,采用主成分分析法对同色异谱黑光谱进行降维处理。
本发明充分考虑实际生产的需求,选择相对应的空间维数,通过引用点聚理论来建立光谱域,节省计算时间,根据测试样本光谱特性动态地选择样本建立点聚集,将相似的样本聚类,降低了时间复杂度,维数少,利用光谱颜色管理系统建立,并且相对用户使用而言也较为方便。
(四)附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明的工艺流程示意图;
图2为实施例中测试样本色度值在目标设备的色度色域空间外建立点聚集的原理示意图;
图3为实施例中测试样本色度值在目标设备的色度色域空间内建立点聚集的原理示意图。
(五)具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下实施例结合附图对本发明跨媒体光谱域的映射方法作具体阐述。
图1是本发明的跨媒体光谱域的映射方法的流程图。
如图1所示,本发明所提供的跨媒体光谱域的映射方法包括以下步骤:
步骤1,采集源设备的光谱反射率和目标设备的光谱反射率;计算源设备的光谱反射率和目标设备的光谱反射率对应的CIE Lab值,然后根据目标设备的Lab值进行基于色度的色域边界描述,建立目标设备的色度色域空间;具体操作步骤如下:
(1)采集源设备的光谱反射率和目标设备的光谱反射率;
(2)计算源设备的光谱反射率和目标设备的光谱反射率对应的CIE Lab值;
其中,k是调整因数,物体表面光谱反射率为r(λ)、光源相对光谱功率分布为Ι(λ),x,y,z是CIE颜色匹配函数,CIE XYZ在光谱可视范围内通过积分得到;CIE Lab值可以通过CIE XYZ色空间转换得到的。
(3)将目标设备的Lab值转换到CIE LCH颜色空间,在CIE LCH颜色空间采用分区最大边界描述(Segment Maxima GBD,SMGBD)进行基于色度的色域边界描述,建立目标设备的色度色域空间。
步骤2,判断源设备样本点的CIE Lab值是否在目标设备的色度色域空间之内;
(1)若不包含在目标设备所具有的节点地址中,即可判断样本点不在目标设备光谱域范围内;这时根据测试样本相对应的CIE LCH值在目标设备的色度色域空间内采用空间距离最短法找到与其距离最近的色度点,以该点为中心建立点聚集;在该点聚集中计算测试样本与该集中所包含的每一个样本光谱反射率之间的差异,从中选择最佳映射样本;样本光谱与子集内的每一个样本光谱反射率的差异使用均方根误差或基于人眼视觉特性的加权均方根误差进行计算。
图2是实施例中测试样本色度值在目标设备的色度色域空间外建立点聚集的原理示意图。
(2)若包含在目标设备的色度色域空间中,这说明测试样本点在色度色域范围内。这时需要执行步骤3,来判断是否在目标设备内同色异谱黑降维空间内。
步骤3,根据每个测试样本对应的CIE Lab值,以CIE Lab值为中心动态地建立具有测试样本特性的点聚集,该集内包含一组与测试样本具有相似属性的光谱反射率子集。接着,按照测试样本的三刺激值通过同色异谱黑补偿模型计算基本光谱,测试样本和子集内所有光谱反射率减去基本光谱,最终形成具有样本点特征的同色异谱黑光谱。具体操作步骤如下:
(1)根据每个测试样本对应的CIE Lab值,以CIE Lab值为中心动态地建立具有测试样本特性的点聚集,该集内包含一组与测试样本具有相似属性的光谱反射率子集R;将子集内样本对应的Lab值转换为规范化三刺激值C0,计算光谱反射率子集与规范化三刺激值之间的转换矩阵H;即:
图3是实施例中测试样本色度值在目标设备的色度色域空间内建立点聚集的原理示意图。
(2)按照测试样本的三刺激值通过同色异谱黑补偿模型计算基本光谱;计算过程如下:
将测试样本的Lab数值转换为规范化三刺激值C;
从规范化三刺激值C重建出基本光谱,即
(3)测试样本和子集内所有光谱反射率R减去基本光谱,最终形成具有样本点特征的同色异谱黑光谱E。
步骤4,对同色异谱黑光谱进行降维处理,采用主成分分析法(PCA)进行降维处理;根据实际需求选择所需的维数,包括一维、二维及三维,得到同色异谱黑降维空间;
其中,是其第i个特征向量,是特征向量i对应的系数。
步骤5,在同色异谱黑降维空间中,按照空间距离来判断测试样本的降维空间数值是否在目标设备降维空间数值域内;
若是,则说明该测量点在目标设备光谱域范围内;
若不是,则采用空间距离最短的原则,把测试样本点降维空间对应的值映射到目标设备降维空间所代表的数值域内。不管对于降维空间维数是多少,都需要首先进行边界描述,然后进行数值点映射。
对于一维降维空间来说,在一条直线上选择距离测试点最近的点作为映射点;对于二维空间来说,使用凸壳算法找到边界,然后以测试点做边界线的垂线找距离最近的点。
对于三维空间来说,使用分区最大边界描述算法进行边界描述,测试点在降维空间的映射采用空间距离最小法。
实施例的作用与效果:
根据本实施例所提供的跨媒体光谱域的映射方法,因为先判断测试样本点是否在目标设备的光谱域空间内,包括在目标设备的色度色域空间和同色异谱黑降维空间的位置判断;然后根据测试样本在目标设备的色度色域空间和同色异谱黑降维空间位置的不同进行光谱域映射,所以本实施例的跨媒体光谱域映射更加灵活,维数少,利于光谱颜色管理系统建立,并且相对用户使用而言也较为方便。
在本实施例的跨媒体光谱域映射中,通过引用点聚理论来建立光谱域,且根据测试样本光谱特性动态地选择样本建立点聚集,节省计算时间,映射的光谱反射率更加准确。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护范围。