Conversão de espaço de cores RGB para Lab
Somos uma grande empresa de impressão em Shenzhen, China. Oferecemos todas as publicações de livros, impressão de livros em capa dura, impressão de livros em papercover, capa dura, impressão de livros sprial, impressão de livros, impressão de folhetos, caixa de embalagem, calendários, todos os tipos de PVC, brochuras de produtos, notas, livros infantis, tipos de produtos especiais de impressão em cores de papel, cartão de jogo e assim por diante.
Para mais informações por favor visite
http://www.joyful-printing.com. Apenas ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
email: info@joyful-printing.net
Primeiro, Introdução
À medida que a indústria de impressão muda do analógico para o digital, o problema da reprodução precisa de cores tornou-se crítico. Precisamos usar o gerenciamento de cores para garantir imagens coloridas melhores, mais rápidas e mais precisas. Para obter uniformidade de cores e independência de dispositivos no processo de processamento de imagens, é necessário implementar um gerenciamento de cores padronizado e padronizado.
O chamado gerenciamento de cores é para resolver o problema de conversão de imagem entre as cores, para que a cor da imagem seja minimizada durante todo o processo de cópia. A idéia básica é primeiro selecionar um espaço de cores de referência independente de dispositivo, depois caracterizar o dispositivo e, finalmente, estabelecer um relacionamento entre o espaço de cores de cada dispositivo eo espaço de cores de referência independente de dispositivo, para que o arquivo de dados esteja em cada dispositivo . Existe uma relação clara entre as transições. Embora seja impossível ter todas as cores em dispositivos diferentes exatamente iguais, você pode usar o gerenciamento de cores para garantir que a maioria das cores sejam iguais ou semelhantes para obter um efeito de cópia de cores consistente.
Em segundo lugar, conversão de espaço de cor
Conversão de espaço de cor refere-se à conversão ou representação de dados de cores em um espaço de cores em dados correspondentes em outro espaço de cores, ou seja, usando os dados em diferentes espaços de cores para representar a mesma cor. Neste documento, o espaço de cores RGB dependente do dispositivo é convertido em um espaço de cores CIELab independente do dispositivo. Qualquer espaço de cor associado ao dispositivo pode ser medido e calibrado no espaço de cores do CIELab. Se diferentes cores relacionadas ao dispositivo corresponderem ao mesmo ponto no espaço de cores CIELab, a transição entre elas deve ser precisa.
Há muitas maneiras de converter o espaço de cores. Este artigo introduz principalmente a interpolação de tabelas 3D e a regressão polinomial.
1. Interpolação de consulta de tabela tridimensional
O método de tabela de pesquisa tridimensional é atualmente um algoritmo comumente usado para estudar a conversão de espaço de cores. A ideia principal do algoritmo da tabela de consulta 3D é dividir o espaço de cores de origem em um cubo normal. Os dados dos oito vértices de cada cubo são conhecidos e os pontos conhecidos de todos os espaços de origem formam um tridimensional. Tabela de pesquisa. Quando qualquer ponto no espaço de origem é fornecido, os oito pontos de dados adjacentes a ele podem ser encontrados para formar um nó de uma pequena estrutura de cubo, e os oito vértices do cubo pequeno são interpolados para obter dados correspondentes ao espaço de destino.
O método da tabela de consulta geral é usado em combinação com o método de interpolação e torna-se um método de tabela de pesquisa tridimensional com um algoritmo de interpolação. Este método pode ser dividido em três etapas:
1 segmentação: particiona o espaço de cores de origem em um determinado intervalo de amostragem para estabelecer uma tabela de pesquisa tridimensional;
2 Localizar: Para um ponto de entrada conhecido, pesquise o espaço de origem e localize o cubo que consiste em oito pontos de grade que o contêm;
3 Interpolação: calcula os valores de cor em pontos que não sejam de grade em uma grade de cubos.
De acordo com diferentes métodos de segmentação do espaço de origem, os algoritmos de interpolação comuns são: interpolação trilinear, interpolação de prisma triangular, interpolação de pirâmide e interpolação tetraédrica.
2. Regressão Polinomial
O algoritmo de regressão polinomial baseia-se no pressuposto de que a associação de espaços de cores pode ser estimada por um conjunto de equações simultâneas. A única condição necessária para o algoritmo de regressão polinomial é que o número de pontos no espaço de origem deve ser maior que o número de itens no polinômio selecionado. O foco deste algoritmo é calcular os coeficientes do polinômio e depois substituir os dados do espaço de cores de origem no polinômio, e então o resultado convertido pode ser obtido de acordo com a equação.
Existem muitas formas diferentes de polinômio. Neste trabalho, um polinômio com um número de itens de 6 é usado. A expressão específica é mostrada na fórmula (1).
O coeficiente deste polinômio pode ser obtido a partir da equação (2).
As expressões na fórmula (2) são respectivamente a transposição da matriz como mostrado nas fórmulas (3) e (4), e a expressão específica é como mostrado na fórmula (5). O número de termos representando o polinômio na fórmula (3) é usado neste tópico; indica o número de pontos do espaço de origem selecionado. Nesse problema, 216 pontos são obtidos após seis níveis de segmentação do espaço de origem (ou seja, espaço de cor RGB). Então tome-a. De fato, para um polinômio com um número de termo de 6, o coeficiente do polinômio pode ser obtido tomando-o.
Na fórmula (3), () são os três valores de cor do espaço de origem e () na fórmula (4) é qualquer um dos três valores que representam a cor no espaço de destino.
O algoritmo de regressão polinomial é simples, fácil de implementar e tem um bom efeito de conversão; mas a precisão é baixa quando o número de itens é pequeno, quando o número de itens é muito grande, a quantidade de cálculo é grande e a precisão não é necessariamente alta.
3. diferença de cor
Ao avaliar a qualidade da reprodução de cores e controlar o processo de reprodução de cores, por exemplo, ao implementar o gerenciamento de cores e avaliar a cor de uma impressão, geralmente é necessário calcular a diferença de cor da cor para atingir a finalidade de controlar a cor. Atualmente, o espaço de cor uniforme CIE 1976 Lab e sua fórmula de diferença de cor correspondente são comumente usados na indústria de impressão. A expressão específica é mostrada na fórmula (6).
Em terceiro lugar, o processo de realização
Em primeiro lugar, a plataforma de operação deste tópico é brevemente apresentada, e o método de obtenção dos dados usados neste tópico e as etapas detalhadas de realização da conversão de espaço de cores são explicados em detalhes.
Plataforma 1.Operating
O sistema operacional usado neste tópico é o Microsoft Windows XP, o ambiente de programação é Visual C ++ 6.0, o aplicativo inteiro é baseado na estrutura de aplicativo MFC e OpenGL e OpenCV também são usados.
2. Aquisição de dados
Os dados são divididos em duas partes: dados de modelagem e dados de teste. Os dados de modelagem são usados para calcular os coeficientes do polinômio. Os dados do teste são usados para analisar a precisão do algoritmo. Os dados de modelagem e os dados de teste do espaço de origem e do espaço de destino estão todos no Adobe Photoshop. Recolhidos
2.1 aquisição de dados de modelagem. Este tópico usa seis níveis de segmentação uniforme para coletar pontos de modelagem, e R, G e B levam 0, 51, 102, 153, 204 e 255, respectivamente. Insira os valores de R, G e B no seletor de cores do PhotoShop e registre os valores de L, a e b correspondentes ao conjunto de valores e registre-os no texto, como mostra a Figura 1. Um total de 63 = 216 conjuntos de valores foram obtidos.
Figura 1 Obtenção de dados do seletor de cores
2.2 Aquisição de dados de teste Este tópico usa segmentação não uniforme de oito níveis para coletar pontos de teste. R, G e B, respectivamente, levam 0, 36, 72, 108, 144, 180, 216, 255. O método de aquisição é o mesmo que acima, e um total de 83 = 512 valores de grupo são obtidos.
3. Etapas específicas de implementação
O fluxograma da implementação específica deste tópico é mostrado na Figura 2.
Figura 2 Fluxograma do frame
Conforme mostrado na Figura 2, as etapas específicas da implementação do programa são as seguintes:
3.1 Inicie o Visual C ++ 6.0 primeiro e defina o ambiente de tempo de execução OpenCV no MFC.
3.2 Leia os dados de modelagem.
3.3 Conclusão do cálculo dos coeficientes polinomiais: de acordo com as fórmulas (3), (4), (5), respectivamente. Os coeficientes do polinômio são obtidos pela obtenção sequencial, e.
3.4 Leia os dados do teste.
3.5 Desenhe uma visualização de cor tridimensional do modelo Lab correspondente após a segmentação de oito níveis do modelo RGB.
3.6 Traga os valores RGB de cada ponto obtido pela segmentação de oito estágios para os três polinômios obtidos na etapa 3 e calcule os valores L, a e b de cada ponto (daqui em diante referido como o valor calculado), assim convertendo RGB espaço de cor para o espaço de cores Lab por regressão polinomial.
3.7 Para julgar os méritos deste método de conversão de espaço de cor, é necessário julgar calculando a diferença de cor. Para cada cor, o valor medido obtido no passo 4 é obtido subtraindo o valor calculado obtido no passo 6, e então a diferença de cor é obtida de acordo com a fórmula 6, o histograma da distribuição de diferença excelente é desenhado, e a diferença está em o intervalo de diferenças de cores diferentes. proporção.
Em quarto lugar, os resultados exibem e análise
De acordo com as etapas específicas da seção anterior, o VC ++ 6.0 é usado para realizar a conversão do espaço de cores RGB para Lab no PhotoShop. Esta seção exibe principalmente os resultados da execução do programa e realiza uma breve análise.
1. exibição de resultados
Neste artigo, a relação de conversão é estabelecida pela segmentação uniforme de seis níveis, e a precisão desse método é testada usando a segmentação não uniforme de oito níveis. O histograma da distribuição da diferença de cores é desenhado e a diferença de cor é contada. A interface principal da implementação do programa é mostrada na Figura 3.
Figura 3 RGB para a interface do corpo de conversão de espaço de cores do CIELab
O histograma da distribuição da diferença de cor e os dados estatísticos relacionados são mostrados na Figura 4.
Figura 4 Interface de estatísticas de diferença de cores
A visualização de cor tridimensional do modelo Lab correspondente após a segmentação de oito níveis do modelo RGB é mostrada na Figura 5. Depois que o modelo RGB é dividido em oito níveis, o método de regressão polinomial é usado para converter a cor tridimensional vista do modelo de espaço de cores Lab, como mostrado na Figura 6.
Figura 5 Visualização de cores tridimensional do espaço de cores Lab após o espaço de cores RGB dividido de oito níveis
Figura 6 Visualização de cores tridimensional convertida em espaço de cor Lab após dividir o espaço de cores RGB em oito níveis
2. Análise e resumo dos resultados
Como mostrado na FIG. 4, a diferença máxima de cor após a conversão do espaço de cores de 512 cores é 28, e a distribuição da diferença de cor não é uniforme como um todo.
Segundo as estatísticas, existem 74 cores na faixa de 0 ~ 5, representando 14,45% do total; 264 cores na faixa de 5-10, representando 51,56% do total; o intervalo de diferença de cor é entre 10 e 15. 157 cores, representando 30,66% do total; a aberração cromática variou de 15 a 20 com 13 cores, representando 2,54% do total; diferença de cor maior que 20 para 4 cores, representando 0,78% do total, e os dados mostraram que a diferença de cor Entre as quatro cores maior que 20, o azul puro (0,0255) e o verde puro (0,255,0) tem a maior diferença de cor, e as outras duas cores têm uma diferença de cor menor que 21. Para estas 512 cores, a diferença de cor é no máximo 28, o mínimo é 0 ea diferença de cor média é 9. Em geral, a A gama de aberrações cromáticas concentra-se principalmente entre 5 e 15.
Comparando a Figura 5 com a Figura 6, podemos ver que o espaço de cores RGB é convertido para o modelo de espaço de cores Lab pelo método de regressão polinomial, que é semelhante à forma do modelo de espaço de cores Lab obtido pelo teste, indicando que os resultados obtidos por este tópico são ideais.
V. Resumo
Pode-se observar que o uso de regressão polinomial para realizar a conversão do espaço de cores é relativamente preciso. O polinômio de números de itens diferentes pode ser usado para comparar os resultados da conversão do mesmo espaço de origem para o mesmo espaço de destino; Assim, descobrir o número ideal de polinômios no processo de converter o espaço de origem no espaço de destino. Portanto, mais pesquisas são necessárias sobre este tópico.