изложба

Изследване на алгоритъма за преобразуване на цветово пространство RGB до CIELab, базиран на локалния полиномен метод

Oct 25, 2018 Остави съобщение

Изследване на алгоритъма за преобразуване на цветово пространство RGB до CIELab, базиран на локалния полиномен метод

Ние сме голяма печатна компания в Шенжен Китай. Ние предлагаме всички публикации на книги, хартия печат книга, хартия печат книга, хартия тетрадка, шпионски книга печат, печат книга печат, печат книга, опаковка кутия, календари, всички видове PVC, продуктови брошури, бележки, книга за деца, стикери видове продукти за специална хартия за цветно печатане, игра на карти и т.н.

За повече информация посетете

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

http://www.joyful-printing.net

http://www.joyful-printing.org

имейл: info@joyful-printing.net


Възпроизвеждането и възпроизвеждането на цветове зависят от различни хардуерни устройства, като монитори, принтери и т.н., но характеристиките на тези хардуерни устройства не могат да бъдат идентични, така че дори при един и същи тип устройство, ако има еднаква цветова стойност (като RGB, CMYK) е вход, неговият дисплей Или ефектът от отпечатването също е несъвместим, дори и далеч един от друг. За да се постигне съгласуваност на възпроизвеждането на цветовете на различни хардуерни устройства, се появиха техники за управление на цветовете въз основа на пространство, независимо от устройството. Както е показано на фигура 1, пространството, свързано с устройството (като RGB, CMY), се преобразува в пространство, независимо от устройството (като CIELab), след което пространството, независимо от устройството, се преобразува в пространството, свързано с устройството. Ето защо основното съдържание на технологията за управление на цветовете е преобразуването на цветовото пространство. Традиционните математически методи като интерполация и полиномична регресия са широко използвани на практика и са постигнали добри резултати. В тази статия се използва локален полиномен метод, различен от горните два метода, за реализиране на конверсията от RGB в цветно пространство CIELab и сравнен с полиномен регресионен метод (20 елемента). Експерименталните резултати показват, че моделът има висока прецизност при преобразуване и може да осигури справка за научни изследвания.


Първо, въз основа на локалния полином RGB към CIELab алгоритъм за преобразуване на цветово пространство


1. Принцип на алгоритъма

В подграф (а) на фигура 2 има 512 точки в RGB пространството, които са подредени в голям куб. Ако обаче стойностите на CIELab, съответстващи на тези точки, се получават в софтуера на Photoshop и се показват в пространството CIELab, както е показано на под-картина (b) на фигура 2, разпределението на точките не е голям куб, а неправилна форма. , Ето защо съществува нелинейна връзка между RGB и CIELab пространството.

(a) RGB пространство (b) пространство CIELab


За да сближим нелинейните отношения между двете, тази статия използва локалния полиномен метод. Характеризира се с разделянето на пространството на източника, тоест разделянето на голямото цветово пространство в няколко под-цветни пространства и след това извършването на полиномна регресия върху цветовото пространство в под-цветното пространство. Традиционният метод на полиномна регресия е директното преобразуване в голямото цветово пространство, което ще доведе до големи грешки в някои области на пространството, тъй като нелинейното отношение на някои региони е толкова очевидно, че е трудно да се сближи с глобален метод. Следователно, ако първичното цветово пространство е разделено, тогава методът на полиномната регресия се използва в подпаратурата, за да се реализира пространствената трансформация, която може по-добре да сближи нелинейната връзка между двете цветни пространства и да подобри точността на преобразуване.


Местният полиномен метод може да бъде разделен на две стъпки: Първо, цветовото пространство на източника трябва да бъде сегментирано, точките за моделиране са получени и е създадена таблица за търсене. Ако нивото на сегментиране е по-високо, колкото по-малък е обемът на разделеното подпространство, толкова по-висока е точността на преобразуване, но в същото време се увеличава размерът на изчислението. На второ място, методът на полиномната регресия се използва в подпространството за реализиране на пространствена трансформация. Първо, полиномните коефициенти се решават, като се използват цветовите стойности на точките на подпространствената мрежа (RGB, CIELab), а след това цветните стойности на точките, които се преобразуват в целевото пространство, се получават съгласно получените коефициенти.


2. Стъпки за изпълнение

2.1 Създайте таблица за търсене

На първо място, тази хартия изпълнява 8 нива на равномерно разпределение в RGB пространство, за да получи 512 точки за моделиране (n-ниво сегментиране, има n3 моделиращи точки), т.е. равномерно разпределение на проби на R, G и B канали. Разстоянието е 36, а точките за вземане на проби са съответно 0, 36, 72, 108, 144, 180, 216, 255, както е показано на фигура (а) на фигура 3. На второ място, за по-добра проверка на грешката на модела, е необходимо да се отстрани появата на други грешки, като например грешката при измерването на експерименталните данни. Следователно тази статия не използва измервателния уред за четене на експерименталните данни, но директно получава RGB стойностите на 512 моделни точки и съответните стойности на CIELab в панела на Photoshop на Photoshop.


(a) 8-ниво равномерно разделяне на RGB пространството (b) 8 точки от мрежата на подпространството

Фигура 3 Равномерно разделяне на 8 нива на RGB пространство и 8 решетъчни точки на подпространството му


2.2 търси подпространство

Тъй като пространството на източника е разделено на 8 нива, се формират 343 подпасни пространства (n-ниво разделяне, има (n-1) 3 подпасности), както е показано в подграф (а) на ФИГ. За да се преобразува цветната точка, ако точката е точка за моделиране, съответната стойност на CIELab се извежда директно според таблицата за търсене. Ако то не е модел, използвайте неговата RGB стойност, за да откриете подпространството, в което точката е разположена в триизмерното пространство RGB, както е показано в под-картина (b) на Фигура 3, и след това извлечете RGB на 8-те точки на подпространството. И стойността CIELab, готова да направи полиномна регресия, решава полиномните коефициенти.


Например, за да се конвертира RGB стойност (33, 144, 200) (точката е точка, която не е моделирана), стойностите RGB на 8 решетъчни точки в подпространството са (0, 108, 180). 0,108,216) (0,144,180), (0,144,216), (36,108,180), (36,108,216), (36,144,216). Тъй като тези точки на мрежата са точки за моделиране, съответните стойности на CIELab могат да бъдат намерени в таблицата за търсене. След като определите стойностите на RGB и CIELab на тези точки на мрежата, като разгледате таблицата, можете да се подготвите за следващата стъпка за решаване на полиномните коефициенти, съответстващи на това подпространство, и всеки под-пространство има уникален съответстващ коефициент на полином.


2.3 Намерете коефициента на полинома на подпространството

Полиномната регресия изисква броят на елементите да е по-малък от броя на точките за моделиране. При решаване на коефициентите на подпространството, тъй като само 8 решетъчни точки на подпространството се използват като точки за моделиране, могат да се използват само 7 полиноми, както е показано в уравнения 1, 2 и 3.


Където R, G, B, L, A, B са стойностите R, G, B, L, a, b на точките на подпространствената мрежа; съответно, и полиномите, съответстващи на L, a, b стойностите съответно на коефициента.


Например, в процеса на разтваряне, RGB и L стойностите на първата до осмата решетка на подпространството трябва да бъдат заместени в уравнение (1) и могат да бъдат получени осем уравнения, които след това се получават чрез гаусово елиминиране. По същия начин RGB стойностите, RGB и b стойностите на осем решетъчни точки са заместени съответно в уравненията (2) и (3) и сумата може да бъде получена. Например, за цветна точка с RGB стойност на (33, 44, 200), коефициентът на полинома, съответстващ на подпространството, в който се намира, е както е показано в уравнения (4), (5) и (6).


2.4 търсене на стойност на CIELab

След получаването и след това, RGB стойностите на цветните точки се заместват в уравненията (1), (2) и (3) и стойността CIELab на точката се решава. Например, RGB стойността също е цветната точка на (33, 44, 200) и R = 33, G = 44 и B = 200 са последователно заместени в уравнението (4), уравнение (5) (6), където е известен коефициентът. , можете да намерите L = 56, A = -15, B = -38, съответно, за да постигнете RGB до CIELab пространствено преобразуване.


Второ, експерименталните резултати и анализ


1. Тест за точност

В тази статия RGB цветовото пространство е разделено на шест нива, за да се получат 216 точки на изпитване. Стойностите RGB на тези цветни точки и съответните стойности на CIELab се получават и в Photoshop, след което данните се използват за проверка на точността на модела.


2. Анализ на резултатите

В процеса на проверка на точността на модела тази хартия също използва полиномен регресионен метод (20 елемента), който да се сравни с него. Експерименталните резултати са показани в Таблица 1. Очевидно е, че локалният полиномен метод е много по-добър от метода на полиномната регресия (20 елемента), независимо от максималната разлика в цвета, минималната грешка и средната грешка на преобразуването.

Таблица 1 Сравнение на експерименталните резултати на двата метода


В допълнение, разпределението на грешките на двата метода е показано на Фигура 4 и Фигура 5. За 216 точки на изпитване се използва локалният полиномен метод. Броят на грешките между 0 и 1 е около 150, което е почти 70%, а повечето от грешките са между 0 и 2. Ако се използва полиномна регресия (20 елемента) Грешката се разпределя основно между 1 и 5 и малък брой точки се разпределят между 7 и 9, а разпределението не е идеално. Следователно локалният полиномен метод е метод с висока точност на преобразуване.


Трето, заключението


В тази статия, преобразуването на RGB в CIELab цветово пространство се осъществява чрез локалния полиномен метод и се сравнява с метода на полиномната регресия (20 елемента). Експерименталните резултати показват, че локалният полиномен метод е много точен метод на преобразуване и е по-добър от метода на полиномната регресия (20 елемента). В същото време, ако точността на преобразуване се подобри допълнително и разпределението на грешките е по-добре подобрено, данните за моделиране могат да бъдат разделени на 8 или повече или неравномерно разделени или нелинейна функция може да бъде въведена в полинома за по-добро приближаване два цвята. Нелинейна връзка между пространствата.

Изпрати запитване