RGB és CIELab színtér konverziós algoritmusok vizsgálata a helyi polinomiális módszer alapján
Nagy nyomda vagyunk Shenzhen Kínában. Minden könyvkiadványt, keménykötésű könyvnyomtatást, papírkötésű könyvnyomtatást, keménytáblás noteszgépet, sprial könyvnyomtatást, nyeregtároló könyvnyomtatást, füzetnyomtatást, csomagoló dobozokat, naptárakat, mindenféle PVC-t, termék brosúrákat, jegyzeteket, gyermekkönyveket, matricákat speciális papír színes nyomdai termékek, játék kártya és így tovább.
További információkért látogasson el
http://www.joyful-printing.com. Csak ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
e-mail: info@joyful-printing.net
A színvisszaadás és a reprodukálás különböző hardvereszközökön, például monitorokon, nyomtatókon stb., De ezeknek a hardvereszközöknek a jellemzői nem lehetnek azonosak, így akár ugyanolyan típusú eszköz esetén is, ha ugyanaz a színérték (például az RGB, CMYK) bevitele, annak megjelenítése vagy a nyomtatás hatása szintén ellentmondásos, még messze egymástól. A különböző hardvereszközök színvisszaadási konzisztenciájának elérése érdekében a készüléktől független téren alapuló színkezelési technikák jöttek létre. Amint az 1. ábrán látható, a készülékkel kapcsolatos tér (például RGB, CMY) eszköz-független helyre (pl. CIELab) alakul át, majd a készüléktől független tér átalakul a készülékhez kapcsolódó térké. Ezért a színkezelési technológia alapvető tartalma a színtér konverziója. A hagyományos matematikai módszereket, mint például az interpolációt és a polinom regressziót széles körben használják a gyakorlatban, és jó eredményeket értek el. Ebben a cikkben a fenti két módszertől eltérő lokális polinommódszert alkalmaznak az RGB-CIELab színtérre történő konverzió megvalósítása és a polinomiális regressziós módszerrel (20 elem). A kísérleti eredmények azt mutatják, hogy a modell magas konverziós pontossággal rendelkezik, és referenciaként szolgálhat a tudományos kutatás számára.
Először a helyi polinom RGB-CIELab színtér konverziós algoritmus alapján
1. Algoritmus elve
A 2. ábra a) algráfiájában az RGB térben 512 pont van, amelyek szépen egy nagy kockára vannak elrendezve. Azonban, ha a CIELab értékek megfelelnek ezeknek a pontoknak a Photoshop szoftverben és a CIELab térben kerülnek megjelenítésre, amint azt a 2. ábra al képén (b) mutatják, a pontok eloszlása nem nagy kocka, hanem szabálytalan alak. . Ezért van egy nemlineáris kapcsolat az RGB és a CIELab között.
(a) RGB tér (b) CIELab hely
A két nemlineáris kapcsolat közelítéséhez ez a papír a helyi polinomiális módszert alkalmazza. Ezt úgy jellemezzük, hogy elosztjuk a forrásteret, vagyis a nagy színtéret több alszíntérbe osztjuk, majd polinomiális regressziót hajtunk végre a színtér konverziójában az al-színtérben. A hagyományos polinom regressziós módszer közvetlenül a nagy színtérbe konvertálódik, ami a tér bizonyos területein nagy hibákat okoz, mivel egyes régiók nemlineáris viszonyai olyan nyilvánvalóak, hogy nehéz közelíteni egy globális módszerhez. Ezért, ha a forrás színtér eloszlása először megtörténik, akkor a polinom regressziós metódus a subspace-ben kerül felhasználásra a térbeli átalakulás megvalósításához, amely jobban közelítheti a két színterek közötti nemlineáris kapcsolatot és javíthatja a konverziós pontosságot.
A helyi polinomiális eljárás két lépésre osztható: először a forrás színteret kell szegmentálni, a modellezési pontokat megszerezni, és létrejön egy keresési táblázat. Ha a szegmentáció szintje magasabb, minél kisebb a megosztott alköz térfogata, annál nagyobb a konverziós pontosság, de ugyanakkor a számítás összege is nő. Másodszor, a polinom regressziós módszert alkalmazzák a szubtérben a térbeli transzformáció megvalósításához. Először a polinom együtthatókat a szubtérrácspontok (RGB, CIELab) színértékek alkalmazásával oldják meg, majd a céltérben átalakítandó pontok színértékét a kapott együtthatók alapján állítjuk be.
2. Végrehajtási lépések
2.1 Létrehozni egy keresési táblázatot
Először is, ez a papír nyolc szinten egyenletes partícionálást hajt végre az RGB térben, hogy 512 modellezési pontot kapjunk (n-szintű szegmentálás, n3 modellezési pontok vannak), vagyis egyenlő távolságú mintavétel az R, G, B csatornákon. A távolság 36, a mintavételi pontok pedig 0, 36, 72, 108, 144, 180, 216 és 255, a 3. ábra a) ábráján látható módon. Másodszor, a hiba jobb ellenőrzése érdekében a modellhez hasonlóan meg kell szüntetni más hibák előfordulását, például a kísérleti adatok mérési hibáját. Ezért ez a cikk nem használja a mérőműszert a kísérleti adatok olvasására, hanem közvetlenül megkapja az 512 modellezési pont RGB értékét és a megfelelő CIELab értékeket a Photoshop Photoshop paneljén.
(a) az RGB tér 8 szintű egyenletes elosztása (b) 8 rácspont a szubtérből
3. ábra Az RGB tér 8 szintű egyenletes elosztása és a szubtérének 8 rácspontja
2.2 aljzat keresése
Mivel a forrásteret 8 szintre osztották, 343 aljzat alakul ki (n-szintű osztás, vannak (n-1) 3 szubszekvenciák), amint azt az 1. ábra a) algráfiájában mutatja. Ha egy színpontot át kell alakítani, ha a pont egy modellezési pont, akkor a megfelelő CIELab érték közvetlenül a keresési táblázat szerint kerül kibocsátásra. Ha nem modellezési pont, használja annak RGB értékét, hogy megtalálja azt a szubtért, amelyben a pont az RGB háromdimenziós térben található, amint azt a 3. ábra b) képén mutatjuk be, majd kivesszük az RGB értékét a szubtér 8 rácspontja. És a CIELab-érték, amely készen áll a polinom regresszióra, megoldja a polinom-együtthatókat.
Például egy átalakítandó RGB érték (33, 144, 200) esetén (a pont egy nem modellezési pont) a szubrutában lévő 8 rácspont RGB értékei (0, 108, 180). 0, 108, 216) (0,144,180), (0,144,216), (36,108,180), (36,108,216), (36,144,216). Mivel ezek a rácspontok modellezési pontok, a megfelelő CIELab értékek megtalálhatók a keresési táblázatban. Miután meghatároztuk az RGB és CIELab értékeket ezen rácspontok felkutatásával, fel tudjuk készíteni a következő lépést, hogy megoldjuk az adott alközponthoz tartozó polinom együtthatókat, és minden egyes alrendszernek egyedi, megfelelő polinomiális együtthatója van.
2.3 Keresse meg a szubtéri polinom együtthatóját
A polinom regresszió megköveteli, hogy a tételek száma kisebb legyen, mint a modellezési pontok száma. A szubtér koefficienseinek megoldásakor, mivel a szubtrópnak csak 8 rácspontja van modellezési pontként, csak 7 polinom használható, amint azt az (1), (2) és (3) egyenletek mutatják.
Ahol: R, G, B, L, A, B a szubtérrácspontok R, G, B, L, a, b értéke; illetve az L, a, b értékeknek megfelelő együtthatónak megfelelő polinomokat.
Például a megoldás során az aljzat első-nyolcadik rácspontjainak RGB és L értékeit az (1) egyenletbe kell helyettesíteni, és nyolc egyenletet lehet elérni, amelyeket ezután Gaussian eliminációval lehet elérni. Hasonlóképpen, a nyolc rácspont RGB, értéke, RGB és b értékei a (2) és a (3) egyenletre vannak helyettesítve, és az összeg beolvasható. Például a (33, 44, 200) RGB értékű színpont esetén a poligon együttható, amely megfelel annak a szubsztrának, amelyben található, a (4), (5) és (6) egyenletek szerint.
2.4 CIELab értéket keres
A megszerzés után a színpontok RGB értékei az (1), (2) és (3) egyenletekbe kerülnek, és a pont CIELab értéke meg van oldva. Például az RGB értéke a (33, 44, 200) színpontja, és R = 33, G = 44 és B = 200 a következő egyenletben (4), egyenletben (5) és egyenletben (6), ahol ismert az együttható. , akkor az L = 56, A = -15, B = -38, az RGB és a CIELab közötti tér konverzió elérése érdekében.
Másodszor, a kísérleti eredmények és elemzés
1. Pontossági vizsgálat
Ebben a cikkben az RGB színtér hat szintre van felosztva, hogy 216 tesztpontot kapjunk. E színpontok és a megfelelő CIELab értékek RGB értékeit a Photoshopban is megkapják, majd az adatokat a modell pontosságának ellenőrzésére használják.
2. Az eredmények elemzése
A modell pontosságának ellenőrzésénél ez a papír polinomiális regressziós módszert is alkalmaz (20 elem), hogy összehasonlíthassa azt. A kísérleti eredmények az 1. táblázatban láthatók. Nyilvánvaló, hogy a helyi polinom eljárás sokkal jobb, mint a polinomiális regressziós módszer (20 elem), függetlenül a maximális színkülönbségtől, minimális hibától és a konverzió átlaghibájától.
1. táblázat A két módszer kísérleti eredményeinek összehasonlítása
Ezenkívül a két módszer hibaeloszlását a 4. ábra és az 5. ábra mutatja. A 216 vizsgálati pont esetében a helyi polinomiális módszert alkalmazzuk. A 0 és 1 közötti hibák száma körülbelül 150, ami közel 70%, és a legtöbb hiba 0 és 2 között van. Polinomiális regresszió esetén (20 elem) A hiba elsősorban 1 és 5 között oszlik meg, kis számú pontot osztanak 7 és 9 között, és az eloszlás nem ideális. Ezért a helyi polinomiális módszer nagy konverziós pontosságú módszer.
Harmadszor, a következtetés
Ebben a tanulmányban az RGB-CIELab színtér-konverziót a helyi polinomiális módszer hajtja végre, és összehasonlítja a polinom regressziós módszerrel (20 elem). A kísérleti eredmények azt mutatják, hogy a helyi polinomiális módszer nagy pontosságú konverziós módszer és jobb a polinom regressziós módszerhez képest (20 elem). Ugyanakkor, ha a konverziós pontosság tovább javul és a hibaeloszlás javul, akkor a modellezési adatok nyolc vagy többel oszthatók vagy egyenlőtlenül oszthatók, vagy egy nemlineáris függvény beilleszthető a polinomba, hogy jobban közelítse a két színben. Nemlineáris kapcsolat a terek között.