Yerel Polinom Yöntemine Dayalı CIELab Renk Uzay Dönüşüm Algoritması Üzerine Araştırma
Biz Shenzhen Çin'de büyük bir baskı şirketiyiz. Biz tüm kitap yayınları, ciltli kitap baskı, papercover kitap baskı, ciltli defter, spiral kitap baskı, eyer stiching kitap baskı, kitapçık baskı, ambalaj kutusu, takvimler, PVC her türlü ürün broşürleri, notlar, Çocuk kitabı, çıkartmalar, tüm sunuyoruz özel kağıt renkli baskı ürünleri çeşitleri, oyun kartelası vb.
Daha fazla bilgi için lütfen ziyaret edin
http://www.joyful-printing.com. Sadece ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
email: info@joyful-printing.net
Renk çoğaltma ve yeniden üretme, monitörler, yazıcılar, vb. Gibi çeşitli donanım aygıtlarına bağlıdır, ancak bu donanım aygıtlarının özellikleri aynı olamaz, böylece aynı renkte bile olsa, aynı renk değerinde (RGB gibi) CMYK) girişi, ekranı veya baskının etkisi de birbirinden uzak, hatta tutarsız. Farklı donanım cihazlarında renk üretme tutarlılığı elde etmek için cihazdan bağımsız alana dayalı renk yönetimi teknikleri ortaya çıkmıştır. Şekil l'de gösterildiği gibi, cihazla ilgili alan (RGB, CMY gibi), cihazdan bağımsız bir alana (CIELab gibi) dönüştürülür ve daha sonra cihazdan bağımsız alan, cihazla ilgili alana dönüştürülür. Bu nedenle, renk yönetimi teknolojisinin temel içeriği renk uzayının dönüşümüdür. İnterpolasyon ve polinom regresyonu gibi geleneksel matematiksel yöntemler uygulamada yaygın olarak kullanılmaktadır ve iyi sonuçlara ulaşmıştır. Bu yazıda, RGB'den CIELab renk uzayına dönüşümü gerçekleştirmek ve polinom regresyon yöntemiyle (20 madde) karşılaştırmak için yukarıdaki iki yöntemden farklı bir yerel polinom yöntemi kullanılmıştır. Deney sonuçları, modelin yüksek dönüşüm doğruluğuna sahip olduğunu ve bilimsel araştırmalara referans sağlayabildiğini göstermektedir.
İlk olarak, yerel polinom RGB'den CIELab'a renk uzay dönüştürme algoritmasına dayalı
1. Algoritma prensibi
Şekil 2'nin (a) bendinde, RGB alanında, büyük bir küp içine düzgün bir şekilde düzenlenmiş 512 nokta vardır. Ancak, bu noktalara karşılık gelen CIELab değerleri Photoshop yazılımında elde edilmiş ve Şekil 2'nin alt resminde (b) gösterildiği gibi CIELab boşluğunda gösterilmişse, noktaların dağılımı büyük bir küp değil, düzensiz bir şekildir. . Bu nedenle, RGB ve CIELab alanı arasında doğrusal olmayan bir ilişki vardır.
(a) RGB alanı (b) CIELab alanı
Bu kağıt, ikisi arasındaki doğrusal olmayan ilişkiye yaklaşmak için yerel polinom yöntemini kullanır. Kaynak boşluğunun bölünmesi, yani büyük renk uzayının birkaç alt-renk uzayına bölünmesi ve daha sonra alt-renk uzayındaki renk uzayı dönüşümünde polinom regresyonunun yapılması ile karakterize edilir. Geleneksel polinom regresyon metodu, doğrudan doğruya büyük alanlara dönüştürülecek ve bu da alanın bazı alanlarında büyük hatalara neden olacaktır, çünkü bazı bölgelerin doğrusal olmayan ilişkileri o kadar açık ki, küresel bir yönteme yaklaşmanın zor olduğu açıktır. Bu nedenle, kaynak renk uzayının ilk bölünmesi durumunda, iki uzay arasındaki doğrusal olmayan ilişkiyi daha iyi tahmin edebilen ve dönüşüm kesinliğini artıran mekansal dönüşümü gerçekleştirmek için alt uzayda polinom regresyon yöntemi kullanılır.
Yerel polinom yöntemi iki aşamaya ayrılabilir: Birincisi, kaynak renk uzayının bölümlere ayrılması, modelleme noktalarının elde edilmesi ve bir arama tablosunun oluşturulması. Segmentasyonun seviyesi daha yüksekse, bölünmüş alt uzayın hacmi ne kadar küçük olursa, dönüşüm doğruluğu o kadar yüksek olur, fakat aynı zamanda hesaplama miktarı da artar. İkincisi, uzaysal dönüşümü gerçekleştirmek için alt uzayda polinom regresyon yöntemi kullanılır. Öncelikle, alt uzay grid noktalarının (RGB, CIELab) renk değerleri kullanılarak polinom katsayıları çözülerek, elde edilen katsayılara göre hedef uzayda dönüştürülecek noktaların renk değerleri elde edilir.
2. Uygulama adımları
2.1 Bir arama tablosu oluşturun
İlk olarak, bu çalışma, 512 modelleme noktasını (n seviyeli segmentasyon, n3 modelleme noktaları vardır) elde etmek için, sırasıyla R, G, B kanallarında eşit aralıklı örnekleme yapmak için, RGB uzayda 8 seviyeli tekdüze bölümleme gerçekleştirir. Aralık 36'dır ve örnekleme noktaları, Şekil 3'ün alt-figüründe (a) gösterildiği gibi sırasıyla 0, 36, 72, 108, 144, 180, 216, 255'tir. İkinci olarak, hatayı daha iyi doğrulamak için Modelin, deneysel verilerin ölçüm hatası gibi diğer hataların ortaya çıkmasını ortadan kaldırmak gereklidir. Bu nedenle, bu makale deney verilerini okumak için ölçüm cihazını kullanmaz, ancak Photoshop'un Photoshop panelindeki 512 modelleme noktalarının ve ilgili CIELab değerlerinin RGB değerlerini doğrudan elde eder.
(a) RGB uzayının 8 seviyeli tekdüzen bölümü (b) 8 alt uzay noktası ızgarası
Şekil 3 RGB uzayının 8 seviyeli tekdüzen bölümü ve alt uzayının 8 ızgara noktası
2.2 alt alan aramak
Kaynak uzayı 8 seviyeye bölünmüş olduğundan, ŞEK. 3'ün (a) bendinde gösterildiği gibi 343 alt uzay oluşturulmuştur (n seviyesinde bölünme, (n-1) 3 alt uzay). Dönüştürülecek bir renk noktası için, nokta bir modelleme noktasıysa, karşılık gelen CIELab değeri doğrudan arama tablosuna göre çıkarılır. Modelleme olmayan bir nokta ise, Şekil 3'ün alt resminde (b) gösterildiği gibi, noktanın RGB üç boyutlu uzayda bulunduğu alt alanı bulmak için RGB değerini kullanın ve ardından RGB'yi ayıklayın. Alt uzaydaki 8 ızgara noktası. Ve polinom regresyon yapmaya hazır olan CIELab değeri, polinom katsayılarını çözer.
Örneğin, dönüştürülecek bir RGB değeri (33, 144, 200) için (nokta, modelleme olmayan bir noktadır), alt uzaydaki 8 ızgara noktasının RGB değerleri (0, 108, 180) şeklindedir. 0,108,216) (0,144,180), (0,144,216), (36,108,180), (36,108,216), (36,144,216). Bu grid noktaları modelleme noktaları olduğundan, ilgili CIELab değerleri arama tablosunda bulunabilir. Tabloya bakarak bu grid noktalarının RGB ve CIELab değerlerini belirledikten sonra, bu alt alana karşılık gelen polinom katsayılarını çözmek için bir sonraki adıma hazırlanabilirsiniz ve her bir alt uzayda benzersiz bir karşılık gelen polinom katsayısı vardır.
2.3 Alt uzayın polinom katsayısını bulun
Polinom regresyonu, öğe sayısının, modelleme noktalarının sayısından daha az olması gerektiğini gerektirir. Alt uzay katsayıları çözülürken, alt-uzayın sadece 8 grid noktası modelleme noktaları olarak kullanıldığından, denklemler (1), (2) ve (3) 'de gösterildiği gibi sadece 7 polinom kullanılabilir.
Burada: R, G, B, L, A, B alt uzay ızgara noktalarının R, G, B, L, a, b değerleridir; sırasıyla, L, a, b değerlerine karşılık gelen polinomlar ve sırasıyla katsayılar.
Örneğin, çözüm sürecinde, alt-uzayın ilk ila sekizinci ızgara noktalarının RGB ve L değerleri denklem (1) ile ikame edilmelidir ve daha sonra Gauss eleme ile elde edilen sekiz denklem elde edilebilir. Benzer şekilde, RGB, sekiz ızgara noktasının bir değeri, RGB ve b değerleri sırasıyla (2) ve (3) denklemlerine ikame edilir ve toplam elde edilebilir. Örneğin, bir RGB değeri (33, 44, 200) olan bir renk noktası için, içinde bulunduğu alt-uzaya karşılık gelen polinom katsayısı denklemler (4), (5) ve (6) 'da gösterildiği gibidir.
2.4 CIELab değerini arıyor
Elde edildikten sonra, renk noktalarının RGB değerleri denklemler (1), (2) ve (3) 'e değiştirilir ve noktanın CIELab değeri çözülür. Örneğin, RGB değeri de (33, 44, 200) renk noktasıdır ve R = 33, G = 44 ve B = 200 sırasıyla denklem (4), denklem (5) ve denklem olarak değiştirilir. (6) katsayı biliniyorsa. RGB'den CIELab uzay dönüşümüne ulaşmak için sırasıyla L = 56, A = -15, B = -38 değerini bulabilirsiniz.
İkincisi, deney sonuçları ve analizi
1. Doğruluk testi
Bu yazıda, RGB renk alanı 216 test noktası elde etmek için altı seviyeye bölünmüştür. Bu renk noktalarının RGB değerleri ve ilgili CIELab değerleri de Photoshop'ta elde edilir ve daha sonra veriler modelin doğruluğunu doğrulamak için kullanılır.
2. Sonuçların analizi
Modelin doğruluğunu doğrulama sürecinde, bu makalede, onunla karşılaştırmak için polinom regresyon yöntemi (20 madde) kullanılmaktadır. Deney sonuçları Tablo 1'de gösterilmiştir. Açıkça, lokal polinom yöntemi, maksimum renk farkı, minimum hata ve dönüşümün ortalama hatası ne olursa olsun, polinom regresyon yönteminden (20 madde) çok daha iyidir.
Tablo 1 İki yöntemin deney sonuçlarının karşılaştırılması
Ek olarak, iki yöntemin hata dağılımı Şekil 4 ve Şekil 5'te gösterilmektedir. 216 test noktası için, lokal polinom yöntemi kullanılmaktadır. 0 ile 1 arasındaki hataların sayısı yaklaşık% 70'tir ve hataların çoğu 0 ile 2 arasındadır. Polinom regresyon kullanılırsa (20 öğe) Hata temel olarak 1 ile 5 arasında dağıtılır. az sayıda nokta 7 ile 9 arasında dağıtılır ve dağıtım ideal değildir. Bu nedenle, yerel polinom yöntemi, yüksek dönüştürme kesinliğine sahip bir yöntemdir.
Üçüncü olarak, sonuç
Bu yazıda, RGB'den CIELab'a renk uzay dönüşümü, yerel polinom yöntemi ile uygulanmakta ve polinom regresyon yöntemi ile karşılaştırılmaktadır (20 madde). Deneysel sonuçlar, yerel polinom yönteminin oldukça doğru bir dönüşüm metodu olduğunu ve polinom regresyon yönteminden (20 maddeden) daha üstün olduğunu göstermektedir. Aynı zamanda, eğer dönüştürme doğruluğu daha da geliştirilirse ve hata dağılımı daha iyi bir hale getirilirse, modelleme verileri 8 ya da daha fazla ya da tekdüze olarak bölünemez ya da polinomda doğrusal olmayan bir fonksiyon daha iyi tahmin edilebilir. İki renk. Uzaylar arasında doğrusal olmayan bir ilişki.

