Výskum algoritmu konverzie farebného priestoru RGB na CIELab podľa lokálnej polynomiálnej metódy
Sme veľká tlačová spoločnosť v Shenzhen Číne. Ponúkame všetky knižné publikácie, tlač v knihách v obálkach, knihárske práce v knihách, obálky v knihách, spridávanie kníh, potlač sediel, tlač brožúr, obalové krabice, kalendáre, všetky druhy PVC, produktové brožúry, poznámky, detská kniha, samolepky druhy výrobkov špeciálneho papiera farebnej tlače, herné karty a tak ďalej.
Viac informácií nájdete na stránke
http://www.joyful-printing.com. Len ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
e-mail: info@joyful-printing.net
Reprodukcia a reprodukcia farieb závisí od rôznych hardvérových zariadení, ako sú monitory, tlačiarne atď., Ale charakteristiky týchto hardvérových zariadení nemôžu byť identické, takže aj pre rovnaký typ zariadenia, ak majú rovnakú hodnotu farieb (napríklad RGB, CMYK) je vstup, jeho zobrazenie alebo efekt tlače je tiež nekonzistentné, dokonca aj ďaleko od seba. Na dosiahnutie konzistentnosti reprodukcie farieb na rôznych hardvérových zariadeniach sa objavili techniky riadenia farieb založené na priestore nezávislom od zariadenia. Ako je znázornené na obrázku 1, priestor súvisiaci s prístrojom (napríklad RGB, CMY) sa prevádza na priestor nezávislý od zariadenia (napríklad CIELab) a potom priestor nezávislý od zariadenia sa premení na priestor súvisiaci s prístrojom. Preto hlavným obsahom technológie správy farieb je premena farebného priestoru. Tradičné matematické metódy ako interpolácia a polynomická regresia sa v praxi široko používajú a dosahujú dobré výsledky. V tomto dokumente sa na realizáciu konverzie z RGB na CIELab farebný priestor používa miestne polynomická metóda odlišná od vyššie uvedených dvoch metód a porovnávala sa s polynomiálnou regresnou metódou (20 položiek). Experimentálne výsledky ukazujú, že model má vysokú presnosť konverzie a môže poskytnúť referenciu pre vedecký výskum.
Najprv založené na lokálnom polynomiálnom RGB algoritme pre konverziu farebného priestoru CIELab
1. Zásada algoritmu
V subgrafe (a) na obrázku 2 je v RGB priestore 512 bodov, ktoré sú úhľadne usporiadané do veľkej kocky. Ak sú však hodnoty CIELab zodpovedajúce týmto bodom získané v softvéri Photoshop a zobrazené v priestore CIELab, ako je to znázornené na podobrazu (b) na obrázku 2, rozdelenie bodov nie je veľká kocka, ale nepravidelný tvar. , Preto medzi RGB a priestorom CIELab existuje nelineárny vzťah.
(a) priestor RGB (b) priestor CIELab
S cieľom aproximovať nelineárny vzťah medzi týmito dvoma, tento článok používa lokálnu polynomiálnu metódu. Vyznačuje sa rozdelením zdrojového priestoru, tj rozdelením veľkého farebného priestoru na niekoľko čiastkových farebných priestorov a následným vykonaním polynomiálnej regresie na prevode farebného priestoru v subfarebnom priestore. Tradičná metóda polynomickej regresie je previesť priamo do veľkého farebného priestoru, čo spôsobí veľké chyby v niektorých oblastiach priestoru, pretože nelineárny vzťah niektorých regiónov je taký zrejmý, že je ťažké priblížiť sa k globálnej metóde. Preto ak je zdrojový farebný priestor najprv rozdelený, potom sa v podspacnom priestore použije metóda regresie polynomu na realizáciu priestorovej transformácie, ktorá môže lepšie aproximovať nelineárny vzťah medzi dvomi farebnými priestormi a zlepšiť precíznosť konverzie.
Lokálna polynómová metóda môže byť rozdelená do dvoch krokov: Po prvé, zdrojový farebný priestor musí byť segmentovaný, získané body modelovania a vyhľadávacia tabuľka je vytvorená. Ak je úroveň segmentácie vyššia, čím je menší rozdelený podprostor, tým vyššia je presnosť konverzie, ale zároveň sa zvyšuje aj množstvo výpočtu. Po druhé, metóda polynomickej regresie sa používa v subspace na realizáciu priestorovej transformácie. Po prvé, polynomické koeficienty sú riešené pomocou farebných hodnôt bodov subspace (RGB, CIELab) a potom sú získané farebné hodnoty bodov, ktoré majú byť konvertované v cieľovom priestore, podľa získaných koeficientov.
2. Implementačné kroky
2.1 Vytvorte vyhľadávaciu tabuľku
Po prvé, tento papier vykonáva 8 úrovní jednotného rozdelenia na priestor RGB na získanie 512 modelovacích bodov (segmentácia n-úrovní, existujú n3 modelovacie body), tj rovnomerne oddelené vzorkovanie na R, G, B kanáloch. Rozstup je 36 a vzorkovacie body sú 0, 36, 72, 108, 144, 180, 216, 255, ako je znázornené na obr. 3 na obr. 3. Na druhej strane, aby sa lepšie overila chyba modelu je potrebné odstrániť výskyt ďalších chýb, ako je chyba merania experimentálnych údajov. Preto tento článok nepoužíva merací prístroj na čítanie experimentálnych údajov, ale priamo získa hodnoty RGB 512 bodov modelovania a zodpovedajúce hodnoty CIELab na paneli Photoshop Photoshopu.
(a) rovnomerné rozdelenie RGB priestoru o 8 úrovní (b) 8 bodov grid subspace
Obrázok 3 Rovnomerné rozdelenie RGB priestoru o 8 úrovní a 8 gridových bodov jeho podprostoru
2.2 hľadanie subprostoru
Pretože zdrojový priestor bol rozdelený na 8 úrovní, vytvorilo sa 343 podskupín (rozdelenie n-úrovne, existujú (n-1) 3 podpriestory), ako je to znázornené v pod grafe (a) na obr. Pre bod farebnosti, ktorý má byť konvertovaný, ak je bodom bod modelovania, je zodpovedajúca hodnota CIELab priamo vyvedená podľa vyhľadávacieho tabuľky. Ak ide o bod, ktorý nie je modelovaný, použite jeho hodnotu RGB na nájdenie podspacnej plochy, v ktorej je bod umiestnený v trojrozmernom priestore RGB, ako je znázornené v podobrazu (b) na obrázku 3, a potom extrahujte RGB 8 bodov mriežky podspodu. A hodnota CIELab, pripravená na polynomickú regresiu, vyrieši polynomické koeficienty.
Napríklad, ak sa má konvertovať hodnota RGB (33, 144, 200) (bod je bodom, ktorý nie je modelovaný), hodnoty RGB 8 bodov grid v podprostorovej oblasti sú (0, 108, 180). 0,108,216) (0,144,180), (0,144,216), (36,108,180), (36,108,216), (36,144,216). Vzhľadom na to, že tieto body siete sú body modelovania, zodpovedajúce hodnoty CIELab sa nachádzajú vo vyhľadávacej tabuľke. Po určení hodnôt RGB a CIELab týchto bodov mriežky vyhľadaním stola môžete pripraviť ďalší krok na vyriešenie polynomiálnych koeficientov zodpovedajúcich tomuto podprostoru a každý podprostor má jedinečný zodpovedajúci polynomický koeficient.
2.3 Nájdite polynomický koeficient podspodu
Polynomická regresia vyžaduje, aby počet položiek mal byť nižší ako počet modelovacích bodov. Pri riešení koeficientov subprostoru, pretože ako modelovacie body sa používa iba 8 bodov v subspráve, ako je to znázornené v rovniciach (1), (2) a (3), možno použiť iba 7 polynómov.
Kde: R, G, B, L, A, B sú hodnoty R, G, B, L, a, b bodov subspace; a polynomy zodpovedajúce hodnotám L, a, b zodpovedajúcim koeficientom.
Napríklad v procese riešenia by mali byť hodnoty RGB a L prvých až ôsmich bodov mriežky subspace nahradené rovnicou (1) a získať možno osem rovníc, ktoré sa potom získajú pomocou Gaussovej eliminácie. Podobne sú hodnoty RGB, hodnoty, RGB a b ôsmich bodov mriežky nahradené do rovníc (2) a (3) a sumu je možné získať. Napríklad pre farebný bod s RGB hodnotou (33, 44, 200) koeficient polynómu zodpovedajúci podprostoru, v ktorom je umiestnený, je znázornený v rovniciach 4, 5 a 6.
2.4 hľadanie hodnoty CIELab
Po získaní a potom sa hodnoty RGB farebných bodov nahradia do rovníc (1), (2) a (3) a hodnota CIELab bodu sa vyrieši. Napríklad hodnota RGB je tiež farebným bodom (33, 44, 200) a R = 33, G = 44 a B = 200 sú postupne substituované do rovnice (4), rovnica (5) (6), kde je známy koeficient. , môžete nájsť L = 56, A = -15, B = -38, respektíve, aby ste dosiahli konverziu priestoru RGB na CIELab.
Po druhé, experimentálne výsledky a analýza
1. Skúška presnosti
V tomto dokumente je farebný priestor RGB rozdelený do šiestich úrovní na získanie 216 testovacích bodov. Hodnoty RGB týchto farebných bodov a zodpovedajúce hodnoty CIELab sa tiež získajú vo Photoshope a potom sa údaje použijú na overenie presnosti modelu.
2. Analýza výsledkov
V procese overenia presnosti modelu sa v tomto dokumente používa aj polynomická regresná metóda (20 položiek), ktorá sa s ňou porovnáva. Experimentálne výsledky sú uvedené v tabuľke 1. Je zrejmé, že lokálna polynómová metóda je oveľa lepšia ako metóda polynomickej regresie (20 položiek), bez ohľadu na maximálny rozdiel v farbe, minimálnu chybu a priemernú chybu konverzie.
Tabuľka 1 Porovnanie experimentálnych výsledkov týchto dvoch metód
Okrem toho je rozdelenie chýb obidvoch metód znázornené na obrázku 4 a na obrázku 5. Pre 216 testovacích bodov sa používa lokálna polynómová metóda. Počet chýb medzi 0 a 1 je približne 150, čo je takmer 70% a väčšina chýb je medzi 0 a 2. Ak sa používa polynomická regresia (20 položiek) Chyba je rozdelená hlavne medzi 1 a 5 a malý počet bodov je rozdelený medzi 7 a 9 a distribúcia nie je ideálna. Lokálna polynómová metóda je preto metóda s vysokou presnosťou konverzie.
Po tretie, záver
V tomto dokumente sa konverzia farebného priestoru RGB na CIELab implementuje lokálnou polynomiálnou metódou a porovnáva sa s polynomiálnou regresnou metódou (20 položiek). Experimentálne výsledky ukazujú, že lokálna polynómová metóda je veľmi presná metóda konverzie a je lepšia ako metóda polynomickej regresie (20 položiek). Súčasne, ak sa presnosť konverzie ďalej zlepší a lepšie sa rozdelenie chýb zlepší, dáta modelovania možno rozdeliť o 8 alebo viac alebo nerovnomerne rozdeliť, alebo môže byť nelineárna funkcia zavedená do polynómu, aby sa lepšie priblížila dve farby. Nelineárny vzťah medzi medzerami.

