展示会

局所多項式法に基づくRGBからCIELabへの色空間変換アルゴリズムの研究

Oct 25, 2018 ご伝言

局所多項式法に基づくRGBからCIELabへの色空間変換アルゴリズムの研究

我々は深セン中国の大きな印刷会社です。 我々は、すべての本の出版物、ハードカバー本の印刷、紙の本の印刷、ハードカバーのノート、sprial本の印刷、中綴じ本の印刷、小冊子の印刷、包装箱、カレンダー、PVCのすべての種類、製品のパンフレット、メモ、児童図書、ステッカー特別な紙のカラー印刷製品、ゲームカードなどの種類。

詳細はこちらをご覧ください。

http://www.joyful-printing.com。 ENGのみ

http://www.joyful-printing.net

http://www.joyful-printing.org

email:info@joyful-printing.net


色再現と再生は、モニタやプリンタなどのさまざまなハードウェアデバイスに依存しますが、これらのハードウェアデバイスの特性は同一ではないため、同じ種類のデバイスであっても、同じカラー値(RGB、 CMYK)が入力されると、その表示または印刷の効果も互いに矛盾します。 異なるハードウェアデバイス上で色再現の一貫性を達成するために、デバイスに依存しない空間に基づく色管理技術が登場した。 図1に示すように、デバイス関連のスペース(RGB、CMYなど)はデバイスに依存しないスペース(CIELabなど)に変換され、デバイスに依存しないスペースがデバイス関連のスペースに変換されます。 したがって、色管理技術の中核となる内容は、色空間の変換です。 補間や多項式回帰などの伝統的な数学的方法は、実際に広く使用されており、良好な結果が得られています。 本論文では、上記2つの方法とは異なる局所的多項式法を用いてRGBからCIELab色空間への変換を実現し、多項式回帰法(20項目)との比較を行った。 実験結果は、モデルが高い変換精度を有し、科学的研究の参考となることを示している。


第1に、ローカル多項式RGBからCIELab色空間変換アルゴリズム


1.アルゴリズムの原理

図2のサブグラフ(a)では、RGB空間に512個の点があり、それらはきれいに大きな立方体に配列されている。 しかしながら、これらの点に対応するCIELab値が、図2のサブ画像(b)に示すように、Photoshopソフトウェアで得られ、CIELab空間に表示される場合、点の分布は大きな立方体ではなく、不規則な形状である。 。 したがって、RGBとCIELab空間との間には非線形の関係がある。

(a)RGB空間(b)CIELab空間


本論文では、両者の非線形関係を近似するために、局所多項式法を用いる。 これは、ソース空間を分割して、すなわち、大きな色空間をいくつかのサブ色空間に分割し、次に、サブ色空間内の色空間変換に対して多項式回帰を実行することによって特徴付けられる。 伝統的な多項式回帰法は、ある領域の非線形関係が非常に明白であり、全体的な方法で近似することが困難であるため、空間の一部の領域で大きな誤差を生じる大きな色空間で直接変換することです。 したがって、元の色空間を最初に分割すると、部分空間で多項式回帰法を使用して空間変換を実現し、2つの色空間の非線形関係をよりよく近似し、変換精度を向上させることができます。


局所多項式法は、2つのステップに分けることができる。まず、ソース色空間をセグメント化し、モデリングポイントを取得し、ルックアップテーブルを確立する必要がある。 セグメンテーションのレベルが高いほど、分割された部分空間の体積が小さくなるほど、変換精度は高くなるが、同時に計算量が増加する。 第2に、空間変換を実現するために、部分空間において多項式回帰法が使用される。 まず、部分空間格子点(RGB、CIELab)の色値を用いて多項式係数を解き、得られた係数に従って、対象空間で変換する点の色彩値を求める。


2.実装手順

2.1ルックアップテーブルを作成する

まず、RGB空間上で8段階の均等分割を行い、512個のモデリングポイント(nレベルのセグメンテーション、n3個のモデリングポイントがあります)、すなわち、R、G、Bチャンネルでの等間隔サンプリングを行います。 図3のサブ図(a)に示すように、間隔は36であり、サンプリング点はそれぞれ0,36,72,108,144,180,216,255である。第2に、誤差をより正確に検証するために実験データの測定誤差など他の誤差の発生を排除する必要がある。 したがって、この記事では実験データを読み取るために測定器を使用せず、PhotoshopのPhotoshopパネルで512のモデリングポイントのRGB値と対応するCIELab値を直接取得しています。


(a)RGB空間の8レベル均一分割(b)部分空間の8格子点

図3 RGB空間の8レベル均一分割とその部分空間の8格子点


2.2部分空間を探す

ソース空間は8つのレベルに分割されているので、図3のサブグラフ(a)に示すように343個の部分空間が形成される(nレベル分割、(n-1)個の部分空間が存在する)。 変換されるカラーポイントについて、ポイントがモデリングポイントである場合、対応するCIELab値がルックアップテーブルに従って直接出力される。 非モデリングポイントであれば、そのRGB値を使用して、図3のサブピクチャ(b)に示すように、ポイントがRGB三次元空間に位置する部分空間を見つけ出し、次に部分空間の8つの格子点。 そして、多項式回帰を行う準備ができたCIELab値は、多項式係数を解きます。


たとえば、変換されるRGB値(33,144,200)(点は非モデリング点)の場合、部分空間内の8つのグリッド点のRGB値は(0,108,180)です。 0,144,180)、(0,144,216)、(36,108,180)、(36,108,216)、(36,144,216)。 これらのグリッドポイントはモデリングポイントなので、対応するCIELab値はルックアップテーブルにあります。 テーブルを参照してこれらの格子点のRGB値とCIELab値を決定したら、この部分空間に対応する多項式係数を解くための次のステップを準備することができ、各部分空間には固有の対応する多項式係数があります。


2.3部分空間の多項式係数を求める

多項式回帰では、項目の数はモデリングポイントの数より少なくする必要があります。 部分空間の係数を解くと、部分空間の8つの格子点だけがモデリング点として使用されるので、方程式(1)、(2)および(3)に示すように、7つの多項式しか使用できない。


R、G、B、L、A、Bは部分空間グリッド点のR、G、B、L、a、b値である。 L、a、bの値にそれぞれ対応する多項式をそれぞれ係数とする。


例えば、解法処理では、部分空間の第1〜第8グリッド点のRGB値とL値を式(1)に代入し、ガウス消去により得られる8つの式を得ることができる。 同様に、8個の格子点のRGB値、RGB値、b値をそれぞれ式(2)、(3)に代入して求めることができる。 例えば、RGB値が(33,44,200)であるカラーポイントの場合、それが位置する部分空間に対応する多項式係数は、式(4)、(5)、および(6)に示すとおりである。


2.4 CIELab値を求める2.4

得られた後、式(1)、(2)、(3)に色点のRGB値を代入し、その点のCIELab値を解く。 例えば、RGB値も(33,44,200)の色点であり、R = 33、G = 44、B = 200を順次式(4)、式(5)、式(6)ここで係数は既知である。 RGBからCIELabへの空間変換を実現するために、それぞれL = 56、A = -15、B = -38を見つけることができます。


第二に、実験結果と分析


1.精度テスト

本論文では、RGB色空間を6つのレベルに分割し、216個のテストポイントを得た。 これらのカラーポイントのRGB値と対応するCIELab値もPhotoshopで取得し、データを使用してモデルの精度を検証します。


2.結果の分析

また、モデルの精度を検証する過程で多項式回帰法(20項目)を用いて比較している。 実験結果を表1に示す。明らかに、変換の最大色差、最小誤差、平均誤差にかかわらず、多項式回帰法(20項目)よりも局所多項式法が優れていることは明らかである。

表1 2つの方法の実験結果の比較


さらに、2つの方法の誤差分布を図4と図5に示します。216のテストポイントでは、ローカル多項式法が使用されます。 0と1の間の誤差の数は約150であり、これはほぼ70%であり、誤差の大部分は0と2の間にある。多項式回帰が使用される場合(20項目)誤差は主に1と5の間に分布し、少数の点が7と9との間に分布しており、その分布は理想的ではない。 したがって、局所多項式法は、変換精度が高い方法である。


第三に、結論


本論文では、RGBからCIELabへの色空間変換を局所多項式法により実現し、多項式回帰法(20項目)と比較した。 実験の結果、局所多項式法は高精度変換法であり、多項式回帰法(20項目)よりも優れていることが分かった。 同時に、変換精度をさらに向上させ、誤差分布を改善すれば、モデリングデータを8分割したり、不均一に分割したり、多項式に非線形関数を導入して、 2色。 スペース間の非線形関係。

お問い合わせを送る