面向不同介质的半色调设备分色模型批量构建方法及系统技术方案

本发明专利技术面向不同介质的半色调设备分色模型批量构建方法及系统，包括于设备墨量空间均匀采样获取低密度样本集制备色彩样本；测量获取各介质色彩样本颜色信息并计算其对应色域；选取色域最大介质，进行高密度采样并构建高精度特性化模型，其包含正向预测模型以及反向分色模型；利用反向分色模型，求解其它介质色彩样本色彩信息所对应的最大色域介质墨量信息；构建上述墨量信息与原始低密度采样墨量信息间的神经网络模型；对于任意待复制色彩，利用最大色域介质反向分色模型求解对应墨量信息，随后依据前述神经网络模型预测针对其它介质的墨量信息，完成分色。本发明专利技术可实现面向不同介质的分色模型批量化构建，且实施方便。

Batch modeling method and system for color separation of halftone devices for different media

Method and system for bulk construction equipment of the invention halftone color separation model for different media, including equipment in space ink uniform sampling to get low density samples preparation of color samples; measurement of each medium color sample color information and calculate the corresponding color gamut; gamut selecting maximum medium, high density sampling and high precision characteristics of construction the model, which contains positive prediction model and reverse separation model; using reverse separation model, the maximum amount of ink medium color gamut information corresponding to solve other medium color samples of color information; construction of the ink information and the original low density sampling neural network model between the ink quantity information; for any color to be copied, using the maximum gamut reverse medium separation model to solve the corresponding ink quantity information, then based on the neural network prediction model for other medium ink Volume information, complete color separation. The invention can realize the batch construction of the color separation model for different media, and is easy to implement.

【技术实现步骤摘要】
面向不同介质的半色调设备分色模型批量构建方法及系统
本专利技术属于半色调色彩复制
，具体涉及一种面向不同介质的半色调设备分色模型批量构建方法及系统。
技术介绍
半色调色彩复制技术是目前影像色彩复制领域的主流技术，其通过半色调墨点的疏密排列与叠合，实现色彩的准确复制。在此项技术中，半色调设备分色模型构建是色彩复制过程中的关键环节，其实质为构建由待复制色彩信息至半色调设备墨量信息的映射模型。目前，在半色调色彩复制
，分色模型的构建都是以半色调预测模型的建立为基础的。其中，半色调色彩预测模型含义为由半色调墨量信息至样本色彩信息的映射函数。可见，分色模型以及色彩预测模型实际上互为逆向过程，在本研究领域，通常将色彩预测模型简称为正向模型，将分色模型简称为反向模型，而将二者的集合过程称为半色调设备特性化建模。在实际操作过程中，本领域技术人员通常利用半色调设备针对特定墨量信息制备色彩样本，测量其色彩信息，并以此构建正向模型。随后，利用相关最优化算法，从数学角度对正向模型求逆，从而构建反向模型，即分色模型。目前，为了保证半色调分色模型的构建精度，现有方法普遍采用高密度采样方法，如参考文献1,2.参考文献1：WangB,XuH,LuoMR,GuoJ.Spectral-basedcolorseparationmethodforamulti-inkprinter.ChineseOpticsLetters.2011；9(6):063301.参考文献2：LiuQ,WanX,XieD.OptimizationofspectralprintermodelingbasedonamodifiedcellularYuleNielsenspectralNeugebauermodel.JOptSocAmA.2014；31(6):1284-94.然而，由于此高密度采样方法在色彩样本制作时间、耗材成本等方面都具有较为明显的缺陷，故其实际应用价值有限。特别是在半色调色彩复制介质种类较多时，逐一对各介质进行此类分色模型构建往往不具有可行性。因此，本领域目前迫切需要一种更为简便快捷的方法，可以更为准确高效的实现面向不同介质的半色调分色模型批量构建，从而为半色调色彩复制技术的应用普及提供有效的方法支撑。然而，受理论方法水平等主客观因素的制约，针对以上问题，目前学术界与工业界尚未提出相应解决方法。
技术实现思路
本专利技术的目的是为了解决
技术介绍
中所述问题，提出一种面向不同介质的半色调设备分色模型批量构建方法及系统。本专利技术的技术方案为提供一种面向不同介质的半色调设备分色模型批量构建方法，包括以下步骤：步骤1，于设备墨色空间均匀采样，获得低密度样本集T，针对各介质制备色彩样本；步骤2，利用颜色测量设备测量步骤1所制备的色彩样本的色彩信息；步骤3，利用步骤2测量所得色彩信息，计算各介质色彩样本集的色域体积；步骤4，以色域最大化为原则，选取色域最优介质J，并针对J构建基于高密度样本集G的特性化模型，特性化模型其中包含正向预测模型F以及反向分色模型B；步骤5，利用步骤4中分色模型B求解其它介质色彩样本集T于步骤1所制备色彩样本的信息S所对应墨量信息T’；步骤6，利用神经网络方法，构建步骤1中其它介质色彩样本集T与步骤5分色模型B所求样本集T’间的神经网络模型；步骤7，针对任意待复制色彩信息，首先利用步骤4中分色模型B求解针对J介质的墨量信息，随后利用步骤6所构建的神经网络，求解针对步骤1中其它介质的墨量信息，完成分色。而且，步骤1中低密度样本集T的采样方式为空间均匀采样，每一墨色维度采样样本数为4个。而且，步骤2中测量所得色彩信息可为色度信息或光谱反射率信息。而且，步骤3中色域体积计算方法为凸包算法或α-shape算法。而且，步骤4中高密度采样方式为空间均匀采样，每一墨色维度采样样本数不少于5个。本专利技术提供一种面向不同介质的半色调设备分色模型批量构建系统，包括以下模块：低密度采样模块，用于设备墨色空间均匀采样，获得低密度样本集T，针对各介质制备色彩样本；颜色测量模块，利用颜色测量设备测量低密度采样模块所制备的色彩样本的色彩信息；色域体积计算模块，利用颜色测量模块测量所得色彩信息，计算各介质色彩样本集的色域体积；最优介质特性化模块，以色域最大化为原则，选取色域最优介质J，并针对J构建基于高密度样本集G的特性化模型，其中包含正向预测模型F以及反向分色模型B；低密度样本分色计算模块，利用最优介质特性化模块中分色模型B求解其它介质样本集T于低密度采样模块所制备色彩信息S所对应墨量信息T’；神经网络构建模块，利用神经网络方法，构建其它介质样本集T与低密度样本分色计算模块分色模型B所求样本集T’间的神经网络模型；最终分色模块，针对任意待复制色彩信息，首先利用最优介质特性化模块中分色模型B求解针对J介质的墨量信息，随后利用神经网络构建模块所构建的神经网络，求解针对其它介质的墨量信息，完成分色。而且，低密度采样模块中低密度样本集T的采样方式为空间均匀采样，每一墨色维度采样样本数为4个。而且，颜色测量模块中测量所得色彩信息可为色度信息或光谱反射率信息。而且，色域体积计算模块中色域体积计算方法为凸包算法或α-shape算法。而且，最优介质特性化模块中高密度采样方式为空间均匀采样，每一墨色维度采样样本数不少于5个。本专利技术提出的一种面向不同介质的半色调设备分色模型批量构建技术方案，以色域最大介质高密度采样、高精度建模为基础，通过构建色域最大介质与其它介质墨量信息的关联性模型，进而实现基于色域最大介质分色模型的其它介质分色模型等效转换，从而以低密度采样方式实现其它介质的高精度分色模型批量构建。本方法有效解决了
技术介绍
所述问题，且实施方便，在多色半色调色彩复制
具有较强的适用性。由于本专利技术技术方案具有重要应用意义，受到多个研究项目支持：1.深圳市基础研究项目JCYJ20150422150029093，2.国家自然科学基金项目61505149，3.武汉市青年晨光人才计划2016070204010111，4.湖北省自然科学基金项目2015CFB204。对本专利技术技术方案进行保护，将对我国相关行业竞争国际领先地位具有重要意义。附图说明图1为本专利技术构建方法实施例的流程图；图2为本专利技术构建系统实施例的结构框图。具体实施方式结合附图，提供本专利技术实施例具体描述如下。如图1所示实施例提供的一种面向不同介质的半色调设备分色模型批量构建方法，可以较为便捷而高效的实现面向多种介质的半色调设备分色模型批量化构建，进而进一步促进现阶段半色调设备色彩复制技术的应用与普及。实施例以某CMYK四色喷墨打印机为例，分别采用某品牌高光相纸H1，亚光相纸H2以及粗面艺术纸H3进行分色模型构建。需要说明的是，本专利技术并不局限于上述半色调设备以及介质，对于其它设备及介质，本方法同样适用。本专利技术技术方案具体实施时可由本领域技术人员采用计算机软件技术实现自动运行。实施例提供的方法流程包括以下步骤：步骤1、于设备墨色空间均匀采样，获得低密度样本集T，针对各介质制备色彩样本。而且，步骤1中低密度样本集T的采样方式为空间均匀采样，每一墨色维度采样样本数为4个；针对实施例四色打印设备于其CMYK墨色空间进行低密度空间均匀采样，本文档来自技高网...

【技术保护点】
一种面向不同介质的半色调设备分色模型批量构建方法，其特征在于，包括以下步骤：步骤1，于设备墨色空间均匀采样，获得低密度样本集T，针对各介质制备色彩样本；步骤2，利用颜色测量设备测量步骤1所制备的色彩样本的色彩信息；步骤3，利用步骤2测量所得色彩信息，计算各介质色彩样本集的色域体积；步骤4，以色域最大化为原则，选取色域最优介质J，并针对J构建基于高密度样本集G的特性化模型，特性化模型包含正向预测模型F以及反向分色模型B；步骤5，利用步骤4中分色模型B求解其它介质色彩样本集T于步骤1所制备色彩样本信息S所对应墨量信息T’；步骤6，利用神经网络方法，构建步骤1中其它介质色彩样本集T与步骤5分色模型B所求样本集T’间的神经网络模型；步骤7，针对任意待复制色彩信息，首先利用步骤4中分色模型B求解针对J介质的墨量信息，随后利用步骤6所构建的神经网络，求解针对步骤1中其它介质的墨量信息，完成分色。

【技术特征摘要】
1.一种面向不同介质的半色调设备分色模型批量构建方法，其特征在于，包括以下步骤：步骤1，于设备墨色空间均匀采样，获得低密度样本集T，针对各介质制备色彩样本；步骤2，利用颜色测量设备测量步骤1所制备的色彩样本的色彩信息；步骤3，利用步骤2测量所得色彩信息，计算各介质色彩样本集的色域体积；步骤4，以色域最大化为原则，选取色域最优介质J，并针对J构建基于高密度样本集G的特性化模型，特性化模型包含正向预测模型F以及反向分色模型B；步骤5，利用步骤4中分色模型B求解其它介质色彩样本集T于步骤1所制备色彩样本信息S所对应墨量信息T’；步骤6，利用神经网络方法，构建步骤1中其它介质色彩样本集T与步骤5分色模型B所求样本集T’间的神经网络模型；步骤7，针对任意待复制色彩信息，首先利用步骤4中分色模型B求解针对J介质的墨量信息，随后利用步骤6所构建的神经网络，求解针对步骤1中其它介质的墨量信息，完成分色。2.根据权利要求1所述半色调设备分色模型批量构建方法，其特征在于：步骤1中低密度样本集T的采样方式为空间均匀采样，每一墨色维度采样样本数为4个。3.根据权利要求1所述半色调设备分色模型批量构建方法，其特征在于：步骤2中测量所得色彩信息可为色度信息或光谱反射率信息。4.根据权利要求1所述半色调设备分色模型批量构建方法，其特征在于：步骤3中色域体积计算方法为凸包算法或α-shape算法。5.根据权利要求1所述半色调设备分色模型批量构建方法，其特征在于：步骤4中高密度采样方式为空间均匀采样，每一墨色维度采样样本数不少于5个。6.一种面向不同介质的半色调设备分色模型批量构建系统，其特征在于，包括以...

【专利技术属性】
技术研发人员：刘强，孔令罔，曹国，刘振，张霞，
申请(专利权)人：武汉大学深圳研究院，
类型：发明
国别省市：广东,44