扫描仪色彩校正研究范文

本站小编为你精心准备了扫描仪色彩校正研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《包装学报》2015年第二期

1RGB到Lab颜色空间的转换

扫描仪RGB到Lab颜色空间的转换，经常采用的方法为三维插值法、BP神经网络法以及多项式回归算法[3]。三维插值法主要包括三次线性插值、三棱柱插值、金字塔插值和四面体插值[4]。三维插值法的主要原理是将源颜色空间分成多个三维几何体，再对三维几何体进行分析，若输入的待测值落在三维几何体内部，则采用三维几何体的栅格点来进行插值计算[5]。其优点是针对规则的几何体插值时，分割的块越小，精度越高，计算速度越快；缺点是对于不均匀的几何体，分割出的块不均匀，查找栅格点较困难，并且计算量较大。BP神经网络法通过对标准测量数据和输出数据的训练，得到待转换空间和目标转换空间之间的映射关系，实现空间转换[6]。该方法具有较强的灵活性及较高的精度，但其对训练方法与节点数选择，需要投入较多的人为计算，花费时间较长。多项式回归算法主要通过寻找源颜色空间和目标颜色空间数据之间的对应关系，计算数据拟合系数，建立一个多项式模型[7]。多项式回归法要求选取的样本点数大于多项式回归的项数[8]。该算法相对简单，可得到较好的转换精度，使用也较方便，但并不是说，多项式回归项数越多，其转换精度就越高，有时项数增多，转换精度提升的幅度也不大。由上文对表1的分析可知，扫描仪扫描后获得的建模数据R,G,B值无规律可循，故无法使用插值法将其分割成规则的立方体；由于IT8.7/2色靶总共288个，相对较少，若是采用BP神经网络法，则需要大量的数据进行训练；从转换精度上考虑，采用多项式回归法最为合适。因此，本研究采用多项式回归法，以实现扫描仪RGB到Lab颜色空间的色彩校正。

1.1IT8.7/2色靶单元多项式回归法

多项式回归算法的核心是求解系数，采用不同的多项式回归项数，其模型精度会有所变化，一般情况下，采用的多项式回归项数增加，其模型精度会有所提高[9]，但是当项数达到一定数量时，即使再增加项数，精度也几乎不会发生变化。根据建模数据，求得L,a,b3组多项式中的系数，然后，将系数代入公式（1）计算，求得对应的L,a,b值。本研究采用单元多项式回归法，基于多项式原理[10]，针对IT8.7/2色靶，并以5级分割RGB颜色空间为例，以实现扫描仪RGB到Lab颜色空间的转换。1）分割RGB颜色空间自定义RGB子空间查找表，将RGB空间按照5级均等分割，分割点分别为0,50,100,150,200,255，将RGB空间共分割成53=125个子空间，获得如下自定义RGB子空间查找表。本研究主要采用手动5级和自定义5级均等分割中心点，分别使用6项12点、6项30点、13项30点和13项50点，对扫描仪的建模数据和测试数据进行测试，并对采用不同方法得到的结果进行色差分析，找到最小色差对应的方法。综上分析可知，当采用不同方法分割中心点时，所得到的结果差异较大，经过比较，发现均等分割中心点得到的色差分布较好，因此，针对IT8.7/2色靶，采用5级自定义均等分割中心点，并采用13项50点进行多项式回归，此方法效果最好。此时，最大色差为6.25，最小色差为0.09，平均色差为1.22。

1.2自定义色靶单元多项式回归法

针对自定义色靶，建模数据为1331个色块，测试数据为512个色块，实验采用6级、8级和9级均等分割中心点，并分别采用16项130点、16项180点、19项130点和19项180点，对扫描仪的测试数据512个色块进行测试，对采用不同方法得到的结果进行色差分析，找到最小色差对应的方法。自定义色靶扫描仪RGB到Lab颜色空间的转换程序界面见图4。由扫描仪测试数据512个色块的测试结果可知，当采用8级均等分割中心点及采用19项180点进行单元多项式回归时，精度最高，效果最好。此时，最大色差为5.78，最小色差为0.16，平均色差为1.92。

2结语

本研究针对IT8.7/2色靶及自定义色靶，采用单元多项式回归法，进行扫描仪RGB到Lab颜色空间的转换，以实现扫描仪的色彩校正。1）针对IT8.7/2色靶，当采用5级均等分割中心点并采用13项50点进行多项式回归时，精度相对较高，效果较好；2）针对自定义色靶，当采用8级均等分割中心点并采用19项180点进行单元多项式回归时，精度相对较高，效果较好。实验结果表明，采用单元多项式回归法，可提升扫描仪RGB到Lab颜色空间的转换精度，并节约算时间，能有效地对扫描仪进行色彩校正，且处理过程更简便、直观。

作者：马丽娜单位：西安理工大学印刷包装工程学院