مقایسه پیشگویی ارقام رنگ از طریق روش ماتریسی و یک نرم‌افزار تجاری در فرآیند مدیریت رنگ دیجیتال

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه پژوهشی نمایش رنگ و پردازش تصویر، پژوهشگاه رنگ، تهران، ایران، صندوق پستی: 654-16765

2 گروه پژوهشی فیزیک رنگ، پژوهشگاه رنگ، تهران، ایران، صندوق پستی: 654-16765

چکیده

شرطی که باید در سیستم مدیریت رنگ چاپگرهای دیجیتال برآورده شود، تبدیل مقادیر رنگ وابسته به دستگاه به مقادیر رنگ مستقل از دستگاه توسط یک مدل انتقال با عملکرد کیفی بالا است. معمولا هر مدل انتقال ابتدا قبل از آزمون با کمک یک‌سری داده‌های مشخص آموزش می‌بیند. در این تحقیق چارت‌های رنگ با تعداد مختلفی از نمونه‌های رنگ به عنوان گروه آموزشی در فضای RGB انتخاب و چاپ شد. انعکاس طیفی نمونه‌ها در چارت‌های رنگ چاپ شده اندازه‌گیری و تحت ترکیب مشاهده‌گر/ روشنایی استاندارد، ارقام رنگ در فضارنگ XYZ به دست آمد. با استفاده از روش ماتریس برای گروه‌های آموزش  ماتریس‌های انتقال مقادیر RGB به XYZ از طریق عملیات جبر خطی با درجه‌های مختلف از جمله‌ای‌ها و حداقل مربعات خطا به دست آمد. همچنین از طریق نرم‌افزار تجاری ProfileMaker، که براساس جداول فهرستی کار می‌کند، عملیات مشابه انجام شد. نهایتا مقادیر آماری اختلاف رنگ (DE2000) بین ارقام رنگ لکه‌های چاپ شده چارت‌های رنگ مختلف و ارقام رنگ پیشگویی شده متناظر توسط روش ماتریس و نرم‌افزار تجاری محاسبه شد. نتایج نشان دادند که نرم‌افزار پروفایل‌ساز تجاری توانست که پیشگویی نزدیک‌تر به حد درک اختلاف رنگ را ارائه دهد.

کلیدواژه‌ها

عنوان مقاله [English]

Comparison of the Color Values Prediction by a Matrix Method and a Well-Known Software for a Digital Color Management Process

نویسندگان [English]

  • Keivan Ansari 1
  • Mahzyar Gorji Bandpay 1
  • Mahdi Safi 1
  • Farhad Ameri 2
1 Department of Color Imaging and Color Image Processing, Institute for Color Science and Technology, P.O. Box: 16765-654, Tehran, Iran
2 Department of Color Imaging and Color Image Processing, Institute for Color Science and Technology, P.O. Box: 16765-654, Tehran, Iran
چکیده [English]

A condition that must be satisfied for digital printers in a color management system is converting device-dependent color values into device-independent color values by a transfer model of high-quality performance. Usually, each transfer model is initially trained with some specified samples as a training set before being tested. In the present study, color charts with different quantities of color patches in an RGB space were selected and printed as training groups.  The spectral reflectances of all samples in printed color charts were measured and converted to an XYZ color space under a standard observer/illuminant combination. Using a matrix method, the RGB to XYZ transformation matrices were obtained with the algebraic operation of different degrees of polynomials and the least-square errors for the training groups.Similar operations were also performed for the well-known ProfileMaker software, which is based on a look-up table method. Finally, the statistical values of color difference (DE2000) were calculated between the actual XYZ from the printed color charts, the predicted XYZ from the matrix method, and those predicted from the ProfileMaker software. The ProfileMaker software showed a significantly lower color difference near the perception threshold for the specified training samples.

کلیدواژه‌ها [English]

  • Color Values
  • Color Management System
  • Digital Printer
  • Matrix Method
  • Color difference

مراجع

1.   G. Sharma. Digital color imaging handbook. CRS press. 2003. chapter 4.
2.   J. P. Homann. Digital Color Managemet. Springer. Berlin. Germany, (2009), 116-117.
3.   M. S. Kurecic. A. Darko. L.Mandić. Color management implementation in digital photography. J. Info. Org. Sci .(JIOS), 31(2) (2007). 
4.   C. E. Chin, M. E. K. Garcia. M. R.Gupta. Color management of printers by regression over enclosing neighborhoods. IEEE International Conference on Image Processing (ICIP). San Antonio, Texas, USA. Sep. 16-19, (2007), 161-164.
5.   B. Fraser, C. Murphy, F. Bunting, Real world color management. Second ed. Peachpit Press. 2005. 609.
6.   M. Gorji, K. Ansari, S. Moradian, Errors involved in profiles in color management systems, AIC 2012 Taipei, Taiwan, (2012), Sep. 23-25.
7.   M. Gorji. K. Ansari. S. Moradian. Investigating methods for determining the boundaries of the color gamut of a printer. J. Print. Publ. 1 (2012), 103-117.
8.   M. Gorji. K. Ansari. F. Ameri, S. Moradian. A concise review on color match prediction models. J. Color Sci. Tech. 8 (2014), 249-260.
9.   P. Green, J. Holm, W. Li, Recent developments in ICC color management. Color Res. Appl. 33(6) (2008), 444-448.
10.P. Green. L. MacDonald. Colour Engineering: Achieving Device Independent Colour. Wiley. 1st ed. 2002.
11.P. Hung. Colorimetric calibration for scanners and media. SPIE. 1991. 1448, 164-174.
12.M. Gorji. K. Ansari. S. Moradian. The use of decomposing theory and artificial neural network to enhance the performance of color profile management systems. J. Print. Publ. 2 (2012), 75-88.
13.M. Gorji, K. Ansari, S. Moradian, The effect of various papers on the prediction accuracy of a cube nearest neighbor color prediction model in LUT profiles utilized in an inkjet printer. J. Color Sci. Tech. 7 (2013), 257-263.
14.L.W. MacDonald, M. Ronnier Luo, Colour imaging, vision and technology. J. Color Sci. Tech. 27(6) (2002). 455-455.
15.F. Dugay, I. Farup, J. Y. Hardeberg. Perceptual evaluation of color gamut mapping algorithms. J. Color Sci. Tech. 33 (2008), 470–476.
16.S. Gorji Kandi, M. Amani Tehrani. A new method for color gamut mapping by genetic algorithm. Prog. Color Colorants Coat. 2(2009). 95-101.
17.R. Bala. Challenges in color reproduction: Towards Higher Dimensions. SPIE/IS&T Electronic imaging symposium. 5667 (2004),162-169.
18.L.Yang. Characterization of inks and ink application for ink-jet printing model and simulation. J. Opt. Soc. Am. A. 20(7) (2003), 1149-1154.
19.A. Tajik Esmaeili. M. Ataeefard. M. Safi. Recognition of sequence of print and ink strokes: investigation the effect of handwriting pressure, hue of ink, printer and paper type, Prog. Color Colorants Coat.12 (2019), 251-261
20.R. Lukac. K. N. Plataniotis. Color image processing (methods and applications). CRC Press. (2006) chapter 1.
21.Color management workflow in adobe after effects CS. Adobe photoshop. 2007.
22. A. Dolhasz, C. Harvey, I. Williams. Learning to observe: approximating human perceptual thresholds for detection of suprathreshold image transformations, Proceedings of the IEEE/CVF conference on computer vision and pattern recognition (CVPR), (2020), 4797-4807.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار