CN110073184A - 用于效果颜料识别的装置和方法 - Google Patents
用于效果颜料识别的装置和方法 Download PDFInfo
- Publication number
- CN110073184A CN110073184A CN201780068173.9A CN201780068173A CN110073184A CN 110073184 A CN110073184 A CN 110073184A CN 201780068173 A CN201780068173 A CN 201780068173A CN 110073184 A CN110073184 A CN 110073184A
- Authority
- CN
- China
- Prior art keywords
- data
- sample
- distribution
- geometry
- effect pigment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000049 pigment Substances 0.000 title claims abstract description 277
- 230000000694 effects Effects 0.000 title claims abstract description 250
- 238000000034 method Methods 0.000 title claims abstract description 187
- 238000009826 distribution Methods 0.000 claims abstract description 170
- 230000009466 transformation Effects 0.000 claims abstract description 17
- 238000005286 illumination Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 239000004744 fabric Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 210000003205 muscle Anatomy 0.000 claims 1
- 230000001052 transient effect Effects 0.000 claims 1
- 239000000523 sample Substances 0.000 description 105
- 239000010410 layer Substances 0.000 description 99
- 238000005259 measurement Methods 0.000 description 46
- 238000010586 diagram Methods 0.000 description 42
- 238000004458 analytical method Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 19
- 238000000576 coating method Methods 0.000 description 18
- 239000011248 coating agent Substances 0.000 description 17
- 230000000007 visual effect Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 12
- 230000014509 gene expression Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 9
- 239000004065 semiconductor Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 239000013074 reference sample Substances 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 7
- 239000004615 ingredient Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000000691 measurement method Methods 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 210000002364 input neuron Anatomy 0.000 description 4
- 239000004411 aluminium Substances 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000004040 coloring Methods 0.000 description 3
- 230000002301 combined effect Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000000399 optical microscopy Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100001677 Emericella variicolor andL gene Proteins 0.000 description 1
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- 244000283207 Indigofera tinctoria Species 0.000 description 1
- 229920000106 Liquid crystal polymer Polymers 0.000 description 1
- 239000004977 Liquid-crystal polymers (LCPs) Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- RNUBFUJXCFSMQP-UHFFFAOYSA-N borol-2-one Chemical compound O=C1B=CC=C1 RNUBFUJXCFSMQP-UHFFFAOYSA-N 0.000 description 1
- 230000002520 cambial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009500 colour coating Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000013528 metallic particle Substances 0.000 description 1
- 239000010445 mica Substances 0.000 description 1
- 229910052618 mica group Inorganic materials 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000019612 pigmentation Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/463—Colour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
- G01J3/504—Goniometric colour measurements, for example measurements of metallic or flake based paints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N21/57—Measuring gloss
- G01N2021/575—Photogoniometering
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Generation (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种用于识别效果颜料的计算机实现的方法,该方法包括在至少一个计算机的至少一个处理器上执行以下步骤:a)获取描述包括样本效果颜料的层的数字图像的样本图像数据;b)基于样本图像数据来确定描述由数字图像限定的闪光点的样本分布的闪光点数据,其中样本分布是在N维颜色空间中限定的,其中N是等于或大于3的整数值;c)基于闪光点数据来确定描述样本分布到(N‑1)维颜色空间的变换的闪光点变换数据;d)基于闪光点变换数据来确定描述样本分布的几何形状的闪光点分布几何形状数据;e)获取描述(N‑1)维颜色空间中的闪光点的参考分布的几何形状的参考分布几何形状数据;f)获取描述参考分布与参考分布的标识符之间的关联的参考分布关联数据;g)基于闪光点分布几何形状数据和参考分布几何形状数据以及参考分布关联数据来确定描述样本效果颜料的身份的样本颜料身份数据。
Description
技术领域
本公开涉及层中效果颜料(effect pigment)的识别。
背景技术
比较或匹配涂有含有效果颜料的涂料的表面的颜色在视觉上或在使用颜色测量设备的情况下都具有挑战性。例如,这种涂料经常出现在汽车上。核心问题源于这样的事实:即效果颜料依据观看和照明角度形成具有变化颜色的非常亮的斑点。因此,自动或人工辅助地识别含有效果颜料的涂层可能需要大量的测量、适用于含有效果颜料的涂层的数据处理、以及效果颜料分类和识别方法。尽管一些设备可以基于含有效果颜料的涂层的大概的成像来提供信息,但是它们可能无法提供效果颜料级的识别,所述效果颜料级的识别可能是配制生产对应涂层需要的成分所要求的精确分析需要的。
在涂料工业的各种应用领域,未公开的着色(pigmentation)的角度明显的颜色明暗(shade)的有效匹配是重要且耗时的任务。在颜色标准包含效果颜料(诸如薄片状珠光(干涉)或金属颗粒类型)的那些情况下,该任务尤其具有挑战性。
为了在组合搜索中保持组合的数目以使匹配的配制易于处理,有必要预先识别尽可能多的颜料,以使得它们是计算过程中测试的所有配制的组成部分。如果例如可以预先识别颜色目标中使用的所有效果颜料,则仅需要在组合搜索中确定配制的固体颜料以获得最佳匹配的配制方法,这将导致计算时间的显著节省。
通过在点光源下的传统视觉评估来识别表面涂层中的效果颜料是一项具有挑战性的任务,它要求良好控制的观看条件和多年的颜色显影经验。角度明显的表面涂层的外观由颜色和视觉纹理的复杂相互作用来确定。所述视觉纹理是效果颜料的外观特征,并描述了在角度明显的材料的表面处观察到的颜色和/或强度分布的不均匀性。效果颜料的特有的闪光取决于具有定向照明的观看。当在漫射照明中观看时,涂层的闪光实际上会消失并且被不规则的亮度图案所取代,其特征在于效果颜料的级别、其形态性质或/和涂层内的颗粒拓扑。可以通过向涂料配制中添加失败控制剂(flop control agent)或通过应用条件来使所述颗粒拓扑受到影响。
效果颜料的鳞片(flake)外观仅取决于几个视觉特征,因此用于对它们进行分类的信息相对较少。样本外观还取决于效果颜色涂层中的亮度、颜色和其他颜料,因此难以比较。效果颜色明暗的典型配方是两种或更多种效果颜料以及三种或更多种透明或半透明固体颜料的混合。特别地,如果样本涂层和参考的颜色不同(例如银色鳞片参考与蓝色金属/珠光测试颜色的比较),则确定由来自单个鳞片的参考样本的两种或更多种效果颜料产生的合成视觉外观是无效的。在目标为识别效果颜料的情况下,角度明显的表面涂层的视觉评估的固有限制是一种冗余。
与仅对表面涂层的视觉评估相比,光学显微术的方法提供了更好的鳞片辨别力。
效果颜色明暗的这种光学显微术方法被频繁地用在汽车工业中的颜色匹配工艺中。薄片状效果的颜料的横向延伸(通常在10μm至50μm的范围内)实现了这种应用。光学显微术的分辨率极限(其达到约1μm的程度)远低于特殊效果颜料的典型尺寸,因此当适当放大时可以容易地在表面涂层中识别它们。
显微镜成像允许颜料微观特征的直接比较,而不是依赖于其他因素的外观的比较。在作为其最基本的途径的该方法中,通过被考虑的涂覆表面的显微观察或图像来进行与参考样本、参考样本的图像或从参考样本的图像得到的特征的比较。表面涂层的光学显微术允许微观特征的直接比较,而不是效果颜料的识别和外观的比较。这是通过虚拟地检测效果颜料性质(诸如尺寸、形状、边沿和表面形态以及颜色)来实现的。
因此,需要一种用于表征各层图像中的效果颜料斑点的装置和方法。
发明内容
根据第一方面的第一示例,本公开的实施例提供了用于表征各层图像中的效果颜料斑点的装置和方法,该方法包括以下步骤:形成效果颜料斑点的一个或多个点云,通过效果颜料斑点的以下至少三个与设备无关的颜色坐标来表征点云中的每个点:第一和第二线性投影的色度坐标,以及亮度相关值;计算一个或多个点云到一个或多个参考点云的距离;以及选择具有最短距离的参考点云。
此外,在根据第一方面的第一示例的本公开的方法中,形成一个或多个点云可以包括形成一个或多个点云聚类(cluster)。计算距离可以包括将一个或多个点云编码成分层树数据结构。计算距离可以包括形成点云包络。计算距离可以包括计算投影在色度图的平面上的云的质心。计算距离可以包括计算云的统计离差的度量。计算距离可以包括以下步骤:计算一个或多个图像内的一个或多个效果颜料斑点的亮度;计算效果颜料斑点的亮度均值;计算与效果颜料斑点的亮度均值的偏差;并且其中形成效果颜料斑点的一个或多个点云,该亮度等于与亮度均值的偏差。可以根据CIE 1976标准来计算至少第一和第二线性投影的色度坐标。可以用在其尺寸与至少九个效果颜料斑点的尺寸相对应的表面上测得的颜色值来校正一个或多个与设备无关的颜色坐标的值。该方法还可以包括将点云与一个或多个参考点云进行比较的步骤。可以通过将图像处理方法应用于包括效果颜料的层的图像来形成包括效果颜料斑点的图像。可以通过将阈值处理方法应用于包括效果颜料的层的图像来形成包括效果颜料斑点的图像。形成一个或多个点云可以包括点聚类方法。形成一个或多个点云可以包括利用二维或更多维模式匹配方法来自动将点云与一个或多个参考点云进行比较的步骤。图像可以共享共同的颜色校准基础。可以通过数字彩色相机来获取图像。可以通过组合在不同曝光下获取的多个图像来形成图像。可以以多个观看和照明角度组合来获取图像。该方法还可以包括利用三维模式匹配方法来自动将在多个观看和照明角度组合下获取的多个点云与一个或多个参考点云进行比较的步骤。点云可以显示在包括三个轴或更多个轴的图上,其中第一轴针对第一色度坐标u',第二轴针对第二色度坐标v',并且第三轴针对与效果颜料斑点的亮度均值的偏差(L*-<L*>)。可以针对一个或多个照明-观察角度组合来计算点云沿着亮度的一个或多个维度或者颜色对立(color-opponent)维度的质心。可以向基于计算机的***提供包括点云沿着亮度的一个或多个维度或者颜色对立维度的一个或多个质心的数据集。
此外,根据第二方面的第二示例,本公开提供了一种用于表征各层图像中的效果颜料斑点的方法,该方法包括:提供一个或多个数字相机;提供一个或多个照明源;提供一个或多个电子显示器;提供存储在非易失性半导体存储器中的多个参考点云;从数字相机获取颜色图像数据;形成效果颜料斑点的一个或多个点云,点云中的每个点由效果颜料斑点的下面至少三个与设备无关的颜色坐标来表征:第一和第二线性投影的色度坐标,以及亮度相关值;计算一个或多个点云到一个或多个参考点云的距离;以及选择具有最短距离的参考点云。
此外,根据第一方面的第三示例,本公开提供了用于表征各层图像中的效果颜料斑点的数据库以及用于形成这样的数据库的方法,该数据库包括:包括效果颜料的层的图像,所述图像包括在一个或多个图像内形成的多个效果颜料斑点,每个效果颜料斑点由至少第一和第二线性投影色度坐标(u',v')和至少一个亮度相关值L* 来表征;效果颜料斑点的一个或多个点云,点云中的每个点由与设备无关的颜色坐标(u' ,v',L)来表征;一个或多个点云到一个或多个参考点云的距离;以及具有最短距离的参考点云的选择。
此外,在第一方面的第四示例中,本公开提供了一种用于表征各层图像中的效果颜料斑点的基于计算机的层分析***,包括:一个或多个数字相机;一个或多个照明源;一个或多个电子显示器;一个或多个中央处理单元;一个或多个非易失性半导体存储器,其包括存储的多个参考点云;一个或多个非易失性半导体存储器,其存储包括用于由中央处理单元执行以用于以下步骤的指令的程序:从数字相机获取颜色图像数据;形成效果颜料斑点的一个或多个点云,点云中的每个点由效果颜料斑点的下面至少三个与设备无关的颜色坐标来表征:第一和第二线性投影的色度坐标、以及亮度相关值;计算一个或多个点云到一个或多个参考点云的距离;以及选择具有最短距离的参考点云。
根据本公开的第一方面的示例可以通过以下示例A至Y来限定:
A. 一种用于表征各层图像中的效果颜料斑点的方法,该方法包括以下步骤:
形成效果颜料斑点的一个或多个点云,点云中的每个点由效果颜料斑点的下面至少三个与设备无关的颜色坐标来表征:
第一和第二线性投影的色度坐标,以及
亮度相关值;
计算一个或多个点云到一个或多个参考点云的距离,例如所述参考点云中的每个与一(即每一个,例如每个恰好一个)参考效果颜料相关联;以及
选择具有最短距离的参考点云,以及例如
基于所选参考点云将效果颜料斑点表征为参考效果颜料。
B. 示例A的方法,其中形成一个或多个点云包括形成一个或多个点云聚类。
C. 示例A至B中的任一个所述的方法,其中计算所述距离包括将所述一个或多个点云编码为分层树数据结构。
D. 示例A至C中的任一个所述的方法,其中计算所述距离包括形成点云包络,例如表示所述效果颜料斑点的点的点云。
E. 示例A至D中的任一个所述的方法,其中计算所述距离包括计算投影在色度图的平面上的云的质心。
F. 示例A至E中的任一个所述的方法,其中计算所述距离包括计算云的统计离差的度量。
G. 示例A至F中的任一个所述的方法,其中计算所述距离包括以下步骤:
计算一个或多个图像内的一个或多个效果颜料斑点的亮度;
计算效果颜料斑点的亮度均值;
计算与效果颜料斑点的亮度均值的偏差;以及
其中,形成效果颜料斑点的一个或多个点云,该亮度等于与亮度均值的偏差。
H. 示例A至G中的任一个所述的方法,其中根据CIE 1976标准来计算至少第一和第二线性投影的色度坐标。
I. 示例A至H中的任一个所述的方法,其中用在其尺寸与至少九个效果颜料斑点的尺寸相对应的表面上测得的颜色值来校正一个或多个与设备无关的颜色坐标的值。
J. 示例A至I中的任一个所述的方法,其中所述方法还包括将所述点云与一个或多个参考点云进行比较的步骤。
K. 示例A至J中的任一个所述的方法,其中通过将图像处理方法应用于包括效果颜料的层的图像来形成包括效果颜料斑点的图像。
L. 示例A至K中的任一个所述的方法,其中通过将阈值处理方法应用于包括效果颜料的层的图像来形成包括效果颜料斑点的图像。
M. 示例A至L中的任一个所述的方法,其中形成一个或多个点云的步骤包括执行点聚类方法。
N. 示例A至M中的任一个所述的方法,其中形成一个或多个点云的步骤包括利用二维或更多维模式匹配方法自动将点云与一个或多个参考点云进行比较的步骤。 。
O. 示例A至N中的任一个所述的方法,其中所述图像共享共同的颜色校准基础。
P. 示例A至O中的任一个所述的方法,其中通过数字彩色相机来获取图像。
Q. 示例A至Q中的任一个所述的方法,其中通过组合在不同曝光下获取的多个图像来形成图像。
R. 示例A至Q中的任一个所述的方法,其中以多个观看和照明角度组合来获取图像。
S. 示例A至R中的任一个所述的方法,其中所述方法还包括以下步骤:利用三维模式匹配方法自动将在多个观看和照明角度组合下获取的多个点云与一个或多个参考点云进行比较。
T. 示例A至S中的任一个所述的方法,其中,点云被显示在包括三个轴或更多个轴的图上,其中第一轴针对第一色度坐标u',第二轴针对第二色度坐标v',并且第三轴针对与效果颜料斑点的亮度均值的偏差(L* - <L*>)。
U. 示例A至T中的任一个所述的方法,其中针对一个或多个照明-观察角度组合来计算点云沿着亮度的一个或多个维度或颜色对立维度的质心。
V. 示例A至U中的任一个所述的方法,其中将包括沿着点云沿着亮度的一个或多个维度或颜色对立维度的一个或多个质心的数据集提供给基于计算机的***。
W. 一种表征各层图像中的效果颜料斑点的方法,该方法包括:
提供一个或多个数字相机;
提供一个或多个照明源;
提供一个或多个电子显示器;
提供存储在非易失性半导体存储器中的多个参考点云,所述参考点云中的每个与一(即每一个,例如每个恰好一个)参考效果颜料相关联;
从数字相机获取颜色图像数据;
形成效果颜料斑点的一个或多个点云,点云中的每个点由效果颜料斑点的下面至少三个与设备无关的颜色坐标来表征:
第一和第二线性投影色度坐标,以及
亮度相关值;
计算一个或多个点云到一个或多个参考点云的距离;以及
选择具有最短距离的参考点云,并且例如
基于所选参考点云来将效果颜料斑点表征为参考效果颜料。
X. 一种用于表征各层图像中的效果颜料斑点的数据库,该数据库包括:
包括效果颜料的层的图像,所述图像包括在一个或多个图像内形成的多个效果颜料斑点,每个效果颜料斑点由至少第一和第二线性投影的色度坐标(u',v')以及至少一个亮度相关值L*来表征;
效果颜料斑点的一个或多个点云,点云中的每个点由与设备无关的颜色坐标(u',v',L)来表征;
一个或多个点云到一个或多个参考点云的距离,例如所述参考点云中的每个与一(即每一个,例如每个恰好一个)参考效果颜料相关联;以及
具有最短距离的参考点云的选择,并且例如基于参考点云的选择将效果颜料斑点表征为参考效果颜料。
Y. 一种用于表征各层图像中的效果颜料斑点的基于计算机的层分析***,包括:
一个或多个数字相机;
一个或多个照明源;
一个或多个电子显示器;
一个或多个中央处理单元;
一个或多个非易失性半导体存储器,其包括存储的多个参考点云,例如所述参考点云中的每个与一(即每一个,例如每个恰好一个)参考效果颜料相关联;
一个或多个非易失性半导体存储器,其存储包括用于由中央处理单元执行以用于以下步骤的指令的程序:
从数字相机获取颜色图像数据;
形成效果颜料斑点的一个或多个点云,点云中的每个点由效果颜料斑点的下面至少三个与设备无关的颜色坐标来表征:
第一和第二线性投影的色度坐标,以及
亮度相关值;
计算一个或多个点云到一个或多个参考点云的距离;以及
选择具有最短距离的参考点云,以及例如
基于所选参考点云将效果颜料斑点表征为参考效果颜料。
本公开的第二方面描述如下:
在第二方面的第一示例中,本公开涉及用于识别效果颜料的计算机实现的方法。该方法包括在至少一个计算机的至少一个处理器上执行以下步骤。
在(例如第一)示例性步骤中,获取样本图像数据,所述样本图像数据描述(例如限定或表示)包括样本效果颜料的层的数字图像。例如,样本图像数据描述层的明暗(即颜色和效果的组合)。在一个示例中,样本图像数据描述包括样本效果颜料的层从多个观看方向和/或在多个照明方向的数字图像(例如外观)。
在(例如第二)示例性步骤中,确定闪光点数据(也称为样本闪光点数据或闪光点分布数据或样本闪光点分布数据或样本分布数据)。例如基于样本图像数据来确定闪光点数据并且该闪光点数据描述(例如限定或表示)由数字图像限定的闪光点的样本分布,例如表示(例如当样本效果颜料被照亮时)由样本效果颜料产生的闪光的样本闪光点。每个闪光点具有坐标和与坐标的元组的每个条目相关联的值。例如,在N维颜色空间中限定样本分布,其中N是等于或大于3的整数值。例如N = 3并且例如N维坐标颜色空间具有正交坐标轴。样本分布通常由测得的(例如拍摄的)点云以及随后计算的表示样本效果颜料的闪光的数据点来体现。在本公开的框架中,颜色空间的术语被用来限定闪光点的坐标,颜色空间的术语被理解为限定在其中限定了闪光点的坐标系。如果例如影响闪光测量的其他量被用来限定闪光点,则可以用多于三个维度(即多于三个坐标)来限定这样的坐标系。这些其他量包括但不限于影响闪光并包含在效果颜料中的鳞片的粒度、照明角度或视角(例如关于包括样本效果颜料的层的测量表面而限定的角度)。因此,尺寸(坐标)不限于在其传统意义上限定颜色或颜色空间的量。
在(例如第三)示例性步骤中,确定闪光点变换数据(也称为样本闪光点变换数据)。例如,基于闪光点数据来确定闪光点变换数据,并且该闪光点变换数据描述(例如限定或表示)样本分布到(N-1)维颜色空间的变换。(N-1)维颜色空间的基础例如是N维颜色空间的基础的适当(即严格)子集。例如,通过将来自N维颜色空间的闪光点投影到(N-1)维颜色空间中来确定闪光点变换数据。换句话说,该示例包括将由闪光点数据描述的闪光点投影到空间的超平面(即诸如颜色空间的坐标系)中,在该超平面中用闪光点数据来描述闪光点。例如,(N-1)维颜色空间被限定为二维平面(例如用作为坐标的u'和v'来限定;在一个特定示例中,可以另外用恒定值L*或L-<L*>(诸如值0 [零])来限定该平面),并且投影具有垂直于平面的方向(例如沿着L*轴或者至少平行于L*轴)。例如并且在N = 3的情况下,平面平行于限定了二维颜色空间的两个坐标(即基础)的三维颜色空间的两个轴(例如u'轴和v'轴),并且例如垂直于三维颜色空间的第三轴(例如L*轴或L*-<L*>轴),所述第三轴(与上述两个轴一起)限定三维颜色空间的坐标(即基础)。因此,用闪光点数据描述的闪光点从例如用u'和v'(两个色度坐标)以及L*(亮度)或L*-<L*>(与均值亮度的偏差)中的(确切)一个限定的三维参考系变换(具体地投影)成用u'和v'以及在一个示例中L*和L*-<L*>中的(确切)一个的恒定值(诸如零)限定的二维参考系中。该二维参考系也被称为色度平面。
在(例如第四)示例性步骤中,基于闪光点变换数据(例如通过将边缘分布/密度函数应用于闪光点变换数据)来确定闪光点分布几何形状数据(也称为样本闪光分布几何形状数据)。该闪光点分布几何形状数据描述(例如限定或表示)几何形状,例如样本分布的形状或外壳(即包络,例如二维、三维或更多维度中的轮廓)或者中心轴和半轴(例如在圆形轮廓或球形外壳的情况下的半径)中的至少一个。例如,样本分布的几何形状具有特征形状,该特征形状可以被限定或至少近似为基本几何形状(诸如正方形或盒,或椭圆形或椭球形),其可以例如用特征量(也称为形状参数,诸如中心和边长,或半轴的中心和长度)来限定。在一个示例中,可以通过将L*或L*-<L*>坐标条目设置为零来执行投影,并且如前所述对于每个闪光点保持u'和v'坐标条目的值。
在(例如第五)示例性步骤中,获取参考分布几何形状数据(也称为参考闪光分布几何形状数据),其描述(例如限定或表示)(N-1)维颜色空间中的闪光点的参考分布的几何形状(即在(N-1)维颜色空间中限定构成参考分布的闪光点的坐标)。参考分布几何形状数据是预定的(即已知的或固定的中的至少一个)并且例如通过比较测量和/或将其他分析技术应用于至少一个样本(例如多个样本)例如在执行根据第二方面的第一示例的方法的执行之前生成。例如,通过拍摄具有已知身份(例如类型或成分中的至少一个)的参考效果颜料(即生成参考颜料的样本图像数据),生成针对参考效果颜料(如上所述针对样本效果颜料)的闪光点数据和闪光点变换数据以及闪光点分布几何形状数据,以及将样本分布的结果得到的几何形状存储为参考分布的几何形状来生成参考分布。参考分布通常由存储在非瞬时性计算机可读存储介质中(例如在数字数据库中)的参考点云来体现。参考分布几何形状数据描述(例如限定或表示)几何形状,例如参考分布的形状或外壳(即包络,例如二维、三维或更多维度中的轮廓)或者中心轴和半轴(例如在圆形轮廓或球形外壳的情况下的半径)中的至少一个。例如,参考分布的几何形状具有特征形状,该特征形状可以被限定或至少近似为基本几何形状(诸如正方形或盒,或椭圆形或椭球形),其可以例如用特征量(也称为形状参数,诸如中心和边长,或半轴的中心和长度)来限定。参考分布和样本分布的特征形状例如是至少基本相同的。在该步骤的一个示例中(例如在N = 3的情况下),样本分布的几何形状是椭圆形,并且参考分布的几何形状是椭圆形。在另一示例中(例如在N = 4的情况下),样本分布的几何形状是椭球形,并且参考分布的几何形状是椭球形。
例如,在由限定亮度L*(例如各个闪光点的亮度与闪光点的均值亮度<L*>之间的差L*-<L*>)的(例如一个或恰好一个)坐标以及限定闪光点的色度的两个坐标u'、v'限定的颜色空间中(并且具体地在相同颜色空间中)限定样本分布和参考分布的闪光点。
在(例如第六)示例性步骤中,获取参考分布关联数据(也称为参考闪光分布关联数据),其描述(例如限定或表示)参考分布(例如与由参考分布几何形状数据所描述的几何形状相关联的参考分布以及因此参考分布的几何形状)与参考分布的标识符之间的关联。该标识符例如对于参考分布是唯一的,即不会有其他参考分布具有相同的标识符(在本公开的框架内)。标识符用于限定已经生成了其参考分布的参考效果颜料(即通过测量参考效果颜料)的身份(例如类型或成分中的至少一个)。标识符可以具有人可读格式或机器可读格式中的至少一种。如果它具有人可读格式,则可以在显示设备上输出表示标识符的字符串,以便用户在视觉上感知关于参考效果颜料的信息。因此,参考分布关联数据限定参考分布和参考颜料之间的关联。
在(例如第七)示例性步骤中,基于闪光点分布几何形状数据和参考分布几何形状数据以及参考分布关联数据来确定样本颜料身份数据。样本颜料身份数据例如以人可读格式或机器可读格式中的至少一种来描述(例如限定或表示)样本效果颜料的身份。如果它以人可读格式来描述样本效果颜料的身份,则可以在显示设备上输出表示样本效果颜料的身份(例如关于身份的信息)的字符串,以便用户在视觉上感知关于参考效果颜料的信息。例如通过将闪光分布几何形状数据与参考分布几何形状数据进行比较来确定样本效果颜料的身份,以找到具有与样本分布的几何形状相似的几何形状的参考分布,例如至少在预定限度(即已知限度或固定限度中的至少一个)内至少基本上相似。然后将样本颜料的身份确定为与参考分布相关联的参考颜料的身份,该参考分布与样本分布相似(例如根据相似性的上述限定)。
例如,基于将闪光点的多个参考分布的几何形状与闪光点的样本分布的几何形状进行比较来获取参考分布几何形状数据。在将参考分布的多个几何形状之中的参考分布的多于一个几何形状与样本分布的几何形状进行比较的情况下(并且例如,如果例如在预定限制内参考分布的几何形状中的多于一个与样本分布的几何形状相似),与最接近样本分布的几何形状(即与样本分布的几何形状最相似或最佳拟合)的参考分布的几何形状相关联的参考效果颜料的身份被确定为样本效果颜料的身份。例如,基于根据闪光点的多个参考分布来确定与闪光点的样本分布最佳拟合的闪光点的参考分布而获取参考分布几何形状数据。例如,通过优化例如由形状参数的加权和来限定的优值函数来确定闪光点的最佳拟合参考分布。具体地,闪光点的最佳拟合参考分布是多个参考分布之中其优值函数为最优(例如最小)的参考分布,所述优值函数是由一方面表征参考分布的几何形状的形状参数的值与另一方面表征样本分布的对应形状参数的值之间的差异来限定的。因此,参考分布的最佳拟合几何形状例如是其优化算法(诸如距离优化(最小化)算法)输出相对于样本分布的几何形状的(针对多个参考分布的多个结果之中的)最优(即最佳拟合)(例如,最小)结果的参考分布的几何形状(样本分布的几何形状是优化目标)。
例如,参考分布的几何形状和样本分布的几何形状是椭圆形(例如圆形)或椭球形(例如球形),并且优值函数描述以下各项中的至少一个:描述参考分布的几何形状和样本分布的几何形状的椭圆形或椭球形的中心之间的距离、描述参考分布的几何形状和样本分布的几何形状的椭圆形或椭球形的面积之间的距离、或描述参考分布的几何形状和样本分布的几何形状的椭圆形或椭球形的定向角之间的距离。然后,相应的距离表示(具体地是)被用于将参考分布的至少一个几何形状与样本分布的几何形状进行比较的要通过优化算法来优化(最小化)的优化标准。
在第二方面的第二示例中,本公开涉及一种选择效果颜料的计算机实现的方法,包括执行根据第二方面的第一示例的方法,其中
为至少两个不同的参考分布确定样本颜料身份数据,并且样本身份数据描述样本效果颜料的至少两个可能的身份,并且
该方法还包括由至少一个处理器执行以下步骤:
向电子显示设备发出描述(例如限定或表示)列表的显示数据,所述列表限定至少两个可能身份的优先级(诸如参考分布的相应关联几何形状与样本分布的几何形状之间的拟合优度,或与该拟合优度相关的度量);
基于所显示的列表来接收(例如通过用户的手动输入)用于选择可能身份中的一个的输入数据。
根据第一方面的第二示例的方法对应于根据第二方面的第一示例的方法的使用,所述根据第二方面的第一示例的方法用于从包括作为样本效果颜料的身份的候选的参考效果颜料的身份的结果列表中手动选择最佳拟合参考点云。可以通过例如基于应用于参考分布的相应关联几何形状的优化算法的结果确定参考效果颜料的身份中的每一个作为样本效果颜料的身份的概率来对该列表分类。
在第二方面的第三示例中,本公开涉及一种用于识别效果颜料的计算机实现的方法,该方法包括在至少一个计算机的至少一个处理器上执行以下步骤:
a)获取描述包括样本效果颜料的层的数字图像的样本图像数据(如上针对根据第二方面的第一示例的方法所描述的);
b)基于样本图像数据来确定描述由数字图像限定的闪光点的样本分布的闪光点数据(如上针对根据第二方面的第一示例的方法所描述的);
c)将闪光点数据输入到已经关于以下各项训练了的人工神经网络中:
描述N维颜色空间中的闪光点的参考分布的参考分布数据,其中N是等于或大于3的整数值;以及
描述参考分布和参考效果颜料之间的关联的参考分布关联数据;
d)基于闪光点数据和参考分布数据以及参考分布关联数据并且作为人工神经网络的输出来确定描述样本效果颜料的身份的样本颜料身份数据(在上面针对根据第二方面的第一示例的方法描述了样本颜料身份数据)。
在第二方面的第四示例中,本公开涉及一种用于为效果颜料确定(例如,预测或校正中的至少一个)配方(例如配制,具体地诸如鳞片的类型的成分的列表)的计算机实现的方法,包括执行根据第二方面的第一或第二示例中的任一个的方法。在更具体的示例中,根据第二方面的第四示例的方法包括执行根据第二方面的第二示例的方法,以及由至少一个处理器来执行基于所选身份来确定配方的步骤。
在第二方面的第五示例中,本公开涉及一种计算机程序,当在至少一个计算机的至少一个处理器上运行该计算机程序时或者当将该计算机程序加载到至少一个计算机的存储器中时,使得所述至少一个计算机执行根据第二方面的第一至第三示例中的任一个的方法。
在第二方面的第六示例中,本公开涉及包括以下各项的数据库:
描述N维颜色空间中的闪光点的参考分布的几何形状的参考分布几何形状数据,其中N是等于或大于3的整数值;以及
描述参考分布和参考效果颜料之间的关联的参考分布关联数据。
在第二方面的第七示例中,本公开涉及一种非瞬时计算机可读程序存储介质,在该非瞬时计算机可读程序存储介质上存储根据第二方面的第五示例的程序或根据第二方面的第六示例的数据库中的至少一个。
在第二方面的第八示例中,本公开涉及至少一个计算机,其包括至少一个处理器和存储器,其中在至少一个处理器上运行根据第二方面的第五示例的程序或者将根据第二方面的第五示例的程序加载到存储器中,或者其中至少一个计算机包括根据第二方面的第七示例的程序存储介质。
在第二方面的第九示例中,本公开涉及一种用于识别效果颜料的***,该***包括:
a)根据第二方面的第八示例的至少一个计算机;
b)至少一个电子数据存储设备,其至少存储参考分布几何形状数据和参考分布关联数据;以及
c)用于产生样本图像数据的至少一个数字成像设备(例如具有例如在RGB颜色空间中限定的颜色灵敏度的数字相机),其中,所述至少一个计算机可操作地耦合到所述至少一个电子数据存储设备以用于从所述至少一个数据存储设备获取参考分布数据或参考分布关联数据中的至少一个,并且可操作地耦合到所述数字成像设备以用于从所述数字成像设备获取样本图像数据。
在更高的特异性下,根据第二方面的第九示例的***还包括至少一个用于照亮该层的照明源,该层包括例如在其上或其中施加样本效果颜料的有形(corporeal)表面。
照明源例如被配置用于该层的定向(非漫射)照明和多个(定向)观看几何形状。使用具有接近镜面角的视角的至少一个观看几何形状。此外,本发明人在制造本发明时使用的Kohinoor外观仪器提供了具有正和负逆镜面(aspecular)角的评估几何形状,其可以被利用来区分特殊类型的高性能干涉颜料。
定义
所公开的方法例如是计算机实现的方法。例如,根据本发明的方法的所有步骤或仅仅一些(即小于步骤的总数)步骤可以由计算机(例如至少一个计算机)来执行。计算机实现的方法的实施例是计算机用于执行数据处理方法的用途。计算机实现的方法的实施例是涉及操作计算机以使得计算机***作用来执行该方法的一个、多个或所有步骤的方法。
计算机例如包括至少一个处理器和例如至少一个存储器,以便(在技术上)处理数据,例如电子地和/或光学地处理数据。处理器例如由作为半导体(例如至少部分n和/或p掺杂的半导体、例如第II族、第III族、第IV族、第V族、第VI族半导体材料中的至少一种、例如(掺杂的)硅和/或砷化镓)的物质或成分制成。所描述的计算步骤例如由计算机来执行。确定步骤或计算步骤是例如在技术方法的框架内(例如在程序的框架内)确定数据的步骤。计算机例如是任何种类的数据处理设备,例如电子数据处理设备。计算机可以是通常被认为是例如台式PC、笔记本电脑、上网本等这样的设备,但也可以是任何可编程装置,诸如例如移动电话或嵌入式处理器。计算机可以例如包括“子计算机”的***(网络),其中每个子计算机本身代表计算机。术语“计算机”包括云计算机,例如云服务器。术语“云计算机”包括云计算机***,其例如包括至少一个云计算机以及例如多个可操作互连的云计算机(诸如服务器群)的***。这种云计算机优选地连接到诸如万维网(WWW)的广域网,并且位于所有连接到万维网的所谓计算机云中。这种基础设施被用于“云计算”,其描述了不要求最终用户知道递送特定服务的计算机的物理位置和/或配置的计算、软件、数据访问和存储服务。例如,术语“云”在这方面被用作因特网(万维网)的隐喻。例如,云将计算基础设施提供为服务(IaaS)。云计算机可以起到被用来执行本发明的方法的操作***和/或数据处理应用程序的虚拟主机的作用。云计算机例如是由亚马逊网络服务TM提供的弹性计算云(EC2)。计算机例如包括接口,以便接收或输出数据和/或执行模拟到数字转换。该数据例如是表示物理性质和/或从技术信号生成的数据。技术信号例如通过(技术)检测设备(诸如例如用于检测标记设备的设备)和/或(技术)分析设备(诸如例如用于执行(医疗)成像方法的设备)的手段来生成,其中技术信号例如是电信号或光信号。技术信号例如表示由计算机接收或输出的数据。计算机优选地可操作地耦合到显示设备,该显示设备允许由计算机输出的信息例如被显示给用户。显示设备的一个示例是标准计算机监视器,其包括例如可操作地耦合到计算机以用于从计算机接收显示控制数据、用于生成被用来在显示设备上显示图像信息内容的信号的液晶显示器。监视器还可以是便携式(例如手持式)设备的监视器,该手持式设备诸如智能电话或个人数字助理或数字媒体播放器或(例如便携式)光谱测量设备(其还包括计算机)。
表述“获取数据”例如包括(在计算机实现的方法的框架内)在其中数据由计算机实现的方法或程序来确定的场景。确定数据例如包括测量物理量并将测得的值转换成数据(例如数字数据),和/或借助于计算机并且例如在根据本发明的方法的框架内计算(和例如输出)数据。“获取数据”的含义还例如包括通过计算机实现的方法或程序(例如到计算机实现的方法或程序的输入)例如从另一程序、先前的方法步骤或数据存储介质接收或检索数据,例如以供由计算机实现的方法或程序进一步处理的场景。要获取的数据的生成可以但不必是根据本发明的方法的一部分。因此,表达“获取数据”也可以例如意味着等待接收数据和/或接收数据。所接收到的数据可以例如经由接口来输入。表述“获取数据”还可以意味着计算机实现的方法或程序执行步骤以便(主动地)从数据源(例如数据存储介质(诸如ROM、RAM、数据库、硬盘驱动器等))或经由接口(例如从另一个计算机或网络)接收或检索数据。分别由所公开的方法或设备获取的数据可以从位于数据存储设备中的数据库获取,该数据存储设备可操作地耦合到计算机以用于数据库和计算机之间的数据传输,例如从数据库到计算机的数据传输。计算机获取数据以用作确定数据的步骤的输入。所确定的数据可以再次输出到相同或另一个数据库以便被存储以供以后使用。数据库或用于实现所公开方法的数据库可以位于网络数据存储设备或网络服务器(例如云数据存储设备或云服务器)或本地数据存储设备(诸如可操作地连接到执行所公开的方法的至少一个计算机的大容量存储设备)上。通过在获取步骤之前执行附加步骤,可以使数据“准备好以供使用”。根据该附加步骤,生成数据以便被获取。数据例如被(例如由测量设备)检测或捕获。备选地或另外地,根据附加步骤(例如经由接口)来输入数据。所生成的数据可以例如被输入(到例如计算机)。根据附加步骤(其在获取步骤之前),还可以通过执行将数据存储在数据存储介质(例如ROM、RAM、CD和/或硬盘驱动器)中的附加步骤来提供数据,以使得它们准备好在根据本发明的方法或程序的框架内使用。因此,“获取数据”的步骤还可以涉及命令设备获得和/或提供要获取的数据。为了区分本方法所使用的不同数据,将数据表示为(即称为)“XY数据”等,并且根据它们描述的信息来限定数据,然后优选地将该信息称为“XY信息”等。
附图说明
因此,可以通过参考其中的一些在附图中被图示的实施例来获得上面简要概述的本公开的更特别描述来详细理解本公开的上面叙述的特征的方式。然而,要注意的是,附图仅图示了示例性实施例,并且因此将不被视为限制其范围,因为本发明可以允许其他同等有效的实施例。而且,附图标记遍及各附图表示相同特征。
图1和2是组合效果颜料斑点的点云的三维颜色空间表示和射线图的表示。
图3是组合色度图、射线图和数值数据的显示。
图4是用于颜料识别的装置的透视图和颜料识别数据库的框图。
图5A-5C是组合效果颜料斑点的点云的三维颜色空间表示和包括效果颜料的层的多个测量结果的射线图的表示。
图6是用于效果颜料识别的方法的流程图。
图7是用于效果颜料识别的***的框图。
图8是用于效果颜料识别的基于计算机的方法的流程图。
图9A1-9D3是呈现包括效果颜料的层的分析中的4个步骤的图像的表,所述层在3个照明视角组合下成像。
图10-1L-10-2B是用于包括效果颜料的第一样本和参考层以及第二样本和参考层的测角(goniometric)中心图的表。
图11是用于使用质心信息来识别效果颜料的多测角几何方法的流程图。
图12是用于使用质心信息进行效果颜料识别的基于计算机的多测角几何方法的流程图。
图13呈现了(u',v')平面如何被栅格化。
图14图示了如何将网眼的每个单元馈送到神经网络的输入层的输入神经元。
图15构成了根据第二方面的第一示例的方法的实施例的流程图。
具体实施方式
本公开的实施例提供了用于测量、分类、识别和比较包括在层中的效果颜料的装置和方法。层可以是具有表面的材料,可以使眼睛或光学测量设备从该表面(例如喷涂的涂层或聚合物片材)看到效果颜料。本公开还描述了一种装置的实施例,该装置包括颜色成像传感器和实现该方法的处理器。本公开还提供了用来形成用于形成效果颜料参考数据库的数据的方法和装置。
图1是组合效果颜料斑点的一个或多个点云的三维颜色空间表示100和射线图200的表示的实施例。三维颜色空间表示100(缩写为3DCSR)包括表示色度坐标的第一坐标轴101和第二坐标轴102,所述色度坐标例如第一色度坐标u'和第二色度坐标v'(例如从还称为CIELUV的CIE 1976(L*,u*,v*)颜色空间导出的第一色度坐标u'和第二色度坐标v')。可以使用其他色度坐标,诸如x,y(例如CIE 1931颜色空间色度图的色度坐标)。坐标可以从其他颜色空间***导出,诸如CIE 1976 UCS、CIEUVW、CIELAB、CIELCH、RGB族的颜色空间、YUV族的颜色空间或其他颜色空间。第三坐标轴103表示从效果颜料斑点140的点云内的效果颜料斑点的亮度导出的值。该值被导出以减少效果颜料斑点的点云之间的比较所需的持续时间或计算量,并且该值例如可以是亮度的归一化值,例如与均值亮度的偏差:L*-<L*>。因此,例如在与参考数据库490(图4中所示)中包括的效果颜料数据进行比较时,计算与均值亮度的偏差(缩写为DML)可以减少效果颜料识别所需的持续时间或计算量。
3DCSR 100还可以包括色度图110,例如(u',v')色度图。色度图110可以包括波长标记,例如沿着其周边。可以在与第三坐标轴103的一个或多个坐标正交的(u',v')平面上绘制一个或多个色度图110。色度图可以包括对应于效果颜料斑点140的点云在色度图110上的投影的印记120。印记120可以是例如通过应用平滑或区域生长方法获得投影的经处理的渲染。投影的经处理的渲染可以例如提供投影的封闭包络。投影的经处理的渲染可以例如提供投影的平滑包络。色度图可以包括消色差轴标记130(例如颜色斑点、圆锥或平行于第三坐标轴的线),以实现其可视化。3DCSR 100可以包括与第三坐标轴103平行的第四坐标轴105,以为用户提供用于获得与第三坐标轴103的坐标空间不同的坐标空间中的亮度的视觉测量结果(例如照度(luminance)L)的装置。
射线图200可以包括针对照明方向的第一标记210,例如在图1中被表示为垂直指向层的表面的箭头。射线图可以包括针对逆镜面方向的第二标记220,例如逆镜面观看方向,例如在图1中被表示为指向层的表面的箭头,例如以15°的角度。射线图可以包括针对观看方向的第三标记230,例如在图1中被表示为远离表面指向的箭头,例如以15°的角度。该图可以包括逆镜面角标记232,例如被表示为第一标记210和第二标记220之间的弧度。该射线图可以包括射线图角度盒240,其顶侧242可以用作该层在射线图200内的表面的表示。作为射线图200的示例,射线图角度盒240包括序列r15as15,其与至关于表面法线以15°角设置的第二标记的逆镜面方向的第一部分(r15)和至关于第二标记处于15°角的第一标记的第二部分(as15)相对应。
例如在计算机上或在测量设备的显示器上实施的显示图1的表示的图形用户界面可以使用户能够在与第三坐标轴103的方向平行的方向上移动色度图的平面,例如以获得与点云140的同色度图的平面110相交的横截面积相关的原始值或经处理的值的测量结果。
图2表示图1中呈现的表示的第二实施例,这里显示分别形成效果颜料斑点140-1和140-2的第一点云和第二点云的第二组效果颜料数据,效果颜料斑点140-1和140-2的每一个都被投影到色度图110上,分别作为效果颜料斑点120-1和120-2的第一投影和第二投影。
图3呈现了例如被显示在计算机上或测量设备的显示器上的集成显示300。集成显示300可以包括一个或多个统计数据区310、一个或多个图形数据区115、或者一个或多个射线图200。统计数据区310可以呈现与一个或多个点云140-1、140-2或它们的投影120-1、120-2相关的信息项,例如:一个或多个效果颜料识别名称或参考;包括在层内的所述效果颜料的相对含量(例如被表示为百分比);第一效果颜料相对于第二效果颜料的相对比率(例如被表示为百分比);一个或多个点云的质心的坐标;与色度平面(诸如(u',v')平面)相交的一个或多个点云的横截面的质心的坐标;一个或多个点云的面积或体积密度;形成一个或多个点云的斑点的平均尺寸;一个或多个点云在色度图上的投影的原始或经处理的测得的面积;一个或多个点云在色度图上的交叉的原始或经处理的测得的面积;所呈现的信息中的一个或多个的方差或其他统计度量;或者在所呈现的信息中的一个或多个的多个点云上的聚合。所呈现的信息可以涉及测得的点云140-1、140-2或者源自存储在参考数据库490中的数据。
图形数据区115可以呈现色度图110,其包括对于效果颜料点云的测得的数据或存储的参考数据的一个或多个投影或横截面120-1、120-2、120-3。图形数据区115可以呈现投影或横截面120-1、120-2、120-3的相应质心125-1、125-2、125-3。可以将投影或横截面显示为具有一个或多个经处理的轮廓,其比点云的原始投影或横截面更平滑。经处理的轮廓可以例如通过使用二维或三维方法对原始投影或横截面进行变换来获得,所述二维或三维方法诸如:平滑滤波器(例如基于高斯的滤波器或基于内核的滤波器);或图像分割方法(例如模拟退火方法或分水岭方法)。图形数据区115可以有利地减少操作员验证由自动效果颜料分析***700(在图7中呈现)提供的结果为正确所需的时间。图形数据区115可以有利地使得操作员能够使用所显示的信息进行直接测量。例如,操作员可以将例如基于所显示的坐标而测得的质心125-1、125-2的位置与存储在参考数据库490中的参考效果颜料数据的位置进行图形或数字地比较。
图4呈现了用于测量、分类、识别和比较包括在表面层中的效果颜料的手持装置400的透视图。手持装置400可以包括例如设计成经济地成形的壳体410和手柄部分420,其可以包括一个或多个人机界面传感器(诸如触摸传感器、压力传感器或实现与测量过程或信息显示器交互的开关)。装置400可以包括一个或多个显示屏430,例如使得操作员能够与测量过程或所显示的信息交互的触敏屏。装置400可以包括一个或多个人机接口传感器440,例如触觉传感器,例如5路开关。装置400可以包括完全或部分地封闭在壳体410内的成像和照明子***450(未示出)。装置400可以包括一个或多个处理单元720以及一个或多个存储单元730(图7)。
手持装置400可以与参考数据库490相关地操作。参考数据库490可以被存储在手持装置的非易失性存储器内,例如被包括在存储单元730中。数据库490可以被存储在远程计算机***的存储单元730中(例如非易失性存储器中),并且可经由有线或无线通信而被访问。数据库可以包括与参考效果颜料斑点云有关的外观参数495,例如可在统计数据区310、图形数据区115或射线图200中显示的一个或多个信息项。外观参数还可以包括纹理相关参数、闪光级别相关参数、闪光斑点相关参数、与角度有关的参数或与深度有关的参数。数据库可以包括参考图像497,例如点云图像或层的图像,例如图9A1至9D3中所示的层的图像。由手持装置400获取或形成的数据(例如图像或外观参数)可以被存储在参考数据库490内。因此,可以由手持装置从参考数据库490读取或写入到参考数据库490。此外,由手持装置400获取或形成的图像或外观参数可以被用来更新存储在数据库490中的数据。
图5A、5B、5C呈现了从包括效果颜料的层获取的数据的三个3DCSR和射线图表示。所述表示中的每一个都显示在不同照明和视角组合下(例如关于包括效果颜料的涂覆样本的表面的法线)获取的数据。图5A是图2的再现,在其中在照明和获取设置r15as15处获取的可变数据元素(即210、220、230、232、120-1、120-2、140-1和140-2)已被分别重命名为210A、220A、230A、232A、120-1A、120-2A、140-A和140-2A。图5B呈现了与图5A中所呈现的层相同的层的数据,与图5A中的数据的不同之处在于,在这里数据是在设置r15as45处获取的,从而得到相应的元素210B、220B、230B、232B、120-1B、120-2B、140-1 B和140-2B。图5C还呈现了针对与图5A中呈现的层相同的层的更多数据,在这里数据是在设置r15as45处获取的,从而得到相应的元素210C、220C、230C、232C、120-2C和140-2C。
因此,用于测量、分类、识别和比较表面层中包括的效果颜料的装置可以呈现一个或多个表示,其呈现在一个或多个设置处获取的数据,如在图5A、5B、5C中对于包括效果颜料的给定层而呈现的那些。该装置(例如包括显示器或手持装置400的计算机)可以按顺序例如以提供动画序列的印象的速度来呈现图5A、5B、5C的表示。以对应的方式,集成显示器300可以以如针对图3所描述的数据、统计结果和图形结果的形式显示测量结果的序列或动画序列。快速导航通过在多个几何设置下获取的一组测量结果的能力可以有利地向用户提供用来识别各层中的效果颜料的改进方法。此外,如果可获得足够大的数据集(例如在多个几何设置下获取的点云),则可以经由数据插值向操作员呈现平滑的动画序列,例如通过跟踪在第一几何设置和第二个几何设置之间获取的各个斑点,或者例如通过使用图形变形方法。自动或半自动效果颜料识别方法可以受益于在多个几何设置下通过数据获取而提供的添加的维度,如图10-1L至10-2B 中突出显示的那些。
图6呈现了用于识别包括在层600中的效果颜料的方法600t的步骤。该方法的步骤可以被存储在计算机的非易失性存储器存储装置中。该方法包括提供图像610的步骤,其中提供各层的一个或多个图像。例如,图像可以由手持装置400、由用于获取各层的图像的另一装置(未示出)来获取,或者可以从数据库下载。用于获取各层的图像的装置优选地是能够在多个成像和照明角度下获得层的图像的成像***,例如相对于层的表面的法线测得的角度。例如,可以使用测角摄影装置来获得图像。用于获取图像的另一装置可以包括被布置成在多个角度下观看该层的多个摄影相机。图像可以作为单次拍摄图像而获得,或者可以是通过组合在多次曝光下获取的图像而形成的合成图像,诸如所谓的高动态范围(HDR)图像。这样的图像的示例性实施例被呈现在图9A1、9A2、9A3中。可以使用所谓的高动态范围成像传感器直接获得图像。图像可以是层的一部分或者层整体。图像优选覆盖层的相同部分或彼此重叠至大于30%的程度,诸如大于50%、诸如大于80%。可以将图像缝合在一起以形成覆盖较大视场的缝合图像。
以编程方式来表述,步骤610可以对应于:对于相对于层的表面的一系列照明角度;对于相对于样本的表面的一系列视角:获取样本表面的一部分的一个或多个颜色图像。可以使用一个或多个颜色成像传感器来获得颜色图像,或者可以通过使用多个图像来形成颜色图像,所述多个图像是使用一个或多个单色成像传感器而获取的,所述单色成像传感器依次通过多个滤波器(诸如红色、绿色和蓝色滤波器)对该层进行成像。成像传感器可以包括光接收器的线性阵列,诸如光接收器的一维阵列、或二维阵列。可以获取图像作为成像序列(例如电影)的一部分。可以在恒定或变化的条件下获取成像序列,所述变化的条件诸如以下各项的变化:光照条件;光照波长;光照偏振;空间光照条件;相机位置;相机角度;相机与层的距离;相机镜头倍率;相机镜头焦点;或层与相机传感器之间的滤光(诸如滤波器颜色或滤波器偏振)。在下文中,图像可以是来自图像序列的图像或者是从多个图像聚合的图像。图像的全部或部分可以是该方法的步骤的主题。
方法600包括计算图像内的特征的亮度数据的步骤620。例如,对于识别层中的效果颜料的应用,步骤620可以包括计算图像中的效果颜料斑点内的像素的亮度。作为另一示例,步骤620可以包括计算图像中的效果颜料斑点内的像素的平均亮度。在该步骤中,可以将图像从例如红-绿-蓝(RGB)图像值转换为标准化和经校准的与设备无关的XYZ三刺激值。可以计算平均图像颜色的估计。备选地或相结合地,可以例如使用分光光度计来获取背景颜色的量度。可以从图像中减去平均图像颜色或背景颜色。可以对图像的照度通道进行滤波。例如,滤波可以是调整阈值以增加效果颜料斑点的对比度,从而形成作为针对黑色背景的白点的原始斑点。为了打印本公开内容并且使本公开内容清楚,原始斑点在图9B1、9B2、9B3中被示出为针对白色背景的黑点、所准备的负图像。包括原始斑点的图像使得能够例如通过使用它们的高于阈值的灰度级值来检测图像中的斑点而检测和定位效果颜料斑点。以编程方式描述,计算亮度数据包括:对于要计算其图像的亮度的每(照明角度,视角)对;对于原始斑点内的每个像素:计算坐标(u',v'),以使得:,;并且计算CIELUV亮度L*,在这里,其中:
,
并且,其中X、Y、Z表示三刺激值,并且Y n 表示参考白点的照度。可以为每个颜料斑点计算u'、v'和L*中的每一个的平均值,并且将其用于后续计算中,每个都作为给定斑点的代表值。可以计算的另一个值是所有效果颜料斑点的亮度L*的均值<L*>。还可以计算的另一个值是与均值亮度的偏差L* -<L*>。
方法600包括例如通过如在1、2和5A至5C中呈现的三维坐标系中绘制u'、v'和L* -<L*>的值来形成斑点的一个或多个点云的步骤630。可以针对每个(照明角度,视角)对来完成形成点云或其他计算步骤。此外,为了有利地减少计算努力,可以针对(照明角度,视角)对的子集中的每一个来完成形成点云或其他计算步骤,所述(照明角度,视角)对可以被识别为包括与已经被成像的层中所包括的效果颜料的识别相关的大部分信息。
方法600可以包括根据在形成斑点的点云的步骤630处形成的斑点的点云来形成点云聚类(PCC)的步骤640。可以使用一种或多种聚类方法来形成点云聚类,所述聚类方法例如:k均值方法(例如k均值++方法);主成分分析(PCA)方法;例如基于在(u',v')平面中形成网格,并且导出表示网格单元被斑点或(u',v')平面投影的斑点占用的一个或多个统计值的区域生长方法。网格可以例如具有64×64分辨率以覆盖色度图的表面。网格可以居中在色度图的白点上。每个聚类方法可以在异常值检测步骤之前或用异常值检测步骤来补充每个聚类方法。可以在例如二维平面(诸如(u',v')平面)或三维空间(诸如三维(u',v',L*-<L*>)空间)中执行异常值检测。
方法600可以包括计算每个点云聚类的均值亮度<L*> PCC 的步骤650。步骤650还可以包括计算多个点云聚类的均值亮度。方法600可以包括计算与每个点云聚类的均值亮度的偏差L* PCC -<L*> PCC 的步骤660。步骤660还可以包括计算与多个点云聚类的均值亮度的偏差。
方法600可以包括分析一个或多个点云聚类的步骤670。分析一个或多个点云聚类的步骤670可以由点云聚类分析器740来完成(图7),所述点云聚类分析器740例如被实现为软件、可从非易失性存储器加载的软件、或例如使用现场可编程门阵列(FPGA)技术或电子超大规模集成(aVLSI)电路技术实现的专用电子电路。可以使用自动颜料识别方法来进行分析。自动效果颜料识别方法可以例如使用二维模式匹配方法,例如通过将(u',v')平面划分为多个单元(例如均匀的单元网格),并且向人工神经网络(ANN)中馈入为每个单元计算的值,例如表征单元被一个或多个斑点或投影斑点占用的值,例如在一个实施例中相对于面积占用的连续值,或者例如在另一个实施例中由占用面积阈值触发的二进制值。实质上,分类器计算例如从获取各层的图像而形成的一个或多个点云到一个或多个参考点云的距离。到分类器的其他输入可以包括:例如基于相对于消色差轴的力矩的偏斜的测量结果;或例如使用其焦点的坐标的二变量散射椭圆。自动效果颜料识别方法可以例如使用三维模式匹配方法,例如通过将三维(u',v',L* -<L*>)空间划分为均匀或不均匀的体元(例如基于k-d树或八叉树),并且类似于二维方法,将每个体元的值馈送到模式匹配方法(例如ANN)中。自动效果颜料识别方法可以例如使用四维或五维模式匹配方法,例如使用由(u',v',L*-<L*>,射线几何形状)限定的四维或五维空间。射线几何形状表征成像装置和光照相对于被成像的层或相对于彼此的角度,例如r15as15、r15as45、r15as80,在图10-1L至10-2B中呈现了示例性实施例。可以将四维或五维空间划分为四维或五维体元空间,将每个体元的值馈送到模式匹配方法(例如ANN)中。
分类器(例如人工神经网络)可以将从使用装置400测得的数据导出的其输入与存储在参考数据库490中的效果颜料数据进行比较。例如,在使用装置400测量时,可以用分离器来实时地比较测得的数据和存储的数据。备选地,可以在使用装置400进行一次或多次测量之后比较测得的数据和存储的数据。可以在被包括或嵌入在装置400内的处理单元730上、在装置400外部的处理单元上、或在嵌入式和外部处理单元的组合上执行分类器。人工神经网络分类器可以将参考数据库490的一部分或全部存储为权重(即人工神经网络的权重)。人工神经网络的权重和连接结构可以被存储在非易失性存储器中。在一个实施例中,人工神经网络可以被实现为现场可编程门阵列(FPGA)电路。在另一个实施例中,用于效果颜料分类的人工神经网络可以被实现为模拟电子超大规模集成(aVLSI)电路。
由分析一个或多个点云的步骤670输出的输出数据860可以包括:对应于一个或多个点云聚类的一个或多个效果颜料的身份850(图8);与一个或多个点云聚类中的每一个的身份的置信水平(例如概率)相关的值或限定符(qualifier);与(例如限定)各层中识别的或未识别的效果颜料中的每一个的级别854或粗糙度相关的值;与(例如限定)各层中识别的或未识别的效果颜料中的每一个的级别或粗糙度相关的限定符,例如诸如“超精细”、“精细”、“中等”、或“粗糙”的级别限定符;例如与(例如限定)颜料或颜料鳞片的材料或形态相关的效果颜料类别852,其示例可以是铝鳞片、无机或有机涂覆的鳞片、干涉颜料类,它们的示例可以与诸如云母、合成氧化铝、合成硼硅酸盐、合成石英鳞片、铝或液晶聚合物等基片不同;以及表格(例如电子表格),其列出了分析一个或多个点云的步骤670的所有检测到的效果颜料类型和对应的输出数据。另外的输出数据可以包括例如使用基尼系数表示的与平均斑点尺寸、斑点尺寸的方差、或统计离差相关的统计数据。由测角颜料分类器输出的一个或多个数据860可以被存储在参考数据库490中。
图7呈现了效果颜料分析***700的实施例的框图。该实施例可以是图4的一个或多个手持装置400、包括在***(例如用于形成涂层或验证涂层(例如汽车***上的涂层)的质量的***)中的一个或多个设备。在一个实施例中,效果颜料分析***700可以嵌入在提供图像采集和分析功能的手持装置中。在另一个实施例中,效果颜料分析***700可以是包括独立的(例如其一部分被包括在单独的壳体中)获取、处理、存储、显示和分析组件的***。该***可以包括效果颜料图像获取装置710。效果颜料图像获取装置710可以是手持装置、数字相机、特制***(其包括布置在多个位置上的多个成像设备以便在一定视角范围下观看样本)、或包括至少一个测角式移动成像装置的***。***700可以例如完全或部分地包括在机器人***中,例如包括操纵器的机器人***,其中效果颜料图像获取装置710被包括在操纵器的末端执行器内。效果颜料分析***700可以包括处理单元720、存储单元730、点云聚类分析器740、用户接口单元750(其可以包括显示单元760和用户输入单元770)、以及通信单元780。
效果颜料分析***(例如其处理单元720或其存储单元730)可以包括中央处理单元(CPU)(未示出)、存储器(未示出)和支持电路(或I / O)(未示出)。CPU可以是在低功率移动电子设备、嵌入式电子设备中使用的计算机处理器、通用计算机或在用于测量材料的表面处或附近的层、涂层或光学特征的工业设置中使用的计算机的任何形式中的一个。存储器连接到CPU,并且可以是容易可得的存储器中的一个或多个,诸如闪速存储器、随机存取存储器(RAM)、只读存储器(ROM)、软盘、硬盘或任何其他形式的数字存储装置(本地的或远程的)。软件指令和数据可以被编码并存储在存储器中以指令CPU。支持电路还连接到CPU,以便以传统方式来支持处理器。支持电路可以包括高速缓存、电源、时钟电路、输入/输出电路***、子***等。效果颜料分析***可读的程序(或计算机指令)确定用于识别效果颜料的哪些任务或步骤是可执行的。优选地,该程序是效果颜料分析***700或其基于计算机的组件中的一个或多个可读的软件。
在一些实施例中,点云聚类分析器740可以被实现为可从包括在存储单元730中的非易失性存储器加载到处理单元720中的软件程序。在其他实施例中,点云聚类分析器740可以被实现为一个或者多个专用的电子设备:例如包括专用于多维处理的处理器(诸如一个或多个图形处理单元);或者作为另一个示例,现场可编程门阵列(FPGA)技术设备;或者作为又一示例,电子超大规模集成(aVLSI)电路技术设备。
用户接口单元750可以包括显示单元760(例如触觉显示器(例如触摸屏)),其也可以充当用户输入单元770的一部分或全部,其可以使得操作员能够与测量过程或者所显示的信息交互。操作员可以例如使用用户接口单元来旋转或放大三维颜色空间表示100或图形数据区115。操作员可以浏览在一定范围的照明和视角下获取的一组测量结果,通过例如使用手指靠着显示器或鼠标拖拽来浏览在射线图角度盒240中呈现的其值(包括在射线图200中的第一、第二或第三标记210、220、230)。用户输入单元770可以包括一个或多个按钮、触觉显示器或触觉传感器,已经参考手持装置400提到了其示例。
通信单元780可以包括有线或无线通信设备,其使得能够在数据的测量或测量后传输期间进行到数据库和来自数据库(例如参考数据库490)的实时传输。
图8呈现了效果颜料分类方法800的框图。效果颜料分类方法800包括聚类方法820,并且可以包括将二维或三维斑点数据(例如坐标、统计分布)馈送到效果颜料分类器810中的二维或三维输入840。效果颜料分类器810可以例如在点云聚类分析器740内实现。效果颜料分类器810可以与参考数据库490交换数据,例如从参考数据库490接收数据。聚类方法包括形成:一个或多个聚类质心822(在图10-1L至10-2B中绘制了其示例性实施例);一个或多个聚类面积值824,例如:投影到色度图110或聚类的包络的表面上的聚类的面积;和聚类色域826,例如为每个聚类计算的(u',v')、(u*,v*)、(c,h)或(L*相关,a*,b*)色域。效果颜料分类器810输出结果860,例如颜料身份850、颜料类别852或颜料级别854。结果850、852、854可以包括例如指示结果的置信水平的值。效果颜料分类器810可以利用二维数据(例如投影到u'、v'平面(或者CIELAB L*a*b*颜色空间中的a、b平面)中的色度图110上的斑点聚类140、140-1、140-2的二维坐标)来操作,或者可以例如在(u',v',L* -<L*>)空间中对三维数据进行操作。
图9A1至9D3是排列在表中的呈现在包括效果颜料的层的分析中的四个步骤的图像,所述层是在3个照明视角组合下成像的。图像可以共享共同的校准基础。例如,图像已经由一个或多个彩色数字相机获取。图9A1至9D3是包括效果颜料的测角蓝颜色层的图像。图像是在r15as15(图9A1、9B1、9C1、9D1的第一列)、r15as45(图9A2、9B2、9C2、9D2的第二列)和r15as80(图9A3、9B3、9C3、9D3的第三列)获取(拍摄)的。可以使用扫描传感器或二维阵列传感器而将第一行图像9A1、9A2、9A3获取(例如拍摄)为单次拍摄图像,或者第一行图像9A1、9A2、9A3可以是通过组合在多次曝光下获取的图像(诸如所谓的高动态范围(HDR)图像)而形成的合成图像。第二行图像9B1、9B2、9B3是例如通过将图像转换为灰度图像并对其进行滤波(例如通过阈值处理)而形成的,从而形成具有白斑点的黑色图像。为了打印和清晰度,在本公开中将图像呈现为负图像(具有黑斑点的白色图像)。第三行图像9C1、9C2、9C3(所谓的无闪光图像)是通过从第一行图像中减去第二行图像(具有白斑点版本的黑色图像)而形成的。第三行图像9D1、9D2、9D3(所谓的闪光图案图像)是通过用第二行图像(具有白斑点版本的黑色图像)掩蔽第一行图像而形成的。
图10-1L至10-2B各自示出了包括效果颜料的第一样本和参考层以及第二样本和参考层的测角质心图的表。图10-1L至10-2B示出了针对第一样本层(曲线1010SL、1010SA、1010SB)和第一参考层(曲线1010RL、1010RA、1010RB)(图10-1L至10-1B)以及第二样本层(曲线1020SL、1020SA、1020SB)和第二参考层(曲线1020RL、1020RA、1020RB)(图10-2L至10-2B)测得的闪光颜色的例如点云聚类或效果颜料斑点140、140-1、140-2的点云的质心的三维L*,a *,b *(CIELAB)坐标。图10-1L、10-1A、10-1B是在一系列测角几何形状r15as-45至r15as80范围内的第一层实施例的图。图10-1L、10-1A、10-1B是在一系列测角几何形状r15as-45至r15as80范围内的第二层实施例的图。每个图表都绘制亮度值,例如L*(图10-1L和图10-2L),以及颜色对立维度,例如作为照明和观看几何形状的函数的斑点云的质心125-1、125-2(例如在图3中示出)的a*(图10-1A和10-2A),或b*(图10-1B和10-2B))。替代的图形实施例示例可以使用亮度L*-<L*>和颜色对立维度u'、v'。在描绘了从r15as-45到r15as80的几何坐标的所图示的实施例中,图还未在r15as-15和r15as15之间连接,但是进一步的测量结果将使得能够绘制连续的图。
在图10-1L至10-1B中呈现的实施例中,第一样本和参考层包括利用下面三种不同类型的效果颜料着色的灰色效果颜色明暗:基于铝的第一效果颜料、提供绿色干涉颜色或蓝色-绿色组合颜色的第二效果颜料、和提供绿色的第三效果颜料。图10-1至10-1B中描绘的样本和参考基于三种不同类型的效果颜料的组合,其中两种类型相同;只有第三种效果颜料类型不同。图10-1A的分析示出了对于在r15as-15和r15as15处的质心大于1.0的差异,从而指示第一样本和第一参考之间的基本上可见的不匹配。此外,图10-1A中从r15as-45到r15as-15或从r15as15到r15as45的趋势在第一样本(图1010SA)和第一参考(图1010RA)之间是不同的,从而加强了第一样本和第一个参考之间的基本上可见的不匹配的指示。
在图10-2L至10-2B中所呈现的实施例中,第二样本和参考层基于与图10-1L至10-1B 的实施例中呈现的那些相同的类型的效果颜料。然而,每种效果颜料的量或相对比例在图10-2L至10-2B的层中与在图10-1L至10-1B的层中是不同的。图10-2L至10-2B示出了对于L*(图10-2L)或b *(图10-2B)图的样本层和参考层之间的质心和趋势的非常接近的匹配。虽然a *纵坐标或趋势在从r15as-45到r15as-15或从r15as15到r15as45的样本和参考(图10-2A)之间存在一些明显的差异,但对于图10-2A的第二样本参考对的差异幅度比图10-1A中描绘的第一样本-参考对的差异幅度小(小于1.0)。因此,第二样本和第二参考之间的相似度高于第一样本和第一参考之间的相似度。
因此,作为测量几何形状的函数的闪光斑点的质心颜色位置的分析提供了关于为颜色匹配选择的着色的有价值的信息。L*、a*或b*图表中的质心位置或趋势的差异的测量结果可以使设计包括效果颜料的层的人能够调整层的设计以便更好地匹配参考层设计。例如,该方法可以使得层设计者能够准备从已知参考层有目的的变化的层,例如以设计一系列层。在另一示例中,该方法可以使得层设计者能够设计更好地匹配现有层的层,例如以修复现有的层。
因此,测量***可以有用地向设计者提供图10-1L至10-2B中所呈现的类型的基于质心的图表。图表可以被显示在计算机屏幕上或嵌入在测量装置中的显示器上,如图4中所示。自动效果颜料分析***可以从如在图10-1L至10-2B中显示的作为几何形状的函数的从L*、a*或b*坐标导出统计信息,并且向分析或设计各层(例如包括效果颜料的层)的人提供分析结果和建议。
图11是用于使用质心信息识别效果颜料的多测角几何方法1100的流程图。图11呈现了图6中呈现的方法的变型,并且可以关于形成在呈现点云质心的L*、a*、b*值与测角几何的关系的图10-1L到10-2B中所呈现的数据来理解。该方法在步骤1110处通过对例如来自测角几何形状15as-45到15as80的已形成层的图像的每个测角几何形状执行计算步骤来迭代,包括:提供图像610;计算亮度数据620;形成一个或多个点云630;形成一个或多个点云聚类(PCC)640;以及计算一个或多个点云质心1120。可以例如针对一个或多个测角几何形状设置(针对L*、a*或b*中的至少一个或者L*、u'、v'中的至少一个)来完成计算一个或多个点云质心1120。方法1100还可以包括形成点云质心与测角几何形状的关系的图表或表格(例如查找表)。该图表可以被绘制在显示器上并用于由操作员进行分析。查找表可以被效果颜料分类器用作参考数据的另一来源。方法1100还可以进一步包括将点云质心与参考数据库490中所包括的参考数据495、497进行比较的步骤1140。
图12是用于使用质心信息进行效果颜料识别的基于计算机的多测角几何方法1200的流程图。图12类似于图8,但是例如包括从测角测量结果导出的多个测角聚类数据,从而提供了由于更大的数据集而减少分类错误的可能性。多测角几何方法1200包括形成一组测角聚类数据1210,该方法包括应用聚类方法820。聚类方法包括形成:一个或多个聚类质心822(在图10-1L至10-2B中绘制其示例性实施例);一个或多个聚类面积值824,例如投影到色度图110或聚类的包络的表面上的聚类的面积;和聚类色域826,例如为每个聚类计算的u'、v'或L*相关的a*、b*色域。该方法可以包括将二维或三维斑点数据(例如坐标、统计分布)馈送到测角效果颜料分类器1230中的二维或三维输入840。该方法还可以包括将以下各项中的一个或多个供应给效果颜料分类器1230的步骤1220:一个或多个聚类质心的坐标(例如聚类质心822);或者从质心的测角图或者点云质心与测角几何形状的关系的查找表导出的统计数据(在图10-1L至10-2B中经由曲线1010SL、1010SA、1010SB、1020SL、1020SA和1020SB呈现其示例性示例)。测角效果颜料分类器1230可以例如在点云聚类分析器740内实现。测角效果颜料分类器1230可以与参考数据库490交换数据,例如从参考数据库490接收数据。测角效果颜料分类器1230输出结果860,例如:颜料身份850、颜料类别852或颜料级别854。可以例如经由测角颜料分类器1230将输出结果860添加到参考数据库490。
图13呈现如何将(u',v')平面栅格化:
1. 包围整个色度图110的(u',v')区域被栅格化以形成网格或网眼。所建议的网眼的分辨率为66×66,但在本公开的框架内,从10×10至500×500(例如20×20至100×100、例如50×50至80×80)的范围也是可能的。
2. 然后,因为栅格化将生成许多空单元,所以不包括来自参考分布闪光点中的任何一个的任何点的所有单元被移除,以便剩余的是核心网格或网眼。
3. 然后,反加核心网眼附近的一个或多个周围单元行(例如初始网眼的跨度的10%至20%),以使得可以在网眼中捕获随后的样本闪光点。不需要添加将不包含在由色度图110形成的圆形的三角形内的单元。
图14图示了如何将网眼的每个单元馈送到神经网络的输入层的输入神经元。为简单起见,仅表示3个输入神经元。可以馈送到每个输入神经元的数据可以例如是闪光级别(闪光值,在这里闪光级别=平均闪光强度*输入单元面积)。网络(例如所谓的感知器)具有一个输入层、至少一个隐藏层(示出了4个神经元)和一个输出层(示出了2个输出)。隐藏网络还具有可以调整的偏差(正方形盒)(例如在0.0001和1之间的值),以按缩放从偏差到隐藏的层单元的每个连接的权重。还可以添加输出网络偏差(未示出)。应该选择输出神经元的数目,以使得参考分布关联数据的范围可以被输出层覆盖。例如,如果网络被训练成识别16个参考,并且输出层由仅能表示二进制值(0或1)的单元制成,那么将需要4个输出单元。网络可以具有30个输入单元和30个输出单元,并且可以具有大约75个单元的隐藏层。只能通过实验正确地确定网络的适当尺寸。当神经网络处于用于学习参考闪光点的模式时,可以通过例如反向传播神经网络学习范例来更新与神经网络的每个连接相关联的权重。
图15构成了根据第二方面的第一示例的方法的实施例的流程图。在步骤S1501中,通过采用表示由样本图像数据描述的数字图像的各种方向几何形状的RGB HDR图像来测量样本的外观。在随后的步骤S1502中,将相机图像从RGB HDR格式转换为XYZ颜色空间格式中的与设备有关的标准化图像。接下来步骤S1503将XYZ图像分割成闪光贡献和背景贡献。在接下来的步骤S1504中,从对应于确定闪光点数据的闪光图案导出实验闪光颜色分布函数。在步骤S1505中,将闪光颜色分布函数的XYZ坐标转换到期望的均匀颜色空间,诸如(L,u',v')。在步骤S1506中,对于给定的正方形网格,在u'-v'平面中计算边缘分布函数,之后是分析边缘密度函数的形状(例如轮廓)的步骤S1507(例如通过估计从二变量统计中接收的散射脱漏(ellipsis))以便确定闪光点分布几何形状数据。然后,步骤S1508从数据库中检索参考样本的形状参数,其包括获取参考分布几何形状数据。然后在步骤S1509中确定样本颜料身份数据,所述步骤S1509实施参考样本的形状参数相对于所确定的边缘分布函数的形状的相似性分析,以识别最佳匹配的参考样本(即参考效果颜料)。这是使用构造为形状参数的加权和的优值函数来完成的。然后将最佳匹配的参考样本确定为样本效果颜料。
这之后可以是步骤S1510a或S1510b中的至少一个。步骤S1510a包括(至少一种)被识别的效果颜料(样本效果颜料的身份)至控制应用的自动馈送。步骤S1514中的控制应用进行配方预测或校正或者搜索描述样本效果颜料的配制的配制方法。步骤S1510b包括在显示设备的屏幕上显示通过降低分类的概率(即,正确识别样本参考颜料作为相应参考效果颜料的概率)而排序的命中的表内的匹配参考分布的列表。然后,步骤S1511允许用户在被显示设备显示的命中列表中切换,并评估被提议为样本效果颜料的参考效果颜料。在步骤S1512中,用户然后可以从与接收输入数据相对应的命中列表中选择合适的提议,以用于选择身份中的(至少)一个。然后可以响应于(手动)用户输入将所选择的至少一种样本效果颜料(或相应地参考效果颜料)馈送给控制应用,以根据上述步骤S1514进行进一步处理。在一个具体示例中,该方法然后可以在执行步骤S1501的情况下例如通过分析另外的样本效果颜料而重新开始。
在前面的说明书中,已经参考可以根据不同实现方式而变化的许多具体细节描述了实施例。因此,申请人旨在使本发明的唯一且排他性指示是本发明是以这样的权利要求发布的具体形式(包括任何后续的改正)的根据本申请发布的权利要求组。因此,权利要求中未明确记载的限制、要素、性质、特征、优点或属性不应以任何方式限制这种权利要求的范围。因此,说明书和附图要被看作是说明性的而非限制性的含义。
Claims (22)
1.一种用于识别效果颜料的计算机实现的方法,该方法包括在至少一个计算机的至少一个处理器上执行以下步骤:
a)获取(S1501)描述包括样本效果颜料的层的数字图像的样本图像数据;
b)基于所述样本图像数据来确定(S1504)描述由所述数字图像限定的闪光点的样本分布的闪光点数据,其中所述样本分布是在N维颜色空间中限定的,其中N是等于或大于3的整数值;
c)基于所述闪光点数据来确定(S1506)描述所述样本分布到(N-1)维颜色空间的变换的闪光点变换数据;
d)基于所述闪光点变换数据来确定(S1507)描述所述样本分布的几何形状的闪光点分布几何形状数据;
e)获取(S1508)描述(N-1)维颜色空间中的闪光点的参考分布的几何形状的参考分布几何形状数据;
f)获取描述所述参考分布与所述参考分布的标识符之间的关联的参考分布关联数据;
g)基于所述闪光点分布几何形状数据和所述参考分布几何形状数据以及所述参考分布关联数据来确定(S1509)描述所述样本效果颜料的身份的样本颜料身份数据。
2.根据前述权利要求所述的方法,其中所述样本分布的几何形状是椭圆形的,并且所述参考分布的几何形状是椭圆形或椭球形的,或者其中所述样本分布的几何形状是椭球形的,并且所述参考分布的几何形状是椭球形的。
3.根据前述权利要求中的任一项所述的方法,其中通过将所述闪光点从所述N维颜色空间投影到所述(N-1)维颜色空间中来确定所述闪光点变换数据。
4.根据前述权利要求中的任一项的方法,其中N = 3。
5.根据前述权利要求所述的方法,其中所述(N-1)维颜色空间被限定为二维平面,并且所述投影具有垂直于所述平面的方向。
6.根据前述权利要求中的任一项所述的方法,其中,所述平面平行于限定所述两个坐标的所述三维颜色空间的两个轴,并且例如垂直于所述三维颜色空间的所述第三轴。
7.根据前述权利要求中的任一项所述的方法,其中,所述样本分布的闪光点和所述参考分布的闪光点是在由限定亮度的坐标以及限定闪光点的色度的两个坐标所限定的颜色空间中限定的,所述亮度例如各个闪光点的亮度与闪光点的均值亮度之间的差异。
8.根据前述权利要求中的任一项所述的方法,其中,基于将闪光点的多个参考分布的几何形状与闪光点的样本分布的几何形状进行比较来获取所述参考分布几何形状数据。
9.根据前述权利要求中的任一项所述的方法,其中,基于从闪光点的多个参考分布确定与闪光点的样本分布最佳拟合的闪光点的参考分布来获取所述参考分布几何形状数据。
10.根据前述权利要求所述的方法,其中通过优化例如由形状参数的加权和而限定的优值函数来确定闪光点的最佳拟合的参考分布。
11.根据前述两个紧接权利要求中的任一项所述的方法,其中,所述闪光点的最佳拟合参考分布是多个参考分布之中的其优值函数为最佳、例如最小的参考分布,所述优值函数是由一方面表征所述参考分布的几何形状的形状参数的值与另一方面表征所述样本分布的对应形状参数的值之间的差异来限定。
12.根据前述两个紧接权利要求中的任一项所述的方法,其中,所述参考分布的几何形状和所述样本分布的几何形状是椭圆形或椭球形的,并且所述优值函数描述以下各项中的至少一个:描述所述参考分布的几何形状和所述样本分布的几何形状的椭圆形或椭球形的中心之间的距离、描述所述参考分布的几何形状和所述样本分布的几何形状的椭圆形或椭球形的区之间的距离、或描述所述参考分布的几何形状和所述样本分布的几何形状的椭圆形或椭球形的定向角之间的距离。
13.一种选择效果颜料的计算机实现的方法,包括执行根据权利要求1至12中的任一项所述的方法,其中,
为至少两种不同的参考分布确定样本颜料身份数据,并且样本身份数据描述样本效果颜料的至少两个可能的身份,
该方法还包括由所述至少一个处理器执行以下步骤:
向电子显示设备(300)发出(S1510b)描述限定所述至少两个可能的身份的优先级的列表的显示数据;
接收(S1512)用于基于所显示的列表来选择可能的身份中的一个的输入数据。
14.一种用于识别效果颜料的计算机实现的方法,该方法包括在至少一个计算机的至少一个处理器上执行以下步骤:
a)获取描述包括样本效果颜料的层的数字图像的样本图像数据;
b)基于所述样本图像数据来确定描述由所述数字图像限定的闪光点的样本分布的闪光点数据;
c)将所述闪光点数据输入到已经关于以下各项训练的人工神经网络中:
描述N维颜色空间中的闪光点的参考分布的参考分布数据,其中N是等于或大于3的整数值;以及
描述所述参考分布和参考效果颜料之间的关联的参考分布关联数据;
d)基于所述闪光点数据和所述参考分布数据以及所述参考分布关联数据并且作为人工神经网络的输出来确定描述所述样本效果颜料的身份的样本颜料身份数据。
15.一种确定(S1514)效果颜料的配方的计算机实现的方法,包括执行根据前述权利要求中的任一项所述的方法,其中,如果所述方法包括权利要求13的其他特征,则所述方法包括由至少一个处理器执行以下步骤
基于所选的身份来确定所述配方。
16.根据前述权利要求的中任一项所述的方法,其中,所述样本图像数据描述多个照明方向下的数字图像。
17.一种计算机程序,当所述计算机程序在至少一个计算机的至少一个处理器上运行时或者当所述计算机程序被加载到至少一个计算机的存储器中时,促使所述至少一个计算机执行根据前述权利要求中的任一项所述的方法。
18.一个数据库,包括
描述N维颜色空间中的闪光点的参考分布的几何形状的参考分布几何形状数据,其中N是等于或大于3的整数值;以及
描述所述参考分布和参考效果颜料之间的关联的参考分布关联数据。
19.一种非瞬时性计算机可读程序存储介质,其上存储有根据权利要求14的程序或根据权利要求15的数据库中的至少一个。
20.至少一个计算机,其包括至少一个处理器和存储器,其中根据权利要求17的程序在所述至少一个处理器上运行或者被加载到所述存储器中,或者其中所述至少一个计算机包括根据前述权利要求的程序存储介质。
21.一种用于识别效果颜料的***(400),该***包括:
a)根据前述权利要求的至少一个计算机;
b)至少一个电子数据存储设备(730),其至少存储参考分布几何形状数据和参考分布关联数据;以及
c)至少一个数字成像设备(450),其用于生成样本图像数据,
其中,所述至少一个计算机可操作地耦合到所述至少一个电子数据存储设备以用于从所述至少一个数据存储设备获取所述参考分布数据或所述参考分布关联数据中的至少一个,并且可操作地耦合到所述数字成像设备以用于从所述数字成像设备获取所述样本图像数据。
22.根据前述权利要求所述的***,还包括用于照亮所述层的至少一个照明源,所述层包括例如在其上或其中施加所述样本效果颜料的有形表面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210311423.XA CN114674438A (zh) | 2016-09-02 | 2017-08-25 | 用于表征效果颜料斑点的装置和方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662382813P | 2016-09-02 | 2016-09-02 | |
US62/382813 | 2016-09-02 | ||
PCT/EP2017/071395 WO2018041727A1 (en) | 2016-09-02 | 2017-08-25 | Apparatus and method for effect pigment identification |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210311423.XA Division CN114674438A (zh) | 2016-09-02 | 2017-08-25 | 用于表征效果颜料斑点的装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110073184A true CN110073184A (zh) | 2019-07-30 |
CN110073184B CN110073184B (zh) | 2022-04-05 |
Family
ID=59859028
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210311423.XA Pending CN114674438A (zh) | 2016-09-02 | 2017-08-25 | 用于表征效果颜料斑点的装置和方法 |
CN201780068173.9A Active CN110073184B (zh) | 2016-09-02 | 2017-08-25 | 用于效果颜料识别的装置和方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210311423.XA Pending CN114674438A (zh) | 2016-09-02 | 2017-08-25 | 用于表征效果颜料斑点的装置和方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11719578B2 (zh) |
EP (3) | EP3500830B1 (zh) |
CN (2) | CN114674438A (zh) |
WO (1) | WO2018041727A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111626698A (zh) * | 2020-05-19 | 2020-09-04 | 东彩塑胶颜料(深圳)有限公司 | 塑胶样板的确认方法、终端和计算机可读存储介质 |
CN114424243A (zh) * | 2019-09-19 | 2022-04-29 | Ppg工业俄亥俄公司 | 用于将涂层映射到空间外观空间的***和方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220107222A1 (en) * | 2019-01-31 | 2022-04-07 | BASF CoatingsGmbH | Method and device for detecting and adjusting decorative colour formulations in alignment with the visual perception of texture characteristics |
AU2020384915A1 (en) * | 2019-11-14 | 2022-05-26 | Basf Coatings Gmbh | Method and device for identification of effect pigments in a target coating |
US20210374384A1 (en) * | 2020-06-02 | 2021-12-02 | Nvidia Corporation | Techniques to process layers of a three-dimensional image using one or more neural networks |
BR112023002940A2 (pt) | 2020-09-04 | 2023-03-21 | Sun Chemical Corp | Sistema de gerenciamento de cor digital totalmente integrado |
DE102022132807A1 (de) * | 2022-12-09 | 2024-06-20 | Byk-Gardner Gmbh | Verfahren und Vorrichtung zum Inspizieren von lackierten Oberflächen mit Effektpigmenten |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101189306A (zh) * | 2005-04-01 | 2008-05-28 | 巴斯福催化剂公司 | 独特颗粒尺寸分布的闪光效果 |
CN102089636A (zh) * | 2008-05-29 | 2011-06-08 | Ppg工业俄亥俄公司 | 对油漆配方进行颜色匹配的计算机实现方法 |
CN104114985A (zh) * | 2011-09-30 | 2014-10-22 | 涂层国外知识产权有限公司 | 匹配含有效应颜料的涂层的颜色和外观的方法 |
US20160117844A1 (en) * | 2014-10-28 | 2016-04-28 | Ppg Industries Ohio, Inc. | Pigment Identification of Complex Coating Mixtures with Sparkle Color |
CN105556285A (zh) * | 2013-02-26 | 2016-05-04 | 涂层国外知识产权有限公司 | 用于匹配涂层的颜色与外观的方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100349883B1 (ko) * | 1994-07-27 | 2002-12-16 | 소니 가부시끼 가이샤 | 동작벡터검출및화상신호부호화방법및장치 |
US20040218182A1 (en) * | 2003-04-30 | 2004-11-04 | Alman David H. | Method for identifying effect pigments in a paint film for field color matching |
DE102004013929B3 (de) * | 2004-03-22 | 2005-08-11 | Infineon Technologies Ag | Verfahren zum Steuern des Einlesens eines Datensignals sowie eine Eingangsschaltung für eine elektronische Schaltung |
CN101180523A (zh) * | 2005-05-05 | 2008-05-14 | 纳幕尔杜邦公司 | 用于匹配修补漆的颜色集技术 |
US7542624B1 (en) * | 2005-06-08 | 2009-06-02 | Sandia Corporation | Window-based method for approximating the Hausdorff in three-dimensional range imagery |
US8290275B2 (en) * | 2006-01-20 | 2012-10-16 | Kansai Paint Co., Ltd. | Effective pigment identification method, identification system, identification program, and recording medium therefor |
US8065314B2 (en) | 2006-10-02 | 2011-11-22 | E. I. Du Pont De Nemours And Company | Method for matching color and appearance of a coating containing effect pigments |
CN101377851A (zh) | 2007-08-29 | 2009-03-04 | 鸿富锦精密工业(深圳)有限公司 | 点云到点云的最近距离计算***及方法 |
CN101669117A (zh) * | 2008-05-09 | 2010-03-10 | 韩国外国语大学校研究产学协力团 | 用形状描述符匹配图像 |
US8407267B2 (en) * | 2009-02-06 | 2013-03-26 | Siemens Aktiengesellschaft | Apparatus, method, system and computer-readable medium for storing and managing image data |
JP5120441B2 (ja) * | 2009-11-26 | 2013-01-16 | 株式会社ニコン | 画像処理装置 |
US10043264B2 (en) * | 2012-04-19 | 2018-08-07 | Applied Materials Israel Ltd. | Integration of automatic and manual defect classification |
WO2015107889A1 (ja) * | 2014-01-14 | 2015-07-23 | 有限会社パパラボ | 着色検査装置および着色検査方法 |
US20150276485A1 (en) * | 2014-03-28 | 2015-10-01 | Axalta Coating Systems Ip Co., Llc. | System and method for sorting fan deck colors |
-
2017
- 2017-08-25 CN CN202210311423.XA patent/CN114674438A/zh active Pending
- 2017-08-25 EP EP17767730.9A patent/EP3500830B1/en active Active
- 2017-08-25 CN CN201780068173.9A patent/CN110073184B/zh active Active
- 2017-08-25 EP EP20217939.6A patent/EP3828520B1/en active Active
- 2017-08-25 US US16/329,835 patent/US11719578B2/en active Active
- 2017-08-25 EP EP23182011.9A patent/EP4242608A3/en active Pending
- 2017-08-25 WO PCT/EP2017/071395 patent/WO2018041727A1/en unknown
-
2023
- 2023-06-22 US US18/213,065 patent/US20230349765A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101189306A (zh) * | 2005-04-01 | 2008-05-28 | 巴斯福催化剂公司 | 独特颗粒尺寸分布的闪光效果 |
CN102089636A (zh) * | 2008-05-29 | 2011-06-08 | Ppg工业俄亥俄公司 | 对油漆配方进行颜色匹配的计算机实现方法 |
CN104114985A (zh) * | 2011-09-30 | 2014-10-22 | 涂层国外知识产权有限公司 | 匹配含有效应颜料的涂层的颜色和外观的方法 |
CN105556285A (zh) * | 2013-02-26 | 2016-05-04 | 涂层国外知识产权有限公司 | 用于匹配涂层的颜色与外观的方法 |
US20160117844A1 (en) * | 2014-10-28 | 2016-04-28 | Ppg Industries Ohio, Inc. | Pigment Identification of Complex Coating Mixtures with Sparkle Color |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114424243A (zh) * | 2019-09-19 | 2022-04-29 | Ppg工业俄亥俄公司 | 用于将涂层映射到空间外观空间的***和方法 |
CN111626698A (zh) * | 2020-05-19 | 2020-09-04 | 东彩塑胶颜料(深圳)有限公司 | 塑胶样板的确认方法、终端和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20210310870A1 (en) | 2021-10-07 |
US20230349765A1 (en) | 2023-11-02 |
EP3828520A1 (en) | 2021-06-02 |
EP3500830A1 (en) | 2019-06-26 |
EP4242608A2 (en) | 2023-09-13 |
EP3828520B1 (en) | 2023-08-09 |
WO2018041727A1 (en) | 2018-03-08 |
CN110073184B (zh) | 2022-04-05 |
EP3500830B1 (en) | 2023-08-02 |
CN114674438A (zh) | 2022-06-28 |
EP4242608A3 (en) | 2023-12-06 |
US11719578B2 (en) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110073184A (zh) | 用于效果颜料识别的装置和方法 | |
KR101140533B1 (ko) | 이미지로부터 추정된 피부색에 기초해서 제품을 추천하는 컴퓨터 구현된 방법 | |
JP5306519B2 (ja) | 光輝性顔料の同定方法、同定システム、同定プログラム及びその記録媒体 | |
Gevers et al. | Color in computer vision: fundamentals and applications | |
JP4997252B2 (ja) | 画像内の照明域を識別する方法 | |
JP5063076B2 (ja) | 光輝性顔料の同定方法、同定システム、同定プログラム及びその記録媒体 | |
US9922437B1 (en) | Process for creating an augmented image | |
KR101931460B1 (ko) | 스파클 칼라를 갖는 복합 코팅 혼합물의 안료 식별 | |
CN109527779A (zh) | 用于指定和配制定制的外用制剂的***和方法 | |
JP2015028781A (ja) | アピアランスデータをデジタル的に生成する方法および装置 | |
JP5914688B2 (ja) | デジタル画像に関する色解析 | |
Guo et al. | The foundation of a color-chip evaluation system of jadeite-jade green with color difference control of medical device | |
Ciortan et al. | A practical reflectance transformation imaging pipeline for surface characterization in cultural heritage | |
CN102414722B (zh) | 在电子显示设备上显示效果涂层 | |
Thomas et al. | Image contrast measure as a gloss material descriptor | |
CN116113987A (zh) | 将至少两种材料的外观可视化 | |
CN116057581A (zh) | 在真实场景中显示虚拟对象 | |
Tominaga et al. | Spectral image acquisition, analysis, and rendering for art paintings | |
CN110319933A (zh) | 一种基于cam02-ucs色貌模型的光源光谱优化方法 | |
Zhang et al. | Asymmetric perceptual confounds between canonical lightings and materials | |
CN112488997A (zh) | 基于特征插值的古代绘画印刷品颜色复现检测和评价方法 | |
JP5860970B2 (ja) | 固有画像の生成を改良するための後処理 | |
Filip et al. | Image-based appearance acquisition of effect coatings | |
KR102502029B1 (ko) | 표면 반사 정보를 이용한 광학적 반사 특성 산출 방법 | |
Sole et al. | On the acquisition and reproduction of material appearance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |