JP2008513192A - 塗料をマッチさせる方法 - Google Patents

Abstract

補修されるべき基体上の塗膜のテクスチャ特性（および任意的に色）パラメータに補修塗料をマッチさせる方法において、各塗料モジュールがスペックのテクスチャ（および任意的に色）データに関連付けられていること、および該塗料モジュールのテクスチャ（および任意的に色）データを使用する計算用テクスチャ（および任意的に色）モデルが、マッチするテクスチャ（および任意的に色）特性を持つ補修塗料を算出するために使用されることを特徴とする、塗料モジュールの濃度に基づいて該補修塗料が配合される上記方法。
【選択図】なし

Description

本発明は、補修されるべき基体上の塗膜のテクスチャ特性に、および任意的に色に、補修塗料をマッチさせる方法に関する。

塗布された表面の補修は、元々施与された塗膜に補修塗料が目視的にマッチすることを要求する。この目的のために、元の塗膜の色が測定され、その後に所定の許容度内で実質的に同じ色を有する塗料組成物が決定される。データバンクで適当な塗料組成物を検索することによってこれは行われることができ、または該塗料成分の比色データに基づいて適当な塗料組成物が計算されることができる。

任意の色の、マッチする塗料の容易な配合を許すために、トナーがしばしば使用される。トナーは、完成塗料を構成する全ての成分を含む基本色の組成物である。これらのトナーは混合されて、ある色の塗料を得ることができ、これは塗膜として施与され乾燥された後、基体を元々コーティングしている塗料の色にマッチする。個々のトナーの比色分析データに基づいて、使用されたトナーの濃度を考慮に入れて、計算によって混合物の比色分析上の特徴が予測されることができる。あるいは、他のタイプのモジュール、たとえば顔料高濃度物、バインダーモジュール、効果モジュール、フロップ調整剤を含む成分等に基づいて、塗料組成物が配合されることができる。

色の他に、塗膜は多数のさらなる目視上の特性を示す。とりわけ、効果顔料、たとえばアルミニウムフレーク顔料または真珠光沢顔料が使用されると、塗膜の外観は一様な色の外観ではなくて、テクスチャを示す。粗さ（ｃｏａｒｓｅｎｅｓｓ）、グリント（ｇｌｉｎｔ、キラツキ）、ミクロ光輝（ｍｉｃｒｏ−ｂｒｉｌｌｉａｎｃｅ）、曇り、まだら、斑点、きらめき（ｓｐａｒｋｌｅ）または輝き（ｇｌｉｔｔｅｒ）のような現象を、これは包含することができる。以下において、物質の小さい構成部分の大きさおよび組織に応じて、塗膜面内の目視できる表面構造と、テクスチャは定義される。この文脈において、テクスチャは、塗膜の粗度を含まないで、塗膜面内の目視できる不規則形状のみを包含する。人の目の解像度よりも小さい構造は「色」に寄与し、一方、それよりも大きい構造は一般に「テクスチャ」にも寄与する。

同様に、それ自体直接観察できない粒子は、塗膜の全体としての目視できる外観に寄与することができる。無配向物（ｄｅｓ−ｏｒｉｅｎｔｅｒ）は、このような粒子の例である。効果顔料は一般に、硬化された皮膜中で水平配向をとる傾向のあるフレークである。これを防ぐために、およびフレークの配向にもっと多くの変化を得るために、球形粒子が使用され、これが無配向物と呼ばれる。メタリック塗料に無配向物を使用すると、より多くの輝きがもたらされる。

従来、補修されるべき塗膜のテクスチャは、目によって、たとえばそれをサンプル束のサンプルと比較することによって判定された。このような手法の結果は、実施者の技能に強く依存し、多くの場合満足のいくものではなかった。

実際には、テクスチャの施された塗料にマッチさせることを望む色の専門家は、最初に、マッチするテクスチャ効果を得るための１以上の効果モジュールまたはトナーを選択する。それと同時にまたはその後で、色のマッチングを得るために着色剤モジュールまたはトナーが選択される。その結果が元の塗料と比較され、修正が必要と思われれば繰り返し調整される。適正な効果モジュールを選択することは困難であり、試行錯誤的手法またはマッチされるべき塗料中の効果顔料の精密なコンピュータ分析が要求される。

欧州特許出願公開第６３７７３１号は、塗膜のテクスチャ特性を再現する方法を開示する。塗料モジュールの濃度に基づいて、再現された塗料は配合される。データベースから、または所定のテクスチャ特性を有する配合物群から、該配合物は選択される。これが、満足できるマッチ物をもたらさないならば、２の近接したマッチ物間の内挿によって、修正が行われることができる。

国際特許出願公開第０１／２５７３７号は、テクスチャを決定するためのデジタル画像化装置、たとえばＣＣＤカメラを使用して、合体された色およびテクスチャのマッチング方法を開示する。テクスチャデータにリンクされた色配合物のデータバンクで検索することによって、マッチする塗料は決定される。

米国特許出願公開第２００１／００３６３０９号は、ミクロ光輝を測定し、補修塗料をたとえば自動車上の元の塗料にマッチさせるためにそれを使用する方法を開示する。色並びに特定のタイプのテクスチャであるミクロ光輝の測定を、該方法は含む。マッチするミクロ光輝を持つ色配合は、塗料配合のデータバンクから選択される。したがって、得られたミクロ光輝のテクスチャは、許容できる程度にマッチしている。しかし、その色は、必ずしも十分に均等にはマッチしていない。したがって、色のマッチングも同様に許容できるまで、色配合は繰返し調整される必要がある。この従来技術の方式では、最初に適正なテクスチャを持たない色配合は、そこから出発すべき配合物として依然として有望な候補でありうるけれども、考慮に入れられない。さらに、この従来技術の方法は、色配合の調整の間にテクスチャが損なわれないままでいることを保証しない。
欧州特許出願公開第６３７７３１号公報 国際特許出願公開第０１／２５７３７号公報 米国特許出願公開第２００１／００３６３０９号公報

本発明の目的は、基体上に元々施与された塗料との補修塗料のマッチングを改良して、好ましくはスペックのテクスチャデータを持つ完成組成物のデータベースを構築する必要なしに、より速くおよびより信頼できる様式でより正確な結果を与えることである。

補修されるべき基体上の塗膜のテクスチャ特性に補修塗料をマッチさせる方法によって本発明の目的は達成され、この方法では、各塗料モジュールがスペックのテクスチャデータに関連付けられていること、および該塗料モジュールのテクスチャデータを使用する計算用テクスチャモデルが、マッチするテクスチャ特性を持つ補修塗料を算出することを特徴とする塗料モジュールの濃度に基づいて、該補修塗料が配合される。

これらのテクスチャデータはたとえば、トナー中の効果顔料の粒子サイズ分布、およびトナー中に存在する効果顔料と他のトナー顔料との明度の差として定義される光学コントラストを含むことができる。

驚いたことに、特定の所定のテクスチャパラメータを示す限られた範囲のトナーから選択されたトナーを混合することによって、マッチするテクスチャが得られることができること、およびコンピュータが使用されて、テクスチャトナーのマッチする混合物を算出することができることが発見された。

好ましくは、該塗料は元の塗料の色特性にもマッチされる。色とテクスチャとを同時にマッチさせることによって、たとえ色のマッチングそれ自体は僅かに足りないとしても、全体の目視されるマッチングが改良されるようであることが思いがけず発見された。

本発明の他の実施態様は、色配合物のデータベースを使用することを含み、それから最良のマッチ物が選択され、該最良のマッチ物はその後さらに、計算用テクスチャモデルを使用してトナー濃度を適合させることによって最適化されて、より近いテクスチャマッチ物または合体された色とテクスチャとのマッチ物が得られる。該適合化は小さいこともあるし、１以上のトナーの除去を要求すること、または選択された配合に１以上の新しいトナーを加えることを要求することもある。

本発明は、基体上の塗膜を補修する方法に関し、および所要のテクスチャ特性にマッチする塗料モジュールの組み合わせを計算するために使用されるスペックのテクスチャデータを持つ塗料モジュールを使用し、計算されたように該モジュールを混合し、そして塗り替えられるべき基体上に該得られた塗料を施与して、補修されるべき基体上の塗膜のテクスチャ特性に補修塗料をマッチさせる方法にも関する。

デジタル画像化装置、たとえばＣＣＤカメラによって、テクスチャは画像化されることができる。続いて、画像解析ソフトウェアが使用されて、該画像を１以上のテクスチャパラメータへと翻訳することができる。好適な画像処理ソフトウェアはたとえば、両方ともＭｅｄｉａ Ｃｙｂｅｒｎｅｔｉｃｓ社から商業的に入手できるＯｐｔｉｍａｓ若しくはＩｍａｇｅ ＰｒｏＰｌｕｓ、三谷社から入手できるＭａｃＳｃｏｐｅ、またはＴｈｅ ＭａｔｈＷｏｒｋｓ社から入手できるＭａｔｌａｂである。

テクスチャの測定

デジタル画像からテクスチャパラメータを抽出するために、一組の代表的な自動車色が収集され、全テクスチャパラメータ範囲にわたる参照尺度を使用して目視的に判定される。該一組の自動車色の画像から、目視評価に密接に相関するテクスチャパラメータ値を抽出するアルゴリズムが誘導される。

テクスチャパラメータ「粗さ」は、サンプルの目視できる表面粗度を表す。すなわち、コーティングが暗い領域と明るい領域との明瞭なパターンを示すときに、コーティングは粗さを示している。白黒画像については灰色値標準偏差で表現されることができる、暗い領域と明るい領域との比だけでなく、該領域の大きさも重要である。たとえば、図１の２図面は同じ灰色値標準偏差を持つが、明らかにパターンが異なる。

粗さを抽出するために、以下のアルゴリズムが使用されることができる。

Ｎ×Ｎ画素のＣＣＤ画像をとる。灰色値標準偏差ＧＶＳＴＤが、いくつかの縮尺比Ｘで測定される。すなわち、最小縮尺比Ｘ＝１においては、個々の画素ごとにそれは計算される。２番目の最小縮尺比においては、２×２画素（Ｘ＝４）の正方形の平均灰色値にわたってそれは計算される。３番目の最小縮尺比においては、４×４画素の正方形が使用され、したがってＸ＝１６である。Ｎ×Ｎ画素（Ｘ＝Ｎ^２）の最大縮尺比までこれが繰り返される。

灰色値標準偏差ＧＶＳＴＤは、式（１）を使用して縮尺比Ｘの関数として表される。

ＧＶＳＴＤおよびＸが既知数であれば、パラメータＡ、Ｂ、およびＣは、フィッティングによって計算されることができる。

Ａ、Ｂ、およびＣのパラメータは、目視による粗さ値ＶＣと、式（２）によって相関付けられることができる。

代表的な自動車色の一組の塗板との比較によって、α_１、α_２、α_３、およびα_４の値は前もって決定された。これらの参照色は目によって判定され、参照尺度に従って値を与えられる。判定は多数の人々によって行われ、与えられた値は塗板ごとに平均される。これらの参照色のそれぞれについて、測定されたＶＣは、目視判定用の参照尺度に従う値に等しくなければならない。パラメータα_１、α_２、α_３およびα_４は、一組の代表的な自動車色に使用された全ての塗板について観察された値と測定された値との差を最小化することによって求められる。一組の代表的な自動車色の全ての塗板についてのα_１、α_２、α_３およびα_４のパラメータについて等しい値を求めるために、参照尺度値と目視による粗さ値ＶＣとの差の平方値が、各塗板について計算される。全てのこれらの平方値の和Σ_全塗板（目視判定値_塗板ｉ−ＶＣ_塗板ｉ）^２が、続いて最小化されて、α_１、α_２、α_３およびα_４の値が得られる。これらのパラメータが既知数になれば、任意の自動車塗膜の粗さが決定されることができる。

理論的モデル（２）を使用することによって、粗さを目視評価に相関付ける前述の方法は一般に、任意の特定のモデルについて任意の観察および照明条件について任意のテクスチャパラメータについて行われることができる。この特定のモデルは、任意の物理的パラメータ（たとえば、粒子サイズ、フレーク組成等）、色パラメータ（たとえば、ＣＩＥ Ｌａｂパラメータ等）または画像パラメータ（たとえば、灰色値標準偏差等）を包含することができる。

デジタル画像装置および画像解析ソフトウェアを用いてテクスチャ、とりわけいわゆるミクロ光輝を測定する他の様式は、米国特許出願公開第２００１／００３６３０９号に開示され、これは引用によって本明細書に取り込まれる。

パラメータ「グリント」は、もう一つのテクスチャパラメータであり、方向性照明状態下の効果コーティングの表面上の、見る角度を変えると光ったり消えたりする明るい小さい光点の知覚を、これは表す。グリントは直射日光中で、すなわち雲のない空で、１メートル未満から最もよく観察される。観察条件が同じときでさえも、ある効果コーティングは多くの明るいグリントを示し、一方、他の効果コーティングはグリントを殆んど示さないかまたは全く示さないものさえある。グリントの尺度が考案されており、それを用いて観察者は、効果コーティングを目視的に検査し、グリントの様相を数で表現することができる。効果コーティングのあるものは小さいグリント値を有するだろうし、あるものは大きいグリント値を有するだろう。このようにして、コーティングのテクスチャ様相である「グリント」は、定量的な様式で観察されることができる。

テクスチャパラメータ「グリント」は、グリント強度とグリントサイズとの識別をすることによって、より具体的に表されることができる。グリント強度は、明るい小さい光点の光強度または光強度分布である。グリントサイズは、該光点の面積または面積分布である。

グリント間のさらなる識別をする第二の様式は、その色または色分布によるものである。

照明方向、観察方向およびサンプル配向の所定範囲の共通方向においてのみ、グリントは目視できる。その結果、グリントを特性付ける第三の様式は、所定のある観察角度およびあるサンプル配向において、グリントが人の目に見える照明角度（またはその分布）の範囲を測定することである。同様に、所定の固定された照明角度およびサンプル配向において、グリントが人の目に見える観察角度（またはその分布）の範囲が使用されることができる。または所定の固定された観察角度および固定された照明角度において、グリントが人の目に見えるサンプル配向（またはその分布）の範囲が使用されることができる。

色の測定

一般に、テクスチャのマッチングは、色のマッチングと合体されるだろう。色をマッチさせるためには、その色はまず測定されなければならない。測色計、たとえば分光測色計または三刺激値測色計を用いて、色は測定されことができる。マッチする色を持つ塗料配合の決定に、測定された信号は使用されることができる。米国特許出願公開第２００１／００３６３０９号は、多角分光測色計を用いて色を測定し、測定されたデータを使用してデータバンクで色配合を検索する方法を記載する。米国特許第４，８１３，０００号は、三刺激値色分析計を用いて選択された色を測定し、測定された色度データを使用してデータバンクで色配合を検索する方法を開示する。国際特許出願公開第０１／２５７３７号は、デジタル画像化装置、たとえばスキャナーまたはデジタルカメラを用いる色の測定方法を開示する。

テクスチャ特性および任意的に色をも測定した後、マッチする塗料配合物が算出される。この目的のために、塗料配合物のテクスチャおよび任意的に色が予測される。

塗料モジュールの濃度に基づいたテクスチャの予測

一組のモジュールから選択された多数の塗料モジュール、たとえば多数のトナーの混合物として、好適な補修塗料が配合される。該モジュールのテクスチャパラメータは、予め決められている。これらのパラメータに基づいて、所望のテクスチャパラメータを示す混合物が計算されることができる。このようにして、元の塗膜のテクスチャにきっちりとマッチするテクスチャを有する補修塗料用の配合物が算出されることができる。

色配合のテクスチャは、目視できるテクスチャ特性、たとえば粗さ、きらめき、グリント、またはミクロ光輝だけでなく、物理的テクスチャ特性、たとえば粒子サイズ、粒子サイズ分布、粒子形、粒子色、および粒子の数でも表現されることができ、ここで粒子とは、無配向物のような目視的にまたは画像中で直接識別されることができないもの、たとえば効果顔料または数組の効果粒子である。

各トナーがテクスチャ特性ｃ^ｉを持つＶ個のトナーを含有する１個の色配合のテクスチャパラメータＴは、式（３）として表されることができ、

Ｔ_ｉは、好ましくは目視できる特性、たとえば粗さであるが、物理的特性であることもできる。たとえば、ｖ個の数のトナーの配合物の粗さモデルは、測定された光学的配置ｇおよび波長λにおいて測定された、Ｋｕｂｅｌｋａ−Ｍｕｎｋのｋおよびｓ値およびトナー濃度ｃの関数として表されることができる。

この例では、粗さモデルは、色モデルと同じパラメータ（ＫおよびＳ値）を使用している。これはテクスチャモデルについて常に必要であるわけではなく、もっと一般的な例は、トナーの特定のテクスチャ特性に、Ｔ_ｉが従属しうることを示す。

ここで、Ａ^ｊはたとえば特定のトナーの粒子面積または面積分布であり、Ｂ^ｊは特定のトナーの粒子形（たとえば、主軸長または真円度）である。Ｔ_ｉは、粗さＴ_粗さのような目視できる特性であることができるが、たとえば色配合の全粒子面積若しくは面積分布または色配合中の全体としての粒子形であることもできる。

標準塗料、たとえば補修されるべき自動車の塗料のテクスチャは、多数のテクスチャパラメータＴ_ｉ ^ＳＴで表現されることができる。この標準塗料のテクスチャがマッチされるべきときは、（Ｗ．Ｈ．Ｐｒｅｓｓ、Ｂ．Ｐ．Ｆｌａｎｎｅｒｙ、Ｓ．Ａ．ＴｅｕｋｏｌｓｋｙおよびＷ．Ｔ．Ｖｅｔｔｅｒｌｉｎｇ著、「Ｎｕｍｅｒｉｃａｌ Ｒｅｃｉｐｅｓ ｉｎ Ｐａｓｃａｌ」、Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ刊、１９８９年に記載された）Ｍａｒｑｕａｒｄｔ−Ｌｅｖｅｎｂｅｒｇアルゴリズムのような非線形最適化アルゴリズムを使用することによって、たとえば最小二乗法のような計算方法が使用されて、トナー濃度を変えることによって以下の表現を最小化することができる。

１個の塗料配合について、色配合とスペックの目標色との理論的テクスチャ差が最小化される（すなわち、式（６）のＸ^２が最小化される）ようにトナー濃度が変えられることを、これは意味する。

粗さ

以下は、塗料を配合するために使用された塗料モジュールの所定の粗さデータに基づいて、塗膜の粗さを予測するための計算モデルの例である。下の一般関数が、それぞれが重み因子βを持つ多数の予測変数ｘの和として、計算された色配合の粗さを予測するように定義されることができる。

可能な予測変数ｘは、たとえば色配合物に使用されたトナーの濃度である。表１に色配合の例が示される。

三つの可能な予測変数ｘは、以下の通りである。
ＣＯＮＣＳ＝単色物濃度： ０．１７＋０．２０
ＣＯＮＣＭ＝メタリック物濃度： ０．３０＋０．０５
ＣＯＮＣＰ＝真珠光沢物濃度： ０．０５

この場合、予測変数はトナーのタイプ（単色物、メタリック物、真珠光沢物等）に関係する。あるいは、個々のトナーに関係する予測変数が使用されることができるが、これは一般に非常に多数の予測変数になってしまうだろう。他の選択肢は、低い散乱係数を有する単色物の濃度（ＣＯＮＣＳＬ）、高い散乱係数（ＣＯＮＣＳＨ）を有する単色物の濃度（ＣＯＮＣＳＨ）、微細なメタリック物の濃度（ＣＯＮＣＭＦ）、中程度のメタリック物の濃度（ＣＯＮＣＭＭ）、粗いメタリック物の濃度（ＣＯＮＣＭＣ）、低い散乱係数を有する真珠光沢物の濃度（ＣＯＮＣＰＬ）、高い散乱係数を有する真珠光沢物の濃度（ＣＯＮＣＰＨ）、無配向物の濃度（ＣＯＮＣＱ）等に関係する予測変数を使用することである。

散乱は、粗さについてのよい指標であることが発見された。多過ぎる予測変数を避けるために、２５°、４５°および１１０°における１６波長にわたって平均された着色剤濃度かける着色剤散乱係数の和をとることができる。メタリック物については、この場合にこれは、２５°について式（８ａ）になるだろう。

また、他の角度については、以下のようになるだろう。
ＳＵＭＭＳ２＝０．３０＊平均Ｓ_４５Ｑ８１１Ｅ＋０．０５＊平均Ｓ_４５Ｑ８１１Ｕ
ＳＵＭＭＳ３＝０．３０＊平均Ｓ_１１０Ｑ８１１Ｅ＋０．０５＊平均Ｓ_１１０Ｑ８１１Ｕ
ここで、「平均Ｓ_２５Ｑ８１１Ｅ」は、トナーＱ８１１Ｅについての２５°における１６波長にわたっての散乱係数の平均値であり、「平均Ｓ_２５Ｑ８１１Ｕ」は、トナーＱ８１１Ｕについての２５°における１６波長にわたっての散乱係数の平均値であり、表１に示されたそれらのそれぞれの濃度で重み付けられる。

同じことが吸光係数についても行われることができる。メタリック物については、この場合にこれは、２５°について式（８ｂ）になるだろう。

予測変数ＳＵＭＭＳ１、ＳＵＭＭＳ２、ＳＵＭＭＳ３、ＳＵＭＭＫ１、ＳＵＭＭＫ２、およびＳＵＭＭＫ３は、式（７）に使用される。

追加してまたは代わりに、３つの角度における色のＬ、ａ、ｂ、マンセル彩度およびマンセル色相の値が、予測変数として使用されることができる。想到されることができる他の予測変数は、ＳとＫとの比およびその逆、波長領域を全範囲にわたって平均する代わりに２（ＳＵＭＭＳ１ＡおよびＳＵＭＭＳ１Ｂ）または４（ＳＵＭＭＳ１Ａ、ＳＵＭＭＳ１Ｂ、ＳＵＭＭＳ１ＣおよびＳＵＭＭＳ１Ｄ）の部分に分割すること、並びに一種の対照予測変数（［定数−｛Ｓ／Ｋ｝_単色物］／｛Ｓ／Ｋ｝_単色物）を定義することである。可能な組み合わせの数は無数と思われる。しかし、多くは高度に相関している。

一般に、６の数の粗さの部類または区分が定義される。この６の区分が使用されるので、線形モデルの代わりにロジスティック回帰が適用されて、粗さが予測される。線形モデルは連続尺度を必要とするだろう。関数は式（９）として表されることができる。

ここで、αは区分間の境界値である。

ある粗さ値についての出現は、以下のように計算されることができる。

図２は、出現分布の例を示す。粗さ値としては、中央値、並数またはΣｉ＊Ｐ（ｉ）（ｉ＝１〜６）のいずれかがとられる。

αおよびβの値は、一組の代表的自動車色の塗板との比較によって予め決められる。これらの参照色は目によって判定され、参照尺度に従って値を与えられる。これは多数の人々によって行われ、与えられた値は塗板ごとに平均される。これらの参照色のそれぞれについて、予測される粗さ値は、目視判定の参照尺度に従う値と等しくなければならない。該一組の代表的自動車色に使用された全ての塗板についての観察された値と測定された値との差を最小化することによって、パラメータは求められる。これらのパラメータが既知数になれば、任意の自動車塗膜の粗さが予測されることができる。

グリント

塗料に使用された各種のトナーの濃度のみに基づいて効果コーティングのグリント数を予測するために、グリントモデルは考案された。元の色、たとえば塗り替えられるべき自動車の元の色にマッチさせようとするときに、該モデルは使用されることができる。その場合に、該モデルは元の自動車色のグリントの様相もマッチされることを確実にすることができる。

これらの予測をするために、グリントモデルは多数の入力パラメータを要求する。すなわち、
− 照明角度および観察角度。光源（たとえば、太陽）がコーティング上に光を照射する角度、および観察者がコーティングに向いている角度を、これは意味する。また、光源が光を照射する距離、および観察者とコーティングとの間の距離が関係する。光源の強度も必要である。そして最後に、コーティングから見た検知者／観察者の目と光源との角度範囲。
− 効果トナー内部のフレーク粒子の大きさおよび厚さおよび数
− 各トナーのフレークがコーティング中でとっている配向
− 非効果トナーの吸光および散乱（Ｋ＆Ｓ）の値、および非効果トナーの屈折率。コーティングがどのように光を吸収するかを計算するために、これらは使用される。

最初に背景、すなわちグリントを取り囲むコーティングの色および強度が計算される。これは重要である。何故ならば、グリントがより明るい周囲を有するときよりも、グリントが暗い周囲を有するときに、人の目はグリントのような小さい光源をよりよく検知することができるからである。効果コーティング上に注がれる全ての光は、該コーティング中のある深さにあるフレークによって吸収されるか、あるいは反射されるという仮定の下に、非効果トナーの吸光および散乱（Ｋ＆Ｓ）の値に基づいて、背景色は計算される。コーティング中のいくつかの深さにあるフレークからのさまざまな寄与分が、すべて考慮に入れられる。

背景の色および強度を計算した後、計算された背景を背にグリントが人の目に見えるようにするために、それがどの程度の強度を持つべきかが計算される。Ｊ．Ｏｐｔ．Ｓｏｃ．Ａｍ．誌、第５７巻（１９６７年）、４４〜４７ページの大胆な論文に記載されたように、該計算は行われる。次に、コーティング表面の１平方センチメートル当たりどのくらい多くのフレークが、それらから反射された光が背景を背に目視されるのに十分なほど強いような適正な配向および深さをコーティング中で有するかが計算される。この数はＮと呼ばれ、４つの項を乗ずることによって求められる。より暗い背景を背にすると、より容易にグリントが認識される事実を、第一の項は説明し、単色顔料による光吸収を扱う。観察／照明角度への依存性を、第二の項は説明する。コーティング中のフレーク濃度を、第三の項は説明し、グリントとして目視されるための適正な配向を有するフレークの分率を、第四の項は説明する。

ここで、人の知覚は多くの場合に刺激の対数に基づくとの、心理学に基づいたＷｅｂｅｒの法則を使用して、Ｎの対数が、目視観察されたグリント尺度数と相関付けられる。Ｗｅｂｅｒの法則は、Ｍ．Ｗ．Ｌｅｖｉｎｅ著、「Ｆｕｎｄａｍｅｎｔａｌｓ ｏｆ Ｓｅｎｓａｔｉｏｎ ａｎｄ Ｐｅｒｃｅｐｔｉｏｎ」、第３版、Ｏｘｆｏｒｄ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ刊、米国ニューヨーク州、２０００年に記載されている。ここで、人の知覚は多くの場合に刺激の対数に基づくとの、心理学に基づいたＷｅｂｅｒの法則を使用して、Ｎの対数が、目視観察されたグリント尺度数と相関付けられる。

塗料モジュール濃度に基づいた色のマッチング

色配合は多数の様式で、すなわち多数の検索手順、計算、またはこれら２つの組み合わせによって決定されることができる。たとえば、それにリンクされた比色データを有する色配合を含んでいるデータバンクが利用されることができる。測定された選択された色の計算された比色データを使用して、最もきっちりとマッチする色配合が見出されることができる。あるいは、それにリンクされた分光データを持つ色配合を有するデータバンクを使用することが可能である。色配合の比色データを計算しそれを比較するために、既知の計算方法が使用されることができる。また、その中に顔料の吸光および反射データ、いわゆるＫおよびＳデータが保存されているデータバンクが使用されることができる。顔料濃度と組み合わせてＫおよびＳデータを使用すると、その比色データが、測定された選択された色の比色データに最もきっちりとマッチするところの色配合を計算することが可能になる。今採り上げている方法は、Ｄ．Ｂ．Ｊｕｄｄら著、「Ｃｏｌｏｕｒ ｉｎ Ｂｕｓｉｎｅｓｓ，Ｓｃｉｅｎｃｅ ａｎｄ Ｉｎｄｕｓｔｒｙ」に詳細に記載されている。前述の検索および計算方法を組み合わせることが可能である。

可視光の波長の関数としての塗膜反射によって、色は表現されることができる。あるいは、国際照明委員会によって規定された、いわゆるＣＩＥ Ｌａｂ系若しくは同様な系、たとえばＣＩＥ Ｌｕｖ系、ＣＩＥ ＸＹＺ系またはマンセル系に従って色は表現されることができる。効果顔料を含んでいる塗膜では、測定された反射率Ｒは光学的配置に依存し、該光学的配置は観察角度および照明角度によって規定される。ｖ個の数のトナーによって構成された色配合物の波長λおよび光学的配置ｇにおける理論反射率Ｒ_ｇλは、各トナーの比色パラメータｃの関数として表されることができる。

あるいは、塗料配合のＬ、ａ、ｂの値が同様に表されることができる。

Ｖ個のトナー、ｇ個の測定配置、および１配置当たりλ個の波長を、この色配合は包含する。一般に、効果顔料なしの単色の場合はｇ＝１、および波長範囲が４００〜７００ｎｍであり、波長間隔が２０ｎｍであるときはλ＝１６である。効果顔料を含んでいる塗料については、ｇは通常、約３である。

Ｋｕｂｅｌｋａ Ｍｕｎｋモデル（隠蔽塗装版）に従うと、反射率Ｒ^ＫＭは以下の式によって定義される。

ここで、Ｋ^ｉ _ｇλは、波長λおよび光学的配置ｇにおけるトナーｉの吸光因子であり、Ｓ^ｉ _ｇλは、波長λおよび光学的配置ｇにおけるトナーｉの散乱因子である。従って、式（４）と同様な式が得られる。

反射率値Ｒ^ＳＴ _ｇλで表現された標準色（たとえば、補修されるべき自動車の色）にマッチさせるために、非線形最適化アルゴリズム、たとえばＭａｒｑｕａｒｄｔ−Ｌｅｖｅｎｂｅｒｇアルゴリズムを使用することによって以下の表現を最小化するために、たとえば最小二乗法が使用されることができる。

１個の色配合について、該色配合とスペックの目標色との理論的色差が最小化される（すなわち、式（１３）のＸ^２が最小化される）ように、トナー濃度が変えられることを、これは意味する。１個の色配合中のＶ個の種々のトナーの濃度ｃ^ｉは、各トナーについて固定されたＫおよびＳの値を使用する以下の式でパラメータｃ^ｉをフィッティングさせることによって、推定される。

色配合物を表すこの様式は、トナーが色配合から除外されまたは加えられる場合をも受け入れ、それぞれ伴われたトナー濃度を零に設定することによって、または該パラメータを除くことによって、これは達成されることができる。

合体された色およびテクスチャのマッチング

テクスチャパラメータを扱う好まれる様式は、同時に色およびテクスチャに基づいて塗料をマッチさせることである。この目的のためには、合体された色およびテクスチャのモデル「ＲＴ」が定義されなければならない。式（６）および（１３）を合体することによって、すなわちこれらを合計し、０〜１の範囲の重み因子αを定義することによって、これはたとえば行われることができる。

非線形最適化アルゴリズム、たとえばＭａｒｑｕａｒｄｔ−Ｌｅｖｅｎｂｅｒｇアルゴリズムを使用することによって、式（１５）は最小化される。フィッティングされるパラメータはトナー濃度であり、固定されたパラメータは、色モデルからのＫおよびＳの値並びにテクスチャモデルからのテクスチャパラメータである。

色とテクスチャとの間の優先度を設定するために、重み因子αは使用されることができる。色のマッチングがテクスチャのマッチングよりも優先度を与えられているならば、αは０．５よりも小さく、一方、テクスチャのマッチングがより優先度を与えられているならば、αは０．５よりも大きい。αの値が高ければ高いほど、テクスチャの役割がより重要になる。全ての色配合について、因子αは一定に保たれることができるが、それぞれ別の色配合について、変化することもできる。

テクスチャを扱う他の様式は、多かれ少なかれ標準の色配合の際にテクスチャを拘束条件として使用することである。式（１５）の代わりに式（１３）が解かれることを、これは意味するが、該推定の際にトナー濃度は、テクスチャパラメータの差Ｔ_ｉ（ｃ^１、ｃ^２、・・・、ｃ^ｖ）−Ｔ_ｉ ^ＳＴが所定の上限および下限を超えるように変化することは許されない。

Ｘ^２を色の部分とテクスチャの部分とに分割した式（１５）の使い方の概略図による例を、図３は示す。

特定の色配合についての式（１６）の機能をグラフとして図３は示す。該配合が色のみについてマッチされると（α＝０）、Ｘ^２ _色（濃い青色ライン）は、この特定の場合には色の許容閾値（ピンク色ライン）よりも低く、これは平均的な色専門家によってその色が目視的に許容されることを意味する。しかし、Ｘ^２ _{テクスチャ}（黄色ライン）は極めて大きく、この特定の場合にはテクスチャの許容閾値（シアン色ライン）よりも大きく、これは平均的な色専門家にとってそのテクスチャが許容できないことを意味する。他方、マッチングがテクスチャのみに基づくと（α＝１）、色は許容されないが、一方テクスチャは許容される。満足のいくマッチングを得るためには、Ｘ^２ _色およびＸ^２ _{テクスチャ}の両方が、対応する閾値よりも低くなければならない。この特定の例では、

のときに、これは達成される。これは、ただの例に過ぎないことが強調される。その色および／またはテクスチャのいずれもがそれらの目視的閾値よりも低くなるだろうところの、あるいは低くなることができないところの色配合が常に存在するだろう。これは、たとえばトナーが適正に選択されていなかった場合である。

重み因子αを扱う別の様式がある。一つの様式は、最良の合体された色およびテクスチャのマッチングを平均して可能にする固定値に、αを設定することである。より好まれる様式は、それぞれ別個の色配合について具体的に最適値αを決定することである。

本発明は、以下の実施例によってさらに説明される。

濃い灰色の効果コーティング（「標準物」）が、ＣｏｌｏｕｒＣｈｅｃｋｅｒを用いて３つの角度（２５°、４５°および１１０°）で測定された。表２は該測定結果を示す。

テクスチャ特性として、粗さが測定され、０．９１に表示された。

色のみについて（「色」）および色とテクスチャとについて（「色テクスチャ」）、マッチさせる試みが行われた。両計算について同じ一組の着色剤が使用された。処方物がスプレーされ、そしてサンプルの測定が行われた。処方物が表３に、色の測定結果が表４および５に示される。粗さ値は「色」について２．２４であり、「色テクスチャ」について１．２３であった。標準物との粗さの差は表６に示される。

重量平均されたΔＥ_ｃｍｃ（ＷＡＤＥ）を使用すると、「色」は０．４６を、「色テクスチャ」は０．６８を得点する。テクスチャマッチングの付加価値、すなわち「色テクスチャ」のテクスチャは「標準物」のテクスチャにマッチし、「色テクスチャ」は色において「色」よりもわずかに離れているが、ＷＡＤＥ＜１の要件を満たすことを、この実施例は示す。

コーティングの粗さを示す図 出現分布の例を示すグラフ 式（１５）の使い方の例を示すグラフ

Claims (7)

1. 補修されるべき基体上の塗膜のテクスチャ特性に補修塗料をマッチさせる方法であって塗料モジュールの濃度に基づいて該補修塗料が配合される方法において、各塗料モジュールがスペックのテクスチャデータに関連付けられていること、および該塗料モジュールのテクスチャデータを使用する計算用テクスチャモデルが、マッチするテクスチャ特性を持つ補修塗料を算出するために使用されることを特徴とする上記方法。
2. 塗料モジュールが色データにも関連付けられていること、および計算用モデルが、マッチするテクスチャ並びに色の特性を持つ補修塗料を算出するために色データもまた使用することを特徴とする、請求項１に従う方法。
3. 色差配合およびテクスチャ差配合を重み因子を用いて合体した、色およびテクスチャの差配合が使用されることを特徴とする、請求項２に従う方法。
4. 分光測色計が、元の塗料の色を測定するために使用されることを特徴とする、請求項１〜３のいずれか１項に従う方法。
5. デジタル画像化装置、たとえばＣＣＤカメラが、元の塗膜のテクスチャを画像化するために使用されること、および画像解析ソフトウェアが、該画像化されたテクスチャを解析しテクスチャパラメータを計算するために使用されることを特徴とする、請求項１〜４のいずれか１項に従う方法。
6. スペックのテクスチャにマッチさせるために要求される、所定の一組の効果モジュールの濃度が計算されること、およびその後該効果モジュールの混合物がさらなるモジュールと混合されることを特徴とする、請求項１〜５のいずれか１項に従う方法。
7. 色が補修されるために、該補修されるべき色の目視評価の必要なしに効果モジュールが選択されることを特徴とする、請求項１〜６のいずれか１項に従う方法。

Images