论文部分内容阅读
色彩管理是彩色图像在不同设备间进行精确传递,再现色彩信息的重要保障。颜色空间转换方法是色彩管理的核心技术。 本课题根据ICC色彩管理技术规范和要求,从彩色图像颜色空间转换的实际需要出发,采用RBF和LM神经网络建立了CMYK与L*a*b*颜色空间的正反向转换模型。首先,从ECI2002标准色靶中选取训练样本数据和检验数据,并对数据进行归一化处理;然后利用Matlab神经网络工具箱和K-Means聚类算法两种方法来训练RBF网络,并对该网络转换模型所转换的检验数据的精度进行统计分析。其中,CMYK到L*a*b*颜色空间转换模型的精度较好,两种方法的平均色差分别为0.33和0.38,色差小于6的个数分别占到100%和99%;但L*a*b*到CMYK颜色空间转换模型转换的结果需要在Photoshop软件中转换为L*、a*、b*值才能计算色差,在色差的统计过程中会增加一定的误差,其平均色差分别为3.09和5.13,色差小于6的分别占87%和75%;在其亮调部分,分布有较多的较大色差。针对此问题,采用LM算法来训练神经网络建立了CMYK与L*a*b*颜色空间的正反向转换模型,它的正反向的转换效果均较为理想,且在各个阶调上其色差分布较均匀;然后,再将LM网络的精度与RBF的进行对比。 课题应用所建的RBF和LM网络转换模型对标准彩色图像进行颜色空间转换,并评价其转换效果。通过直观的视觉评价以及将该模型转换后图像的颜色直方图与原图在Photoshop软件转换后的结果进行对比判断,结果表明效果较好。