[发明专利]印刷品原色油墨光谱预测方法

说明书

技术领域

本发明涉及印刷复制领域，尤其涉及一种印刷品原色油墨光谱预测方法。

背景技术

随着印刷行业的发展，人们对于印刷品质量的要求也有越来越高，针对印刷行业技术问题的研究也越来越多，越来越重要，其中应用于印刷复制领域中最佳原色油墨的选取、光谱复制以及光谱配色等方面的印刷品原色油墨光谱预测方法成为很多人研究的热点。如何实现印刷光谱复制对于印刷品质量的提高非常重要。解决这个问题就需要提出一种能够最大限度消除同色异谱现象，实现印刷品与原稿颜色的一致性的印刷品原色油墨光谱预测方法。

现阶段适合于印刷品原色油墨光谱预测的方法还没有，而用于连续调图像色料的光谱预测方法不能够准确预测半色调印刷品原色油墨数目和原色油墨的光谱，而且印刷品原稿的光学特性不同于连续调不透明或透明色料作品，印刷品是半色调网点呈色，半色调单元内既包含油墨网点也包含纸基，且油墨层是半透明的，故半色调单元整体对光的吸收散射不同于连续调作品色料，所以用于连续调图像色料的光谱预测方法不适合于印刷品原色油墨光谱预测。

发明内容

为了解决以上问题，本发明实施例提供了一种印刷品原色油墨光谱预测方法，实现最大限度上消除同色异谱现象，以及实现印刷品与原稿颜色的一致性的技术效果。

本发明实施例提供了一种印刷品原色油墨光谱预测方法，包括：获取印刷品光谱数据；将所述印刷品光谱数据转换成线性空间中的目标光谱数据；根据所述目标光谱数据，在所述线性空间中利用主成分分析法预测印刷品原色油墨数目；以及根据所述目标光谱数据和所述印刷品原色油墨数目，在所述线性空间利用有约束条件的非负矩阵分解算法预测印刷品原色油墨光谱。

在本发明的一个实施例中，所述方法还包括：根据所述印刷品光谱数据建立所述线性空间。

在本发明的一个实施例中，所述根据所述印刷品光谱数据建立所述线性空间包括：建立光谱反射率空间到所述线性空间的转换模型；将所述印刷品光谱数据和线性程度指数初始值代入所述转换模型，根据有约束条件的非负矩阵分解算法和优化算法，得到满足指定误差要求的线性程度指数目标值；以及根据所述印刷品光谱数据、所述转换模型和所述线性程度指数目标值建立所述线性空间。

在本发明的一个实施例中，所述转换模型为：Ф＝R_纸^1/n-R_测^1/n，其中，所述n表示线性程度指数且n≥2，Ф表示所述线性空间，R_纸表示印刷品纸张的光谱反射率空间，R_测表示印刷品油墨区的光谱反射率空间。

在本发明的一个实施例中，在将所述印刷品光谱数据和线性程度指数初始值代入所述转换模型，根据有约束条件的非负矩阵分解算法和优化算法，得到满足指定误差要求的线性程度指数目标值的步骤中，所述约束条件包括：基向量和浓度系数的非负约束和浓度系数的加和为1约束。

在本发明的一个实施例中，在将所述印刷品光谱数据和线性程度指数初始值代入所述转换模型，根据有约束条件的非负矩阵分解算法和优化算法，得到满足指定误差要求的线性程度指数目标值的步骤中，所述有约束条件的非负矩阵分解算法使用以下表达式：Ψ＝Σa_i*y_i；0<a_i<1；0<y_i<1；Σy_i＝1；其中Ψ表示预测线性空间，a_i表示所述预测线性空间中的第i个基向量，y_i表示浓度系数。

在本发明的一个实施例中，所述指定误差要求为：所述线性空间和所述预测线性空间的差值的二范数平方的最小值收敛。

在本发明的一个实施例中，所述根据所述目标光谱数据，在所述线性空间中利用主成分分析法预测印刷品原色油墨数目包括：在所述线性空间中，将满足累计贡献率和增长速度要求的基向量数目作为所述印刷品原色油墨数目。

在本发明的一个实施例中，所述误差要求为：所述累计贡献率和增长速度要求为所述累计贡献率大于99.9％且所述增长速度小于0.02％。

在本发明的一个实施例中，在根据所述目标光谱数据和所述印刷品原色油墨数目，在所述线性空间利用有约束条件的非负矩阵分解算法预测印刷品原色油墨光谱的步骤中，所述约束条件包括：基向量和浓度系数的非负约束和浓度系数的加和为1约束。