প্রদর্শনী

স্থানীয় পলিনোমিয়াল পদ্ধতির উপর ভিত্তি করে RGB এ সিআইএলএল রঙ স্পেস রূপান্তর অ্যালগরিদম উপর গবেষণা

Oct 25, 2018 একটি বার্তা রেখে যান

স্থানীয় পলিনোমিয়াল পদ্ধতির উপর ভিত্তি করে RGB এ সিআইএলএল রঙ স্পেস রূপান্তর অ্যালগরিদম উপর গবেষণা

আমরা Shenzhen Sheng একটি বড় মুদ্রণ সংস্থা। আমরা সমস্ত বই প্রকাশনা, হার্ডকোভার বুক মুদ্রণ, কাগজপত্র বই মুদ্রণ, হার্ডকোভার নোটবুক, স্প্রিয়াল বুক প্রিন্টিং, স্যাডেল স্টিচিং বুক প্রিন্টিং, বুকলেট মুদ্রণ, প্যাকেজিং বক্স, ক্যালেন্ডার, সব ধরণের পিভিসি, পণ্য ব্রোশিওর, নোট, শিশু বই, স্টিকার, সমস্ত অফার করি বিশেষ কাগজ রঙ মুদ্রণ পণ্য, খেলা কার্ড এবং তাই ধরনের।

আরো তথ্যের জন্য অনুগ্রহ করে পরিদর্শন করুন

http://www.joyful-printing.com। শুধুমাত্র ইএনজি

http://www.joyful-printing.net

http://www.joyful-printing.org

ইমেইল: info@joyful-printing.net


রঙের প্রজনন এবং প্রজনন বিভিন্ন হার্ডওয়্যার ডিভাইস যেমন মনিটর, প্রিন্টার ইত্যাদির উপর নির্ভর করে তবে এই হার্ডওয়্যার ডিভাইসগুলির বৈশিষ্ট্যগুলি একরকম হতে পারে না, যাতে একই ধরনের ডিভাইসের জন্য একই রংয়ের মান (যেমন RGB, সিএমওয়াইকে) ইনপুট, এটির প্রদর্শন বা মুদ্রণের প্রভাব একে অপরের থেকে এমনকি অসঙ্গতিপূর্ণ। বিভিন্ন হার্ডওয়্যার ডিভাইসগুলিতে রঙ প্রজনন সামঞ্জস্য অর্জন করার জন্য, ডিভাইস-স্বাধীন স্থান ভিত্তিক রঙ ব্যবস্থাপনা কৌশল আবির্ভূত হয়েছে। চিত্র 1 হিসাবে দেখানো হয়েছে, ডিভাইস-সম্পর্কিত স্থান (যেমন RGB, CMY) ডিভাইস-স্বাধীন স্থান (যেমন CIELab) রূপে রূপান্তরিত হয় এবং ডিভাইস-স্বাধীন স্থানটি ডিভাইস সম্পর্কিত স্থান রূপে রূপান্তরিত হয়। অতএব, রঙ ব্যবস্থাপনা প্রযুক্তি মূল উপাদান রঙ স্থানান্তর রূপান্তর। প্রচলিত গাণিতিক পদ্ধতি যেমন ইন্টারপোলেশন এবং বহুবর্ষজনিত প্রতিক্রিয়া অনুশীলনে ব্যাপকভাবে ব্যবহৃত হয়েছে এবং ভাল ফলাফল অর্জন করেছে। এই কাগজে, উপরের দুটি পদ্ধতির থেকে পৃথক একটি স্থানীয় বহুবচন পদ্ধতিটি RGB থেকে CIELAB রঙের স্থান থেকে রূপান্তর এবং পলিনোমিয়াল রিগ্রেশন পদ্ধতি (20 টি আইটেম) এর সাথে তুলনা করার জন্য ব্যবহার করা হয়। পরীক্ষামূলক ফলাফল দেখায় যে মডেলটির উচ্চ রূপান্তর নির্ভুলতা রয়েছে এবং বৈজ্ঞানিক গবেষণার জন্য রেফারেন্স সরবরাহ করতে পারে।


প্রথম, স্থানীয় বহুবর্ষীয় আরজিবি ভিত্তিক CIELAB রঙের স্থান রূপান্তর অ্যালগরিদম উপর ভিত্তি করে


1. আলগোরিদিম নীতি

চিত্র 2 এর সাবগ্রাফ (ক) তে, RGB স্পেসে 512 টি পয়েন্ট রয়েছে, যা সুবিশালভাবে একটি বৃহৎ ঘনক্ষেত্রে সাজানো হয়। যাইহোক, ফটো পয়েন্ট সফ্টওয়্যারে এই সিআইএলএব মানগুলি যদি প্রাপ্ত হয় এবং সিআইএলএব স্পেসে প্রদর্শিত হয় তবে চিত্র 2 এর সাব-ছবি (বি) এ দেখানো হয়েছে, পয়েন্টগুলির বন্টন একটি বড় ঘন নয় তবে একটি অনিয়মিত আকৃতি। । অতএব, আরজিবি এবং সিআইএলএবি স্পেসের মধ্যে একটি নৈরাজ্যবাদী সম্পর্ক রয়েছে।

(ক) আরজিবি স্পেস (খ) সিআইএলএবি স্পেস


দুইয়ের মধ্যে অলাইনার সম্পর্কের আনুমানিক হিসাব করার জন্য, এই কাগজের স্থানীয় বহুবচন পদ্ধতি ব্যবহার করে। এটি সোর্স স্পেসটি ভাগ করে, যা বহু রঙের স্পেসে বড় রঙের স্থান ভাগ করে এবং তারপর সাব-রঙের স্থানগুলিতে রঙ স্থান রূপান্তরে বহুবচন প্রতিক্রিয়া সম্পাদন করে। ঐতিহ্যগত পলিনোমিয়াল রিগ্রেশন পদ্ধতিটি সরাসরি বড় রঙের স্থানটিতে রূপান্তর করা, যা স্থানটির কিছু অংশে বড় ত্রুটি সৃষ্টি করবে, কারণ কিছু অঞ্চলের অলৈখিক সম্পর্ক এতটাই স্পষ্ট যে এটি একটি বিশ্বব্যাপী পদ্ধতির সাথে আনুমানিক হওয়া কঠিন। অতএব, যদি সোর্স রঙের স্থানটি প্রথমে বিভক্ত হয় তবে মহাশূন্য রূপান্তর পদ্ধতিটি উপসাগরীয় অঞ্চলে ব্যবহার করা হয়, যা দুটি রঙের স্পেসগুলির মধ্যে অ-লাইনীয় সম্পর্কের আনুমানিক অনুমান করতে পারে এবং রূপান্তর নির্ভুলতা উন্নত করতে পারে।


স্থানীয় বহুবচন পদ্ধতি দুটি ধাপে বিভক্ত করা যেতে পারে: প্রথমত, উৎস রঙের স্থানটিকে বিভাগ করা দরকার, মডেলিং পয়েন্টগুলি প্রাপ্ত হয় এবং একটি সন্ধান টেবিল স্থাপিত হয়। যদি সেগমেন্টেশনের স্তর উচ্চতর হয়, বিভক্ত উপসাগরের ভলিউমটি ছোট, রূপান্তর নির্ভুলতার উচ্চতর, তবে একই সাথে গণনা পরিমাণ বৃদ্ধি পায়। দ্বিতীয়ত, বহুবচন পুনরাবৃত্তি পদ্ধতিটি স্পেসিয়াল ট্রান্সফর্মেশনটি উপলব্ধ করতে উপসাগরে ব্যবহৃত হয়। প্রথমত, উপপরিচালক সমীকরণগুলি সাবস্পেস গ্রিড পয়েন্টগুলির (RGB, CIELAB) রঙের মানগুলি ব্যবহার করে সমাধান করা হয় এবং তারপরে লক্ষ্য স্থানগুলিতে রূপান্তরিত বিন্দুগুলির রঙের মানগুলি প্রাপ্ত সমষ্টিগতদের দ্বারা প্রাপ্ত হয়।


2. বাস্তবায়ন পদক্ষেপ

2.1 একটি সন্ধান টেবিল তৈরি করুন

প্রথমত, এই কাগজটি 512 মডেলিং পয়েন্ট (এন-লেভেল বিভাজন, এন 3 মডেলিং পয়েন্ট) পেতে যথাক্রমে RGB স্পেসের 8 টি স্তরের অভিন্ন বিভাজন সঞ্চালন করে, যা যথাক্রমে যথাক্রমে R, G, B চ্যানেলগুলিতে স্থানান্তরিত হয়। স্থান 36, এবং নমুনা পয়েন্ট 0, 36, 72, 108, 144, 180, 216, 255, যথাক্রমে, চিত্র 3 এর উপ-চিত্র (ক) তে দেখানো হয়েছে। দ্বিতীয়ত, ত্রুটিটি আরও ভালভাবে যাচাই করার জন্য মডেলের, অন্যান্য ত্রুটির ঘটনার অবসান করা আবশ্যক, যেমন পরীক্ষামূলক ডেটা পরিমাপের ত্রুটি। অতএব, এই নিবন্ধটি পরীক্ষামূলক তথ্য পড়ার জন্য পরিমাপ যন্ত্র ব্যবহার করে না, তবে সরাসরি ফটোশপ ফটোশপ প্যানেলে 512 মডেলিং পয়েন্ট এবং সংশ্লিষ্ট সিআইএলএল মানগুলির RGB মানগুলি সরাসরি পায়।


(ক) আরজিবি স্পেসের 8-স্তর ইউনিফর্ম বিভাগ (খ) সাবসপেসের 8 গ্রিড পয়েন্ট

চিত্র 3 8-স্তর ইউনিফর্ম ডিভিশন আরজিবি স্পেস এবং এর সাবস্পেসের 8 গ্রিড পয়েন্ট


2.2 সাবস্পেস খুঁজছেন

যেহেতু উত্স স্থানটি 8 স্তরের মধ্যে ভাগ করা হয়েছে, 343 টি সাবস্পেসগুলি গঠিত হয় (এন-লেভেল বিভাগ, সেখানে রয়েছে (এন-1) 3 সাবসপেসেস), যেমন FIG এর সাবগ্রাফ (এ) তে দেখানো হয়েছে। রূপান্তরিত করার জন্য একটি রঙিন বিন্দুতে, যদি বিন্দু একটি মডেলিং পয়েন্ট হয় তবে সংশ্লিষ্ট সিআইএলএইব মানটি সন্ধান টেবিলে সরাসরি আউটপুট। এটি একটি অ-মডেলিং বিন্দু, যদি চিত্রটি সাব-ছবি (বি) এ দেখানো হয় এমন RGB ত্রিমাত্রিক স্থানটিতে বিন্দু অবস্থিত হয় এমন উপ-স্পেসটি খুঁজে পেতে তার RGB মানটি ব্যবহার করুন, এবং তারপরে RGB এর নিষ্কাশন করুন সাবস্পেসের 8 গ্রিড পয়েন্ট। এবং সিআইএলএএল মান, বহুবচন পুনরাবৃত্তি করতে প্রস্তুত, বহুবচন coefficients সমাধান।


উদাহরণস্বরূপ, একটি RGB মান (33, 144, 200) রূপান্তরিত করার জন্য (পয়েন্টটি একটি অ-মডেলিং পয়েন্ট), উপ-স্পেসে 8 গ্রিড পয়েন্টের RGB মানগুলি হল (0, 108, 180)। 0,108,216) (0,144,180), (0,144,216), (36,108,180), (36,108,216), (36,144,216)। যেহেতু এই গ্রিড পয়েন্ট মডেলিং পয়েন্ট, তাই সংশ্লিষ্ট সিআইএলএব মানগুলি সন্ধানের টেবিলে পাওয়া যেতে পারে। টেবিলটি সন্ধান করে এই গ্রিড পয়েন্টগুলির RGB এবং CIELAB মানগুলি নির্ধারণ করার পরে, আপনি এই সাবসপেসের সাথে সংশ্লিষ্ট বহুবচনীয় কোঅফেসিয়েন্টগুলি সমাধানের জন্য পরবর্তী পদক্ষেপের জন্য প্রস্তুত করতে পারেন এবং প্রতিটি সাবসপেসে একটি অনন্য অনুরূপ বহুবর্গীয় গুণক রয়েছে।


2.3 সাবসপেসের বহুবচন সহস্রাব্দ খুঁজুন

বহুবচন প্রতিক্রিয়া প্রয়োজন যে সংখ্যা সংখ্যা মডেলিং পয়েন্ট সংখ্যা কম হওয়া উচিত। সাবস্পেসের কোঅফেসিয়েন্টগুলি সমাধান করার সময়, উপ-স্পেসের শুধুমাত্র 8 গ্রীড পয়েন্টগুলি মডেলিং পয়েন্ট হিসাবে ব্যবহৃত হয়, সমীকরণগুলিতে (1), (2), এবং (3) হিসাবে দেখানো হয় কেবলমাত্র 7 পলিনোমিয়ালগুলি ব্যবহার করা যেতে পারে।


যেখানে: আর, জি, বি, এল, এ, বি হল আর, জি, বি, এল, এ, বি উপসাগরীয় গ্রিড পয়েন্টগুলির মান; যথাক্রমে, এবং পলিনোমিয়ালগুলি এল, এ, বি মানের সাথে যথাক্রমে সমান্তরাল।


উদাহরণস্বরূপ, সমাধান প্রক্রিয়ার মধ্যে, সাবস্পেসের প্রথম থেকে অষ্টম গ্রিড বিন্দুগুলির RGB এবং L মান সমীকরণ (1) এ প্রতিস্থাপন করা উচিত এবং আট সমীকরণগুলি গ্রহণ করা যেতে পারে, যা গসিয়ান নির্মূলকরণ দ্বারা প্রাপ্ত হয়। একইভাবে, আটটি গ্রিড বিন্দুগুলির একটি RGB, একটি মান, RGB, এবং b মান যথাক্রমে সমীকরণ (2) এবং (3) এ প্রতিস্থাপিত হয় এবং যোগফলটি অর্জন করা যেতে পারে। উদাহরণস্বরূপ, একটি RGB মান (33, 44, 200) এর সাথে একটি রঙিন বিন্দুটির জন্য, উপসাগরীয় অবস্থানে সংশ্লিষ্ট পলিনোমিয়াল কোষটি সমীকরণ (4), (5), এবং (6) হিসাবে দেখানো হয়।


2.4 সিআইএলএল মান চাইছে

পরে এবং তারপর, রঙ পয়েন্টগুলির RGB মানগুলি সমীকরণ (1), (2), এবং (3) এ প্রতিস্থাপিত হয় এবং বিন্দুটির CIELab মানটি সমাধান করা হয়। উদাহরণস্বরূপ, আরজিবি মান এছাড়াও রঙের বিন্দু (33, 44, 200), এবং R = 33, G = 44, এবং B = 200 ক্রমিকভাবে সমীকরণ (4), সমীকরণ (5), এবং সমীকরণে প্রতিস্থাপিত হয় (6) কোয়েরিটি কোথায় পরিচিত। , আপনি RGB থেকে CIELab স্থান রূপান্তর অর্জন করতে যথাক্রমে L = 56, A = -15, B = -38 খুঁজে পেতে পারেন।


দ্বিতীয়ত, পরীক্ষামূলক ফলাফল এবং বিশ্লেষণ


1. সঠিকতা পরীক্ষা

এই কাগজে, আরজিবি রঙের স্থানটি ২6 টি টেস্ট পয়েন্ট অর্জনের জন্য ছয় স্তরে বিভক্ত। ফটোশপের এ আরজিবি মানগুলির মূল্য এবং সংশ্লিষ্ট সিআইএলএব মানগুলিও প্রাপ্ত হয় এবং তারপরে মডেলটির সঠিকতা যাচাই করতে ডেটা ব্যবহার করা হয়।


2. ফলাফল বিশ্লেষণ

মডেলের নির্ভুলতা যাচাই করার পদ্ধতিতে, এই কাগজটি তুলনা করার জন্য বহুবচন রিগ্রেশন পদ্ধতি (20 টি আইটেম) ব্যবহার করে। পরীক্ষামূলক ফলাফলগুলি টেবিলে 1 দেখানো হয়েছে। স্পষ্টতই, সর্বাধিক রঙের পার্থক্য, সর্বনিম্ন ত্রুটি এবং রূপান্তরের গড় ত্রুটি নির্বিশেষে স্থানীয় বহুবচন পদ্ধতিটি বহুবর্ষীয় প্রতিক্রিয়া পদ্ধতি (২0 টি আইটেম) এর চেয়ে অনেক ভাল।

টেবিল 1 দুটি পদ্ধতির পরীক্ষামূলক ফলাফল তুলনা


উপরন্তু, দুটি পদ্ধতির ত্রুটির বিতরণ চিত্র 4 এবং চিত্র 5 এ দেখানো হয়েছে। 216 পরীক্ষার পয়েন্টগুলির জন্য, স্থানীয় বহুবচন পদ্ধতি ব্যবহার করা হয়। 0 এবং 1 এর মধ্যে ত্রুটি সংখ্যা প্রায় 150%, যা প্রায় 70%, এবং অধিকাংশ ত্রুটি 0 এবং ২ এর মধ্যে থাকে। যদি বহুবচন প্রতিক্রিয়া ব্যবহৃত হয় (২0 টি আইটেম) ত্রুটিটি প্রধানত 1 এবং 5 এর মধ্যে বিতরণ করা হয় এবং ছোট সংখ্যক পয়েন্ট 7 এবং 9 এর মাঝে বিতরণ করা হয় এবং বিতরণটি আদর্শ নয়। অতএব, স্থানীয় বহুবচন পদ্ধতি উচ্চ রূপান্তর নির্ভুলতা সঙ্গে একটি পদ্ধতি।


তৃতীয়, উপসংহার


এই কাগজে, RGB থেকে CIELAB রঙের স্থান রূপান্তরটি স্থানীয় বহুবচন পদ্ধতি দ্বারা প্রয়োগ করা হয়, এবং বহুবচন প্রতিক্রিয়া পদ্ধতি (20 টি আইটেম) এর সাথে তুলনা করা হয়। পরীক্ষামূলক ফলাফল দেখায় যে স্থানীয় বহুবচন পদ্ধতিটি একটি অত্যন্ত সঠিক রূপান্তর পদ্ধতি এবং বহুবর্ষজনিত প্রতিক্রিয়া পদ্ধতি (20 টি আইটেম) এর চেয়েও শ্রেষ্ঠ। একই সাথে, যদি রূপান্তর নির্ভুলতা আরও উন্নত হয় এবং ত্রুটির বিতরণ উন্নততর হয় তবে মডেলিং ডেটা 8 বা তার বেশি বা অ-ইউনিফর্ম বিভক্ত করা যেতে পারে, অথবা একটি অলাইনার ফাংশন বহুবচনে আরও ভালভাবে আনয়ন করা যেতে পারে। দুই রং। স্পেস মধ্যে একটি nonlinear সম্পর্ক।

অনুসন্ধান পাঠান