有色粘胶纤维转杯纱的配色研究

研究有色粘胶纤维转杯纱的配色。基于应用Datacolor SF600型电脑测色配色仪对黄、红、蓝三种有色粘胶纤维在可见光范围内进行光学性能测试分析,纺制了有色粘胶纤维纯纺及混纺转杯纱,分析了纱线加捻、纱线结构、纤维混和比例对色纺转杯纱颜色的影响。结果表明:等比例混纺纱的反射率低于混纺纱中低反射率纤维的反射率值。认为:色纺混纺纱颜色反射率值与可见光波长相关曲线要通过纺纱实践进行验证。     

Stearns-Noechel模型优化及毛条混色配色系统开发

针对缺少理想的混色模型现状和开发计算机混色配色系统的迫切需要,在对经验Stearns-Noechel模型优化和改善的基础上建立了适用于毛条混色应用需要的计算机配色预测数学模型。分析了基于优化的Stearns-Noechel模型实现混色毛条计算机配色的三刺激值配色原理及算法流程,提出在配方预测中修正误差的方法及配色效果的控制方法。依此开发的计算机混色配色系统,经过实际的配色实验检验,显示出快速、准确提供配方的能力,平均预测色差为0.614 CIELab单位,证明开发的配色系统对毛条混色产品的配色是非常有效的。     

基于Stearns-Noechel模型的双通道环锭数码混色纱颜色预测

为研究环锭数码纺制备混色纱的纤维配色规律,梯度配置品红、黄、青三色纤维混纺比,纺制3种纯色纱线及两色混色纱线。在环锭数码纺混色纱的结构特征基础上,利用Stearns-Noechel模型对其混色效应进行了探究和预测,提出并对比分析了基于最小色差法和波长法2种方法优化Stearns-Noechel模型参数。结果表明：Stearns-Noechel模型适用于环锭数码纺制备的混色纱;基于最小色差法得出的样本平均色差为1.80,基于波长法得出的样本平均色差为1.46,均优于经典混色模型;基于波长法的结果优于基于最小色差法,前者优化的模型中所有混色样色差平均值梯度占比均有所提高,优化方式效果显著,更适合环锭数码纺混色纱的颜色预测。     

应用改进Stearns-Noeche模型的色纺纱配色技术

针对传统的人工配色繁复、效率低而现有的计算机配色修色算法不能满足生产实践需求的问题,在MatLab软件中开发出了一套计算机辅助色纺纱配色系统,并对该系统中的配色模块和修色模块进行了改进。在配色模块,采用在［0 1］区间对未知参数Ｍ 值和对单色纤维初始配方赋值迭代的方法,改进了采用M 值平均数的方法以及基于最小二乘法的初始配方求解算法;在修色模块,采用单色纤维调整量中间函数差最小的方法,改进了基于最小二乘法的三刺激值或反射率修色算法。该模型经过1~2 次修色可得到色差小于1 的配色结果,能满足色纺纱生产中多组分、定比例的配色、修色基本要求。     

基于视觉特性的色纺纱全光谱配色算法优化

为提高色纺纱计算机配色算法的精准性及适用性,针对目前配色算法难以同时保证理论计算的色差值及配比相对偏差同时最小的问题,以全光谱配色算法为基础,结合经典Stearns-Noechel光学理论模型,探索人眼视觉特性以确定视觉特性对不同波长下反射光的敏感系数,并将其引入配色算法中进行加权计算,预测单色纤维混合配比,同时,综合预测色差值、配比相对偏差值及欧式距离等对配色效果进行评价。结果表明,引入泊松分布赋值人眼敏感系数的配色算法结果最优,平均预测色差值为0.29,且均在1以内,平均配比相对偏差值为0.612,最小,欧式距离均值为0.087,相对较小;改进之后的配色算法通过一次计算即可实现预测色差值最小,且预测配比精准,针对色纺纱可初步实现计算机精准配色。     

基于Friele模型的彩色纤维混色配方算法

为提高色纺纱配色算法在实际应用中的准确性及实用性,首先采用Datacolor SF600测试粘胶原液染色散纤维单色纱和混色纱的颜色值;然后基于Friele模型参数,采用对未知参数进行[0 1]区间赋值迭代取最优值的方法,与需要通过大量实验计算出一个最优固定参数值的方法对比,用这2种不同方法预测其拟合配方与拟合反射率,并根据CMC(l:c)色差公式计算其与标准样的色差。对比得出,当模型参数固定时,平均拟合色差为1.23,而优化后参数不固定时,平均拟合色差为0.399,进而建立了本文实验条件下的混色纱线反射率的预测模型。选取14种不同比例的三色混纺纱进行纺纱验证,其色差较小,经过1-2次修正即可得到色差小于1的配色结果。     

基于Stearns-Noechel模型的混色毛条颜色预测

 由于有色纤维混纺后难以准确预测目标色的颜色构成,其颜色预测一直是生产中有待解决的难题,为此,在Stearns-Noechel模型基础上探讨有色毛条混色的颜色匹配公式。通过统计分析改进公式中的M常数,提出新的预测公式,并与原公式进行对比。结果表明:改进后的公式在线性关系和匹配精度上都有了不同程度的提高,尤其是针对波长修正的M值所建立的新模型,在匹配90个样品时,色差小于3.0的个数占91.11%,平均色差降低为1.679 CIELAB单位,表明该模型适用于混色毛条的颜色预测。     

Stearns-Noechel模型在天然彩色棉混色中的应用

为提高天然彩色棉混色织物的设计效率,采用Datacolor SF600+测试不同比例混合的天然彩色棉散纤维团、混纺纱及其交织物的颜色值;基于Stearns-Noechel模型对混合散纤维团,混纺纱和交织色块进行配色预测,并用CIEDE2000色差公式计算其与实测颜色的色差,从而优化混合纤维团、混纺纱及交织物色块的S-N模型参数,其中参数M的优化值分别为0.096,0.128和0.01,对应色差分别为1.72,3.40和4.90CIELab单位,从而建立本实验条件下的纤维、纱线、织物间反射率的预测模型。     

环锭数码纱Kubelka-Munk双常数配色模型构建及其色彩预测

为构建适用于环锭数码纺混色纱的配色模型,以环锭数码纺纱机为平台,选用品红、黄色、青色、黑色、白色5种颜色的粗纱为原料,以10%为混纺梯度进行混色纺纱,并用小圆机织成针织物,进一步对织物进行测色。依据Kubelka-Munk双常数理论,用相对值法求解参数吸收系数和散射系数,并进行模型构建,结合全色谱算法和最小二乘法进行配色算法构建,实现对环锭数码纺混色纱的颜色预测与配方预测。用品红、黄色、青色3色粗纱按不同配比制备36种混色样进行预测效果分析。结果表明色差均值为1.74,平均比例误差为7.38%,色差分布小于2的占比达到72.22%,证明该模型对环锭数码纺纱系统具有适用性。     

基于光谱反射率的色纺纱计算机修色算法

为提高色纺企业配色打样效率和配色效果,以Friele光学模型为基础,结合全光谱匹配配色算法,以某色纺企业的实际生产为例探讨色纺纱的计算机修色算法。首先随机确定21个混色标准样,分别从现有的80种单色棉纤维中选择2~4种计算拟合配比并打样,测得21组样纱的实际色差均值为2.36。将拟合配比进行赋值循环以计算标准样与仿样的反射率偏差最小时的配比调整量,用以修正拟合配比,并再次打样验证。结果表明:拟合配比第1次修正后实际色差均值为1.215,其中最小色差为0.59;经第2次配比修正后,实际仿样与标准样的色差均值减小到0.67,且每组色差均小于1,即所设计的修色算法精确度较高,且适用于企业实际生产。     

含荧光增白剂织物的三波段法配色

由于荧光增白剂的特殊光学性能,使得含有荧光增白剂的织物配色困难。通过分析荧光增白剂的反射率曲线,应用发射区荧光染料的反射率计算公式,研究了荧光增白剂的配色方法,提出了荧光增白剂计算机配色的三波段法———即对荧光增白剂的配色分发射区、激发区和无影响区分别进行。通过20个拼色试样的染色实验和计算,证明本方法适用于荧光增白剂的配色,且方法简便。最大色差为3.94。     

基于粒子滤波的织物染色配方预测算法

针对不同批次染料的力份差异、染料间的相互作用（水解、缔合）等原因导致计算机配色系统初次仿样结果不准确,需要多次人工调方才能达到客户要求的问题,按照正交设计的多组配方打样,将所得的染样作为标样,利用CCMS（计算机配色系统）预测各标样所对应的初始配方,分析了CCMS预测配方与实际配方之间的误差,建立了二者之间的非线性模型。在该模型的基础上,根据CCMS预测配方和粒子滤波来估计实际配方,得到PF算法预测配方。实验证明,非线性模型是正确的;此外,相对于CCMS预测配方与标样之间的色差（CIELAB）,PF算法预测配方的染色结果与标样之间的色差能缩小50%以上。因此,模型是准确的,利用PF算法来预测实际配方的方法切实可行。     

基于共轭梯度法的纱线染色配方预测优化算法

为提高纱线染色配方预测的准确性和稳定性,在Kubelka-Munk理论基础上,结合CIE 1976 L* a* b* 均匀颜色空间及CIELAB色差公式,提出了以共轭梯度法为基础的染色配方预测优化方法,详细推导出共轭梯度法带约束的配方预测目标函数。利用自开发的测配色软件和美能达CM2600D分光测色仪,选用D65光源,做了大量的单纺纱线测配色实验。实验结果表明,该染料配方预测优化算法计算的配色结果与标准色接近,色差小,与染料配方初值无关,稳定、可靠、收敛性强、重复度高。     

The application of computer color matching techniques to the matching of target colors in a food substrate: a first step in the development of foods with customized appearance

A predictive color matching model based on the colorimetric technique was developed and used to calculate the concentrations of primary food dyes needed in a model food substrate to match a set of standard tile colors. This research is the first stage in the development of novel three-dimensional (3D) foods in which color images or designs can be rapidly reproduced in 3D form. Absorption coefficients were derived for each dye, from a concentration series in the model substrate, a microwave-baked cake. When used in a linear, additive blending model these coefficients were able to predict cake color from selected dye blends to within 3 ΔE*(ab,10) color difference units, or within the limit of a visually acceptable match. Absorption coefficients were converted to pseudo X(10), Y(10), and Z(10) tri-stimulus values (X(10)(P), Y(10)(P), Z(10)(P)) for colorimetric matching. The Allen algorithm was used to calculate dye concentrations to match the X(10)(P), Y(10)(P), and Z(10)(P) values of each tile color. Several recipes for each color were computed with the tile specular component included or excluded, and tested in the cake. Some tile colors proved out-of-gamut, limited by legal dye concentrations; these were scaled to within legal range. Actual differences suggest reasonable visual matches could be achieved for within-gamut tile colors. The Allen algorithm, with appropriate adjustments of concentration outputs, could provide a sufficiently rapid and accurate calculation tool for 3D color food printing. PRACTICAL APPLICATION: The predictive color matching approach shows potential for use in a novel embodiment of 3D food printing in which a color image or design could be rendered within a food matrix through the selective blending of primary dyes to reproduce each color element. The on-demand nature of this food application requires rapid color outputs which could be provided by the color matching technique, currently used in nonfood industries, rather than by empirical food industry methods.     

环境光照对显示器呈色的影响研究（1）：显示器的特性化

显示器屏幕作为图像和颜色显示器件,得到了广泛应用。建立颜色控制值RGB与对应呈现的颜色色度值间的特性化关系是控制屏幕准确呈色的技术手段和关键,但ICC标准的色彩管理体系中,并没有构建显示器的实际呈色关系。试验基于ICC色彩管理技术,将显示器视为RGB输出设备,并将其实际光色的色度三刺激值CIEXYZ匹配为自身白场下的CIELAB值,建立其与RGB控制值之间的关系,形成显示器自身和环境光照条件下实际呈色的规律。一台普通液晶显示器在3个不同光照环境中的试验结果表明,无论是描述其自身光色,还是不同环境光照下的呈色,色域内RGB到实际呈色预测的ΔE*ab色差平均在1以下,最大也不超过2;期望的呈色与受控下实际呈色的ΔE*ab色差则平均小于1.8,最大小于6。     

基于模拟退火算法改进遗传算法的织物智能配色

为提高传统配色方法及现有配色算法的配色精度、效率及泛化能力,构建了基于BP神经网络的遗传算法和模拟退火算法相结合的织物智能配色模型,利用BP神经网络预测颜色,将训练好的BP神经网络与CIEDE2000色差公式结合作为遗传算法的适应度函数,用模拟退火算法改进的基于BP神经网络的遗传算法预测颜色配方,并根据预测的配方对涤纶织物进行染色实验,计算实验色差。结果表明:模拟退火算法优化的基于BP神经网络的遗传算法配色模型只需经过80次迭代即可收敛,预测颜色的理论色差均值为0.165,染色实验色差均值为0.289,配方绝对误差平均值为0.010 7;验证样本的理论色差均值为0.240,染色实验色差均值为0.437。该算法可实现织物的智能配色。     

基于颜色空间与聚类分析相结合的袜带辨色分级方法

针对丝卷检测中锦纶长丝染色均匀度测定的问题。采用CCD摄像头提取袜套样本图像,提出了应用商图像归一化的方法对袜套图像进行光源空间均匀性校正;应用多项式回归模型对摄像头提取的袜套样本图像进行色度特征化处理,得到的平均和最大色差分别为0.439和1.328 CIELAB色差单位;通过HSV颜色空间的色度百分率直方图,得到待检测袜套的颜色特征值,再由经验方程将其转化为聚类分析的输入矢量,最后应用聚类的方法对全体袜套的特征进行分析,得到袜带的染色分级区间及各段袜套的染色评级。结果表明,取得聚类过程中的参数最大迭代次数为100,终止误差限为1×10-5,模糊加权指数为2,得到聚类中心个数分别取2、3、4、5时的分类结果与人眼视觉比较,误差在0.125%以内,该误差远低于生产技术指标的允许误差,可用于对袜套颜色指标的检测和分级。