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。     

天然染料染色羊毛的色域拓展及颜色预测模型

天然染料色谱不全的缺陷限制了其在羊毛上的应用。为丰富天然染料染色羊毛纤维的颜色色谱,选用天然红、黄、蓝三原色染料染色羊毛织物与纤维,然后对羊毛织物的一浴法拼混染色和有色纤维的拼色进行研究,并基于Kubelka-Munk单常数理论和Stearns-Noechel模型分别对一浴法拼混染色织物和拼混有色纤维进行颜色预测。结果表明：使用一浴法拼混染色,染色后的羊毛织物在CIELAB色域空间中分布不均匀,倾向于红(+a^*),色相角(h)分布范围主要集中在0°～24°、324°～360°之间;经有色纤维拼混获得的颜色空间分布更加均匀,更倾向于黄(+b^*),色相角(h)分布范围集中在0°～50°、316°～360°区域;Kubelka-Munk模型和Stearns-Noechel模型可分别用于天然染料一浴法染色羊毛织物和羊毛有色纤维拼色的颜色预测,为进一步提高生产效率、降低配色成本提出新思路。     

改善精梳混色纱布面实物质量的实践

近几年来 ,混色纱生产在我国得到迅猛发展 ,产品远销欧美国际市场 ,因混色纱是由两种或两种以上不同色泽的纤维混纺而成的 ,纱线风格独特 ,成纱颜色可根据混色配比不同或配色棉花的改变而任意变化 ,配色选择余地较大。用它织成的织物布面风格是用普通染整工艺所不能达到的。其布面颜色层次清晰 ,色泽自然 ,可与彩色天然原棉纺制的产品媲美 ,并且色泽更艳丽多彩。为了体现混色纱布面自然、逼真的天然效果 ,一般其织物后整理经水洗或漂洗后不再染色 ,纱线上的外观疵点 (色结、色条、色差 )暴露在布面上 ,深浅颜色相互映衬特别醒目 ,严重影响布…     

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。     

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。     

三通道转杯混色毛针织物Kubelka-Munk理论配色模型

为研究三通道转杯混色毛纱用于针织物时的混色规律,提出了利用有色纯羊毛在三通道转杯毛纺细纱机上生产混色毛色纱。利用三通道转杯毛纺细纱机在线调控纤维比例、混色与成纱同步进行的特点,生产不同比例、不同颜色的混色羊毛纱,并编织针织平纹织物。分别利用相对值法及最小二乘法研究三通道转杯毛纺混色针织物关于Kubelka-Munk(简称K-M)双常数理论的配色模型。结果表明:2种方法预测的样本色差均值均在1左右,比例误差均值在3%以下。最小二乘法对3组分样本的配色效果较好,相对值法对2组分样本的配色结果较好。     

基于单常数Kubelka-Munk理论的棉纤维颜色预测

为解决混色棉纤维颜色预测效果较差、模型预测精度较低的问题,文章通过对Kubelka-Munk理论的分析,确定采用基于单常数Kubelka-Munk理论的配色模型对混色棉纤维进行预测。在明确此配色模型不足之处的基础上,提出了标准化映射的方法对模型进行适用性改进,消除极端K/S值对模型预测效果产生的不利影响,从而改善模型的颜色预测效果。通过试验发现,模型对混色棉纤维颜色预测的适用性有明显改善,改进后的单常数K-M模型对混色棉纤维颜色预测精度有大幅度提高。     

天然染料及其染色(待续)

天然染料的历史可追溯到3000年前,那时人们已开始用天然染料染色,公元前150年,已能把黄、红、蓝三原色天然染料拼混染成各种颜色。19世纪中叶,开创了合成染料新纪元,天然染料逐渐消亡。由于天然染料的绿色环保,30年前重新掀起天然染料新的提取和染色方法的研究。概要介绍一些重要的天然染料及其化学结构以及天然染料古代和现代的染色方法,根据化学结构与染色方法归拼到现代染料分类中去。     

基于Stearns-Noechel模型的纤维光谱配色算法

为了研究有色纤维的配色算法,使用红、黄、蓝3种单色粘胶纤维按一定质量比例混合得到混色纤维,并对混色纤维的颜色进行了测量。通过对Stearns-Noechel模型的分析应用,结合光谱配色算法,对36个混色粘胶纤维的处方进行了匹配,配色结果显示最大色差为1.03 CIELAB单位,最小色差为0.10 CIELAB单位。结果表明此算法可以应用于有色纤维的配色。     

色纺纱配色方法改进初探

色纺纱配色是色纺纱生产过程中的关键步骤。从色纺纱与染色纱颜色形成的对比分析中，探索出了另外一种色纺纱配色方法：固定标准色棉的颜色和数量，根据色纺纱颜色标准，选择合适的标准色棉配出所需色纺纱的颜色。     

空间并置混色色织物颜色预测方法的比较

整理和归纳了现有的关于空间并置混色色织物的颜色预测方法及模型。以经纬异色原液染色丝的交织物为实验对象,采用色卡比色、Digieye数码测色仪测色等方法,首次提出将"图像平均计算颜色预测""旋转混色颜色预测"和"公式模型颜色预测"这三种方法进行平行比较,并分析验证这几种方法的精确度。研究表明,"图像平均计算"和"旋转混色"颜色预测在一定程度上能够预测空间并置混色结果,但精度较低。相比较前两种方法,公式模型颜色预测方法对空间并置混色色织物的颜色预测结果较为准确。     

基于Stearns-Noechel优化模型的交织混色织物配色设计系统

针对目前开发交织混色配色系统的需要,在Stearns-Noechel模型的基础上,通过标准样和单色纱的光谱反射率计算,结合计算机配光谱法中的配反射率法,利用色差宽容度和迭代修正误差的方法,控制配色方案中的匹配样与标准样的色差。系统应用结果表明:该系统能够快速地预测已知交织混色织物的配色设计方案,输出具体的色纱种类、色纱在织物表面的覆盖率等;将计算得到的配色方案与数据库匹配或自定义参数可获得织物经纬密度、经纬纱线线密度、组织图等,当参数设置不同时所需的组织图也不同,这在增加配色方案多样性的同时也提高了自主选择性。     

纤维尺度下数码纱仿真方法

为解决因配色复杂多变,数码纱外观难以直观预测的问题,提出基于纤维单元的模拟方法,用于实现数码纱外观的仿真。依据纤维原料颜色数值,构建纤维级别的纹理模型;根据纺纱工艺参数计算数码纱上的区域色块参数,构建色块排列模型;利用不同组分纤维间渐变规律,同时结合光照模型仿真亮度信息构建颜色渐变模型;采集真实数码纱的直径数据,仿真纱线的直径形态。实验中分别保持颜色和组分不变,模拟出不同组分和颜色的数码纱。结果证明所提出的纱线仿真方法可较快地模拟出数码纱的外观,并且与实际数码纱的外观视觉十分接近,为数码纱的设计开发以及织物仿真奠定了基础。     

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。     

段彩纱在色织物开发中的应用

探讨段彩纱在色织物开发中的应用。介绍了利用等线密度段彩纱设计色织物的原理和方法;以两个分段时间为基础,设计了不同色段长度、配色及素色纱条件下的8种段彩纱织物;当色段长度不相同时,两种织物图案形状与颜色深浅差异较大;采用不同配色时,可以得到图案相同但风格不同的织物;利用不同的素色纱与段彩纱组合,可以突出段彩纱织物的新颖性。认为:通过改变段彩纱的色段长度、配色及素色纱,可以开发出多种风格的段彩纱织物,丰富色织物的品种。     

天然染料及其染色(待续)

关于天然染料的历史,可追溯到三千年之前,那时人们已经开始用天然染料染色。公元前150年,已能把黄、红、蓝三原色天然染料拼混染成各种颜色。十九世纪中叶,开创了合成染料的新纪元,天然染料逐渐消亡。由于天然染料的绿色环保,三十年前重新掀起天然染料的新提取和染色方法的研究。现概要介绍一些重要的天然染料及其化学结构,以及天然染料古代和现代的染色方法;根据化学结构与染色方法归并到现代染料分类中。笔者尽量从各种文献中找到天然染料的分子结构式,目的是便于根据分子结构式正确设定染色方法。     

刊首略语

本期《专论与专辑》专栏共刊登六篇文章，首篇文章是东华大学研究生部车江宁、陈东辉两位学者撰写的论文，《混　色纤维双常数库贝尔卡－芒克理论绝对配色》。在计算机配色中，对于染色织物染色处方的预告，已经有成熟的理论体系　和实用的配色方法。但是，对于混色纤维的配色，由于其色　彩形成的复杂性，不能使用现有的配色方法进行各种有色成分　的预测。单常数厍贝尔卡－芒克理论不能适用于混色纤维的　配色，因而国外近些年集中于双常数厍贝尔卡－芒克理论应用　于混色纤维配色的研究。《混色纤维双常数厍贝尔卡－芒克　理论绝对配色…     

面向全色域转杯纺纱的Kubelka-Munk双常数理论模型构建及颜色预测

为了能在色纺纱的纺纱阶段即时调控纱线颜色,减少混色成本,缩短工艺流程,结合三通道数控转杯纺纱的特点构建了全色域网格化混色模型,该模型可在纺纱过程中进行全色域范围内的色相调控、明度调控和彩度调控。为了解决色纺纱的测配色问题,得到与之相匹配的测配色系统,根据来样快速进行计算机测配色,节约成本,结合传统Kubelka-Munk双常数理论模型的特点,从构建的全色域网格化混色模型中选取混合样来进行颜色预测。从传统Kubelka-Munk双常数理论模型颜色预测的结果发现,部分混合样的预测反射率明显低于实际的反射率,针对这个问题,重新构建了新的Kubelka-Munk双常数理论模型来进行颜色预测得到新的预测反射率,并用插值替换的方法,把传统Kubelka-Munk双常数理论模型预测结果中明显低于实际反射率的部分用新的预测反射率替换,得到最终的混合样预测反射率。结果表明：与传统的Kubelka-Munk双常数理论模型预测混合样颜色结果相比,新的Kubelka-Munk双常数理论模型预测颜色并用插值替换法替换后得到的最终的混合样的颜色,色差平均值从1.48降低到1.04,且所有混合样的色差均能控制在2....     

基于BP神经网络的全色域彩色纱颜色预测模型构建

针对传统测配色理论的局限性，利用神经网络良好的非线性映射能力构建一种全色域彩色纺纱的颜色预测模型。以灰、青、品红、黄作为四基色进行全色域混色模型的构建，并选取该全色域模型中的66个网格点进行纺纱，制备混色纱及织物，利用分光光度计测出66种织物的光谱反射率曲线，建立基于颜色预测混纺比和基于混纺比预测颜色值的神经网络，并根据预测值与实际值之间的色差值和均方误差评估这两种神经网络的准确性。结果表明：基于BP神经网络的颜色预测模型可以实现色纱颜色值与四基色颜色比例之间的非线性映射，测试样本的平均色差在2,后续将使用遗传算法或粒子群优化算法对其进一步优化，提高全色域彩色纱颜色预测模型的准确性。