面向家紡產品云定制的數碼噴印彩色管理技術

金小團　陳剛　陳純

摘要：認為家紡產品云定制的核心技術難點是對產品的圖案色彩進行管理，減小甚至消除由于顯示器和數碼噴印機成色原理不同導致的色差問題。從色彩一致性建模入手，提出了面向設備和面料無關的顏色一致性度量學習算法、可伸縮的顏色一致性度量學習算法、感知驅動的面料顏色增強等面向家紡產品云定制的顏色管理關鍵技術。此外，還介紹了一款寬幅自動色彩掃描裝置，可用來采集產品的顏色信息，即色彩管理算法的基礎數據。

關鍵詞： 家紡產品大規模定制；數碼噴印；顏色管理；大數據驅動

Abstract： The core technological difficulty of cloud-based customization is the color management of products. It can reduce the risk of color differences due to the different coloring mechanisms of the display device， printing equipment and fabric material. We propose the device-independent and fabric-independent color consistency metric learning algorithm， scalable color consistency measure learning algorithm， perception-driven fabrics color enhancement and other key technologies of color management used for the cloud-based customization of home textile products. In addition， a wide-format color scanning device is designed to collect the products color information， which is the basic data for color management algorithm.

Key words： massive household textile customization； digital textile printing； color management； big-data driven

紡織工業是中國國民經濟的民生產業。隨著社會的進步和生活水平的提高，人們對于紡織品的消費理念已經發生了重大變化，正呈現出個性化、時尚化與整體化的發展趨勢，以往大批量生產提供的標準化產品已經不能滿足消費者的需求。企業也由此面臨著提高產品創新設計能力、縮短交貨期和改善服務的壓力，必須對不斷變化的市場做出快速反應。

但目前傳統紡織業尚不能很好適應這一挑戰，存在著諸多問題亟待解決。傳統紡織印染行業采用“分色→制版→調漿調色→打樣→批量生產”的工藝流程，只能支持“大批量、少品類、慢變化”的制造模式，無法實現“多品類、小批量乃至單批量”，不能適應紡織行業“個性化、時尚化與整體化”的發展趨勢。另一方面，受限于可生產的產品種類，大量設計方案浪費，大批設計師聰明才智不能得到充分發揮，中國紡織行業目前尚處于附加值低、薄利多銷的初級階段，這制約著紡織行業從中國制造走向中國創造。

基于四色印刷（CMYK）四基色混色的紡織品數碼噴印技術的出現，對紡織印染業的生產工藝產生了顛覆式的變革，也為家紡產品云定制提供了可能。

在這一新型工藝的支持下，針對目前家紡行業提出的重大需求，以互聯網為平臺，以家紡產品個性化定制與虛擬真實感展示為亮點，以智能化專家設計系統為支撐，以數字化生產工藝為核心，以新型行業標準體系為基礎，構建家紡產品云定制平臺，可逐步形成全新的家紡領域產業生態系統，改變當前家紡產業低附加值、薄利多銷、高能耗、高排放的格局，實現整個家紡行業的技術與商業模式的革命。

1 顏色管理在家紡產品云定

制技術體系中的重要作用

在個性化紡織品云定制的設計生產流程中，產品設計師設計出海量的花型方案，最終用戶通過互聯網平臺在現有設計方案的基礎上對花型、色彩等進行定制，形成個性化的產品設計稿并進行在線支付，生產廠家在平臺上接收用戶訂單，安排后續噴印生產，并將產品寄送給用戶。

在如上所述的紡織品云定制流程中，要實現“所見即所得”的個性化定制，最為核心的技術難點就是要解決設計師、最終用戶、生產廠家的多種顯示器、數碼噴印機之間的色差問題。這一問題的成因主要有以下3個方面。

（1）三原色（RGB）色彩空間和CMYK色彩空間的色彩表達能力不同。設計師和最終用戶使用的色彩輸出設備是顯示器，采用RGB色彩模式，而生產廠家使用的色彩輸出設備是數碼噴印機，采用CMYK色彩模式。這兩種色彩模式的顏色空間不存在一一對應的關系，且CMYK色彩空間小于RGB色彩空間，需要在產品設計時在RGB色彩空間中模擬CMYK顏色。

（2）不同品牌、型號的顯示器之間色彩表現力也不盡相同，甚至同一臺顯示器由于亮度、對比度參數設置的不同也會導致人眼看到的色彩有所差異。傳統方法需要用校色儀等專業設備對顯示器進行校準，設備成本高，操作復雜，無法在大量最終用戶中推廣應用。

（3）數碼噴印生產時不同批次的墨水會對產品色彩產生影響，需要通過打樣等工序進行顏色校準。在傳統的大批量生產模式中，打樣產生的成本可以在批量生產中攤薄，對于小批量、單批量的個性化云定制紡織品，反復打樣將造成生產成本的激增。必須通過對數碼噴印色彩進行建模和補償，實現準確的顏色管理，才能有效的控制打樣成本。

綜合上述3個因素，通過技術手段縮小或消除不同輸出設備之間的色彩差異，是保證紡織品云定制產品質量，提高產品附加值，使個性化紡織品云定制真正落地實現的基礎性、關鍵性核心技術問題。

2 面向家紡產品云定制的

顏色管理關鍵技術

面向家紡產品云定制的顏色管理主要包括色彩一致性、顏色一致性度量學習、感知驅動的顏色增強、主題色提取等關鍵技術。在這些技術領域，前人已經開展了一些基礎性的研究工作，如：在色彩一致性方面，國際照明委員會（CIE）提出了CIE DE94、CIE DE2000[1]等色差公式，另外文獻[2]提出了視覺感知保真度顏色誤差測量準則S-CIELAB；在顏色一致性度量學習方面，目前已經有物理轉換模型[3-4]、數值量化轉換模型[5-7]、3D LUT法[8]等3類模型；在感知驅動的色彩增強方面，現有方法一般將視覺感知特征應用于圖像增強處理中，很少應用于紡織品印染的顏色增強；在主題色提取方面，也已經出現了基于聚類[9-10]、顏色直方圖[11]、人眼視覺模擬[12]等技術的方法。

這些現有技術由于其提出的背景均不是家紡產品云定制，直接應用在紡織品顏色管理中往往效果不佳，或需要大量的人工干預操作，無法滿足大規模云定制的色彩管理需求。為此，本文提出了一套面向家紡產品云定制的顏色管理技術。

2.1 色彩一致性模型構建

現有的色差公式和色彩一致性評估模型主要針對于通用色彩一致性情況，對紡織品印染的顏色管理并不完全適用。新的顏色一致性評估模型需要能夠貼近模擬人眼的主觀感受，通過對色調、飽和度、亮度的視覺先驗學習，構造與人類視覺最匹配的色彩一致性評估模型。為此，作者提出了先進行主題色提取，再進行色彩一致性評估的技術思路。

在主題色提取方面，作者提出的算法將圖片按照顏色、邊緣屬性進行精細化分割[13]。在精細劃分獲得顏色的多個類基礎上，根據人的視覺特性與圖像中顏色的空間分布來定義并構造圖模型，并以能量方程描述，包含顏色空間一致性、圖像結構信息、圖像通道感知優先度等人類視覺特性和其他顏色的相關性信息，以及顏色節點本身信息。通過最小化能量函數，獲得需要提取的主題色。

針對紡織品顏色一致性的評估，現有的色差公式CIE2000有相對較小的色差，但和人類視覺觀察結果仍存在明顯差異。為了求取出的色差與人眼觀察結果相近，擬在計算色差前加入可以去除圖像中人眼視覺察覺不到信息的空間預處理函數（CSF），并對已經求得的色差進行池化操作，求得顏色一致性值，以實現與人類視覺復雜感知機制相匹配。

2.2 面向設備和面料無關的顏色

一致性度量學習算法

顏色的顯示與呈現對設備有較強的依賴性，針對3種不同級別的用戶（最終用戶、產品設計師、紡織品制造商），提供相應的校準流程，使得顯示器處于設定的標準狀態，解決顯示器設備的差異性。需要對每臺數碼噴印設備與布料分別進行顏色一致性度量學習，并生成對應的國際色彩聯盟（ICC）文件。

以數碼噴印機的ICC制作為例，通常在CMYK或CMYK多通道與設備無關顏色空間中會存在多種映射關系，直接進行深度神經網絡模型的學習，學習出來的模型泛化性較差。作者提出了通過現有公式將設備相關顏色空間中的顏色轉換到設備無關顏色空間，使得轉換后的顏色空間與設備無關顏色空間處于同一空間，然后將顏色空間劃分為若干個子空間。然后對每個子空間分別利用如圖1所示的徑向基函數（RBF）神經網絡模型學習對應轉換關系[14]。圖2為我們算法生成ICC文件將RGB色塊集轉換為CMYK色塊集效果圖，通過圖2可以看出，RGB圖轉換為CMYK圖并印染后，色差在人眼可察覺范圍內，滿足用戶較高的印染需求。

2.3 可伸縮的顏色一致性度量學習

算法

不同的用戶對顏色重現的效果需求是存在差異的。針對通用情況，利用數碼噴印機-顯示器組合采集數據，通過色差最小化求解不同面料和顯示器以及不同面料之間的顏色一致性通用色彩變換函數，基于變換函數生成對應的ICC文件。

對于有個性化需求的用戶，可以采用通用色彩變換函數與用戶個性化顏色需求相結合的方式，通過色差最小化求解針對該用戶需求的定制色彩變換函數，然后利用個性化變換函數，生成對應的ICC文件。用戶個性化顏色需求從用戶提供的圖片中提取出主題色，用于優化顏色變換函數，圖3為此算法提取出主題色與人類提取出主題色對比圖，該算法可以較好的提取出人類視覺關注的主題色，以滿足用戶個性化需求。

2.4 感知驅動的面料顏色增強

通過研究對色域內顏色感知的分布，獲得顏色感知先驗分布，在保持重現真實顏色的基礎上，對重要的顏色進行增強處理，使得處理后的顏色效果滿足用戶的主觀感受需求。對彩色圖像進行感知的視覺暗示包括3個方面：顏色空間一致性、圖像結構信息、圖像通道感知優先度[15]。顏色空間一致性描述了圖像中顏色相對位置存在的關系，去除獨立于顏色通道的亮度通道，在色調通道與色度通道上獲得顏色空間的一致性；圖像結構信息描述了圖像中色調、色度、亮度在3個通道上的變化，通過整合在3個通道上的梯度差來獲得圖像結構信息；圖像感知優先度描述了人類視覺在觀察一幅圖像時對色調、色度、亮度3個通道的感知次序，可以分別通過3個通道上的梯度差來獲得量化的權重。基于這3方面的視覺暗示，構造出基于視覺感知的顏色增強概率圖模型，并將提取出的視覺暗示最大化地應用于增強后的圖像，以此來實現該模型。

3 寬幅自動色彩掃描裝置

上述顏色管理關鍵技術均需要對家紡產品的實際色彩進行準確測量，為此，作者設計了寬幅自動色彩掃描裝置。該裝置主要由測色平臺、自動滑軸、照相機、測色儀構成，結構如圖4所示。在測色開始之前，通過照相機獲得印染好的色塊集在測色平臺上的圖片，利用圖像處理算法獲得色塊集的位置信息，包含印染色塊集拉伸與形變位置信息，根據位置信息，計算出測色儀的掃描路徑，然后通過X、Y軸方向的移動自動獲得被測樣品上的所有色塊值，測得數據自動輸入計算機，進行色彩測量值的誤差補償后，保存用于顏色一致性度量學習的預處理數據。

4 結束語

隨著家紡產品個性化、時裝化、整體化發展趨勢的日益凸顯，依托互聯網和數碼噴印技術進行家紡產品云定制將對家紡行業的技術和商業模式產生革命性的影響。在互聯網平臺上進行家紡產品云定制，其主要核心是對產品的圖案色彩進行管理，減小甚至消除由于顯示器和數碼噴印機成色原理不同導致的色差問題。本文從色彩一致性建模入手，提出了面向設備和面料無關的顏色一致性度量學習算法、可伸縮的顏色一致性度量學習算法、感知驅動的面料顏色增強等面向家紡產品云定制的顏色管理關鍵技術，并研制了寬幅自動色彩掃描裝置采集產品的顏色信息作為色彩管理的基礎數據。

應用本文研發的技術和裝置，作者所在的國家數碼噴印工程技術研究中心搭建了家紡產品在線云定制平臺，探索了實現了家紡產品的在線大批量定制和設計、制造、商務、物流的一條龍服務模式。與相關企業合作，在江蘇南通建成了年產量10 000平方米以上的家紡大批量定制生產示范應用基地，提高了應用單位的產品附加值，促進了家紡行業的轉型升級，取得了顯著的社會經濟效益。

致謝

本研究得到宋明黎教授和吳曉凡博士的幫助，謹致謝意！

參考文獻

[1] CIE. Technical Report： Industrial Color-difference Evalution[R]. Vienna： Central Bureau of the CIE， 1995

[2] ZHANG X， WANDELL B A. A Spatial Extension to CIELAB for Digital Color Image Reproduction[C]// Proceedings of the SID Symposiums， USA：SID， 1996（27）：731-734

[3] BERNS R S， MOTTA R J， GORZYNSKI M E. CRT Colorimetry. Part I： Theory and Practice [J]. Color Research & Application， 1993， 18（5）： 299-314. DOI：10.1002/col.5080180504

[4] KATOH N， DEGUCHI T， BERNS R. An Accurate Characterization of CRT Monitor （I） Verifications of Past Studies and Clarifications of Gamma[J]. Optical Review. 2001， 8（5）：305-314. DOI：10.1007/s10043-001-0305-0

[5] SUN B， LIU H， ZHOU S， et al. Evaluating the Performance of Polynomial Regression Method with Different Parameters during Color Characterization[J]. Mathematical Problems in Engineering， 2014， 20（3）：1-7

[6] CHO M S， KANG B H， LUO M R. Device Calibration of a Color Image Scanner Digitizing System by Using Neural Networks[C]// Neural Networks， 1995. Proceedings.， IEEE International Conference on， USA：IEEE， 1995（1）：59-62. DOI：10.1109/ICNN.1995.487877

[7] CHAN J Z， ALLEBACH J P， BOUMAN C A. Sequential Linear Interpolation of Multidimensional Functions[J]. IEEE Transactions on Image Processing， 1997， 6（9）：1231-1245. DOI：10.1109/83.623187

[8] BASTANI B， CRESSMAN B， FUNT B. Calibrated Color Mapping Between LCD and CRT Displays： A Case Study[J]. Color Research & Application， 2005， 30（6）：438-447

[9] WEEKS A， HAGUE G. Color Segmentation in the Hsi Color Space Using the K-means Algorithm[C]// Electronic Imaging. International Society for Optics and Photonics， USA： SPIE， 1997：143-154

[10] BEZDEK J C. Pattern Recognition with Fuzzy Objective Function Algorithms[M]. Dordrecht： Kluwer Academic Publishers， 1981

[11] DELON J， DESOLNEUX A， Lisani J L， et al. Automatic color palette[J]. Inverse Problems and Imaging， 2005， 1（2）：706-709. DOI：10.1109/ICIP.2005.1530153

[12] LIN S， HANRAHAN P. Modeling How People Extract Color Themes From Images[C]// SIGCHI Conference on Human Factors in Computing Systems， USA：ACM， 2013：3101-3110. DOI：10.1145/2470654.2466424

[13] LIU X， SONG M L， TAO D C， et al. Random Geometric Prior Forest for Multi-Class Object Segmentation[J]. IEEE Transactions on Image Processing， 2015， 24（10）：3060-3070. DOI：10.1109/TIP.2015.2432711

[14] SONG M L， TAO D C， HUANG X Q， et al. Three-Dimensional Face Reconstruction From a Single Image by a Coupled RBF Network[J]. IEEE Transactions on Image Processing， 2012， 21（5）：2887-2897. DOI：10.1109/TIP.2012.2183882

[15] SONG M L， TAO D C， CHEN C， et al. Color to Gray： Visual Cue Preservation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2010， 32（9）：1537-1552. DOI：10.1109/TPAMI.2009.74