問答008:顏色深度如何表徵

2021-01-08 悅文天下

本文轉載自【微信公眾號:魔咖色域,ID:Mycolordoc】經微信公眾號授權轉載,如需轉載與原文作者聯繫

問題:顏色的深度如何表徵?

答覆:顏色的深度簡稱色深度。做著色材料研究的時候,材料的增深能力是重要指標,能代表顏色深度的參數有很多,比如Y,L*,K/S,Integ值等;這些參數應用情況需要區別。

Y值是CIEYxy表色方法中的亮度因數。它也是三刺激值中的一個參數,三刺激值用X(紅原色刺激量)、Y(綠原色刺激量)和Z(藍原色刺激量)表示。而Y也可單獨用來表示物體的明亮程度,也可以表徵顏色深淺,Y值越大越淺。目前Y值多用於透射條件下物體透明程度評估,Y越大越透明。

圖:CIE 三維Yxy色度圖

L*

L*L*是CIELAB均勻顏色空間中的明度指數,公式如下:L*=116f(Y/Yn)-16其中Yn為常量(根據光源不同),f(Y/Yn)是公式(根據裡面數值大小而不同)也就是說L*是通過Y的非線性轉換而來的。L*的取值範圍是0~100,0為純黑色,100為純白色;與Y類似L*越大顏色越淺,與目測的一致性較好;

圖CIE Lab

K/S

是庫貝卡—芒克(Kubelka-Munk)定律中的重要參數。一般使用最大吸收峰的K/S值代表顏色深度;

R為物體的反射率,S為物體的散射係數,K為物體的吸收係數。K/S作為色深度的好處是在一定範圍內與色料濃度程線性關係。不過如果物體最大吸收波長有差異或者有兩個或多個吸收峰(如綠色)就不宜採用,某些拼混色(黑,灰色)也不推薦使用。

K/S值越大表示顏色越深。

Integ值Integ值為偽三刺激值之和,是增加了光源因素的色深度參數。用各個波長下的K/S值代替反射率計算三刺激值,並求其和(Gardland公式)。有試驗結果表明,黑色等最大吸收峰不明顯的染料、拼混染料,以及部分非拼混單色染料,更適合以Integ值表示色深度;

在一些著色提升力試驗中,由於會發生最大吸收波長的偏移,Integ值也更適用。

色深度值B鑑於色深度評價對於染料、顏料及相關專業的重要性,前BASF色度專家Dr.L.Gall於1970年代發展了一種評價顏色深度的公式:Gall色深度公式-B公式B值一般採用測色品管軟體計算得出,公式可參看DIN53235B1/1=0表示樣品的深度為1/1標準深度;B1/3=0表示式樣的深度為1/3標準深度,依次類推。色深度值B適合非連續深度評估。

相關焦點

  • 揭秘深度學習成功的數學原因:從全局最優性到學習表徵不變性
    本文的目的正是要揭示深度學習成功的奧秘。通過圍繞著深度學習的三個核心要素——架構、正則化技術和優化算法,並回顧近期研究,作者為深層網絡的若干屬性,如全局最優性、幾何穩定性、學習表徵不變性,提供了一個數學證明。
  • 深度森林第三彈:周志華組提出可做表徵學習的多層梯度提升決策樹
    自去年周志華等研究者提出了「深度森林」以後,這種新型的層級表徵方式吸引了很多研究者的關注。今日,南京大學的馮霽、俞揚和周志華提出了多層梯度提升決策樹模型,它通過堆疊多個回歸 GBDT 層作為構建塊,並探索了其學習層級表徵的能力。此外,與層級表徵的神經網絡不同,他們提出的方法並不要求每一層都是可微,也不需要使用反向傳播更新參數。
  • 神經網絡如何完成表徵?
    在數學上,我們將研究給定神經網絡的表徵能力,以便提供近似的函數。表徵能力與神經網絡的能力相關,神經網絡會為特定實例分配適當標籤並為該類創建明確定義的準確決策邊界。在本文中,我們將探索一種視覺方法,用於更多地了解神經網絡的近似特性,這與神經網絡的表徵能力直接相關。它始於MP 神經元模型,它是一個非常簡化的神經元模型。
  • SCP系列 I:喪屍病毒 SCP-008
    小編在查看SCP-008時發現需要4級權限才能觀看,不過沒關係,咱們依然能夠講解008喪屍病毒。喪屍病毒大家應該都不陌生,生化危機一系列電影也都精彩紛呈。那麼SCP-008又會是怎樣的病毒了?他又有什麼特性和能力?
  • 福彩3D008、排列三008期曬票,心存美好,好運自然來
    福彩3D008、排列三008期曬票,心存美好,好運自然來。心存美好,積極樂觀,好運自然會伴你左右想要生活變得多姿多彩,一個良好的心態必不可少,不要為一些小事耿耿於懷,也不要因為一時失利而後悔不已。只要我們堅持不懈,努力前行,那生活定會越來越好。
  • SCP-008-喪屍病毒
    項目編號:SCP-008項目等級:Euclid特殊收容措施:SCP-008描述:SCP-008是一種複雜的朊病毒,所有已知的G2站點都儲存有它的樣本。關於SCP-008的研究是高度機密,目的主要在於預防的研究,這將使合成SCP-008在遙遠的將來成為可能。
  • 深度學習之視頻人臉識別系列三:人臉表徵
    一、人臉表徵把人臉圖像通過神經網絡,得到一個特定維數的特徵向量,該向量可以很好地表徵人臉數據,使得不同人臉的兩個特徵向量距離儘可能大,同一張人臉的兩個特徵向量儘可能小,這樣就可以通過特徵向量來進行人臉識別
  • 自然語言處理(NLP)中的深度學習發展史和待解難題
    第一個技術突破:Word2Vec神經網絡能提供語義豐富的單詞表徵,給NLP領域帶來了根本性突破。在此之前,最常用的表徵方法為one-hot編碼,即每個單詞會被轉換成一個獨特的二元向量,且只有一個非零項。這種方法嚴重地受到了稀疏性的影響,不能用來表示任何帶有特定含義的詞語。
  • 從語言學到深度學習NLP,一文概述自然語言處理
    第二部分描述的是基於深度學習的 NLP,該論文首先描述了深度學習中的詞表徵,即從 one-hot 編碼、詞袋模型到詞嵌入和 word2vec 等,我們首先需要數字表徵詞彙才能進一步做自然語言處理。隨後,本論文介紹了各種應用於 NLP 的模型,包括卷積神經網絡、循環神經網絡、長短期記憶和門控循環神經網絡等,這一些模型加上其它如注意力機制那樣的技巧就能實現十分強大的能力,如機器翻譯、問答系統和情感分析等。
  • JMC | 藥物化學中的分子表徵學習
    研究者討論了分子深度學習領域的積極研究將如何解決當前描述符和指紋的局限性,同時在化學信息學和虛擬篩選領域創造新的機遇。2. 研究者簡要概述了表徵在化學信息學中的作用,以及深度學習中的關鍵概念,並認為學習表徵提供了一種改進小分子生物活性和性質預測建模的新方法。背景介紹為什麼表徵重要?
  • SCP系列|SCP-008:喪屍病毒
    今天斑斑想和大家分享的是SCP基金會系列的SCP-008:喪屍病毒項目代號:SCP-008項目名稱:Zombie Plague(喪屍病毒)收容等級:EuclidSCP-008被視作V級極端生物危害。而一般情況下,生物危害等級最高是在IV級,比如伊波拉病毒、拉沙病毒等,SCP-008危險程度可見一斑。
  • 今日頭條人工智慧實驗室主任李航:如何構建擁有長期記憶的智能問答...
    關於大會第一天的內容,雷鋒網 AI 科技評論之前有詳細報導,具體信息請參見橫跨心理學、計算機科學、神經科學,看中國中文信息學會 2017 學術年會如何引起多個領域大碰撞在此次會議上,作為最後一位特邀報告嘉賓,李航研究員帶來了主題為《人工智慧的未來—記憶、知識與語言》的分享,他此次的分享主要圍繞智能問答系統展開,為大家分析了 NLP 所面臨的三大挑戰、目前值得借鑑的應對方法以及對智能問答系統的展望
  • 在掃描電鏡下襯度較低的二維材料,如何準確表徵?
    然而真正的二維材料因為厚度極薄,在掃描電鏡下襯度較低;而且因為X射線在深度方向的穿透,EDS對二維材料上的分析也無能為力。而目前的二維材料除了用到SEM之外,拉曼光譜也是極其重要的表徵手段,而將兩者完全一體化的電鏡-拉曼系統在二維材料的表徵上有著得天獨厚的優勢。
  • 中國第一幅高精度土壤顏色地圖
    用土壤顏色來命名土壤固然有其簡便性和一定程度上的合理性,然而,實際上土壤顏色無論在水平方向還是剖面深度方向都具有高度的變異性,土壤科學工作者經常發現在某個以顏色命名的土壤地帶會出現完全不同(顏色)的土壤,但是國內外有關土壤顏色空間變異方面的研究很少。
  • 表徵圖數據絕不止圖神經網絡一種方法
    近年來,圖神經網絡掀起了將深度學習方法應用於圖數據分析的浪潮。不過其作為一門古老的認識世界的方法論,人們對於圖表徵技術的研究從很早以前就開始了。雖然現在深度神經網絡在物體識別、圖像分類和自然語言處理領域都取得了巨大的成功。然而,「設計出最優的神經網絡,學習並輸出任意的圖」仍然是一個熱門的研究課題。
  • 2512 0.008R毫歐貼片電阻參數表詳解
    聲明:本文由深圳順海科技原創,轉載請註明 2512 0.008R毫歐貼片電阻就是8毫歐2512體積,材質為金屬合金的電阻,而且這顆低阻值電阻也區分很多種像1225 0.008R毫歐貼片電阻,0805 0.008R毫歐貼片電阻等等主要是體積上及材質上有所不同以為大部分參數都是大同小異的
  • 我的頭條問答:遊泳後耳朵進水如何處理?
    這次應邀參加的頭條問答是:遊泳後耳朵進水如何處理?
  • 深度| 深度學習概覽之自然語言處理:從基本概念到前沿研究
    讓我們來看看傳統 NLP 是如何嘗試理解下面的話的。假設我們的目標是收集關於這個詞的一些信息(表徵其情感,找到它的定義等)。使用我們語言領域的知識,我們可以把這個詞分成 3 部分。我們知道前綴「un」表示反對或相反的想法,我們知道「ed」可以指定單詞的時間段(過去時態)。通過識別詞幹「興趣」的含義,我們可以很容易地推導出整個詞的定義和情感。看起來很簡單吧?
  • 表徵圖數據,絕不止圖神經網絡一種方法
    一、引言將數據構造為圖的形式可以幫助我們以一種系統化的方式研究如何發掘複雜的關係和模式。例如,網際網路圖展示出了給定網頁間高頻連結的複雜結構;在自然語言處理領域中,人們有時以樹的形式表徵文本,理解單詞之間的聯繫,從而推斷出句子的意義。然而,機器學習領域的研究主要關注於向量形式的表徵,而真實世界中的數據並不能很輕易地被表徵為向量。
  • 描繪「地球膚色」揭秘我國首幅高精度土壤顏色地圖
    在此基礎上,中國科學院南京土壤研究所土壤與農業可持續發展國家重點實驗室張甘霖團隊,利用遙感和GIS技術,對氣候、母質、地形地貌等成土環境因素進行定量表徵,形成了覆蓋全國的成土環境數據集。近日,他們生成的全國土壤顏色的三維分布圖發表於國際著名土壤學期刊《國際土壤科學》(《Geoderma》)。研究團隊指出,這是我國第一幅高精度土壤顏色地圖。