Karakterizáció, kalibráció

A karakterizáció egy eszköz jellemzése, bemenet és kimenet közötti kapcsolat, transzformáció megtalálása.

Megkülönböztetjük az ún. eszközfüggetlen és az eszközfüggő színtereket. A továbbiakban eszközfüggetlen színtérnek nevezünk minden olyan színteret, amelyből létezik kölcsönösen egyértelmű leképezés a CIE XYZ térbe. Az eszközfüggő értékek az eszköz adott színre adott válaszát jelentik. Feladatunk azonban a legjobb transzformációt meghatározni, mely a legkisebb hibával transzformálja az eszközfüggő színtérből az eszközfüggetlenbe a mérési adatokat.

A karakterizáció során a feladat az eszköz jellemzése, annak meghatározása, hogy adott bemenetre milyen választ kapunk. Szkennerek, digitális kamerák karakterizációja során meg kell különböztetnünk két különböző karakterizációs módszert [41]. A színmetrikai karakterizációt, mely „fekete dobozként” kezeli a szkennert, azaz ebben az esetben nem vizsgáljuk a belső részek tulajdonságait, működését külön-külön, nem foglalkozunk például a megvilágító spektrális teljesítményeloszlásával, a színszűrők spektrális áteresztőképességével stb. Csak a be- és kimeneti értékek ismertek, ezek alapján keresünk közöttük kapcsolatot. Itt nagyon fontos kérdés a színminták helyes megválasztása. Értekezésemben bemutatok olyan módszereket, melyek segíthetik ezt a kiválasztást. Olyan módszert mutatok be, mellyel egy adott megengedett bizonytalanság esetén a szükséges minimális mintaszám meghatározható.

A színmetrikai karakterizáció területén az elmúlt évtizedben számos publikáció és tanulmány jelent meg. A legfontosabb publikációkat a következő alfejezetben tárgyalom.

A színmetrikai karakterizáció hátránya, hogy ha a megvilágító változik (pl digitális kameráknál különböző fényviszonyoknál történik a fényképezés, szkennerek esetén külső megvilágító segítségével történik a szkennelés pl. diák szkennelése esetén), a karakterizációt meg kell ismételni. Ugyanígy újra el kell végezni a karakterizációt különböző médiumok szkennelése esetén [42]. További hiányossága a módszernek, hogy nagyon érzékeny a megválasztott színes minták tulajdonságaira (reflexióra). Önmagában azzal, hogy több mintát használunk fel az eszköz jellemzésére, nem kapunk pontosabb eredményt, ezért a minták helyes megválasztása kulcskérdés a módszer használhatóságát illetően. Értekezésemben ezért ilyen módszerek kidolgozásával foglalkoztam. Feltételeztem, hogy megfelelő kiválasztási módszer kidolgozásával a karakterizációs módszereket jelentős mértékben lehet javítani.

1. Irodalmi áttekintés, alapfogalmak

26.

Meg kell jegyezni, hogy a legtöbb spektrofotométeres kalibráló eszköz (pl. eyeOne) elsősorban a színmetrikai karakterizációt támogatja. Vagyis egy adott tesztmintahalmaz reflexiójának lemérése és beszkennelése után a szoftver elkészíti az adott médiához tartozó ún. LOOK UP TABLE-t, illetve a megfelelő ICC profilt, ami megteremti a kapcsolatot az eszköz RGB színtere és egy eszközfüggetlen színtér között. Mi ennek a módszernek a hátránya? Egyrészt minden különböző beszkennelendő média esetén (pl. hagyományos papír, fotó stb.) el kell készíteni ezt a profilt. Ráadásul, ha nincs ilyen előre gyártott színmintánk, akkor nekünk kell ilyet kialakítanunk. Ha nekünk kell összeválogatni, illetve előállítani a színmintákat, akkor vajon milyen módszerrel tegyük ezt? Ez sokáig megoldatlan kérdés maradt. Nagyon sok kutató, meggyőződésem szerint, téves úton járt. Véleményem szerint nem megfelelő módszer a minél több színminta alapján elvégzett kalibráció [43], de téves megközelítés a valamilyen színmetrikai mennyiség (pl. színezet, króma, világosság) szerinti minden áron való egyenközűségre való törekvés a kiválasztás során [44, 45]. Ahogyan ezt a disszertációm második felében bemutatom, a kiválasztási módszernek sokkal inkább az alkalmazott matematikai módszerhez (pl. regresszió, LUT (look-up-table) stb.) kell illeszkednie. Alig-alig található olyan tanulmány, ahol pl. a kutatók megvizsgálták volna, hogy az általuk alkalmazott matematikai, statisztikai módszer feltételei teljesülnek-e vagy sem (üdítő kivétel közé tartozik [46]). Bár eredményeik alapján bemutatták, hogy csökkent a színi hiba, arra, hogy ez miért valósult meg, nem adtak magyarázatot.

A színmetrikai karakterizáció másik fontos problémája szintén a hordozó médiához kapcsolódik. Itt ugyanis egy újabb probléma jelentkezik, mégpedig a hordozó papír fluoreszcenciája. A minta fehérségét sokszor úgy érik el, hogy a hordozóba fluoreszcens anyagot építenek be, mely az UV tartományban elnyelt fotonokat kisebb energiájú fotonokként sugározza vissza. Így előfordulhat pl. hogy a spektrofotométerrel mért papír reflexiója a kék tartományban 100 % fölött lesz. Ráadásul ez az optikai fehérítés a papírra felvitt színezékek színészleletét is befolyásolja, méghozzá eltérő mértékben [47].

Következő probléma, hogy a különböző reflexióval rendelkező színmintákat esetleg azonosnak érzékeli a szkenner, és azonos RGB értékeket rendel hozzá. Ez a jelenség nagymértékben ronthatja a karakterizációs módszerek hatékonyságát. A probléma két okra vezethető vissza: 1. A szkenner által érzékelhető színek tere más, mint a nyomtatók által megjeleníthető színek halmaza. Ebből adódóan lesznek olyan színek, amit a szkenner nem tud megkülönböztetni, de a reflexiós spektrumuk különböző (a szkenner színterére nézve

metamerek). 2. A kvantálás során is előfordulhat, hogy kis különbségekhez a szkenner azonos RGB értékeket rendel [48]. A szkennerben általában CCFL (Cold Cathode Fluorescent Lamp) lámpákat alkalmaznak, melynek színképe vonalas. Ez a színkép jelentősen eltér a nappali (ún.

természetes) sugárzáseloszlásoktól, így könnyen előfordulhat, hogy különböző reflexióval rendelkező, nappali fény mellett különböző színészleletet okozó színmintát a szkenner ugyanolyan színingerként azonosítja, és viszont.

Ezzel szemben a spektrális karakterizáció sokkal specifikusabb az előzőnél. A mérések során meg kell határoznunk a szkennerben használt megvilágító spektrális teljesítmény-eloszlását, a detektor(ok) spektrális érzékenységét. Ezek figyelembevételével készítünk olyan transzformációt, mellyel a szkennerünk helyesebben működik, a színinger-különbségek csökkennek [42]. A színmetrikai karakterizáció során az optimális transzformáció a bemenet (színes minták reflexiói, mért L*a*b* értékek stb.) és a kimenet (RGB értékek) között mindig mintafüggő lesz. A spektrális karakterizáció során, ha a detektor érzékenységét jellemezni tudjuk, akkor bármely megvilágító esetén a reflexiós minták ismeretében előre tudjuk jelezni a detektor válaszát (RGB értékeket).

A spektrális karakterizáció csak az utóbbi néhány évben kezdett elterjedni széles körben. A detektorok spektrális érzékenységének közvetlen mérése ugyanis igen bonyolult és költséges feladat, ezért a legtöbb kutató matematikai úton próbálta meghatározni azt. Mivel az RGB-térből eszközfüggetlen térbe (pl. CIELAB térbe) való transzformáció nemlineáris, számos megoldás született, többek között a polinom regresszió [49], a „look-up-table”

alkalmazása interpolációval [50], de voltak, akik kvadratikus programozási feladatként [51], illetve neurális hálózat felhasználásával [52] vagy genetikus algoritmusok [53]

alkalmazásával közelítették az összefüggést. A kutatók törekedtek arra, hogy olyan módszert alkossanak, amely mind a színmetrikai, mind pedig a spektrális karakterizáció esetén használható. Értekezésemben én is ezt a célt tűztem ki magam elé, bár a színmetrikai karakterizáció problémái miatt elsősorban a spektrális karakterizációval foglalkoztam.

Kalibráláskor a karakterizált eszköz adott bemenethez tartozó kimenetét közelítjük egy

kívánt kimeneti értékhez [42].

A szakirodalomban több különböző eljárást publikáltak már, melyekben különböző segédeszközöket, illetve matematikai modelleket használtak fel. A következő alfejezetben ezeket a módszereket tekintem át, és rámutatok a különböző módszerek hiányosságaira, továbbfejlesztési lehetőségeire.

1. Irodalmi áttekintés, alapfogalmak

28.