專利名稱：使油漆匹配的方法
技術領域：
本發(fā)明涉及一種使修補漆與基材上待修補的油漆膜的紋理性質以及任選顏色相匹配的方法。
修補油漆過的表面要求修補漆在視覺上與原始施用的油漆膜匹配。為此，對原始油漆膜的顏色進行測量，然后確定具有在預設定的公差內的基本相同顏色的油漆組合物。這可以通過在數(shù)據(jù)庫中搜尋合適的油漆組合物而實現(xiàn)或者可基于油漆組分的比色數(shù)據(jù)來計算合適的油漆組合物。
為了易于調配任何顏色的匹配油漆，通常使用調色劑。調色劑是基礎色料的組合物，其包含所有組成完整油漆的成分?？梢詫⑦@些調色劑混合以得到顏色與原始涂敷基材的油漆顏色匹配的油漆，然后將其施用并且干燥為油漆膜。基于各個調色劑的比色數(shù)據(jù)，可以通過計算并考慮所用調色劑的濃度來預測混合物的比色特征?；蛘呖梢愿鶕?jù)其它類型的組件(modules)，例如顏料濃縮物、基料組件、隨角異色組件、包含側視色控制劑(flop-controller)的組分等來調配油漆組合物。
除顏色之外，油漆膜還有許多其它的視覺性質。尤其在使用隨角異色顏料如鋁片顏料或珠光顏料時，油漆膜的外觀不是均勻的顏色，而是顯示出紋理。這可以包括粗糙度、閃光、微光、混濁、花紋斑、斑點、閃爍或發(fā)光現(xiàn)象。下文中，將紋理定義為油漆膜平面中取決于小的材料組成部分的尺寸和構造的可見表面結構。在本文中，紋理不包括油漆膜的粗糙不平，而是僅包括油漆膜平面中可見的不規(guī)則。小于人眼分辯率的結構對“顏色”有貢獻，而較大的結構通常對“紋理”有貢獻。
本身不可以直接觀察到的顆?？赡軐τ推崮さ目偟囊曈X外觀有貢獻。亂取向物(Des-orienters)是所述顆粒的實例。隨角異色顏料通常為在固化膜中趨于水平取向的小片。為了防止這種取向并得到小片取向的多種變化，使用了稱為亂取向物的球形顆粒。在金屬油漆中使用亂取向物導致更多的發(fā)光。
迄今為止，待修補油漆膜的紋理通過眼睛來鑒定，例如通過與樣品扇(sample fan)上的樣品進行對比來鑒定。該方法的結果極大地取決于從事者的能力且通常不令人滿意。
在操作中，希望對有紋理的油漆進行匹配的顏色專家首先選擇一種或多種隨角異色組件或調色劑以得到匹配的紋理效果。同時或者然后，選擇著色劑組件或調色劑以配色。將結果與原始油漆進行對比，并且若需要校正則進行反復調節(jié)。選擇正確的隨角異色組件是困難的并且需要反復實驗或準確地對待匹配油漆中的隨角異色顏料進行電腦分析。
EP-A 637 731公開了一種復制油漆膜紋理性質的方法。該復制的油漆根據(jù)油漆組件的濃度進行調配。由數(shù)據(jù)庫或具有給定紋理性質的配制劑中選擇配制劑。若這沒有產(chǎn)生令人滿意的匹配，則可以通過在兩個接近的匹配物之間插入而進行校正。
WO 01/25737公開了使用數(shù)字成像裝置如CCD相機來確定紋理而使顏色匹配與紋理匹配結合的方法。匹配的油漆通過在與紋理數(shù)據(jù)鏈接的色料配制劑的數(shù)據(jù)庫中搜尋而確定。
US 2001/0036309公開了一種測量微光的方法并且將該方法用于修補漆與原始油漆如汽車原始油漆的匹配。該方法包括測量顏色以及微光、特定紋理類型。從油漆配方的數(shù)據(jù)庫中選擇具有匹配微光的色料配方。因此，得到的微光紋理具有可接受的匹配。然而，不必很均勻地匹配顏色。因此，需要反復調節(jié)該色料配方直到顏色匹配可接受。在該現(xiàn)有技術體系中，雖然這些配方仍是可行的作為開始的配制劑的候選，但是不考慮這種在起始時就不具有正確紋理的色料配方。此外，該現(xiàn)有技術方法不保證紋理在色料配方的調節(jié)期間保存完好。
本發(fā)明的目的是改進修補漆與原始施用于基材上的油漆的匹配以更快速可靠的方式得到更準確的結果，優(yōu)選不需要建立具有特定紋理數(shù)據(jù)的全部配制劑的數(shù)據(jù)庫。
本發(fā)明的目的通過一種根據(jù)油漆組件的濃度來調配修補漆而使修補漆與基材上待修補油漆膜的紋理性質匹配的方法而實現(xiàn)，其特征在于各油漆組件與特定的紋理數(shù)據(jù)相關并且將使用所述油漆組件的紋理數(shù)據(jù)計算的紋理模型用于計算具有匹配紋理性質的修補漆。
這些紋理數(shù)據(jù)例如可包括調色劑中隨角異色顏料的粒度分布以及隨角異色顏料與存在于調色劑中的其它調色劑顏料之間的定義為明度差的光學對比。
令人驚訝地發(fā)現(xiàn)匹配的紋理可以通過將選自有限范圍的顯示出特定預設定紋理參數(shù)的調色劑混合而得到，并且可使用電腦計算匹配的紋理調色劑混合物。
優(yōu)選油漆也與原始油漆的顏色性質匹配。令人意外地發(fā)現(xiàn)通過使顏色和紋理同時匹配，甚至在顏色匹配本身有點差時也改進了總的視覺匹配。
本發(fā)明的另一個實施方案包括使用色料配制劑數(shù)據(jù)庫，從中選擇最好的匹配物，然后通過使用計算紋理模型來調整調色劑濃度而將其進一步優(yōu)化以得到更接近的紋理匹配或者結合的顏色匹配和紋理匹配。該調整可以是小調整或者可能需要除去一種或多種調色劑或將一種或多種新的調色劑加入所選的配制劑中。
本發(fā)明也涉及一種修補基材上油漆膜的方法以及一種使用具有特定紋理數(shù)據(jù)的油漆組件、將該組件按照計算混合并將所得油漆施加于待修補基材上而使修補漆與基材上待修補油漆膜的紋理性質匹配的方法，其中所述油漆組件用于計算與所需紋理性質匹配的油漆組件的組合物。該實施方案能夠自動選擇隨角異色調色劑，這在迄今為止是不可能的。因此，不需要顏色專家的天生的不準確的視覺評估。
紋理可以借助數(shù)字成像裝置如CCD相機進行成像。然后，可使用圖像分析軟件將圖像譯為一種或多種紋理參數(shù)。合適的圖像處理軟件例如為可從Media Cybernetics市購的Optimas或Image ProPlus、可從MitaniCorporation市購的MacScope或可從MathWorks Inc市購的Matlab。
紋理的測量為了從數(shù)字圖像中取得紋理參數(shù)，收集一系列代表性的汽車顏色并使用覆蓋整個紋理參數(shù)范圍的參比刻度對其進行視覺鑒定。從該系列汽車顏色的圖像中得到與視覺評估密切相關的取得紋理參數(shù)值的算法。
紋理參數(shù)“粗糙度”描述樣品在視覺上的表面粗糙度當涂層顯示出明顯的暗和亮區(qū)域圖案時具有粗糙度。不僅暗與亮區(qū)域的比例，而且區(qū)域的尺寸也是重要的，其中所述暗與亮區(qū)域的比例在黑白圖像中可以以灰度值標準偏差表示。例如，

圖1中的圖具有相同的灰度值標準偏差，但是圖案明顯不同。
可使用以下算法取得粗糙度照一個像素為N×N的CCD圖像。在幾個刻度X確定灰度值標準偏差GVSTD在X＝1的最小刻度下計算每個像素的灰度值標準偏差；在第二最小刻度下對2×2像素的平方(X＝4)的平均灰度值計算灰度值標準偏差；在第三最小刻度下使用4×4像素的平方，因此X＝16；重復計算至N×N像素的最大刻度(X＝N2)。
可以用下式將該灰度值標準偏差GVSTD描述為刻度X的函數(shù)(1),GVSTD=A+BXC]]>由于GVSTD和X是已知的，參數(shù)A、B和C可以通過擬合計算。
所述A、B和C參數(shù)可通過下式與視覺上的粗糙度值VC相關(2)VC＝α1+α2*A+α3*B+α4*C已經(jīng)提前通過與一系列代表性的汽車顏色組對比預設定了α1、α2、α3和α4的值。這些參比色通過眼睛鑒定并根據(jù)參比刻度給予值。鑒定由許多人進行并將每組的給予值平均。對于每一個參比色，測量的VC應與根據(jù)用于視覺鑒定的參比刻度得到的值相等。通過將該系列代表性的汽車顏色中所有使用的組的觀察值和測量值之間的差最小化而找到參數(shù)α1、α2、α3和α4。為找到對于該系列代表性汽車顏色的所有組的α1、α2、α3和α4參數(shù)的相等值，計算每組的參比刻度值與視覺粗糙度值VC之間差的平方值。然后將所有這些平方值的總和∑所有組(視覺鑒定組i-VC組i)2最小化得到α1、α2、α3和α4的值。由于這些參數(shù)是已知的，可以確定任何汽車油漆膜的粗糙度。
上述通過使用理論模型(2)而使粗糙度與視覺評估相關的方法通?？捎糜谌魏翁厥饽Ｐ驮谌魏斡^察和照明條件下的任何紋理參數(shù)。該特殊模型可以包括任何物理參數(shù)(如粒度、小片的組成等)、顏色參數(shù)(如CIE Lab參數(shù)等)或圖像參數(shù)(如灰度值標準偏差等)。
測量紋理，尤其測量所謂的微光的另一方式是用數(shù)字成像裝置和圖像分析軟件，其公開于此外引入作為參考的US 2001/0036309中。
參數(shù)“閃光”為另一個紋理參數(shù)，其描述在方向性照明條件下所感覺的隨角異色涂層表面上的明亮的小光點，當你改變視角時它會開或關。閃光最好在直接的日光下觀察，即在無云的天空下從小于1米處觀察。甚至在相同的觀察條件下，某些隨角異色涂層顯示出許多明亮的閃光，而其它隨角異色涂層顯示出少的閃光或者甚至根本沒有閃光。已設計了觀察者可以對隨角異色涂層進行視覺檢查并且將閃光狀況用數(shù)字表示的閃光刻度。某些隨角異色涂層具有小的閃光值，其它則具有大的閃光值。以此方式，涂層的紋理狀況“閃光”可以定量方式觀察。
紋理參數(shù)“閃光”可以通過對閃光強度和閃光尺寸加以區(qū)別而更具體地描述。閃光強度是明亮的小光點的光強或光強分布。閃光尺寸是光點的面積或面積分布。
第二種對閃光進一步加以區(qū)別的方式通過它們的顏色或顏色分布進行。
閃光僅在給定范圍的照明方向、觀察方向和樣品取向的相互取向下是可見的。因此，第三種表征閃光的方式為在給定的一定觀察角和樣品取向下確定閃光為人眼可見的照明角范圍(或其分布)。類似地，可使用在給定的固定照明角和樣品取向下閃光為人眼可見的觀察角范圍(或其分布)，或者可使用在給定的固定觀察角和固定照明角下的閃光為人眼可見的樣品取向范圍(或其分布)。
顏色的測量通常將紋理匹配與顏色匹配結合。為了使顏色匹配，必需首先測量顏色。顏色可以借助測色計如分光光度計或三色刺激計測量。測得的信號可用于確定具有匹配顏色的油漆配方。美國專利申請US 2001/0036309描述了一種借助多角分光光度計測量顏色并使用測得的數(shù)據(jù)在數(shù)據(jù)庫中搜尋色料配方的方法。美國專利US 4,813,000公開了借助三色刺激顏色分析器測量選擇的顏色并使用測得的色度數(shù)據(jù)在數(shù)據(jù)庫中搜尋色料配方。WO01/25737公開了如何用數(shù)字成像裝置如掃描儀或數(shù)碼相機來測量顏色。
在測量紋理性質以及任選顏色之后，計算匹配的油漆配方。為此預測油漆配方的紋理以及任選顏色。
根據(jù)油漆組件的濃度預測紋理將合適的修補漆作為選自一系列組件的多種油漆組件的混合物(如調色劑)進行調配。已預設定了組件的紋理參數(shù)。基于這些參數(shù)可以計算具有所需紋理參數(shù)的混合物。以此方式可以計算紋理與原始油漆膜的紋理非常匹配的修補漆配制劑。
該色料配方的紋理可以視覺紋理性質如粗糙度、閃爍、閃光或微光表示，也可以物理紋理性質如粒度、粒度分布、顆粒形狀、顆粒顏色和顆粒數(shù)表示，其中顆粒例如為隨角異色顏料或幾個不可能在視覺上或在圖像中直接辨別的隨角異色顆粒，例如亂取向物。
含有V個調色劑的單一色料配方的紋理參數(shù)T可以寫作下式，其中每個調色劑具有紋理性質ci(3)Ti＝(c1，c2，....，cv)Ti優(yōu)選視覺性質如粗糙度，但也可以是物理紋理性質。例如，可以將V個調色劑的配制劑的粗糙度模型寫作Kubelka-Munk k值和s值及調色劑濃度c的函數(shù)，其在光學幾何結構g和波長λ下測量(4)T粗糙度＝(k1λg，k2λg，....，kvλg，s1λg，s2λg，....，svλg，c1，c2，....，cv)在該實例中，粗糙度模型使用與顏色模型相同的參數(shù)(K和S值)。這對于紋理模型而言不總是必要的更一般的實例表明Ti可能取決于調色劑的特定紋理性質(5)T粗糙度＝(A1，A2，....，Av，B1，B2，....，Bv，c1，c2，....，cv)其中Aj例如為特定調色劑的顆粒面積或面積分布，Bj為特定調色劑的顆粒形狀(例如長軸長度或圓形度)。Ti可以為視覺性質如粗糙度T粗糙度，但也可以例如為色料配方的總顆粒面積或面積分布或者為色料配方的總顆粒形狀。
標準油漆如用于待修補汽車的油漆的紋理可以數(shù)字紋理參數(shù)TiST表示。當要對該標準油漆的紋理進行匹配時，可以使用例如為最小二乘法的計算方法通過用非線性優(yōu)化算法如Marquardt-Levenberg算法(如Numerical Recipes in Pascal，W.H.Press、B.P.Flannery、S.A.Teukolsky、W.T.Vetterling，Cambridge University Press，1989中所述)通過改變調色劑濃度而使下式最小化(6),X2=Σi=1I{Ti(c1,c2,...,cv)-TiST}2.]]>這意味著對于單一的油漆配方，調色劑的濃度以使色料配方和特定目標色料之間的理論紋理差最小化的方式變化(即使方程式(6)中的X2最小化)。
粗焅度下面為用于預測油漆膜粗糙度的計算模型的實例，其基于用于調配油漆的油漆組件的預設定粗糙度數(shù)據(jù)?？啥x以下作為多個預測值x(每個具有加權因子β)總和的一般方程式以預測計算的色料配方的粗糙度(7)F＝∑βi*xi可能的預測值x例如為用于色料配制劑中的調色劑的濃度。表1中給出了色料配方的實例表1
三個可能的預測值x為CONCS＝固體顏料濃度0.17+0.20CONCM＝金屬顏料濃度0.30+0.05CONCP＝珠光顏料濃度0.05在這種情況下，該預測值與調色劑類型(固體顏料、金屬顏料、珠光顏料等)相關?；蛘呖梢允褂门c各調色劑相關的預測值，但是這通常導致非常多的預測值。另一個選擇是使用與如下顏料濃度相關的預測值具有低散射系數(shù)的固體顏料(CONCSL)、具有高散射系數(shù)的固體顏料(CONCSH)、細金屬顏料(CONCMF)、中等金屬顏料(CONCMM)、粗金屬顏料(CONCMC)、具有低散射系數(shù)的珠光顏料(CONCPL)、具有高散射系數(shù)的珠光顏料(CONCPH)、亂取向物(CONCQ)等。
已發(fā)現(xiàn)散射是良好的粗糙度指標。為避免過多的預測值，可以取著色劑濃度乘以著色劑在25°、45°和110°下在16個波長上的平均散射系數(shù)之和。對于金屬顏料而言，這在該情況下對應于25°(8a)SUMMS1＝0.30*平均S25Q811E+0.05*平均S25Q811U并且對于其它角度SUMMS2＝0.30*平均S45Q811E+0.05*平均S45Q811USUMMS3＝0.30*平均S110Q811E+0.05*平均S110Q811U其中“平均S25Q811E”為調色劑Q811E在25°下在16個波長上的散射系數(shù)的平均值并且“平均S25Q811U”為調色劑Q811U在25°下在16個波長上的散射系數(shù)的平均值，以示于表1的它們的各自濃度加權。
同樣可用于吸收系數(shù)。對于金屬顏料而言，這在該情況下對應于25°(8b)SUMMK1＝0.30*平均K25Q811E+0.05*平均K25Q811U將所述預測值SUMMS1、SUMMS2、SUMMS3、SUMMK1、SUMMK2和SUMMK3用于方程式(7)中。
另外或作為替代，可將三個角度下的色料的L、a、b、孟塞爾色度值和孟塞爾色相值用作預測值。其它可以考慮的預測值為S與K的比例和K與S的比例，將波長區(qū)域分為兩個部分(SUMMS1A和SUMMS1B)或四個部分(SUMMS1A、SUMMS1B、SUMMS1C和SUMMS1D)來代替在整個范圍內進行平均以及定義一個對比預測值([常數(shù)-{S/K}固體]/{S/K}固體)?？赡艿慕M合數(shù)好像是無數(shù)的，然而，許多高度相關。
通常定義6個粗糙度的類別或類型。由于使用這些類型，用邏輯回歸來代替線性模型以預測粗糙度，后者建議一種連續(xù)的刻度?？蓪⒃摵瘮?shù)寫作下式(9),ln(p(y≤yi)1-p(y≤yi)=αi+F,i=1..5]]>
其中α為兩個類型之間的范圍。
在某一粗糙度值的可能性可以如下計算P(粗糙度值＝1)＝p(y≤Y1)P(粗糙度值＝2)＝p(y≤y2)-p(y≤y1)P(粗糙度值＝3)＝p(y≤y3)-p(y≤y2)P(粗糙度值＝4)＝p(y≤y4)-p(y≤y3)P(粗糙度值＝5)＝p(y≤y5)-p(y≤y4)P(粗糙度值＝6)＝1-p(y≤y5)圖2顯示可能性分布的實例。作為粗糙度值，或者取中值、眾數(shù)(mode)或者取i＝1-6的∑i*P(i)。
通過與一系列代表性的汽車顏色組進行對比來預設定α值和β值。這些參比色通過眼睛鑒定并根據(jù)參比刻度給予值。這由許多人進行并且將每組給予值平均。對于每一個參比色，預測的粗糙度值應與根據(jù)用于視覺鑒定的參比刻度得到的值相等。通過將該系列代表性的汽車顏色中所有使用的組的觀察值和測量值之間的差最小化而找到該參數(shù)。由于這些參數(shù)是已知的，可以預測任何汽車油漆膜的粗糙度。
閃光為了預測隨角異色涂層的閃光數(shù)，設計了僅基于用于油漆中的各種調色劑濃度的閃光模型。該模型可在試圖與原始顏色如待修補汽車的原始顏色匹配時使用。此時該模型可以確保原始汽車顏色的閃光狀況也匹配。
為了進行這些預測，該閃光模型需要多個輸入?yún)?shù)-照明角和觀察角。這指光源(如太陽)在涂層上照射的角度和觀察者觀察的角度。而且光源照射的距離和觀察者與涂層之間的距離相關。也需要光源的強度。最后需要由涂層觀察的檢查者/觀察者的眼睛與光源的角度范圍。
-隨角異色調色劑內片狀顆粒的尺寸和厚度及數(shù)量。
-每種調色劑的小片在涂層中的取向。-非隨角異色調色劑的吸收值和散射值(K和S)及非隨角異色調色劑的折光指數(shù)。這些用于計算涂層如何吸收光。
首先計算背景(即圍繞閃光的涂層)的顏色和強度。這很重要，因為人眼可在暗環(huán)境下對微小光源如閃光的檢測比在亮環(huán)境下好。背景顏色的計算基于非隨角異色調色劑的吸收值和散射值(K和S)，并假設所有落在隨角異色涂層上的光或者被涂層中一定深度下的小片吸收或者反射。考慮所有在涂層中幾個深度下的小片的各種貢獻。
在計算背景顏色和強度之后，相對于該計算的背景計算多強的閃光可為人眼所見。該計算如Hardy的文章，J.Opt.Soc.Am.，57(1967)，44-47中所述進行。然后，計算一平方厘米的涂層表面中多少小片具有正確的取向和在涂層中的深度，從而由它們反射的光強到足以相對于該背景是可見的。該數(shù)目稱為N并且通過將四項相乘得到。第一項考慮閃光在較暗背景下可更易于辨認的事實并涉及固體顏料的光吸收。第二項考慮對視角/照明角的依賴性。第三項考慮小片在涂層中的濃度，并且第四項計算具有正確取向的以使它們可作為閃光被看見的小片的分數(shù)。
目前使用基于心理學的韋伯定律(Weber law)，即人類感覺通?；诖碳さ膶?shù)，N的對數(shù)與視覺上觀察的閃光刻度數(shù)相關。韋伯定律描述于M.W.Levine，F(xiàn)undamentals of Sensation and Perception，第3版，OxfordUniversity Press，New York，2000中。目前使用基于心理學的韋伯定律(Weber law)，即人類感覺通?；诖碳さ膶?shù)，N的對數(shù)與視覺上觀察的閃光刻度數(shù)相關。
根據(jù)油漆組件的濃度來匹配顏色色料配方可以多種方式確定，即借助搜尋程序、計算或兩種的結合來確定。例如，可使用包含鏈接有比色數(shù)據(jù)的色料配方的數(shù)據(jù)庫。使用測量所選擇色料計算的比色數(shù)據(jù)，可以找到最接近的匹配色料配方。或者，可以使用鏈接有光譜數(shù)據(jù)的色料配方的數(shù)據(jù)庫?？墒褂靡阎挠嬎惴椒ㄓ嬎闵吓浞降谋壬珨?shù)據(jù)并將它們進行對比。而且，可以使用在其中儲存了顏料的吸收數(shù)據(jù)和反射數(shù)據(jù)，即所謂的K和S數(shù)據(jù)的數(shù)據(jù)庫。使用結合色料濃度的K數(shù)據(jù)和S數(shù)據(jù)可計算比色數(shù)據(jù)與測量所選擇色料的比色數(shù)據(jù)最匹配的色料配方。所述方法已詳細地描述于D.B.Judd等的Colour inBusiness，Science and Industry之中?？梢越Y合上述搜尋方法和計算方法。
顏色可以通過油漆膜的反射表示為可見光波長的函數(shù)?；蛘?，顏色可以依據(jù)由Commission International d’Eclairage(國際照明委員會)定義的所謂的CIE Lab系統(tǒng)或類似系統(tǒng)如CIE Luv、CIE XYZ系統(tǒng)或孟塞爾系統(tǒng)表示。在包含隨角異色顏料的油漆膜中，測得的反射R取決于由觀察角和照明角定義的光學幾何結構。由v個調色劑組成的色料配制劑在波長λ和光學幾何結構g下的理論反射Rgλ可以寫作每個調色劑的比色參數(shù)c的函數(shù)(10)Rgλ＝(c1，c2，...cv)或者可以類似方式表示油漆配方的L值、a值、b值。
該色料配方含有V個調色劑、g個測量幾何結構以及每個幾何結構下的λ波長。在不含隨角異色顏料的固體色料的情況下，通常g＝1，并且在波長范圍為400-700nm時λ＝16且波長間隔為20nm。對于包含隨角異色顏料的油漆g通常約為3。
依據(jù)Kubelka Munk模型(遮蓋方案)通過下式定義反射RKM(11),Σi=1Vci·KgλiΣi=1Vci·Sgλi=(1-RgλKM)22RgλKM]]>其中Kigλ為調色劑i在波長λ和光學幾何結構g下的吸收因子，Sigλ為調色劑i在波長λ和光學幾何結構g下的散射因子。因此得到與方程式(4)類似的公式(12)Rgλ(Kgλ1，Kgλ2，...，KgλV，Sgλ1，Sgλ2，...，SgλV，c1，c2，...，cv)為了與以反射值RSTgλ表示的標準顏色(如待修補汽車的顏色)匹配，可以例如使用最小二乘法通過用非線性優(yōu)化算法如Marquardt-Levenberg算法將下式最小化(13),X2=Σg=1GΣλ=1^{Rgλ(c1,c2,...,cv)-RgλST}2.]]>這意味著對于單一色料配方，調色劑的濃度以使色料配方和特定目標色料之間的理論顏色差最小化的方式變化(即使方程式(13)中的X2最小化)。在一個色料配方中V個不同調色劑的濃度ci通過在如下方程式中使用每個調色劑的固定的K值和S值擬合ci參數(shù)來估算(14)Rgλ(擬合參數(shù)c1，c2，...cV；固定Kgλ1，Kgλ2，...，KgλV，Sgλ1，Sgλ2，...，SgλV)。
這種表示色料配制劑的方式也并入了色料配方中不含調色劑的情況或將調色劑加入色料配方的情況這可通過將所含調色劑的濃度設為零或分別除去參數(shù)而實現(xiàn)。
顏色匹配與紋理匹配的結合處理紋理參數(shù)的優(yōu)選方式為將油漆同時基于顏色和紋理進行匹配。為此，必需定義顏色與紋理結合的模型“RT”。這例如可通過結合方程式6和13而實現(xiàn)，即將它們相加并將加權因子α定義為0-1(15),X2=(1-α)·Σg=1GΣλ=1^{Rgλ(c1,c2,...,cv)-RgλST}2+α·Σi=1I{Ti(c1,c2,...cv)-TiST}2]]>通過使用非線性優(yōu)化算法如Marquardt-Levenberg算法而使方程式(15)最小化。擬合參數(shù)是調色劑的濃度并且固定參數(shù)是得自顏色模型的K值和S值及得自紋理模型的紋理參數(shù)。
可使用加權因子α來設置顏色和紋理之間的優(yōu)先順序。若顏色匹配比紋理匹配更優(yōu)先，則α小于0.5，而若紋理匹配更優(yōu)先，則α大于0.5。α值越高，紋理的作用越重要。對于所有色料配方可將因子α保持為常數(shù)，但是對于各個單獨的色料配方因子α也可以變化。
另一種處理紋理的方式為在或多或少的標準色料的調配中將紋理用作約束物。這意味著代替方程式(15)而解方程式(13)，但是在估算中調色劑的濃度不可以使紋理參數(shù)差Ti(c1，c2，...，cv)-TiST超過預設定的上限和下限的方式變化。
圖3顯示了如何使用方程式(15)將X2分為顏色部分和紋理部分的示意性實例(16)X2＝(1-α).X2顏色+α.X2紋理圖3用圖表示了對于特定色料配方而言方程式16的作用。當所述配方僅在顏色上匹配時(α＝0)，則在該特別情況下X2顏色(深藍色線)低于顏色接受閾值(粉色線)，該顏色接受閾值指一般顏色專家在視覺上可接受的顏色。然而，X2紋理(黃色線)是相當大的并且在該特別情況下大于紋理閾值(青色線)，該紋理閾值指對于一般顏色專家在視覺上是不可接受的紋理。另一方面，當匹配僅基于紋理時(α＝1)，則顏色是不可接受的而紋理是可接受的。為了得到令人滿意的匹配，X2顏色和X2紋理均需低于相應的閾值。在該特別的實例中這在0.2≤α≤0.6時得以實現(xiàn)。應強調的是這僅是一個實例。總存在或者顏色和/或紋理將或不可能低于其視覺閾值的色料配方。這例如是沒有正確選擇調色劑時的情況。
處理加權因子α有不同的方式。一種方式為將α設為一個通常能實現(xiàn)最好的顏色匹配與紋理匹配結合的固定值。更優(yōu)選的方式為對于各個單獨的色料配方特別確定一個最佳α值。
本發(fā)明通過以下實施例進一步說明。
實施例用ColourChecker在三個角度(25°、45°和110°)下測量深灰色隨角異色涂層(“標準”)。表2顯示了測量結果。
表2.“標準”
作為紋理性質，測量了粗糙度且將其標記為0.91。
試圖僅對顏色進行匹配(“顏色”)以及對顏色和紋理進行匹配(“顏色紋理”)。對于兩個計算使用了相同系列的著色劑。將配制劑噴霧并測量樣品。配制劑在表3中給出，顏色測量結果在表4和表5中給出。“顏色”的粗糙度值為2.24，并且“顏色紋理”的粗糙度值為1.23，與標準的粗糙度的差在表6中給出。
表3.“顏色”和“顏色紋理”的配制劑
表4.“顏色”
表5.“顏色紋理”
表6.“顏色”和“顏色紋理”的Δ粗糙度(標準的Δ粗糙度≤0.8)
通過使用加權平均的ΔEcmc(WADE)將“顏色”評價為0.46并且“顏色紋理”評價為0.68。該實施例顯示紋理匹配的附加值(“顏色紋理”的紋理與“標準”的紋理匹配)在顏色上比“顏色”略微更差，但是滿足WADE＜1的要求。
權利要求
1.根據(jù)油漆組件的濃度來調配修補漆而使修補漆與基材上待修補油漆膜的紋理性質匹配的方法，其特征在于每個油漆組件具有特定的紋理數(shù)據(jù)并且將使用該油漆組件的紋理數(shù)據(jù)計算的紋理模型用于計算具有匹配紋理性質的修補漆。
2.根據(jù)權利要求1的方法，其特征在于所述油漆組件也具有顏色數(shù)據(jù)并且所述計算的模型也使用顏色數(shù)據(jù)以計算具有匹配的紋理性質和顏色性質的修補漆。
3.根據(jù)權利要求2的方法，其特征在于使用了用加權因子使顏色差異配方與紋理差異配方結合的顏色和紋理差異配方。
4.根據(jù)前述權利要求中任一項的方法，其特征在于將分光光度計用于測量原始油漆的顏色。
5.根據(jù)前述權利要求中任一項的方法，其特征在于將數(shù)字成像裝置如CCD相機用于原始油漆膜紋理的成像并且使用圖像分析軟件分析成像的紋理以及計算紋理參數(shù)。
6.根據(jù)前述權利要求中任一項的方法，其特征在于計算了需要與特定紋理匹配的給定系列隨角異色組件的濃度，然后將所述隨角異色組件的混合物與其它組件混合。
7.根據(jù)前述權利要求中任一項的方法，其特征在于對待修補色料選擇所述隨角異色組件而不需要對待修補色料進行視覺評估。
全文摘要
本發(fā)明涉及根據(jù)油漆組件的濃度來調配修補漆而使修補漆與基材上的待修補油漆膜的紋理(以及任選顏色)性質參數(shù)匹配的方法，其特征在于每個油漆組件具有特定的紋理(以及任選顏色)數(shù)據(jù)并且將使用油漆組件的紋理(以及任選顏色)數(shù)據(jù)計算的紋理(以及任選顏色)模型用于計算具有匹配紋理(以及任選顏色)性質的修補漆。
文檔編號G01J3/46GK101023332SQ200580031229
公開日2007年8月22日 申請日期2005年9月16日 優(yōu)先權日2004年9月17日
發(fā)明者K·H·德哈斯, S·L·恩喬, E·J·J·基希納, R·J·B·戈滕堡斯 申請人:阿克佐諾貝爾國際涂料股份有限公司