基于3D墨层厚度与色度算法复制盲人图像的方法

基于3d墨层厚度与色度算法复制盲人图像的方法
技术领域
1.本发明提供了基于3d墨层厚度与色度算法复制盲人图像的方法，属于3d打印技术领域。


背景技术：

2.3d打印作为革新性数字化制造技术被应用在各行各业的个性化产品定制，随着彩色3d打印工艺的优化使得定制产品更加真实化与低成本化。通过3d墨层厚度与色度间关联模型，并采用3d打印技术再现盲人图像，推动了全彩色3d打印技术的发展。
3.眼睛对于人类的视觉系统来说是一个获取信息的媒介，这些信息还要进入大脑的视觉神经中整合，但是患有视觉障碍的人无法获取完整信息，从而出现认知缺陷。盲人眼中的世界不是“黑暗”的，“黑色”这个视觉概念是没有任何可见光进入视觉范围产生的颜色，对于先天性的全盲患者，他们不存在颜色的概念，也不存在“看到”的概念。目前盲人能够通过触感去学习文字，但对图像阶调层次以及颜色方面完全“看不到”，通过构建3d墨层厚度与色度间关联模型，从而使盲人对图像的阶调感知更明了，以及对图像的色彩也有一定的认知。


技术实现要素：

4.本发明为了克服现有技术中存在的不足，所要解决的技术问题为：提供一种结构的改进。
5.为了解决上述技术问题，本发明采用的技术方案为：基于3d墨层厚度与色度算法复制盲人图像的方法，包括如下步骤：1）、选择五幅阶调层次明显，色调分别为青色类、品红色类、黄色类、中性色类、混色类的图像，记为训练组a（青色类）、b（品红色类）、c（黄色类）、d（中性色类），实验组e（混色类）；2）、在训练组中，针对图像阶调层次和颜色特点进行编号和标记，得到一系列训练编号，在实验组中，针对图像颜色类别进行编号和标记，得到一系列实验编号；3）、在训练组和实验组中，获取图像表面不同区域的色度数据集l，所述的色度数据集l分为训练色度数据集lt和实验色度数据集le；4）、在训练组和实验组中，采用3d轮廓仪扫描图像，获取图像表面不同区域的高度数据集h，所述高度数据集h分为训练高度数据集ht和实验高度数据集he；5）、在训练组a中，将获取的色度数据集l以及其对应的高度数据集h，同时输入编译的人工神经网络训练算法，进行参数化关联训练，构建图像青色色度值-高度值的关联转换模型，依次类推，在训练组b中，构建图像品红色色度值-高度值的关联转换模型，在训练组c中，构建图像黄色色度值-高度值的关联转换模型，在训练组d中，构建图像中性色色度值-高度值的关联转换模型；6）、在实验组中，将测量图像的色度数据集l按类别输入到步骤5）中获得的关联转
换模型后，输出图像不同区域的色度数据集l对应的高度数据集g，再将高度数据集g转换成3d模型，使用3d打印机技术复制图像。
6.还包括：7）、将所述复制稿与实验组原稿进行阶调层次和色彩比对，同时，运用色差数据集分析算法和高度数据集误差分析算法，对步骤6）得到的图像与原稿进行量化比较，得到表面色差和高度差；将图像表面不同区域的色差和高度差前向反馈给编译的人工神经网络训练算法，调节设置的新权重，直至通过该新权重实现3d打印的预测盲人图像的复制；8）、通过调节后，再次采用3d打印技术复制实验组原稿。
7.所述编译的人工神经网络训练算法是指，采用matlab工具包编译的、每层神经元数可扩展的训练算法。
8.所述步骤2）中的编号编排方式如下：在训练组a中，针对图像阶调层次和颜色特点进行编号和标记，按图像高度划分为n个区域，记为a-nn，n=1~n，在每个区域中又划分m个小区域，记为a-n
n-mm，m=1~m，依次类推，得到其余训练组b、c、d的训练序号；在实验组e中，针对图像颜色类别将其划分为四大区域，分别是青色区域、品红色区域、黄色区域和中性色区域，在青色区域中按图像高度划分为n个区域，记为e-青-nn，再在每个区域中又划分m个小区域，记为e-青-n
n-mm，依次类推，得到品红色区域、黄色区域和中性色区域的训练序号。
9.在所述步骤2）已经进行标记和编号的训练组及实验组的图像是再加一层结构属性的新标记，并分别通过色度值ln和高度值hn进行表示，其中n=1~n。
10.所述步骤7）中的色差数据分析算法和高度数据误差分析算法，采用基于逐点比较策略下，采用matlab gui界面设计与编码，将图像表面不同区域的色差和高度差前向反馈给编译的人工神经网络训练算法。
11.步骤5）中所述人工神经网络训练算法的激活函数采用sigmoid函数、tanh函数、relu函数或elu函数的任意一种。
12.本发明相对于现有技术具备的有益效果为：（1）本发明提出的原稿复制在不同区域用数据集的编号与标记方法，采取拼接式多层结构编排以及对应首字母标记，能够进行快速并大量处理数据，降低运算时间和成本，并提升matlab gui在高度数据集误差和色差表征的编码效率。
13.（2）本发明提出的不同色系的原稿色度值与原稿表面不同区域的高度值的关联方法，此方法优势在于：通过原稿色度值直接推出原稿不同区域的高度值，从而可以快速进行3d建模，降低了直接测量原稿高度的难度，减少了测量误差以及3d建模难度。
14.（3）所述的色差数据分析算法和高度数据误差分析算法，基于逐点比较策略下，采用matlab gui界面设计与编码，将图像表面不同区域的色差和高度差前向反馈给编译的人工神经网络训练算法，调节设置的新权重，直至通过该权重进行3d打印的预测盲人图像的复制，是复制的图像在阶调层次和颜色方面更逼真。
15.（4）本发明提出3d打印技术复制盲人图像的方法，基于预测组原稿不同区域的高度值，进行3d建模时预先设定模型高度并分层，3d打印减少了总体的生产成本，也是符合环
保的。
附图说明
16.下面结合附图对本发明做进一步说明：图1为本发明的方法流程图。
具体实施方式
17.图1给出了本发明提供了基于3d墨层厚度与色度算法复制盲人图像的方法，对图像进行高精度测量，获取色度数据集，以及通过编译的人工神经网络算法、色差分析算法、三维高度数据误差分析算法，增强盲人对图像阶调层次和色彩的感知能力；对原稿按颜色划分为青色区域、品红色区域、黄色区域和中性色区域，在每个区域中按高度进行二次划分并采用结构式标记法依次标记，测量原稿不同区域的色度值，通过matlab编码构建3d墨层厚度与色度间模型，通过模型预测原稿的高度值，根据高度数据进行3d建模并打印，具体包括以下步骤：1）、首先，选择五幅阶调层次明显，色调分别为青色类、品红色类、黄色类、中性色类、混色类的图像，记为训练组a（青色类）、b（品红色类）、c（黄色类）、d（中性色类），实验组e（混色类）；2）在训练组中，针对图像阶调层次和颜色特点进行编号和标记，得到一系列训练编号，在实验组中，针对图像颜色类别进行编号和标记，得到一系列实验编号；3）、然后在训练组和实验组中，采用分光密度计，获取图像表面不同区域的色度数据集l，所述的色度数据集l分为训练色度数据集lt和实验色度数据集le；4）、然后在训练组和实验组中，再采用高精度3d轮廓仪，扫描图像获取表面不同区域的高度数据集h，所述高度数据集h分为训练高度数据集ht和实验高度数据集he;5）、在训练组a中，将获取的色度数据集l以及其对应的高度数据集h，同时输入编译的人工神经网络训练算法，进行参数化关联训练，构建图像青色色度值-高度值的关联转换模型，依次类推，在训练组b中，构建图像品红色色度值-高度值的关联转换模型，在训练组c中，构建图像黄色色度值-高度值的关联转换模型，在训练组d中，构建图像中性色色度值-高度值的关联转换模型；所述编译的人工神经网络训练算法是指，采用matlab工具包编译的、每层神经元数可扩展的训练算法；6）、在实验组中，将测量图像的色度数据集l按类别输入到步骤5）中获得的关联转换模型后，输出图像不同区域的色度数据集l对应的高度数据集g，再将高度数据集g转换成3d模型，使用3d打印机技术复制图像；7）、将所述复制稿与实验组原稿进行阶调层次和色彩比对，同时，运用色差数据集分析算法和高度数据集误差分析算法，对步骤6）得到的图像与原稿进行量化比较，得到表面色差和高度差；所述编译的色差数据集分析算法和高度数据集误差分析算法，基于逐点比较策略下，采用matlab gui界面设计与编码；将图像表面不同区域的色差和高度差前向反馈给编译的人工神经网络训练算法，
调节设置的新权重，直至通过该权重进行3d打印的预测盲人图像的复制。
18.8）、通过调节后，再次采用3d打印技术复制实验组原稿。
19.优选地，选择五幅阶调层次明显，色调分别为青色类、品红色类、黄色类、中性色类、混色类的图像，针对图像阶调层次和颜色特点进行编号和标记。
20.优选地，步骤2）所述编号采取拼接式的结构进行编排，如训练a组中，某个区域编号为a-n
n-mm，n=1~n，m=1~m，依次类推，得到其余训练组b、c、d的训练序号；实验组e中，某个青色区域编号为e-青-n
n-mm，n=1~n，m=1~m；优选地，步骤2）、步骤3）和步骤4）所述新标记是指，在所述编号的拼接式结构后再加一层结构属性，并采取色度值-ln和高度值-hn，n=1~n。
21.优选地，步骤5）所述训练算法的激活函数为sigmoid函数、tanh函数、relu函数与elu函数的任意一种。
22.优选地，步骤7）中所述的色差数据分析算法和高度数据误差分析算法，基于逐点比较策略下，采用matlab gui界面设计与编码，将图像表面不同区域的色差和高度差前向反馈给编译的人工神经网络训练算法，调节设置的新权重，直至通过该权重进行3d打印的预测盲人图像的复制，是复制的图像在阶调层次和颜色方面更逼真。
23.根据以下两个实施例对本发明进行进一步的说明。
24.实施案例一若复制3d油画模型：选择一幅表面起伏程度不同的油画，根据油画的颜色，将其划分为四大区域，分别为青色区域、品红色区域、黄色区域和中性色区域，再将这四个区域按高度划分成五个区域，记为n1、n2、n3、n4和n5，依次再次划分为m1、m2、m3、m4和m5。在青-n
1-m1区域中多次测量其表面的色度值并取均值，通过matlab编程，代入青色色度值-高度值的关联转换模型，得到相应的高度数据值。其他区域中依次类推，分别代入品红色色度值-高度值的关联转换模型，黄色色度值-高度值的关联转换模型，中性色色度值-高度值的关联转换模型，从而获取其表面不同区域的高度值，继而通过3d建模分层，结合3d打印技术，复制得到油画稿。通过色差分析和高度数据误差分析，进一步优化3d墨层厚度与色度间关联模型。
25.实施案例二若复制3d地图模型：选择1：1的中国台湾地图，根据地图的颜色，将其划分为四大区域，分别为青色区域、品红色区域、黄色区域和中性色区域，再将这四个区域按高度划分成八个区域，记为n1、n2、n3、n4、n5、n6、n7和n8，依次再次划分为m1、m2、m3、m4、m5、m6、m7和m8。在青-n
1-m1区域中多次测量其表面的色度值并取均值，通过matlab编程，代入青色色度值-高度值的关联转换模型，得到相应的高度数据值。其他区域中依次类推，分别代入品红色色度值-高度值的关联转换模型，黄色色度值-高度值的关联转换模型，中性色色度值-高度值的关联转换模型，从而获取其表面不同区域的高度值，继而通过3d建模分层，结合3d打印技术，复制得到油画稿。通过色差分析和高度数据误差分析，进一步优化3d墨层厚度与色度间关联模型。
26.关于本发明具体结构需要说明的是，本发明采用的各部件模块相互之间的连接关系是确定的、可实现的，除实施例中特殊说明的以外，其特定的连接关系可以带来相应的技术效果，并基于不依赖相应软件程序执行的前提下，解决本发明提出的技术问题，本发明中出现的部件、模块、具体元器件的型号、连接方式除具体说明的以外，均属于本领域技术人
员在申请日前可以获取到的已公开专利、已公开的期刊论文、或公知常识等现有技术，无需赘述，使得本案提供的技术方案是清楚、完整、可实现的，并能根据该技术手段重现或获得相应的实体产品。
27.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。