高新 潘如如 高衛(wèi)東

摘要： 為解決混色棉纖維顏色預測效果較差、模型預測精度較低的問題，文章通過對Kubelka-Munk理論的分析，確定采用基于單常數(shù)Kubelka-Munk理論的配色模型對混色棉纖維進行預測。在明確此配色模型不足之處的基礎上，提出了標準化映射的方法對模型進行適用性改進，消除極端K/S值對模型預測效果產(chǎn)生的不利影響，從而改善模型的顏色預測效果。通過試驗發(fā)現(xiàn)，模型對混色棉纖維顏色預測的適用性有明顯改善，改進后的單常數(shù)K-M模型對混色棉纖維顏色預測精度有大幅度提高。

關鍵詞： 顏色預測;配色模型;棉纖維;標準化映射;Kubelka-Munk

中圖分類號： TS193.1

文獻標志碼： A

文章編號： 10017003（2020）09003405

引用頁碼： 091107

DOI： 10.3969/j.issn.1001-7003.2020.09.007（篇序）

Cotton fiber color prediction based on the single constant Kubelka-Munk theory

GAO Xina， PAN Rurub， GAO Weidongb

（a.School of Textiles and Clothing; b.Key Laboratory of Eco-Textiles， Ministry of Education， Jiangnan University， Wuxi 214122， China）

Abstract：

In order to solve the problems of poor color prediction effect of mixed-color cotton fiber and the low accuracy of model prediction， it was determined that the color matching model based on the single constant Kubelka-Munk theory was used to predict the mixed-color cotton fiber. On the basis of clarifying the shortcomings of this model， the method of standardized mapping was put forward in this paper to improve the applicability of the model， eliminate the adverse effects of extreme K/S values on the prediction effect of the model， and thus improve the color prediction effect of the model. Through the experiment， it was found that the applicability of the model to the color prediction of mixed-color cotton fiber was significantly improved， and the improved single constant K-M model greatly improved the color prediction accuracy of mixed-color cotton fiber.

Key words：

color prediction; color matching model; cotton fiber; standardized mapping; Kubelka-Munk

收稿日期： 20191111;

修回日期： 20200820

基金項目： 國家重點研發(fā)計劃基金項目（2017YFB0309200）

作者簡介： 高新（1993），男，碩士研究生，研究方向為數(shù)字化紡織技術。通信作者：潘如如，教授，prrsw@163.com。

色紡紗一般是指經(jīng)特定工序混合加工紡制而成、含有兩種或兩種以上不同顏色纖維的紗線，具有特定外觀色彩風格[1]。色紡面料因其具有宏觀色彩豐富、立體感強等外觀風格而被市場青睞，產(chǎn)品已由最初的麻灰色系列發(fā)展到彩色系列，從小色差素色品種發(fā)展到大色差混色品種，并形成了紡織行業(yè)中獨具特色的色紡產(chǎn)業(yè)[2]。研究表明，當前制約色紡產(chǎn)業(yè)發(fā)展的主要因素是配色和混色[3]，多數(shù)色紡企業(yè)配色仍舊采用效率較低的人工配色方法，無法滿足市場小批量、變化快的需求。

近年來，不斷發(fā)展的計算機測配色技術可以緩解色紡企業(yè)配色難的困境。由于計算機測配色技術在織物印染加工的成功應用[4]，人們嘗試將其應用于色紡產(chǎn)品的顏色預測，并提出了多個配色模型[5-7]，但是有色纖維與不同染料的混合，其呈色機理較為復雜，到目前沒有理想的配色模型可以對色紡產(chǎn)品做出十分精確的顏色預測。在提出的配色模型中，基于Kubelka-Munk理論（簡稱K-M理論）的配色模型應用最為廣泛，適用性也相對較好。在不同的假設前提下，基于K-M理論的配色模型可以分為單常數(shù)K-M模型和雙常數(shù)K-M模型。Walowit等[8]將最小二乘法用于雙常數(shù)K-M模型，使得模型對有色纖維的顏色預測更加便捷、準確。單常數(shù)K-M模型已成功應用于染料、顏料對面料著色的測配色中[9]，但是對有色纖維顏色預測的效果遠不及雙常數(shù)模型，到目前為止也沒有較好的方法改善它在色紡測配色領域的適用性。

本文分析了單常數(shù)K-M模型在有色纖維顏色預測方面的不足，通過標準化映射方法改善單常數(shù)K-M模型的適用性，消除極端反射率對預測效果的不利影響，提高了單常數(shù)K-M模型對混色棉纖維的顏色預測精度。

1?單常數(shù)K-M模型

1941年，Duntley[10]提出了基于反射率加和的有色纖維混色模型，單色纖維混合后的光譜反射率等與各單色纖維的光譜反射率與其所占比例乘積的和。雖然該假設經(jīng)試驗證明不成立，但是試驗結果卻表明混色纖維光譜反射率與各單色纖維的光譜反射率存在一定的加和關系，而不是Duntley所認為的簡單的線性加和關系。隨后，眾多學者在此假設的前提下提出了多個配色模型，其中基于K-M理論的配色模型也由此而來。1963年，Davidson等[11]將Kubelka-Munk理論與“色料加和混合定律”相結合，得到了Kubelka-Munk單常數(shù)理論，理論假設對于染色纖維著色劑的散射相比于纖維可以忽略，纖維上染前后其散射系數(shù)S基本不變。因此，基于單常數(shù)K-M理論的配色模型在對混色棉纖維進行顏色預測時，其過程如下：

首先，將單色纖維的光譜反射率轉化為K/S值：

KS（λ）=[1-R（λ）]22R（λ）（1）

式中：λ為光照波長;R（λ）為纖維在波長λ下的光譜反射率;（λ）為纖維在波長λ處的色深。

然后，根據(jù)混色纖維中各單色纖維所占比例，將各單色纖維的K/S值按比例進行線性加和，得到混色纖維K/S值：

M（K/S）=∑ciKiS（2）

式中：M（K/S）為混色纖維的色深;S為纖維的散射系數(shù);Ki第i種單色纖維的吸收系數(shù);ci為第i種單色纖維所占比例，且有∑ci=1;i為混色纖維中單色纖維種類i=1，2，3…。

最后，將混色纖維的K/S值還原為光譜反射率，得到模型預測光譜反射率。

2?標準化映射

在數(shù)據(jù)處理與分析之前，通常需要先將數(shù)據(jù)標準化，利用標準化后的數(shù)據(jù)進行數(shù)據(jù)處理與分析，有利于發(fā)掘數(shù)據(jù)之間的潛在聯(lián)系，提高數(shù)據(jù)處理效率。數(shù)據(jù)標準化的方法有很多種，常用的有“min-max標準化”“Z-score標準化”和“按小數(shù)定標標準化”等。其中min-max標準化方法是對原始數(shù)據(jù)進行線性變換，min和max分別為屬性R的最小值和最大值，將R的一個原始值R0通過min-max標準化映射到指定區(qū)間中的值R1，其具體公式如下：

t=u-dmax-min（3）

R1=d+（R0-min）×t（4）

式中：t為映射系數(shù);u為映射后的最大值;d為映射后的最小值;max為映射前最大值;min為映射前最小值。

3?試?驗

3.1?材?料

選用紅、黃、藍、黑、白5種顏色的棉纖維進行試驗，其光譜反射率如圖1所示。

3.2?混色樣本的制備

采用N288型打樣機（青島源泉機械有限公司）對有色棉纖維進行混合、梳理，將紅、黃、藍、黑、白5種有色纖維中任意兩種顏色混合制成兩色混色樣本，將紅、黃、藍三種彩色纖維共混制成三色混色樣本。兩色混色樣本中各單色纖維所占比例從10%～90%，比例變化步長為10%;三色混色樣本中各單色纖維所占比例從5%～90%，比例變化步長為5%。制備混色樣本時，將不同單色纖維按一定比例混合后經(jīng)梳棉機重復多次梳理，以使纖維混合均勻，然后將梳理過的纖維團放入箱子中壓平，以便后續(xù)測色。本文共制得90個兩色混色樣本，171個三色混色樣本。

3.3?樣本光譜反射率的測定

將壓過的混色樣本對折兩次，使纖維團達到一定的厚度以保證樣本不透光，然后經(jīng)Datacolor 650分光光度測色儀測色。Datacolor 650的測色條件為標準D65光源，測色范圍為400～700 nm，間隔10 nm，標準觀察者10°視場，測色孔徑30 mm，設置儀器測色允差為0.1。樣本測色時，對每個樣本選取4～8個不同位置進行測量，以減小測量誤差。

4?單常數(shù)K-M模型的適用性優(yōu)化

4.1?標準化預處理

通過試驗發(fā)現(xiàn)，即使將纖維的光譜反射率轉化為K/S值后，混色樣本的K/S值與各單色纖維的K/S值之間仍然沒有較好的線性加和關系，導致模型預測反射率與樣本實測反射率之間有較大差異。圖2為30%紅色纖維與70%藍色纖維混合的兩色混色樣本（30R/70B）的實測光譜反射率與模型預測光譜反射率對比曲線。從圖2可以看出，預測值雖然已經(jīng)和實測值有較為相似曲線趨勢，但是在每個波段的差值過大。而經(jīng)試驗驗證得知，若將單色纖維的光譜反射率先經(jīng)min-max標準化預處理后再代入單常數(shù)K-M模型進行顏色預測，混色纖維的K/S值和各單色纖維的K/S值之間的線性加和關系得到明顯改善，進而使得模型預測光譜反射率更加接近實測光譜反射率，優(yōu)化后模型對同一樣本的預測效果如圖3所示。

因此，本文決定通過min-max標準化的方法對單色纖維進行預處理，優(yōu)化單常數(shù)K-M模型對混色棉纖維的預測效果，提高模型的預測精度。在預處理時，為方便計算，將式（3）中反射率的最大值max與最小值min分別設為100%和0，因此可將式（3）（4）合并，得到式（5），即：

R1=d+R0×（u-d）（5）

式中：R0是纖維實測光譜反射率;R1是R0的映射值。

4.2?確定映射范圍

通過遍歷法求解最佳映射范圍，即選取90個三色樣本的實測光譜反射率作為遍歷數(shù)據(jù)。遍歷時，u、d起始值分別設為0.01和0.99，變化步長為0.01，d值按步長遞增，u值按步長遞減。采用CIEDE2000色差公式[12]求解模型預測值與樣本實測值之間的色差，當兩者的色差值最小時，確定每個樣本的最佳u值和d值。樣本的最佳d值分布如圖4所示，可見樣本最佳d值在區(qū)間[0.05，0.07]內占比較大;同樣可以得出，樣本最佳u值在區(qū)間[0.78，0.83]內占比較大。

通過算法得出在不同映射范圍下三色樣本實測值與模型預測值之間的色差和，具體數(shù)據(jù)如表1所示。不同d值對彩色樣本的色差和影響較大，其最佳d值為0.06;不同u值對彩色樣本的色差和影響較小，90個樣本在區(qū)間[0.78，0.81]內的差值不超過1，但是當u值為0.81時，樣本的最大色差值為088，而其他u值對應的樣本最大色差分別是1.05、0.97和0.90，因此確定樣本的最佳u值為0.81。

5?預測效果及分析

本文將所有兩色和三色混色樣本分為訓練集和測試集兩個部分，其中訓練集是90個三色混色樣本，測試集包括所有兩色混色樣本和81個三色混色樣本。首先對訓練集中的樣本進行試驗，確定模型的標準映射區(qū)間為[0.06，0.81]，然后將測試集中的樣本數(shù)據(jù)代入模型檢驗模型的適用性和預測精度。

5.1?三色樣本預測效果對比

通過算法分別對三色樣本的測試集和訓練集進行模型預測，樣本實測值與模型預測值之間的色差越小說明模型的預測效果越好，90個訓練樣本和81個測試樣本的預測效果如表2所示。相對于測試集，訓練集中三色樣本的色差在0.6以下的樣本占比較大，高于0.6的樣本較少，模型對訓練集的預測效果較好。從整體來看，模型對訓練集和測試集中的三色樣本的預測效果相差不大，所有三色樣本的色差都在1以下，因此改進后的單常數(shù)K-M模型對三色混色樣本的預測效果較好。

5.2?兩色樣本預測效果分析

表3是模型對所有混色樣本預測效果的數(shù)據(jù)對比。由表3可知，模型對紅-藍、黃-藍和紅-黃等不含有黑色或者白色纖維的兩色樣本的預測效果較好，其色差均值和最大色差與模型對三色樣本的預測效果相差不大。但是含有黑色纖維的所有兩色樣本的色差均值和最大色差值相較于三色樣本都有不同程度的增大，模型的預測效果變差，同時對含有白色纖維的兩色樣本的預測效果出現(xiàn)波動，對白-藍和白-紅混色樣本的預測效果較好，對白-黃混色樣本的預測效果較差。

對單常數(shù)K-M模型改進的中心思路是通過預處理將單色纖維的光譜反射率映射到特定區(qū)間后再代入模型進行預

測，但是通過試驗發(fā)現(xiàn)，對于不同種類混色纖維的顏色預測，其最佳映射區(qū)間也有所差異。從表3數(shù)據(jù)可以看出，在現(xiàn)有映射區(qū)間內，模型對含有黑色和白色纖維的混色樣本的預測效果相對較差，因此決定將含有黑白纖維的混色樣本作為遍歷數(shù)據(jù)進行二次遍歷試驗，得到適用于含有黑白纖維混色樣本的映射區(qū)間。

通過試驗確定適用于含有黑白纖維的混色樣本顏色預測的映射區(qū)間為[0.08，0.91]，在不同映射區(qū)間下，模型對含有黑色或白色纖維的混色樣本的預測效果對比數(shù)據(jù)如表4所示。表4中，選取的混色樣本都是模型在P1區(qū)間內預測效果較差的樣本，但是在P2區(qū)間內，模型的預測精度有較大的提高。同時模型對含有黑色纖維的兩色混色樣本的預測時，其色差均值下降至0.56，樣本的最大色差下降到0.94。此外，與在P1映射區(qū)間下的預測效果相比，模型在P2區(qū)間下對含有白色纖維的兩色混色樣本的預測效果也有不同程度的改善，白-藍和白-紅混色樣本的色差均值和最大色差都有所下降，白-黃樣本的色差均值和最大色差分別降到了0.77和095。

綜上所述，針對不同種類的混色樣本，選擇不同的映射區(qū)間，優(yōu)化單常數(shù)K-M模型的預測精度和適用性。在映射區(qū)間[0.06，0.81]內，模型對三色混色樣本、紅-黃、紅-藍及黃-藍兩色混色樣本的預測效果較好，在映射區(qū)間[008，0.91]內，模型對含有黑色或者白色纖維的兩色混色樣本的預測精度較高。因此，將兩個映射區(qū)間同時應用于改進后的單常數(shù)K-M模型，解決了單一映射區(qū)間下模型的適用性較差的問題，在保證模型有較高的預測精度前提下，使得模型對不同種類的混色樣本預測時，樣本的色差可以降到1以下。

6?結?語

本文將標準化映射的方法用于單常數(shù)K-M模型對混色棉纖維的顏色預測，并取得了較好的預測效果，模型預測精度有明顯的提高。改變了單常數(shù)K-M模型無法應用于有色纖維顏色預測的現(xiàn)狀，提出了對纖維光譜反射率進行預處理的新思路，為色紡配色模型的優(yōu)化提供了新方法，有利于拓展Kubelka-Munk理論在纖維配色領域的適用性研究。

參考文獻：

[1]金亞琪， 鄒專勇， 許夢露， 等. 色紡紗產(chǎn)品開發(fā)現(xiàn)狀及技術發(fā)展需求[J]. 棉紡織技術， 2012， 40（12）： 65-68.

JIN Yaqi， ZOU Zhuanyong， XU Menglu， et al. Development status and techology development demands of colored spun yarn[J]. Cotton Textiles Technology， 2012， 40（12）： 65-68.

[2]袁理， 代喬民， 付順林， 等. 基于原色纖維混配色織物的呈色特性與影響因素分析[J]. 紡織學報， 2018， 39（10）： 38-43.

YUAN Li， DAI Qiaomin， FU Shunlin， et al. Coloration characteristics and influencing factors of colored spun fabric based on primary-color fibers blending[J]. Journal of Textile Research， 2018， 39（10）： 38-43.

[3]嚴旭新， 黃玉強， 于文菡， 等. 新型色紡精細混棉工藝流程研究[J]. 棉紡織技術， 2015， 43（6）： 49-52.

YAN Xuxin， HUANG Yuqiang， YU Wenhan， et al. New fine blending process procedure study of colored spinning[J]. Cotton Textile Technology， 2015， 43（6）： 49-52.

[4]李戎， 宋陽， 顧峰. 基于Stearns-Noechel模型的纖維光譜配色算法[J]. 紡織學報， 2007， 28（1）： 77-80.

LI Rong， SONG Yang， GU Feng. Spectrophotometric algorithm of pre-colored fiber based on Stearns-Nochel model[J]. Journal of Textile Research， 2007， 28（1）： 77-80.

[5]STEARNS E I， NOECHEL F. Spectrophotometric prediction of color of wool blends[J]. American Dyestuff Reporter， 1944， 33（9）： 177-180.

[6]FRIELE L F C. The application of color measurement in relation to fiber-blending[J]. Journal of Textile Institute， 1952， 43： 604-611.

[7]AMIRSHAHI S H， PAILTHORPE M T. Applying the Kubelka-Munk equation to explain the color of blends prepared from precolored fiber[J]. Textile Research Journal， 1994， 64（6）： 357-364.

[8]WALOWIT E， MCCARTHY C J， BERNS R S. An algorithm for the optimization of Kubelka-Munk absorption and scattering coefficients[J]. Color Research & Application， 1987， 12（6）： 340-343.

[9]車江寧. 有色纖維測配色研究[D]. 上海： 東華大學， 2002.

CHE Jiangning. Research on Color Measurement and Matching of Colored Fiber[D]. Shanghai： Donghua University， 2002.

[10]DUNTLEY S Q. The prediction and control of colored fiber blends by optical mixing[J]. American Dyestuff Reporter， 1941， 30： 689-700.

[11]DAVIDSON S R， KING D. Effect of particle size on photoacoustic signal amplitude[J]. Analytical Chemistry， 1984， 56（8）： 1409-1411.

[12]鄭元林， 劉士偉. 最新色差公式： CIEDE2000[J]. 印刷質量與標準化， 2004（7）： 34-37.

ZHENG Yuanlin， LIU Shiwei. The latest chromatic aberration formula： CIEDE2000[J]. Printing Quality and Standardization， 2004（7）： 34-37.