基于模糊规则的印刷图像专色分色研究

doi:10.3724/SP.J.1087.2012.01598

计算机应用 ›› 2012, Vol. 32 ›› Issue (06): 1598-1600.DOI: 10.3724/SP.J.1087.2012.01598

基于模糊规则的印刷图像专色分色研究

杨玲¹,²,钟云飞²,王彬³

1. 北京印刷学院印刷与包装工程学院，北京 102600
2. 湖南工业大学包装与材料工程学院，湖南株洲 412007
3. 湖南工业大学电气与信息工程学院，湖南株洲 412008

收稿日期:2011-12-01 修回日期:2012-01-16 发布日期:2012-06-04 出版日期:2012-06-01
通讯作者: 钟云飞
作者简介:杨玲（1989-），女，湖南益阳人，硕士研究生，主要研究方向：印刷防伪材料、流变学；〓钟云飞（1975-），男，白族,湖南慈利人, 副教授，主要研究方向：图像处理、模式识别；〓王彬（1985-），男，山东临沂人，硕士研究生，主要研究方向：智能检测。
基金资助:
2011年度湖南工业大学自然科学研究项目;湖南省科技厅资助项目;国家自然科学基金资助项目;2011年度湖南省大学生研究性学习和创新性实验计划项目

Spot color separation of printing images based on fuzzy rules

YANG Ling¹,²,ZHONG Yun-fei¹,WANG Bin³

1. School of Packaging and Materials Engineering, Hunan University of Technology , Zhuzhou Hunan 412007 China
2. School of Printing and Packaging Engineering, Beijing Institute of Graphic Communication, Beijing 102600 China
3. School of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou Hunan 412008 China

Received:2011-12-01 Revised:2012-01-16 Online:2012-06-04 Published:2012-06-01
Contact: ZHONG Yun-fei
Supported by:
;project supported by Hunan provincial science & technology department

摘要/Abstract

摘要： 现有印刷图像专色分色技术已经不能满足印前处理效率和印刷质量要求，针对这一现状，提出了一种模糊C-均值聚类算法(FCM)。该算法基于像素分类，它首先对图像的灰度级进行模糊聚类，得到图像的聚类中心，然后根据每个像素点的灰度级，依照最大隶属度原则将各个像素点归于相应的类别中。实验证明，采用FCM 对印刷图像进行分割具有直观、易于实现的特点，实现了较好的分割效果。

关键词: 专色分色, 模糊聚类, 聚类中心, 隶属度, 彩色印刷

Abstract: The existing technology of color separation, especially the spot color separation, can no longer meet the requirements of prepress processing efficiency or printing quality.Aimed at this situation, the fuzzy C-means clustering algorithm(FCM) was put forward. The algorithm, based on the classification of pixels, carried fuzzy clustering on the grayscale of images in order to get image clustering center at first, and then put each pixel to the corresponding category according to the grayscale of each pixel and the maximum membership degree. Experimental result shows that image segmentation based on fuzzy rules is intuitive and easy to realize and has achieved a good segmentation effect.

Key words: spot color separation, fuzzy clustering, clustering center, membership grade, color printing

杨玲钟云飞王彬. 基于模糊规则的印刷图像专色分色研究[J]. 计算机应用, 2012, 32(06): 1598-1600.

YANG Ling ZHONG Yun-fei WANG Bin. Spot color separation of printing images based on fuzzy rules[J]. Journal of Computer Applications, 2012, 32(06): 1598-1600.

[1]	周美玲, 陈淮莉. 基于负荷平衡的电动汽车模糊多目标充电调度算法[J]. 计算机应用, 2021, 41(4): 1192-1198.
[2]	郭佳, 韩李涛, 孙宪龙, 周丽娟. 自动确定聚类中心的比较密度峰值聚类算法[J]. 计算机应用, 2021, 41(3): 738-744.
[3]	李凯, 李洁. 基于pinball损失的结构模糊多分类支持向量机算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3104-3112.
[4]	吴斌, 卢红丽, 江惠君. 自适应密度峰值聚类算法[J]. 计算机应用, 2020, 40(6): 1654-1661.
[5]	郭曙杰, 李志华, 蔺凯青. 云环境下基于模糊隶属度的虚拟机放置算法[J]. 计算机应用, 2020, 40(5): 1374-1381.
[6]	王巧玲, 乔非, 蒋友好. 基于聚合距离参数的改进K-means算法[J]. 计算机应用, 2019, 39(9): 2586-2590.
[7]	王治和, 黄梦莹, 杜辉, 秦红武. 基于密度峰值与密度聚类的集成算法[J]. 计算机应用, 2019, 39(2): 398-402.
[8]	胡星辰, 申映华, 吴克宇, 程光权, 刘忠. 模糊规则模型的粒度性能指标评估方法[J]. 计算机应用, 2019, 39(11): 3114-3119.
[9]	杜航原, 裴希亚, 王文剑. 面向属性网络的重叠社区发现算法[J]. 计算机应用, 2019, 39(11): 3151-3157.
[10]	杨国锋, 戴家才, 刘向君, 吴晓龙, 田延妮. 基于核模糊聚类的动态多子群协作骨干粒子群优化[J]. 计算机应用, 2018, 38(9): 2568-2574.
[11]	李昆仑, 关立伟, 郭昌隆. 基于聚类和改进共生演算法的云任务调度策略[J]. 计算机应用, 2018, 38(3): 707-714.
[12]	邵伦, 周新志, 赵成萍, 张旭. 基于多维网格空间的改进K-means聚类算法[J]. 计算机应用, 2018, 38(10): 2850-2855.
[13]	王日宏, 崔兴梅. 融合集群度与距离均衡优化的K-均值聚类算法[J]. 计算机应用, 2018, 38(1): 104-109.
[14]	周伟, 罗建军, 靳锴, 王凯. 基于模糊高斯学习策略的粒子群进化融合算法[J]. 计算机应用, 2017, 37(9): 2536-2540.
[15]	霍纬纲, 屈峰, 程震. 基于演进向量量化聚类的增量模糊关联分类方法[J]. 计算机应用, 2017, 37(11): 3075-3079.

基于模糊规则的印刷图像专色分色研究

Spot color separation of printing images based on fuzzy rules

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics