APP下载

颜色与物质质量浓度辨识的探究

2018-05-14

重庆电力高等专科学校学报 2018年2期
关键词:色卡数据量读数

(重庆市第八中学,重庆 401120)

HSV颜色模型是A.R.Smith在1978年创建的一种简明直观的颜色模型,也称为六角锥体模型,它在颜色空间中应用广泛[2]。RGB色彩模式:R,G,B即表示红、绿、蓝3个通道的颜色;H代表色相;S代表饱和度。通过R,G,B 3种颜色的空间变化和相互之间的融合得到各种不同的颜色,作为工业界的一种颜色标准,在目前是颜色系统之中应用最为广泛。

本文希望建立颜色读数和物质质量浓度的数量关系,即只要输入照片中的颜色读数就能够获得待测物质的质量浓度。通过对物质质量浓度与颜色读数做出分析后,给出相应的模型,并对模型进行评价比较。以此说明颜色读数和物质质量浓度的关系,确定数据量和维度对模型的影响。

1 建立颜色读数和物质质量浓度的数量关系

1.1 不同质量浓度下RGB对应色卡

利用PhotoShop制作5种物质在不同质量浓度下RGB对应色卡(见图1),通过观察色卡可以发现,随着物质质量浓度的增加,颜色逐渐加深。

图1 5种物质在不同质量浓度下的颜色变化

R,G,B 3种色彩空间自然统计,3种颜色之间相互影响,经过不同比例混合,所呈现的颜色不同。如图2所示,当R,G,B都为0时,混合后的颜色为黑色;当R,G,B 都为255时,颜色显现为白色。

图2 RGB色彩空间

通过RGB着色卡发现,在不同物质的不同质量浓度下,R,G,B值有着相同规律的变化(硫酸铝钾和奶中尿素除外),即颜色会随着质量浓度的增加而变深。同时,根据数据还可以发现,随着质量浓度的增加,R,G,B值呈递减趋势,即值越来越小,满足RGB三原色原理,这跟图2中的色卡也完全吻合。

1.2 质量浓度与颜色读数直方图

对数据进行整合,生成以下图形(见图3至图5)来判定颜色读数和物质质量浓度间的关系。

图3 组胺质量浓度与颜色读数关系图

图4 溴酸钾质量浓度与颜色读数关系图

图5 工业碱质量浓度与颜色读数关系图

由图3发现,组胺的B,G,R,H值随着质量浓度的增加而逐渐下降,而饱和度S不断上升。根据图4可知,当溴酸钾质量浓度逐渐增加时,B不断下降,饱和度S不断上升,G,R,H变化较小。根据图5所示,工业碱质量浓度不断增加,B,G,R不断下降,H,S不断上升。综上可得,物质质量浓度变化会引起颜色读数的相应变化,随着质量浓度的增加颜色逐渐变深。

1.3 数据评价

进一步验证5组数据的优劣,利用RGB和HSV转换公式得到H(色调)和S(饱和度)的值,采用两种方案对数据结果进行评价。

方案1:求出H和S的精度,检验数据的精密度(见表1)。

表1 检验数据的精密度 %

利用RGB和HSV的转化公式,计算相应H,S数值,再计算出H和S各自精密度。精密度模型为

根据精密度检验方法结论(见图6)及表1可以发现,有2组数据H值是mg级,1组是μg,而1组介于之间,而S值的精密度值都比较高。

图6 精密度检验方法结论

方案2:求出H和S的计算值与其实验值做相对误差分析,并作出判断。

相对误差模型为

色调相对误差为

E(K)=(H1-H)/H1

饱和度相对误差为

S(K)=(S1-S)/S1

通过表2及表3发现,H和S值的相对误差绝对值都落在(0,3.96%)之间,实验结果非常好。

表2 工业碱H和S值

表3 奶中尿素H和S值

综上分析可知,虽然一般情况下精密度是越小越好,但是因为物质不同,有时候结果会出现反常表现,而SO2在水中又容易氧化,即SO2这种物质容易受环境影响。所以,从实验结果来看,表中的5组数据总体实验效果良好,可以反映实验最终效果。

2 确立灰度值与质量浓度建立的线性回归模型

2.1 数据分析处理

观察数据表发现,随着SO2质量浓度增加,RGB中的红色(R)和蓝色(B)发生了明显变化,且蓝色在三色中是最大数值,红色是中间值。根据三原色相互混合规律公式:红光+蓝光=品红光(紫光),且随SO2质量浓度的增加,颜色越来越深。用PhotoShop软件生成RGB读数对应色卡,与公式基本吻合,但在30~50,50~80这2个数据段,颜色出现了由浅转深,又由深转浅的波动。色卡如图7所示。

图7 SO2质量浓度对应色卡

鉴于B数据变化太大且不具规律性,所以利用RGB2HSV和HSV2RGB公式对B的值进行转换,然后验证了SO2水溶液质量浓度下颜色读数值的情况。当饱和度有较少变化时,色调几乎没变,说明实验值比较精确。经分析,出现质量浓度增加而颜色变浅有可能是跟SO2这种物质有关,后面将进一步说明。

为验证质量浓度增加颜色变深这一原理,并使其模型具有普遍性和推广性,首先应建立灰度值与质量浓度的模型(因为R,G,B取平均值后相应误差较少)。根据灰度值模型R=(R+G+B)/3,求出表中RGB的灰度值,然后建立灰度值与物质质量浓度的数学模型,利用MATLAB拟合工具箱得到最优函数解

y=aebx1

(1)

解出系数得到

y=6.008×1012e-0.180 7x1

(2)

检验和得出解析值与实验值的相对误差,见表4。

表4 检验和得出解析值与实验值的相对误差(灰度值与物质质量浓度的教学模型)

表4 (续)

为保证颜色读数和物质质量浓度的数学模型的准确度,再通过SPSS软件建立了颜色读数RGBHS与物质质量浓度的五元一次线性规划的数学模型并与之比较

y=c+ax1+bx2+cx3+dx4+ex5

(3)

解得系数后的函数关系式为

y= 20 354.034+42.757x1-25.556x2-
27.278x3-140.028x4+1.062x5

(4)

同样,检验和得出解析值与实验值的相对误差,见表5。

表5 检验和得出解析值与实验值的相对误差(RGBHS与物质质量浓度的教学模型)

表5 (续)

2.2 两模型比较

将两模型进行对比,发现两者的相对误差值都偏大,与假设模型条件下的预期值偏离较大。现重新进行分析,发现SO2物质质量浓度不满足试纸颜色随质量浓度的增大而增大,RGB值也未随质量浓度的增大而递减。因此推测,SO2这一物质在水中的物质质量浓度与颜色读数不具备一般性,其发生了客观属性的变化,导致颜色读数的变化不满足随物质质量浓度的增大而降低。查得有关SO2溶液质量浓度的相关文献得知:SO2在水中形成亚硫酸[6],其化学方程式为SO2+H2O=H2SO3。亚硫酸与水中的氧气又生成硫酸,其化学方程式为2H2SO3+O2=2H2SO4。并且SO2还具有使试纸褪色的特性,再考虑到环境等客观因素的影响,推测SO2物质质量浓度在30,50,80 mol/L时的试纸颜色读数不满足于一般条件下的颜色随物质质量浓度的增大而变深这一原理。颜色读数RGB变小是因为在此质量浓度区间内SO2使试纸暂时褪色,或发生了可逆反应。将两个模型误差对比后,选出模型1,即y=aebx1。

3 模型的数据量和颜色维度量对结果的影响

3.1 建立函数模型

2.1节中建立了颜色读数与物质质量浓度的多元一次线性回归数学模型,质量浓度与颜色读数R的线性关系模型见式(3)。

为了探究数据量和颜色维度对模型的影响,利用SPSS软件建立了质量浓度关于颜色读数的一元至五元的线性回归数学模型。选取其中R2趋近1,sig值趋近于0,得到质量浓度与颜色读数的函数模型如下:

质量浓度与颜色读数R的线性关系模型为

y=c+ax1

(5)

解得系数

y=2 363.798-16.169x1

(6)

质量浓度与颜色读数R,H的线性关系模型为

y=c+a1x1+a2x5

(7)

用SPSS软件解其系数,得到

y=2 014.053-15.749x1+201 38x5

(8)

质量浓度与颜色读数R,G,H的线性关系模型为

y=c+a1x1+a2x2+a3x5

(9)

用SPSS软件解其系数,得到

y=1 097.207-2.172a1x1-3.709x2-2.516x5

(10)

质量浓度与颜色读数R,G,H,S的线性关系型为

y=c+a1x1+a2x2+a3x5+a4x4

(11)

用SPSS软件解得系数为

y=2 894.791+0.96x1-9.939x2-10.894x4-3.273x5

(12)

质量浓度与颜色读数R,G,B,H,S的线性关系式为

y=c+a1x1+a2x2+a3x3+a4x5+a5x4

(13)

用SPSS软件解得系数为

y= 20 354.034+42.757x1+25.556x2-
27.278x3-140.028x4+1.062x5

(14)

3.2 函数模型拟合优度检测

表7 各函数R2 结果

3.3 检验维度、数据量对函数的影响

根据建立的多元线性模型绘制图形。利用SPSS软件把所有数据样本点代入,得到多元线性回归方程,再带入MATLAB。其结果显示,在数据样本点多时,颜色维度增多时,模型算出来的质量浓度值就越接近数据中的质量浓度值。

利用SPSS软件输入处理过的有效数据样本点,得到多元线性回归方程,再带入MATLAB。结果显示,数据样本点过少时,颜色维度增加,算出的质量浓度值与数据质量浓度值存在一定偏差。

用MATLAB把两种结果进行合并,结果显示,随着数据量点增加,颜色维度增加,算出的质量浓度值也就接近数据给出的质量浓度值。而在样本数据量点减小、颜色维度减小的情况下,算出的质量浓度值就偏离数据给出的质量浓度值。

综上分析,得出结论:数据量和维度逐渐增大时得出的模型更加准确,数据量和纬度减小时得出的模型更偏离实际值。

4 结论

文中通过模型的建立解决了颜色与物质质量浓度的关系,再通过软件、图形的进一步验证和说明,本文的结论在实际应用中具有一定的参考价值。

参考文献:

[1] 刘京娟.多元线性回归模型检验方法[J].湖南税务高等专科学校学报,2005,18(5):48-49.

[2] 朱红林.三原色辨析-兼淡色彩的调和变化规律[J].重庆文理学院学报,1995(1):65-67.

[3] 兰林,康毅力,陈一建,等.储层应力敏感性评价试验方法与评价指标探讨[J].钻井液与完井液,2005,22(3):1-4.

[4] 刘斌强,陈希,狄凯歌.Photoshop的色彩模式与转换[J].今日印刷,2006(9):40-41.

[5] 李润珍,武杰,程守华.突现、分层与对称性破缺[J].系统科学学报,2008,16(2):9-13.

[6] 王金霞,张晓平.济南市酸雨变化特征[J].科技信息,2009(31):969,1 176.

猜你喜欢

色卡数据量读数
基于大数据量的初至层析成像算法优化
数字色卡
颜色读数与物质浓度模型的新思考
高刷新率不容易显示器需求与接口标准带宽
宽带信号采集与大数据量传输系统设计与研究
2018/19秋冬国际流行色定案色卡分析
读数
读数
读数
读数