CN104182627A - 一种显示设备颜色精确预测表征方法 - Google Patents

Abstract

本发明公开了一种显示设备颜色精确预测表征方法，首先分别选取红、绿、蓝三通道的临近优化三刺激值建立矩阵，将其联合每个通道的最优亮度因子，建立起数学映射模型，从而由数字驱动值获得CIEXYZ三刺激值的初步预测表征值；然后基于二次训练样本的方式，采用最小二乘法，建立数字驱动值与通道独立性差值的数学关联；最后将初步预测表征值与通道独立性差值相加，即得到了显示设备在该数字驱动值对应CIEXYZ三刺激值的最终预测表征值；本发明解决了显示设备色品恒定性和通道独立性差导致颜色预测表征精度不高的问题，可以大幅度地提高各种显示设备颜色预测表征的性能，精确、实用，适用性强。

Description

一种显示设备颜色精确预测表征方法

技术领域

本发明涉及数字图像颜色管理体系的显示设备，尤其是针对显示设备提出一种精确的颜色预测表征方法。

背景技术

数字图像设备为人们生产和生活带来了巨大的优越性，但彩色图像在不同数字图像设备间传输时会不可避免地产生颜色失真。因此，如何保证彩色图像的颜色在不同类型、不同厂商以及不同物理参数的数字图像设备间准确传递和复制重现显得越来越重要。显示设备作为工业生产和日常生活中应用最广泛的一种软拷贝数字图像输出设备，针对其实现颜色的精确预测表征，即通过数学模型的方式，在设备相关颜色空间的数字驱动值(R,G,B)与设备无关颜色空间的CIEXYZ三刺激值间建立尽可能准确的映射关系，从而保证不同的数字图像设备通过设备无关颜色空间的形式进行精确的颜色信息传递，这也是进行颜色管理的基础步骤和关键环节。

实现显示设备颜色的精确预测表征，即构建红、绿、蓝三通道数字驱动值(R,G,B)与CIEXYZ三刺激值(国际照明委员会标准色度观察者三刺激值)间的映射模型，主要基于色品恒定性和通道独立性两个关键颜色特性。当前，几乎所有针对显示设备的颜色预测表征模型都是根据色品恒定性和通道独立性提出的，而颜色预测表征的精度在极大程度上取决于这两个颜色特性的表现，若显示设备能够很好地满足这两个颜色特性，则采用一些简单方法例如增益-偏置-伽马(GOG,gain-offset-gamma)模型即可实现其颜色精确预测表征。

然而，当前显示产业正处于一个快速发展应用的黄金时期，无论是大屏幕显示还是平板电脑、智能手机等应用，都推动着显示产业的变革，新技术不断产生，已有技术也在持续改进，显示技术种类繁多，发展迅速，这使得不同显示设备在物理参数和颜色特性的表现相异很大，而它们在色品恒定性和通道独立性的性能也不尽相同，尤其是很多新技术的显示设备，色品恒定性和通道独立性极差甚至完全不符合，这就导致现有颜色预测表征方法均无法对其适用。因此，针对色品恒定性和通道独立性差的显示设备提出一种精确、实用的颜色预测表征方法，并且对不同通道独立性及色品恒定性表现的显示设备兼具良好适用性，可以为不同数字图像设备间的颜色管理提供坚实的技术支撑，这对于不同显示技术在工业生产和日常应用的推广也极其必要。

发明内容

本发明的目的是为了解决背景技术中所述的问题，提供一种显示设备颜色精确预测表征的方法。

本发明的目的是通过以下技术方案来实现的：一种显示设备颜色精确预测表征方法，包括以下步骤：

(1)设置显示设备的输出亮度、白场色温、色域和对比度参数，保证显示设备正常工作，其在任意数字驱动值时的CIEXYZ三刺激值均不出现饱和现象；

(2)分别以间隔d₁对显示设备的红、绿、蓝三通道的数字驱动值进行采样，每个通道各产生[ceil(255/d₁)+1]个样本，其中ceil()表示向上取整，将三通道共产生的3×[ceil(255/d₁)+1]个样本作为初步训练样本；

(3)采用光谱辐射计测量步骤2得到的初步训练样本对应的CIEXYZ三刺激值，将数字驱动值为(R_T1,G_T1,B_T1)的初步训练样本测量所得的CIEXYZ三刺激值记作 $(X_{(R_{T1},G_{T1},B_{T1})},Y_{(R_{T1},G_{T1},B_{T1})},Z_{(R_{T1},G_{T1},B_{T1})});$

(4)根据步骤3得到的初步训练样本的CIEXYZ三刺激值和其数字驱动值(R_T1,G_T1,B_T1)，建立式(1)所示的数学映射模型；通过数学映射模型计算任意数字驱动值(R,G,B)对应的CIEXYZ三刺激值的初步预测表征值(X'_(R,G,B),Y'_(R,G,B),Z'_(R,G,B))；其中，(X₀,Y₀,Z₀)代表数字驱动值为(0,0,0)的CIEXYZ三刺激值；(X_Rn,Y_Rn,Z_Rn)、(X_Gn,Y_Gn,Z_Gn)、(X_Bn,Y_Bn,Z_Bn)分别代表红、绿、蓝三通道的临近优化三刺激值，(X_Rn,Y_Rn,Z_Rn)是与R最接近的(R_T1,0,0)对应的CIEXYZ三刺激值，(X_Gn,Y_Gn,Z_Gn)是与G最接近的(0,G_T1,0)对应的CIEXYZ三刺激值，(X_Bn,Y_Bn,Z_Bn)是与B最接近的(0,0,B_T1)对应的CIEXYZ三刺激值；X_R、Y_G、Z_B代表红、绿、蓝三通道的最优亮度因子，由数字驱动值(R_T1,G_T1,B_T1)与其CIEXYZ三刺激值进行三次样条插值得到；

$\left[\begin{array}{c}{X^{\′}}_{(R,G,B)}\\ {Y^{\′}}_{(R,G,B)}\\ {Z^{\′}}_{(R,G,B)}\end{array}\right]=\left[\begin{array}{ccc}1& X_{\mathrm{Gn}}/Y_{\mathrm{Gn}}& X_{\mathrm{Bn}}/Z_{\mathrm{Bn}}\\ Y_{\mathrm{Rn}}/X_{\mathrm{Rn}}& 1& Y_{\mathrm{Bn}}/Z_{\mathrm{Bn}}\\ Z_{\mathrm{Rn}}/X_{\mathrm{Rn}}& Z_{\mathrm{Gn}}/Y_{\mathrm{Gn}}& 1\end{array}\right]\left[\begin{array}{c}{X}_R\\ Y_G\\ Z_B\end{array}\right]+\left[\begin{array}{c}{X}_0\\ Y_0\\ Z_0\end{array}\right]---\left(1\right)$

(5)分别以间隔d₂对红、绿、蓝三通道的数字驱动值进行采样，每个通道各产生[ceil(255/d₂)+1]个样本，将三通道所有可能组合产生的[ceil(255/d₂)+1]³个样本作为二次训练样本；

(6)采用光谱辐射计测量步骤5得到的二次训练样本对应的CIEXYZ三刺激值，将数字驱动值为(R_T2,G_T2,B_T2)的二次训练样本测量所得的CIEXYZ三刺激值记作 $(X_{(R_{T2},G_{T2},B_{T2})},Y_{(R_{T2},G_{T2},B_{T2})},Z_{(R_{T2},G_{T2},B_{T2})});$

(7)通过式(1)所示的数学映射模型，计算数字驱动值为(R_T2,G_T2,B_T2)的二次训练样本对应CIEXYZ三刺激值的初步预测表征值

(8)对于数字驱动值为(R_T2,G_T2,B_T2)的二次训练样本，根据步骤6得到的CIEXYZ三刺激值与步骤7得到的CIEXYZ三刺激值的初步预测表征值通过式(2)，计算出显示设备的通道独立性差值

$\left\{\begin{array}{c}{\mathrm{\ΔX}}_{(R_{T2},G_{T2},B_{T2})}=X_{(R_{T2},G_{T2},B_{T2})}-{X^{\′}}_{(R_{T2},G_{T2},B_{T2})}\\ {\mathrm{\ΔY}}_{(R_{T2},G_{T2},B_{T2})}=Y_{(R_{T2},G_{T2},B_{T2})}-{Y^{\′}}_{(R_{T2},G_{T2},B_{T2})}\\ {\mathrm{\ΔZ}}_{(R_{T2},G_{T2},B_{T2})}=Z_{(R_{T2},G_{T2},B_{T2})}-{Z^{\′}}_{(R_{T2},G_{T2},B_{T2})}\end{array}\right.---\left(2\right)$

(9)对于二次训练样本，将其数字驱动值(R_T2,G_T2,B_T2)以式(3)进行归一化，然后将归一化驱动值组成矩阵η_T2，如式(4)所示，结合步骤8获得的通道独立性差值采用最小二乘法拟合出系数矩阵A，这样，对于任意数字驱动值(R,G,B)的待显示颜色，均可以通过式(5)、式(6)和式(7)计算出对应的通道独立性差值(ΔX_(R,G,B),ΔY_(R,G,B),ΔZ_(R,G,B))；

$\left\{\begin{array}{c}{r}_{T2}=R_{T2}/255\\ g_{T2}=G_{T2}/255\\ b_{T2}=B_{T2}/255\end{array}\right.---\left(3\right)$

$\begin{array}{c}{\mathrm{\η}}_{T2}=\left[\begin{array}{ccccccccccc}1& r_{T2}& g_{T2}& b_{T2}& r_{T2}^2& g_{T2}^2& b_{T2}^2& r_{T2}{g}_{T2}& r_{T2}{b}_{T2}& g_{T2}{b}_{T2}& r_{T2}{g}_{T2}{b}_{T2}\end{array}\right.\\ \left.\begin{array}{cccccc}{r}_{T2}^2{g}_{T2}& r_{T2}{g}_{T2}^2& r_{T2}^2{b}_{T2}& r_{T2}{b}_{T2}^2& g_{T2}^2{b}_{T2}& g_{T2}{b}_{T2}^2\end{array}\right]\end{array}---\left(4\right)$

$\left\{\begin{array}{c}r=R/255\\ g=G/255\\ b=B/255\end{array}\right.---\left(5\right)$

$\begin{array}{c}\mathrm{\η}=\left[\begin{array}{ccccccccccc}1& r& g& b& r^2& g^2& b^2& \mathrm{rg}& \mathrm{rb}& \mathrm{gb}& \mathrm{rgb}\end{array}\right.\\ \left.\begin{array}{cccccc}{r}^{2}g& {\mathrm{rg}}^2& r^{2}b& {\mathrm{rb}}^2& g^{2}b& {\mathrm{gb}}^2\end{array}\right]\end{array}---\left(6\right)$

$\left[\begin{array}{c}{\mathrm{\ΔX}}_{(R,G,B)}\\ {\mathrm{\ΔY}}_{(R,G,B)}\\ {\mathrm{\ΔZ}}_{(R,G,B)}\end{array}\right]={\left(\mathrm{A\η}\right)}^T---\left(7\right)$

(10)对于任意数字驱动值(R,G,B)的待显示颜色，根据步骤9得到的通道独立性差值(ΔX_(R,G,B),ΔY_(R,G,B),ΔZ_(R,G,B))以及步骤4得到的CIEXYZ三刺激值初步预测表征值(X'_(R,G,B),Y'_(R,G,B),Z'_(R,G,B))，经式(8)计算出CIEXYZ三刺激值的最终预测表征值(X_(R,G,B),Y_(R,G,B),Z_(R,G,B))。

$\left[\begin{array}{c}{X}_{(R,G,B)}\\ Y_{(R,G,B)}\\ Z_{(R,G,B)}\end{array}\right]=\left[\begin{array}{c}{X^{\′}}_{(R,G,B)}\\ {Y^{\′}}_{(R,G,B)}\\ {Z^{\′}}_{(R,G,B)}\end{array}\right]+\left[\begin{array}{c}{\mathrm{\ΔX}}_{(R,G,B)}\\ {\mathrm{\ΔY}}_{(R,G,B)}\\ \mathrm{\Δ}{Z}_{(R,G,B)}\end{array}\right]---\left(8\right)$

由此，对显示设备要呈现的任何颜色，均可由上述流程和算法，由设备相关颜色空间的数字驱动值(R,G,B)依次计算得到设备无关颜色空间的CIEXYZ三刺激值(X_(R,G,B),Y_(R,G,B),Z_(R,G,B))，从而达到精确的颜色预测表征。

本发明的有益效果是：本发明选取了红、绿、蓝三通道的临近优化三刺激值及其最优亮度因子，首先建立起数学映射模型获得CIEXYZ三刺激值的初步预测表征值，临近优化三刺激值的选取可以降低显示设备色品恒定性差对颜色预测表征的影响，而各通道最优亮度因子的选取和三次样条插值方法也可以在亮度层面提高颜色预测表征的精度。另外本发明以二次训练样本的方式建立起数字驱动值与通道独立性差值的数学关联，在颜色预测表征过程中有效地加入了显示设备通道独立性差的影响，并予以数学表征和消除。本发明主要针对色品恒定性和通道独立性差的显示设备，大幅度地提高其颜色预测表征性能，精确、实用，适用性强。

附图说明

图1为本发明中初步训练样本和二次训练样本的测量装置图。

具体实施方式

以一台8位显卡NVIDIA Quadro VX200控制的显示器HP2840zx为例，对其颜色的精确预测表征包括以下步骤：

(1)设置显示器HP2840zx的输出亮度、白场色温、色域和对比度参数，保证显示设备正常工作，其在任意数字驱动值时的CIEXYZ三刺激值均不出现饱和现象。

(2)由于显卡位数为8位，故红、绿、蓝三通道的数字驱动值范围均为0～255，分别以间隔d₁对每个通道的数字驱动值进行采样，此时其他两个通道数字驱动值设置为0，这样，每个通道各产生[ceil(255/d₁)+1]个样本，则三通道共产生3×[ceil(255/d₁)+1]个样本，其中ceil()表示向上取整；这里取d₁＝16，对应每个通道数字驱动值的间隔方式为(0,16,32,48,64,80,96,112,128,144,160,176,192,208,224,240,255)，红、绿、蓝三通道共产生3×17个样本，即建立颜色预测表征模型所需的初步训练样本，其红、绿、蓝三通道的数字驱动值记作(R_T1,G_T1,B_T1)，分别如式(1)至式(3)所示。

$\left\{\begin{array}{c}{R}_{T1}=\mathrm{0,16,32,48,64,80,96,112,128,144,160,176,192,208,224,240,255}\\ G_{T1}=0\\ B_{T1}=0\end{array}\right.---\left(1\right)$

$\left\{\begin{array}{c}{R}_{T1}=0\\ G_{T1}=\mathrm{0,16,32,48,64,80,96,112,128,144,160,176,192,208,224,240,255}\\ B_{T1}=0\end{array}\right.---\left(2\right)$

$\left\{\begin{array}{c}{R}_{T1}=0\\ G_{T1}=0\\ B_{T1}=\mathrm{0,16,32,48,64,80,96,112,128,144,160,176,192,208,224,240,255}\end{array}\right.---\left(3\right)$

(3)采用光谱辐射计Konica-Minolta CS-2000测量步骤2中初步训练样本对应的CIEXYZ三刺激值，测量装置如图1所示，其中，h为显示器HP2840zx的有效高度，CS-2000镜头距显示器中心的距离为4h，屏幕中心处显示边长为h/5的正方形色块，周围区域设置为黑色；将数字驱动值为(R_T1,G_T1,B_T1)的初步训练样本的测量所得CIEXYZ三刺激值记作 $(X_{(R_{T1},G_{T1},B_{T1})},Y_{(R_{T1},G_{T1},B_{T1})},Z_{(R_{T1},G_{T1},B_{T1})}).$

(4)根据步骤3中初步训练样本的CIEXYZ三刺激值

和其数字驱动值(R_T1,G_T1,B_T1)，建立式(4)所示的数学映射模型，这样，对于任意数字驱动值(R,G,B)的待显示颜色，其对应CIEXYZ三刺激值的初步预测表征值(X'_(R,G,B),Y'_(R,G,B),Z'_(R,G,B))可通过式(4)计算。

$\left[\begin{array}{c}{X^{\′}}_{(R,G,B)}\\ {Y^{\′}}_{(R,G,B)}\\ {Z^{\′}}_{(R,G,B)}\end{array}\right]=\left[\begin{array}{ccc}1& X_{\mathrm{Gn}}/Y_{\mathrm{Gn}}& X_{\mathrm{Bn}}/Z_{\mathrm{Bn}}\\ Y_{\mathrm{Rn}}/X_{\mathrm{Rn}}& 1& Y_{\mathrm{Bn}}/Z_{\mathrm{Bn}}\\ Z_{\mathrm{Rn}}/X_{\mathrm{Rn}}& Z_{\mathrm{Gn}}/Y_{\mathrm{Gn}}& 1\end{array}\right]\left[\begin{array}{c}{X}_R\\ Y_G\\ Z_B\end{array}\right]+\left[\begin{array}{c}{X}_0\\ Y_0\\ Z_0\end{array}\right]---\left(4\right)$

①(X₀,Y₀,Z₀)代表数字驱动值为(0,0,0)的CIEXYZ三刺激值；

②(X_Rn,Y_Rn,Z_Rn)、(X_Gn,Y_Gn,Z_Gn)、(X_Bn,Y_Bn,Z_Bn)分别代表红、绿、蓝三通道的临近优化三刺激值，(X_Rn,Y_Rn,Z_Rn)是与R最接近的(R_T1,0,0)对应的CIEXYZ三刺激值，(X_Gn,Y_Gn,Z_Gn)是与G最接近的(0,G_T1,0)对应的CIEXYZ三刺激值，(X_Bn,Y_Bn,Z_Bn)是与B最接近的(0,0,B_T1)对应的CIEXYZ三刺激值；

③X_R、Y_G、Z_B代表红、绿、蓝三通道的最优亮度因子，可由数字驱动值(R_T1,G_T1,B_T1)与其CIEXYZ三刺激值进行三次样条插值得到，如式(5)所示，spline()表示三次样条插值函数。

$\left\{\begin{array}{c}{X}_R=\mathrm{spline}(R_{T1},X_{(R_{T1},G_{T1},B_{T1})}),G_{T1}=B_{T1}=0\\ Y_G=\mathrm{spline}(G_{T1},Y_{(R_{T1},G_{T1},B_{T1})}),R_{T1}=B_{T1}=0\\ Z_B=\mathrm{spline}(B_{T1},Z_{(R_{T1},G_{T1},B_{T1})}),R_{T1}=G_{T1}=0\end{array}\right.---\left(5\right)$

(5)对于红、绿、蓝三通道，分别以间隔d₂对每个通道的数字驱动值进行采样，每个通道各产生[ceil(255/d₂)+1]个样本，则三通道的所有可能组合共产生[ceil(255/d₂)+1]³个样本，其中ceil()表示向上取整；这里取d＝64，对应每个通道数字驱动值的间隔方式为(0,64,128,192,255)，红、绿、蓝三通道共产生5×5×5个样本，即建立颜色预测表征模型所需的二次训练样本，其红、绿、蓝三通道的数字驱动值记作(R_T2,G_T2,B_T2)。

(6)采用光谱辐射计CS-2000测量步骤5中二次训练样本对应的CIEXYZ三刺激值，测量装置和方法与步骤3类似，将数字驱动值为(R_T2,G_T2,B_T2)时二次训练样本的测量所得CIEXYZ三刺激值记作

(7)通过式(4)所示的数学映射模型，计算数字驱动值为(R_T2,G_T2,B_T2)的二次训练样本对应CIEXYZ三刺激值的初步预测表征值

(8)对于数字驱动值为(R_T2,G_T2,B_T2)的二次训练样本，将步骤6中测量得到的CIEXYZ三刺激值与步骤7所获CIEXYZ三刺激值的初步预测表征值通过式(6)，计算出其通道独立性差值 $({\mathrm{\ΔX}}_{(R_{T2},G_{T2},B_{T2})},{\mathrm{\ΔY}}_{(R_{T2},G_{T2},B_{T2})},{\mathrm{\ΔZ}}_{(R_{T2},G_{T2},B_{T2})}).$

$\left\{\begin{array}{c}{\mathrm{\ΔX}}_{(R_{T2},G_{T2},B_{T2})}=X_{(R_{T2},G_{T2},B_{T2})}-{X^{\′}}_{(R_{T2},G_{T2},B_{T2})}\\ {\mathrm{\ΔY}}_{(R_{T2},G_{T2},B_{T2})}=Y_{(R_{T2},G_{T2},B_{T2})}-{Y^{\′}}_{(R_{T2},G_{T2},B_{T2})}\\ {\mathrm{\ΔZ}}_{(R_{T2},G_{T2},B_{T2})}=Z_{(R_{T2},G_{T2},B_{T2})}-{Z^{\′}}_{(R_{T2},G_{T2},B_{T2})}\end{array}\right.---\left(6\right)$

(9)对于二次训练样本，将其数字驱动值(R_T2,G_T2,B_T2)以式(7)进行归一化，然后将归一化驱动值组成矩阵η_T2，如式(8)所示，结合步骤8获得的通道独立性差值采用最小二乘法拟合出系数矩阵A，这样，对于任意数字驱动值(R,G,B)的待显示颜色，均可以通过式(9)、式(10)和式(11)计算出对应的通道独立性差值(ΔX_(R,G,B),ΔY_(R,G,B),ΔZ_(R,G,B))。

$\left\{\begin{array}{c}{r}_{T2}=R_{T2}/255\\ g_{T2}=G_{T2}/255\\ b_{T2}=B_{T2}/255\end{array}\right.---\left(7\right)$

$\begin{array}{c}{\mathrm{\η}}_{T2}=\left[\begin{array}{ccccccccccc}1& r_{T2}& g_{T2}& b_{T2}& r_{T2}^2& g_{T2}^2& b_{T2}^2& r_{T2}{g}_{T2}& r_{T2}{b}_{T2}& g_{T2}{b}_{T2}& r_{T2}{g}_{T2}{b}_{T2}\end{array}\right.\\ \left.\begin{array}{cccccc}{r}_{T2}^2{g}_{T2}& r_{T2}{g}_{T2}^2& r_{T2}^2{b}_{T2}& r_{T2}{b}_{T2}^2& g_{T2}^2{b}_{T2}& g_{T2}{b}_{T2}^2\end{array}\right]\end{array}---\left(8\right)$

$\left\{\begin{array}{c}r=R/255\\ g=G/255\\ b=B/255\end{array}\right.---\left(9\right)$

$\begin{array}{c}\mathrm{\η}=\left[\begin{array}{ccccccccccc}1& r& g& b& r^2& g^2& b^2& \mathrm{rg}& \mathrm{rb}& \mathrm{gb}& \mathrm{rgb}\end{array}\right.\\ \left.\begin{array}{cccccc}{r}^{2}g& {\mathrm{rg}}^2& r^{2}b& {\mathrm{rb}}^2& g^{2}b& {\mathrm{gb}}^2\end{array}\right]\end{array}---\left(10\right)$

$\left[\begin{array}{c}{\mathrm{\ΔX}}_{(R,G,B)}\\ {\mathrm{\ΔY}}_{(R,G,B)}\\ {\mathrm{\ΔZ}}_{(R,G,B)}\end{array}\right]={\left(\mathrm{A\η}\right)}^T---\left(11\right)$

(10)对于任意数字驱动值(R,G,B)的待显示颜色，结合步骤9获得的通道独立性差值(ΔX_(R,G,B),ΔY_(R,G,B),ΔZ_(R,G,B))以及步骤4获得的CIEXYZ三刺激值初步预测表征值(X'_(R,G,B),Y'_(R,G,B),Z'_(R,G,B))，经式(12)计算出CIEXYZ三刺激值的最终预测表征值(X_(R,G,B),Y_(R,G,B),Z_(R,G,B))。

$\left[\begin{array}{c}{X}_{(R,G,B)}\\ Y_{(R,G,B)}\\ Z_{(R,G,B)}\end{array}\right]=\left[\begin{array}{c}{X^{\′}}_{(R,G,B)}\\ {Y^{\′}}_{(R,G,B)}\\ {Z^{\′}}_{(R,G,B)}\end{array}\right]+\left[\begin{array}{c}{\mathrm{\ΔX}}_{(R,G,B)}\\ {\mathrm{\ΔY}}_{(R,G,B)}\\ \mathrm{\Δ}{Z}_{(R,G,B)}\end{array}\right]---\left(12\right)$

由此，对显示器HP2840zx要呈现的任何颜色，均可由上述流程和算法，由数字驱动值(R,G,B)依次计算得到CIEXYZ三刺激值的最终预测表征值(X_(R,G,B),Y_(R,G,B),Z_(R,G,B))，从而达到精确的颜色预测表征。

Claims (1)

1.一种显示设备颜色精确预测表征方法，其特征在于，包括以下步骤：

(1)设置显示设备的输出亮度、白场色温、色域和对比度参数，保证显示设备正常工作，其在任意数字驱动值时的CIEXYZ三刺激值均不出现饱和现象；

(2)分别以间隔d₁对显示设备的红、绿、蓝三通道的数字驱动值进行采样，每个通道各产生[ceil(255/d₁)+1]个样本，其中ceil()表示向上取整，将三通道共产生的3×[ceil(255/d₁)+1]个样本作为初步训练样本；

(3)采用光谱辐射计测量步骤2得到的初步训练样本对应的CIEXYZ三刺激值，将数字驱动值为(R_T1,G_T1,B_T1)的初步训练样本测量所得的CIEXYZ三刺激值记作 $(X_{(R_{T1},G_{T1},B_{T1})},Y_{(R_{T1},G_{T1},B_{T1})},Z_{(R_{T1},G_{T1},B_{T1})});$

(4)根据步骤3得到的初步训练样本的CIEXYZ三刺激值和其数字驱动值(R_T1,G_T1,B_T1)，建立式(1)所示的数学映射模型；通过数学映射模型计算任意数字驱动值(R,G,B)对应的CIEXYZ三刺激值的初步预测表征值(X'_(R,G,B),Y'_(R,G,B),Z'_(R,G,B))；其中，(X₀,Y₀,Z₀)代表数字驱动值为(0,0,0)的CIEXYZ三刺激值；(X_Rn,Y_Rn,Z_Rn)、(X_Gn,Y_Gn,Z_Gn)、(X_Bn,Y_Bn,Z_Bn)分别代表红、绿、蓝三通道的临近优化三刺激值，(X_Rn,Y_Rn,Z_Rn)是与R最接近的(R_T1,0,0)对应的CIEXYZ三刺激值，(X_Gn,Y_Gn,Z_Gn)是与G最接近的(0,G_T1,0)对应的CIEXYZ三刺激值，(X_Bn,Y_Bn,Z_Bn)是与B最接近的(0,0,B_T1)对应的CIEXYZ三刺激值；X_R、Y_G、Z_B代表红、绿、蓝三通道的最优亮度因子，由数字驱动值(R_T1,G_T1,B_T1)与其CIEXYZ三刺激值进行三次样条插值得到；

$\left[\begin{array}{c}{X^{\′}}_{(R,G,B)}\\ {Y^{\′}}_{(R,G,B)}\\ {Z^{\′}}_{(R,G,B)}\end{array}\right]=\left[\begin{array}{ccc}1& X_{\mathrm{Gn}}/Y_{\mathrm{Gn}}& X_{\mathrm{Bn}}/Z_{\mathrm{Bn}}\\ Y_{\mathrm{Rn}}/X_{\mathrm{Rn}}& 1& Y_{\mathrm{Bn}}/Z_{\mathrm{Bn}}\\ Z_{\mathrm{Rn}}/X_{\mathrm{Rn}}& Z_{\mathrm{Gn}}/Y_{\mathrm{Gn}}& 1\end{array}\right]\left[\begin{array}{c}{X}_R\\ Y_G\\ Z_B\end{array}\right]+\left[\begin{array}{c}{X}_0\\ Y_0\\ Z_0\end{array}\right]---\left(1\right)$

(5)分别以间隔d₂对红、绿、蓝三通道的数字驱动值进行采样，每个通道各产生[ceil(255/d₂)+1]个样本，将三通道所有可能组合产生的[ceil(255/d₂)+1]³个样本作为二次训练样本；

(6)采用光谱辐射计测量步骤5得到的二次训练样本对应的CIEXYZ三刺激值，将数字驱动值为(R_T2,G_T2,B_T2)的二次训练样本测量所得的CIEXYZ三刺激值记作 $(X_{(R_{T2},G_{T2},B_{T2})},Y_{(R_{T2},G_{T2},B_{T2})},Z_{(R_{T2},G_{T2},B_{T2})});$

(7)通过式(1)所示的数学映射模型，计算数字驱动值为(R_T2,G_T2,B_T2)的二次训练样本对应CIEXYZ三刺激值的初步预测表征值

(8)对于数字驱动值为(R_T2,G_T2,B_T2)的二次训练样本，根据步骤6得到的CIEXYZ三刺激值与步骤7得到的CIEXYZ三刺激值的初步预测表征值通过式(2)，计算出显示设备的通道独立性差值

$\left\{\begin{array}{c}{\mathrm{\ΔX}}_{(R_{T2},G_{T2},B_{T2})}=X_{(R_{T2},G_{T2},B_{T2})}-{X^{\′}}_{(R_{T2},G_{T2},B_{T2})}\\ {\mathrm{\ΔY}}_{(R_{T2},G_{T2},B_{T2})}=Y_{(R_{T2},G_{T2},B_{T2})}-{Y^{\′}}_{(R_{T2},G_{T2},B_{T2})}\\ {\mathrm{\ΔZ}}_{(R_{T2},G_{T2},B_{T2})}=Z_{(R_{T2},G_{T2},B_{T2})}-{Z^{\′}}_{(R_{T2},G_{T2},B_{T2})}\end{array}\right.---\left(2\right)$

(9)对于二次训练样本，将其数字驱动值(R_T2,G_T2,B_T2)以式(3)进行归一化，然后将归一化驱动值组成矩阵η_T2，如式(4)所示，结合步骤8获得的通道独立性差值采用最小二乘法拟合出系数矩阵A，这样，对于任意数字驱动值(R,G,B)的待显示颜色，均可以通过式(5)、式(6)和式(7)计算出对应的通道独立性差值(ΔX_(R,G,B),ΔY_(R,G,B),ΔZ_(R,G,B))；

$\left\{\begin{array}{c}{r}_{T2}=R_{T2}/255\\ g_{T2}=G_{T2}/255\\ b_{T2}=B_{T2}/255\end{array}\right.---\left(3\right)$

$\begin{array}{c}{\mathrm{\η}}_{T2}=\left[\begin{array}{ccccccccccc}1& r_{T2}& g_{T2}& b_{T2}& r_{T2}^2& g_{T2}^2& b_{T2}^2& r_{T2}{g}_{T2}& r_{T2}{b}_{T2}& g_{T2}{b}_{T2}& r_{T2}{g}_{T2}{b}_{T2}\end{array}\right.\\ \left.\begin{array}{cccccc}{r}_{T2}^2{g}_{T2}& r_{T2}{g}_{T2}^2& r_{T2}^2{b}_{T2}& r_{T2}{b}_{T2}^2& g_{T2}^2{b}_{T2}& g_{T2}{b}_{T2}^2\end{array}\right]\end{array}---\left(4\right)$

$\left\{\begin{array}{c}r=R/255\\ g=G/255\\ b=B/255\end{array}\right.---\left(5\right)$

$\begin{array}{c}\mathrm{\η}=\left[\begin{array}{ccccccccccc}1& r& g& b& r^2& g^2& b^2& \mathrm{rg}& \mathrm{rb}& \mathrm{gb}& \mathrm{rgb}\end{array}\right.\\ \left.\begin{array}{cccccc}{r}^{2}g& {\mathrm{rg}}^2& r^{2}b& {\mathrm{rb}}^2& g^{2}b& {\mathrm{gb}}^2\end{array}\right]\end{array}---\left(6\right)$

$\left[\begin{array}{c}{\mathrm{\ΔX}}_{(R,G,B)}\\ {\mathrm{\ΔY}}_{(R,G,B)}\\ {\mathrm{\ΔZ}}_{(R,G,B)}\end{array}\right]={\left(\mathrm{A\η}\right)}^T---\left(7\right)$

(10)对于任意数字驱动值(R,G,B)的待显示颜色，根据步骤9得到的通道独立性差值(ΔX_(R,G,B),ΔY_(R,G,B),ΔZ_(R,G,B))以及步骤4得到的CIEXYZ三刺激值初步预测表征值(X'_(R,G,B),Y'_(R,G,B),Z'_(R,G,B))，经式(8)计算出CIEXYZ三刺激值的最终预测表征值(X_(R,G,B),Y_(R,G,B),Z_(R,G,B))，实现了设备相关颜色空间的数字驱动值(R,G,B)与设备无关颜色空间的CIEXYZ三刺激值之间的准确映射，即显示设备颜色精确预测表征。

$\left[\begin{array}{c}{X}_{(R,G,B)}\\ Y_{(R,G,B)}\\ Z_{(R,G,B)}\end{array}\right]=\left[\begin{array}{c}{X^{\′}}_{(R,G,B)}\\ {Y^{\′}}_{(R,G,B)}\\ {Z^{\′}}_{(R,G,B)}\end{array}\right]+\left[\begin{array}{c}{\mathrm{\ΔX}}_{(R,G,B)}\\ {\mathrm{\ΔY}}_{(R,G,B)}\\ \mathrm{\Δ}{Z}_{(R,G,B)}\end{array}\right]---\left(8\right)$