蔓越莓花青素在酸性偏硅酸矿泉水中的CIELab颜色空间特征

本文采用CIELab系统方法研究酸性坏境下蔓越莓花青素偏硅酸矿泉水溶液的颜色参数特征,并研究溶液pH值和花青素含量与颜色参数的相关性。结果表明:溶液的pH在2.0~3.5范围时,花青素偏硅酸矿泉水溶液均呈红色系,溶液的酸度相同时,随着花青素浓度越大,样品的明度L^(*)值降低,红度a^(*)值、黄度b^(*)值增加,饱和度C^(*)ab和色调角H^(*)ab值也增加,即样品越红;花青素浓度相同时,随pH值的增大,样品的明度L^(*)值增加,红度a^(*)值、黄度b^(*)值减小,饱和度C^(*)ab和色调角H^(*)ab值也减小,即样品的红色色调越弱。Pearson相关性分析表明花青素含量与溶液颜色参数均呈显著相关性,与L^(*)值为负相关,其他为正相关;pH值与颜色参数中a^(*)、b^(*)、C^(*)ab和H^(*)ab显著负相关,与明度L^(*)不相关。pH值和花青素含量对溶液的颜色特征均具有一定的影响。

基于CIELAB的大豆种皮颜色全基因组关联分析

为探究基于色差仪的CIBLAB量化方法在大豆种皮颜色遗传多样性分析中的应用潜力,本研究以274份大豆核心种质作为关联群体,基于CIBLAB方法,利用色差仪进行种皮颜色测定,获得6个颜色参数。利用主成分分析,明确表征大豆种皮颜色的最佳参数。在此基础上,通过遗传多样性和全基因组关联分析,挖掘与大豆种皮颜色显著关联的SNP位点。主成分分析表明,大豆种皮颜色主要包括黄、绿、黑和其他等4个类型,其中黄色占比较大,且黄蓝色度值(b*)是表征大豆种皮颜色的最佳参数。遗传多样性分析表明,黄色相关性状在品种间表现出丰富的遗传变异,变异系数为-35.53%~48.19%。对172份黄色种皮大豆全基因组关联分析,共检测到462个与b*显著相关的SNP位点,包括287个新位点和175个与已报道的I和L1位点重合的位点。综上,利用色差仪精准量化种皮颜色是一种能够客观评估大豆种皮颜色的新方法。利用该方法,检测到一些与大豆种皮颜色显著关联的新SNP位点,有助于进一步解析调控大豆种皮颜色的遗传机制。

基于CIELab色空间法分析光质对葡萄酒颜色的影响

光辐射能够导致葡萄酒颜色变暗、酒体衰老。为延长葡萄酒的货架期,采用蓝光、红光、绿光、棕光和白光分别对葡萄酒进行辐照处理,研究不同光照对葡萄酒的影响。结果发现,蓝光处理后葡萄酒的L^(*)和a^(*)分别下降了20.53和1.282,而b^(*)增加了9.9,表明蓝光对葡萄酒颜色损伤较大。棕光和绿光处理组葡萄酒辐照7 d后,亮度与对照组无显著差异,a^(*)略有增加,红色色调有增加的趋势。损伤最大的是白光处理组,葡萄酒L^(*)和a^(*)分别下降了19.86和6.33,而b^(*)值增加了12.9,辐照7 d后,葡萄酒颜色变暗,呈现棕色色调,出现老化特征。总之,蓝光、白光处理对葡萄酒的颜色影响较大,棕光和绿光影响较小,因此葡萄酒建议使用棕色或绿色玻璃瓶进行贮藏。

基于CIELab色空间的空气炸锅烹饪薯条颜色评价研究

为了研究空气炸锅烹饪薯条的性能好坏,同时兼顾消费者的直观视觉感受,科学评价空气炸锅的烹饪性能,以荷兰马铃薯加工工业协会(V.A.V.Ⅰ)开发的色卡(shade chart)为基础,结合CIELab色空间并参考GB/T 7921—2008《均匀色空间和色差公式》标准,对空气炸锅烹饪薯条颜色进行研究。通过上色能力指标建立色卡与色值间的联系,通过颜色均匀度反应整体颜色情况,将感官颜色转化为数值表达。结果显示,大部分空气炸锅烹饪薯条上色能力可达到75%以上,部分空气炸锅烹饪薯条的上色能力可接近90%;空气炸锅烹饪薯条整体颜色均匀度均在90%左右。上色能力与颜色均匀度指标易于消费者理解,同时为空气炸锅烹饪性能研究奠定颜色评价基础,为相关研究领域提供参考。

基于RGB和CIELab预测紫苏叶片花青素含量

为推进富含花青素的紫苏品种选育,指导逆境胁迫下的紫苏生产管理,以紫苏为研究对象,采集田间叶片并使用数码相机拍照,结合红绿蓝色彩空间(red green blue color space,RGB)和CIELab色彩空间(CIELab color space)2种图像色彩分析手段处理图片,与叶片花青素含量进行相关性和显著性分析,筛选出相关系数较高的色彩参数,建立单变量回归反演模型,最终综合建模得到预测效果最优的紫苏叶片花青素含量预测模型。结果表明,在RGB色彩空间中,红光标准化值(normalized redness intensity,NRI)、绿光标准化值(normalized greenness intensity,NGI)与花青素含量呈极显著相关,其中NGI的相关系数大于NRI。当叶片正反面色彩贡献比为2∶1时,NGI与花青素含量的相关性最大,相关系数为0.8532。对比不同模型发现,以NGI为自变量建立的指数模型拟合效果最好,相关系数为0.8381,决定系数(R^(2))达0.7550。在CIELab色彩空间中,红度(a^(*))与花青素含量的相关性最好,且相关系数同样在叶片正反面色彩贡献比为2∶1时达最大,为0.7356。基于a^(*)建立的幂模型拟合效果最好,相关系数和R^(2)分别为0.7438和0.6798。分别使用NGI模型和a^(*)模型对叶片花青素含量进行估测,验证后发现a^(*)模型的预测效果更好,准确性和稳定性更高,因此以a^(*)模型为预测紫苏叶片花青素含量的最优模型。

S-CIELAB及颜色分级应用

根据人眼视觉特性 ,给出了Spatial CIELAB系统分析方法 .该方法首先利用由人类视觉空间响应特性确定的卷积核进行空间滤波 ,然后进行CIELAB处理 .实验结果表明 。

基于CIELAB色空间的红葡萄酒颜色直观表征

现有红葡萄酒颜色特征的表征方法,很难形象地描述和传递葡萄酒颜色信息。基于CIELAB色空间,构建了高清色彩平面(L*=60),以红葡萄酒颜色的彩度分布图、明度分布图和特征颜色图,并结合可见吸收光谱图,直观地表征红葡萄酒的颜色特征。采用该方法和传统的CIELAB参数分析法,对我国各产区10款陈酿型赤霞珠干红葡萄酒颜色特征的研究表明,该方法可以完整而直观地呈现CIELAB参数信息,并可给出具体的酒样特征颜色;供试酒样间颜色特征差异显著,但都存在颜色过快老化的问题。

CIELAB与CIECAM02色空间均匀性比较研究

采用均匀色空间Munsell系统检验和验证了CIELAB和色貌模型CIECAM02色空间的均匀性。利用Mun- sell色卡所对应的三刺激值X,Y,Z作为模型的输入值,预测色空间模型的明度、彩度和色调,并通过预测结果比较和检验了CIELAB色空间和CIECAM02模型色空间的均匀性。研究表明:在预测明度方面,两个色空间的结果相似;在预测彩度时,CIECAM02模型较好于CIELAB色空间;在预测色调时,当色调逐渐从BG变化到B时,CIELAB所预测的色调角与由Munsell色空间计算出来的色调角之差逐渐增大,最大时超过6%,而CIECAM02所预测的色调角与Munsell色空间的色调角之差在2.5%以内,CIECAM02优于CIELAB色空间。

贺兰山东麓年轻红葡萄酒的CIELab颜色空间特征

采用CIELab系统方法得到宁夏贺兰山东麓年轻红葡萄酒的颜色空间参数,并研究花色苷与颜色参数的相关性。以贺兰山东麓产区2012年份不同品种的10个年轻红葡萄酒为材料,采用紫外分光光度计和pH示差法计算得出CIELab颜色空间参数以及总花色苷含量,通过相关性分析对葡萄酒各个颜色参数和总花色苷进行研究。结果表明：不同葡萄酒样品的明度L＊、红度a＊、黄度b＊、饱和度C ab和色调角Hab等空间参数不同,表现出不同的颜色特征;总花色苷含量在161.2~287.8 mg/L,与参数L＊、a＊、Cab均呈显著相关性,决定年轻红葡萄酒的明度、色度及饱和度。

基于CIELAB颜色空间分析法和HPLC测定法对僵蚕不同炮制品的外观性状和内在质量的控制研究

目的：对中药僵蚕不同炮制品的颜色特征建立数据化判断标准,同时测定各炮制品中草酸铵的含量。方法：采用CIELAB颜色分析法研究僵蚕不同炮制品的颜色,采用HPLC法测定其抗惊厥的有效成分草酸铵的含量。结果：在颜色测定分析中,糖麸炒僵蚕的L值区间数值较小,亮度最暗,姜麸炒、蜜麸炒、姜麸炒L值较为接近,外观亮度比较相似;清炒僵蚕L值区间数值较大,亮度较高。清炒僵蚕的a值区间数值较小,较为接近白色,姜炙僵蚕次之,麸炒、蜜麸炒、糖麸炒、姜麸炒的a值比较接近,介于16.0~18.0,颜色偏红。清炒僵蚕的b值区间数值最小,最为接近白色,而姜麸炒僵蚕b值区间数值较大,较为接近黄色。在草酸铵的含量测定中,糖麸炒僵蚕草酸铵含量降低最为明显,姜炙僵蚕、姜麸炒僵蚕其次,清炒僵蚕、蜜麸炒僵蚕有所下降,麸炒僵蚕降低程度最轻。结论：基于CIELAB颜色空间技术的特征颜色提取分类方法能够表示中药炮制品的实际视觉描述分类关系,具有一定的可行性;中药僵蚕的各种炮制工艺对其草酸铵含量的变化有不同的影响,其中以麸炒僵蚕的影响为最小。

不同种类红葡萄酒CIELab参数与花色素苷化合物的相关分析

【目的】分析葡萄酒颜色空间参数与花色素苷化合物的相关性,旨在从颜色角度区分研究不同类型的红葡萄酒。【方法】采集河北沙城和昌黎两个产区12种年份、品种以及陈酿方式有差异的葡萄酒样品,经反相C18柱分馏得到9个馏分,然后低压旋转浓缩至干,用与分馏样品等量的模拟酒溶解。之后,葡萄酒及其分馏物经UV-visible光谱分析,计算CIELab颜色空间参数。透射光谱相关分析表明,4个馏分与供试葡萄酒颜色相关性显著,然后这4个馏分经HPLC分析鉴定花色素苷化合物。【结果】数据主成分分析表明,年轻红酒和陈年红酒在主成分图中差异明显,年轻红酒围绕花色素苷化合物呈分散分布;年轻红酒颜色的主要贡献者为花色素苷化合物,陈年红酒的颜色与花色素苷化合物几乎没有联系;CIELab参数a*与花色素苷化合物含量正相关,L*和b*与之反相关;4个馏分中花色素苷化合物差异明显。【结论】供试样品分析研究认为,从颜色角度分析花色素苷化合物可以区分不同年份、品种与陈酿方式的红葡萄酒,尤其是区分不同年份的红葡萄酒效果更好。

基于CIELab颜色空间的矢量彩色图像放大算法

提出了一种基于CIELab颜色空间和矢量滤波器的彩色图像放大算法.该算法利用彩色图像各颜色通道的固有相关性,在CIELab颜色空间中利用矢量滤波器将彩色像素作为矢量集合进行处理,首先将彩色图像从RGB空间转换为CIELab颜色空间,然后在CIELab颜色空间利用矢量滤波器进行空间插值,最后将插值后的图像从CIELab空间转换为RGB颜色空间,得到放大后的彩色图像,保持了彩色图像的空间和频率特性.实验结果表明该算法优于传统算法.

基于CIELAB空间的中医舌色分析方法

目的:遵循颜色科学的理论与技术,探讨中医舌色的分析方法。方法:根据中医舌色的视觉诊断过程,采用CIELAB均匀颜色空间作为舌色分析的平台,将所采集的舌色RGB数据转换到CIELAB空间,研究与视觉感受对应的舌色色域分布规律。结果:提出一种数值拟和的方法,对中医描述的舌色(红舌,淡红舌,淡白舌等)进行分类,并根据舌色的分布,提取各类舌色的典型特征色。结论:这种分类和特征色的提取方法能够表示中医舌色的实际视觉描述分类关系,具有一定的可行性。

CIELAB色空间与色貌模型的关系

从Von Kries色适应模型着手,对比CIELAB颜色空间和色貌模型,详细介绍了CIELAB颜色空间中的色适应变换,分析了CIELAB色空间作为色貌模型预测的局限性。

CIELAB与CIECAM02明度均匀性的研究

选用孟塞尔新标数据,对CIELAB和CIECAM02的明度均匀性进行研究。通过MATLAB编程实现数据的转换和处理,并对孟塞尔明度值V和CIELAB颜色空间的L值、及V值和CIECAM02色貌模型J值采用最小二乘法拟合绘图,并结合均方差和相关系数对拟合结果进行评价。结果证明CIELAB的明度均匀性优于CIECAM02。为颜色空间的修正、优化和应用提供理论和实验参考。

基于CIELAB空间的开关型矢量中值滤波器

矢量中值滤波器VMF(Vector median filter)是一种经典和高效的矢量滤波器,主要用于消除彩色图像中的脉冲噪声.然而VMF没有区分细线条和噪声的能力,往往把细线条当成噪声而过滤掉.本文先将彩色图像从RGB空间变换到均匀颜色空间CIELAB中,然后模仿Laplacian算子,提出一个用于检测彩色图像中的脉冲噪声的算法,并结合传统的VMF构造出一个新颖的开关型矢量中值滤波器.实验表明,新的滤波器不仅能有效地保护细线条和边界等细节信息,而且其滤波性能也明显胜过传统的VMF和一些经典的、及最近开发的矢量滤波器.

利用S-CIELAB进行再现意图选择规律的初步研究

简单介绍了自动选择再现意图的必要性,分析了其影响因素,并以S-CIELAB均匀颜色空间作为色差评价工具,从而研究出再现意图的自动选择规律,并最终归纳出其自动选择的流程。

基于CIELab的药品包装色彩设计研究

目的对市场销售的非处方药品的包装色彩设计进行分析,指出药品包装色彩设计应准确反映药品特征并满足消费者的心理需求。方法通过基于CIELab的Photoshop色彩均值法,对药品样本进行色彩数据的整理与分析,发掘药品包装的色彩设计规律及作用,探究药品主治功能与色彩之间的关联性。结论提出以"病状色"与"疗效色"为基准的色彩设计策略,为药品包装色彩设计提供有价值的参考。

基于CIELAB、LCH的典型舌色与复杂舌色的颜色特征研究

目的:探讨典型舌色与复杂舌色的颜色特征和颜色空间分布特征。方法:从445例淡红舌中,选取典型淡红舌23例、偏紫舌36例、偏暗舌12例,从236例红舌中,选取典型红舌13例、偏紫舌20例、偏暗舌21例。采用Matlab软件,在CIELAB和LCH颜色空间中对各类舌色的数据及分布特征进行探讨。结果:(1)淡红舌的明度最高,色相偏于红黄。(2)红舌的明度减低,彩度加大。(3)典型淡红舌、典型红舌的特征为明度和彩度均加大。(4)偏暗舌以明度的减低为著。(5)偏紫舌的特征为色相偏红紫色。(6)偏紫舌与偏暗舌在CIELAB和LCH颜色空间中所处的空间位置不同。结论:典型舌色与复杂舌色的颜色不同,在颜色空间的位置不同。

一种CIELab颜色空间中的车牌定位方法

提出了在CIELab颜色空间中进行车牌定位的方法.首先将图像从RGB颜色空间转换到CIELab颜色空间;然后通过数学形态学增强和图像连通体分析提取出候选区域;最后通过分析候选区域的面积、宽高比及灰度阶跃次数提取出真实的车牌区域.大量的车牌定位实验表明:所提算法适用于不同尺寸的车牌图像,定位准确率较高.