织物染色是提高纺织服装产品附加值的关键行业，也是纺织行业的发展和技术水平的综合体现。传统的织物染色配色技术由人工目测和凭经验进行配色，不仅工作量大，费时费力，浪费材料并造成环境污染，而且配色精度也不够精确。计算机的普及、广泛应用和色度学的发展，给计算机配色领域开辟了广阔的前景。本文通过测量所得RGB值与染料浓度的关系数据，根据实验数据之间的内在联系，利用最小误差平均值的方法来确定不同染料浓度变化下RGB值的变化规律，建立数学模型[2]，从而得到RGB值关于染料浓度的非线性方程组，再利用牛顿迭代法求解方程组，最终根据已知的RGB值求出染料浓度。据实际计算和误差判断，最小误差平均值法能较好的解决计算机配色问题。
1最小误差平均值法
计算中，通过实际测量获得大量数据，再对这些数据进行分析以获得所需信息。曲线拟合是分析数据关系的一种重要方法，而最小误差平均值法又是直线拟合的一种。设所要拟合的直线方程为
y=kx+b (1)
已知，z组数据(x1 ，y1 )，(x2，y2)，…，(xn，yn )，根据，z组数据拟合最符合条件的直线，即求满足条件的最佳k，b值。
由式(1)知b=y-kx，当固定值不变，针对每组数据都有bi=yi-kxi ( i=1，2，…，n )，bi 的平均值为
.png)
最小误差平均值法认为，当k值固定时，若b与b 之间误差最小，b即为满足条件的最佳b值。 最小误差平均值法的一般形式为
.png)
相关信息 
推荐企业 推荐企业
推荐企业
您所在的位置：
