具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

需要说明的是，当部件被称为“装设于”、“固定于”或“设置于”另一个部件上，它可以直接在另一个部件上或者可能同时存在居中部件。当一个部件被称为是“连接于”另一个部件，它可以是直接连接到另一个部件或者可能同时存在居中部件。

还需要说明的是，本发明实施例中的左、右、上、下等方位用语，仅是互为相对概念或是以产品的正常使用状态为参考的，而不应该认为是具有限制性的。

请参阅图1，本发明提供的胶印专色余墨再配色方法包括：

S10、根据基础油墨的预设浓度梯度制作基墨样品，并构建基础油墨及基材数据库；

S20、采用100％浓度的专色余墨模拟胶印打样，并构建余墨数据库；

S30、根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材构建配色数据库，并以极小化光谱误差为目标函数，迭代计算求解谱差最小的初始配方；

S40、利用初始配方打样，并计算初始配方样品与目标专色的色差，以极小化色差为目标函数，迭代计算求解色差最小的修正配方。

本发明基于K-M单常数理论(Kubelka-Munk理论，即二光通理论)建立基础油墨浓度梯度数据库及专色余墨单位浓度数据库，然后通过光谱预测算法进行初始配方计算，减弱了现有技术中专色油墨配色谱差与色差的不一致性，在较大程度地避免胶印专色配色产生同色异谱现象的同时，实现了余墨的快速建库与再配色。该方法不仅操作便捷、精度较高，而且可适用于任意有无配方的余墨。

在企业实际应用过程中，通过IGT印刷适性仪(IGT公司的Global StandardTesters系列印刷适性仪)对基础油墨、余墨及预测配方进行模拟胶印打样建库与配色，实验过程均在恒温恒湿环境条件下(温度为22℃～24℃、相对湿度为50％～55％)进行。具体依据胶印机实际生产样张的颜色密度，设计IGT打样参数(上墨量、压力及速度)交叉实验，探究打样参数对密度的变化规律，寻找与胶印密度相匹配的打样参数条件组合，最终获得IGT打样参数条件组合分别为：上墨量0.08g、压力500N、速度0.2m/s，每张样条展色2次。

如图2所示，所述步骤S10包括：

S101、选定用于配色的基础油墨，根据不同浓度梯度的基础油墨模拟胶印打样；

S102、测量基础油墨浓度梯度样条与打样基材的可见光光谱反射率；

S103、根据K-M理论获取各浓度梯度基墨样条与基材的吸收散射比；

S104、将各基础油墨浓度梯度样条的吸收散射比与基材吸收散射比的差值通过线性最小二乘法求解，获得基础油墨的单位吸收散射比，并构建墨数据库。

在步骤S101中，选定用于配色的基础油墨，根据不同浓度胶印油墨的光学特性(即单位吸收散射比)随浓度的变化关系设定较优的浓度梯度，使用IGT印刷适性仪模拟胶印在选取的基材上打样。

其中，浓度是指油墨与冲淡剂混合的质量比，冲淡剂是一种不含颜料的油墨，由树脂与溶剂组成。将冲淡剂加入油墨中，不会改变油墨的黏着性、印刷适性和其他流变性能，其使用目的是冲淡油墨的颜色浓度。

根据各浓度胶印油墨样条的主吸收波长(即光谱反射率波谷)处吸收散射比随浓度的一般性变化关系可知，低浓度区间(0～30％)、中等浓度区间(30％～50％)及高浓度区间(50％～100％)其吸收散射比与浓度关系和全浓度范围内吸收散射比与浓度关系的一致性分别为较强、较弱及最弱。

本发明通过对胶印UV油墨的青、品红、黄、黑四原色油墨(俗称蓝、红、黄、黑油墨)分别与冲淡剂按不同比例混合打样，并经过测量光谱与转换为K/S值后，数据分析得到的一般性变化关系，如图3a-图3d所示。根据图3a-图3d中不同浓度区间，蓝色曲线(实际测量光谱并计算的K/S)与红色直线(线性最小二乘计算得到的单位k/s)之间的一致性强弱不同(即吻合程度)，综合主观筛选并设计出这样一系列较优的浓度梯度，给印刷企业的基础油墨建库提供指导意义，而无需调配很多种浓度梯度，兼顾了基墨数据库建立的准确性与高效性。从图3a-图3d可知，蓝色曲线(样条实际测量光谱并计算K/S)与红色直线(线性最小二乘计算得到的单位k/s)之间关系，在低浓度区间，蓝色曲线与红色直线较吻合；中等浓度区间吻合性一般；高浓度区间吻合性较差。

为了使得全浓度范围内设定的浓度间隔能够较大限度地模拟全浓度范围内吸收散射比与浓度关系，故低浓度区间设定较密集的1/20间隔(即5％浓度间隔)打样，中等浓度区间设定较稀疏的1/10间隔(即10％浓度间隔)打样，高浓度区间设定最稀疏的1/8浓度间隔(即12.5％浓度间隔)打样，最终确立较优的浓度梯度。

本实施例，确定的浓度梯度优选5％，10％，15％，20％，25％，30％，40％，50％，62.5％，75％，87.5％，100％。在测量光谱反射率时分别测量基础油墨浓度梯度样条与打样基材的可见光光谱反射率ρ。本发明所指的可见光为波长为400～700nm光波，测量采样间隔为10nm。

在一可选的实施例中，基础油墨浓度梯度设定方法包括：先选取纸包装印刷行业常用的胶印基础油墨(如黑、红、黄、蓝)，及选用常用的无荧光单面涂布白卡纸(定量200g/m2)作为承印基材；之后对各基础油墨按浓度范围5％～100％内、以5％浓度递增间隔打样(打样时可在同一样条上打样，也可以不在同样条上打样)，利用分析天平称量并调配油墨，利用IGT印刷适性仪模拟胶印打样，进行2次展色于所述白卡纸得到各基础油墨浓度梯度样条；利用爱色丽X-rite Ci6X手持式积分球分光光度仪测量各基础油墨浓度梯度样条及基材的光谱，并分别将其转化为吸收散射比。

K-M理论(Kubelka-Munk理论，即二光通理论)可细化为K-M双常数理论与单常数理论，双常数理论中通过K(介质的光吸收系数)与S(介质的光散射系数)来模拟光在介质中的行为。其中，单常数理论是理想化模拟一类特殊的介质(即表层颜色层如油墨层或染料层具备较高透明性或其散射性微弱到可忽略不计，介质整体的散射主要由基材贡献)中光的行为，单常数理论将K与S整合为K/S(吸收散射比)来描述此类介质中光的行为。

本发明通过K-M单常数理论获得基墨样条、基材的吸收散射比，具体通过以下公式计算：

K/S＝(1-ρ)²/(2ρ) (1)

其中，ρ为基础油墨样条或基材的可见光光谱反射率。

上式为K-M单常数理论之光谱反射率与介质吸收散射比，分别计算各浓度梯度基墨样条的吸收散射比和基材的吸收散射比，再将二者作差得到各浓度梯度基础油墨吸收散射比；由于实际运用时油墨浓度与油墨光学特性参数(即单位吸收散射比k/s)并非理论上的线性关系，本发明利用非线性拟合工具(如MATLAB中Curve Fitting Tool工具)求解其主吸收波长处吸收散射比与浓度的关系，并利用线性最小二乘法(如MATLAB中lsqcurvefit函数)求解得到基础油墨的单位吸收散射比，由此建立基础油墨数据库。

因此，基础油墨数据库的建立需要先将基础油墨与冲淡剂混合成各浓度梯度后，再进行打样、测量样条光谱、通过式(1)转换为K/S(用大写K/S，表示不同浓度样条的吸收散射比)、线性最小二乘计算得到单位吸收散射比k/s(即为基础油墨数据库且单位吸收散射比用小写k/s表示)。

本发明按照设定油墨浓度梯度打样，得到各基础油墨浓度梯度样条；并测量光谱及转化为吸收散射比，再将各基础油墨浓度梯度样条的吸收散射比与基材吸收散射比的差值通过线性最小二乘法分别求解得到基础油墨的单位吸收散射比k/s，如附图4所示，由此，建立基础油墨及基材的数据库。

在步骤S20中，在建立专色余墨数据库时，使用100％浓度的专色余墨使用IGT印刷适性仪模拟胶印打样，并测量其可见光光谱反射率，之后根据K-M单常数理论计算专色余墨的吸收散射比，以此视为余墨的光学特性(即单位吸收散射比)参数，建立专色余墨数据库。

在建立余墨数据库时，无需将余墨与冲淡剂混合成各浓度梯度，只需将余墨本身(即100％浓度)进行打样、测样条光谱，通过式(1)转换为专色余墨的k/s由此建立色余墨数据库。如图5所示，所述步骤S20包括：

S201、采用100％浓度的专色余墨模拟胶印打样；

S202、测量余墨样条的可见光光谱反射率；

S203、根据K-M理论获取余墨的吸收散射比，并构建余墨数据库。

本发明在建立专色余墨的数据库时，先选取纸包装印刷行业的胶印专色余墨(如浅黄、专蓝、橘黄、深红、浅蓝及灰蓝等6个专色余墨)，利用分析天平称量100％浓度的余墨，并利用IGT印刷适性仪进行2次展色于所述白卡纸承印基材，得到专色余墨样条；然后，利用所述分光光度仪测量其光谱；再将余墨样条的光谱转化为吸收散射比，并将余墨样条的吸收散射比与基材吸收散射比作差得到专色余墨的吸收散射比，由此建立专色余墨的数据库，其专色余墨的吸收散射比变化如图6所示。

在建立余墨数据库时，考虑到胶印油墨的光学特性较为符合Duncan加和性理论(邓肯加和性理论)，因此可将基础油墨的单位k/s根据K-M单常数理论之光谱反射率与介质吸收散射比关系简化公式[即式(1)]逆运算反演出光谱，并将其与实际各浓度梯度基础油墨样条光谱进行拟合度计算，以探究与基础油墨单位k/s反演的光谱相近的基础油墨浓度分布情况，以期通过单个浓度的专色余墨建立余墨数据库。

本发明实施例中，拟合度是指采用柯西-施瓦茨不等式(GFC)，对光谱反射率曲线进行近似程度评估，GFC值越接近1时，两条光谱反射率曲线越趋于一致，则吻合度越高，所述GFC值通过以下公式计算获得。

式中，为ρ(λ)基础油墨单位k/s反演光谱；ρ_n(λ)为基础油墨各浓度光谱。可见光波长范围为400～700nm，通常选择10nm间隔为一个单波长段，每个波段内ρ视为相同，共31个波长段。

具体实施时，本发明对14种基础油墨进行拟合度计算，如表1所示，其中5种基础油墨(如黄、蓝、耐晒黄、耐折大红、耐折四色蓝)的最优拟合度在100％浓度处；5种基础油墨(如品红、黑、耐晒金红、耐折四色黑、耐折四色红)的最优拟合度在87.5％浓度处，但与100％浓度处差异较小；还有3种基础油墨(如金红、大红、耐折四色黄)的最优拟合度同时在87.5％和100％浓度处；1种基础油墨(如射光蓝)的最优拟合度在75％浓度处。因此，在实际应用时，为了余墨建库的便捷性与高效性，可采用单位浓度(即100％浓度)的专色余墨建立余墨数据库。

表1基础油墨单位k/s反演光谱与各浓度光谱相似度

在表1中，每一行数值均为该油墨不同浓度实际样条的光谱分别与该油墨单位k/s通过式(1)反推的光谱之间拟合度值大小，数值越大说明二者越吻合。加粗表示的数值是该油墨拟合度最大的数值，说明该数值对应的浓度样条的光谱与该油墨单位k/s反推的光谱最接近。从表1中粗表示的数值可看出，整体上，100％浓度样条的光谱与单位k/s反推的光谱最接近。因此，也可以得出：余墨通过100％建库的精度较高。

本发明实施例中，所述步骤S30主要完成余墨再配色实验，建立配色数据库，如图7所示，在进行目标专色配色时，所述步骤S30包括：

S301、测量目标专色样品的可见光光谱反射率，并计算出目标专色的吸收散射比；

S302、从余墨数据库和基础油墨及基材数据库中筛选与目标专色色差最小的余墨、合适的基础油墨以及与目标专色相同或相近的基材构建配色数据库；

S303、基于K-M理论的光谱预测算法以极小化光谱误差为目标函数，进行迭代计算求解谱差最小的初始配方。

在筛选专色油墨时，可通过本发明的胶印专色余墨再配色系统自动筛选，也可通过人工筛选、Excel等升序筛选辅助进行筛选等。合适的基础油墨的选择为现有技术，通常在调配专色油墨时，筛选基础油墨的原则一般遵循：首先要有四种原色油墨(青、品红、黄、黑)；其次基础油墨均优选同一品牌或类型等。因此筛选出色差最小余墨后，再通过上述原则选择一些合适的基础油墨，共同组成该目标专色配色所用的数据库。

所述步骤S303中，光谱均方根误差即为谱差，用于衡量初始配方样条的光谱与目标专色的光谱之间的差异，谱差计算可将两者在400～700nm波长内光谱反射率进行均方根误差(RMSE)计算获得，极小化RMSE指在进行迭代计算预测目标专色的光谱时，为了使得预测更准，将目标函数设为二者之间的谱差最小为迭代目标。

本发明基于Duncan加和性理论的色料混合光学模型可视色料为线性混合，即混合色料膜层在任意波长处的吸收系数与散射系数分别由其各单组份色料吸收系数与散射系数及基底的吸收系数与散射系数线性加和组成。在印刷配色等情况下，色料任意混合对其散射系数影响不大。由于色料颗粒物以分子形态附着于基底表面，色料分子大小较可见光波长小得多，故其散射作用相较基底而言可忽略不计，由此得到迭代计算求解谱差最小的初始配方的计算公式为：

其中，(K/S)_λ为油墨混合印刷样的吸收散射比，K_p,λ为基材(即纸张)的光吸收系数，K_i,λ为各组分基础油墨墨层的光吸收系数，S_p,λ为基材的光散射系数，ρ表示光谱反射率，λ表示波长段400～700nm范围内，以10nm间隔为一个波长段，每个波段内ρ视为相同，(K/S)_p,λ为基材的吸收散射比，(K/S)_i,λ为各组分基础油墨的单位吸收散射比，Ci为第i个组分基础油墨的浓度，且需满足且C_i≥0，且∑_iC_i＝1。其中，各组分基础油墨的单位吸收散射比包括目标专色(即混合颜色)的每个基础油墨(即组分)。

根据上述公式(3)测量及计算出的各基础油墨、余墨的单位浓度吸收散射比及基材的吸收散射比，通过K-M单常数理论公式逆运算可实现混合油墨光谱反射率的预测，由此建立光谱预测模型，即式(1)的逆函数结合式(3)。

光谱预测模型为基于K-M单常数理论的光谱预测算法，具体指基于式(1)与式(3)共同构建的模型，用来对目标专色的光谱反射率进行预测，并通过将目标函数设为极小化光谱误差，进行迭代计算，使得预测的光谱反射率与目标专色的实际光谱反射率尽可能接近。

假设组成目标色混合油墨的基础油墨有n个(通常1≤n≤6)，ρi,λ(i＝1,2,...,n)为各组分基础油墨的光谱反射率，ρ_p,λ为基材的光谱反射率，当其以的浓度混合时，根据光谱预测模型F求解出目标色混合油墨光谱反射率ρ_mix,λ，即可得以下公式：

ρ_mix,λ＝F(c₁,c₂,...,c_n,ρ_1,λ,ρ_2,λ,...,ρ_n,λ,ρ_p,λ) (4)

其中，ρ_mix,λ为预测的目标专色(即为一个混合颜色)光谱反射率，C_n为各组成的基础油墨浓度(即配方)，ρ_n,λ为各组成的基础油墨的光谱反射率。根据混合油墨光谱反射率与其各组分基础油墨浓度的映射关系，可知配方预测模型为光谱预测模型的逆向求解。根据各组分基础油墨、基材以及目标色混合油墨的光谱，通过配方预测模型求解出目标色混合油墨中各组分基础油墨的浓度。配方预测模型F^-1可由式(4)的逆函数求得如下公式：

[c₁,c₂,...,c_n]^T＝F^-1(ρ_mix,λ,ρ_1,λ,ρ_2,λ,...,ρ_n,λ,ρ_p,λ) (5)

由于光谱预测模型常为无法求解其逆函数的非线性函数，故可视配方预测模型为带约束的非线性优化问题，迭代寻优的目标函数为预测光谱ρ_predicted与目标专色光谱ρ_targeted之间极小化光谱匹配误差(min RMSE)：

c₁,c₂,...,c_n≥0 (6)

在式(6)中，为求解的初始配方的目标函数，使预测光谱ρ_predicted与目标专色光谱ρ_targeted的谱差最小。和c₁，c₂，...，c_n≥0为需满足约束条件，即配方中所有浓度之和等于1、且各组分基础油墨的浓度需大于或等于0。

预先设定一组配方c₀＝[c_0，1，c_0，2，…，c_0，n]^T，在约束条件c_k，i≥0且下，依据一定准则[如MATLAB中有约束优化问题函数工具fmincon()的准则]生成有限迭代序列{c_k＝[c_k，1，c_k，2，…，c_k，n]^T}，直至寻找到此迭代序列末尾一个配方，即通过迭代计算获得谱差最小的一个最佳的配方。根据式(6)，在进行下一次迭代求解配方时应将本次迭代处的配方c_k＝[c_k，1，c_k，2，…，c_k，n]^T代入式(4)光谱预测模型，计算该配方对应的预测光谱ρ_predicted，再与目标专色光谱ρ_targeted比较后，依据一定准则产生下次参与迭代的配方c_k+1＝[c_k+1，1，c_k+1，2，…，c_k+1，n]^T。

为实现光谱预测与配方预测，可通过调用MATLAB中有约束优化问题函数工具fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)按上述式(4)～式(6)进行迭代求解，实现对目标专色初始配方的自动预测。其中fun为目标函数，此处为极小化光谱匹配误差minRMSE；x0为给定初始值向量，此处令x0＝zeros(预测基墨个数,1)；A*x<＝b和Aeq*x<＝beq分别为fun函数的线性不等式约束和线性等式约束条件，此处令Aeq＝ones(1,预测基墨个数)、beq＝1即预测各基墨配比之和为1，且无线性不等式约束，令A＝[]、b＝[]；lb和ub为线性不等式约束的上、下限向量，此处分别令lb＝zeros(预测基墨个数,1)、ub＝ones(预测基墨个数,1)；nonlcon为非线性约束函数，此处亦令nonlcon＝[]；options为用其指定的参数进行最小化，此处令options.TolCon＝1e-0016。

由于fmincon()为MATLAB中有约束优化问题函数工具，通过调用它才可对上述公式(1)、(3)、(4)、(5)的结合以及公式(6)中目标函数与约束条件的设定，由此再进行迭代计算才可实现光谱预测及配方预测。

在进行余墨再配色实验时，选取包装印刷企业已调配好的实际生产产品专色油墨(如浅黄、浅蓝、金黄、咖啡、专蓝及专灰等6个专色油墨)，利用IGT印刷适性仪进行2次展色于所述白卡纸基材，使得目标专色样条密度与实际生产密度相同，以作为目标专色；然后测量其光谱并转化为吸收散射比，如图8所示；之后根据目标色的色度值从数据库中筛选与其色差最小的余墨，以及选取合适的基础油墨与所述白卡纸基材作为配色数据库；通过MATLAB中的基于K-M单常数理论的光谱预测模型及初始配方预测模型进行迭代计算目标专色的初始配方。

在修正配方时，本申请通过先采用初始配方进行油墨调配，将初始配方进行调墨及打样，测量初始配方样条的光谱及颜色数据，并将其与目标专色进行色差比较，若色差符合要求(根据行业实际质检要求，优选设为delta E 1976≤2.0)，则判定该初始配方为最终配方，若色差＞2.0，需要初始配方进行修正。

其中，delta E 1976表示色差，其为1976年公布的色差计算公式。颜色1(L1、a1、b1)与颜色2(L2、a2、b2)之间色差计算：delta E＝((L1-L2)^2+(a1-a2)^2+(b1-b2)^2)^(1/2)，即欧式距离公式。

预测目标专色的配方时，通过油墨调配后打样得到初始配方样条，为了判断其与目标专色的接近程度，除了肉眼直接对比以外，还可以通过定量判断两者之间的差异。定量判断两者之间差异的方法通常由两者之间的谱差计算或色差计算，谱差计算是直接将两者在400～700nm波长内光谱反射率进行RMSE计算即可；色差计算则需要先将光谱反射率转化为颜色值(由L、a、b三个值表示一个颜色)，由此可得到初始配方样条的颜色值及目标专色的颜色值，二者之间的色差通过欧式距离公式计算得到，即delta E＝((L1-L2)^2+(a1-a2)^2+(b1-b2)^2)^(1/2)。

如图9所示，在修改配方时具体包括：

S401、将初始配方样条与目标专色的颜色三刺激值差值delta XYZ对目标专色三刺激值进行补偿，并以极小化色差为目标函数，迭代计算求解色差最小的修正配方；

S402、根据修正配方调墨、打样，并测量其与目标专色的色差，若不符合要求，则继续进行补偿修正，直至最终配方样条与目标专色的Delta E色差及目视色差均符合要求。

在步骤S401具体包括：首先将目标色三刺激值与delta XYZ的差值赋值给目标专色三刺激值，并将补偿后目标专色三刺激值转化为CIE Lab色度值；然后将预测光谱亦转化为CIE Lab色度值；最后求解补偿后目标专色色度值与预测色色度值的CIE Lab色空间欧几里得距离即为二者色差，并以极小化色差为目标函数进行迭代计算求解修正配方。

其中，预测色是指通过调用MATLAB中有约束优化问题函数工具fmincon()结合光谱预测模型与配方预测模型计算得到的最接近目标专色的颜色，由于此时还未进行配方打样，所以称之为预测色，而非初始配方样条色或修正配方样条色。

本发明通过步骤S401将测量并计算的目标专色的三刺激值进行修改，将其减去初始配方样条与目标专色的三刺激值的差值，然后再对减去后的结果为目标专色进行配方计算。

定量表示一个颜色除了用上述提到的Lab三个值以外，也可以用三刺激值(XYZ)三个值表示，其也可由光谱反射率计算得到。补偿计算为：delta XYZ＝初始配方样条颜色值(XYZ)-目标专色颜色值(XYZ)，在修正配方时，将目标专色颜色值(XYZ)改为：目标专色颜色值(XYZ)-delta XYZ，即为对目标专色三刺激值补偿。

在步骤S40中，通过修正配方预测模型进行迭代计算目标专色的修正配方，并将修正配方进行调墨、打样及测量其与目标专色的色差，若不符合要求(即色差＞2.0)，则继续进行修正，直至最终配方样条与目标专色的色差合格(即色差≤2.0)，且目视色差亦符合要求，实验结果如表2及附图10所示。

表2配方色样与目标色的色差及谱差

由表2及图10可知，在6组余墨再配色实验中，初始配方样与修正配方样的色差均值分别是8.0279和2.3623，谱差的均值分别是0.0869和0.0514。其中6组修正配方色样色差均≤2.0，其中2组色差稍大(色差接近2)的原因可能是由余墨种类有限或其他配色基础油墨选择不恰到导致，但满足色差≤2.0的要求。

本发明另一实施例提供一种胶印专色余墨再配色装置，如图11所示，装置包括：

第一构建模块11，用于根据基础油墨的预设浓度梯度制作基墨样品，并构建基础油墨及基材数据库；

第二构建模块12，用于采用100％浓度的专色余墨模拟胶印打样，并构建余墨数据库；

第三构建模块13，用于根据目标专色筛选与目标专色色差最小的余墨、相应的基墨和基材作为初始配方，并构建配色数据库；

初始配方计算模块14，用于以极小化光谱误差为目标函数，迭代计算求解谱差最小的初始配方；

配方修正模块15，用于利用初始配方打样，并计算初始配方样品与目标专色的色差，以极小化色差为目标函数，迭代计算求解色差最小的修正配方。

本发明另一实施例提供一种胶印专色余墨再配色系统，如图12所示，所述系统100包括至少一个处理器101；以及与所述至少一个处理器通信连接的存储器102。图12中以一个处理器101为例进行介绍，处理器101和存储器102可以通过总线或者其他方式连接，图12中以通过总线连接为例。

处理器101用于完成系统100的各种控制逻辑，其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器101还可以是任何传统处理器、微处理器或状态机。处理器101也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。

存储器102作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的胶印专色余墨再配色方法对应的程序指令。处理器101通过运行存储在存储器102中的非易失性软件程序、指令以及单元，从而执行系统100的各种功能应用以及数据处理，即实现上述方法实施例中的胶印专色余墨再配色方法。

存储器102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据系统100使用所创建的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器102可选包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至系统100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个单元存储在存储器102中，当被一个或者多个处理器101执行时，执行上述任意方法实施例中的胶印专色余墨再配色方法，例如，执行以上描述的图1中的方法步骤S10至步骤S40。

本发明又一实施例提供了一种非易失性计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤S10至步骤S40。

作为示例，非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明而非限制，RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。

综上所述，本发明根据胶印油墨的光学特性随浓度的变化关系设定基础油墨建库浓度梯度，采用单位浓度专色余墨建立余墨数据库，并兼顾了基础油墨建库的准确性及余墨建库的高效性；在选择配色数据库时，筛选与目标专色色差最小的余墨及合适的基础油墨，既保证了配色数据库选择的准确性，又保证了配方计算的速度；本发明的配色方法减弱了现有技术中专色油墨配色谱差与色差的不一致性，将初始配方计算与修正配方计算分别选用极小化光谱误差与极小化色差相结合的方式来平衡预测色的谱差与色差，在较大程度地避免胶印专色配色产生同色异谱现象的同时，实现了余墨的快速建库与再配色。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。