CN101506840A - 基于色彩的图像代码的色彩分类方法 - Google Patents

Abstract

提供了一种分类基于色彩的图像代码的色彩的方法。通过从每一个单元采样预定数量的像素分类构成基于色彩的图像代码的每一个单元的色彩，随后应用基于最大通道的聚类方法、基于白平衡的色彩聚类方法、基于单链接算法的色彩分类方法、基于K－means算法的色彩分类方法等。因此能够准确识别图像代码的色彩，而不用考虑起因于相机、打印介质的特性等的色彩失真。

Description

基于色彩的图像代码的色彩分类方法

技术领域

本发明涉及一种解码基于色彩的图像代码的方法。更具体的，涉及一种在解码过程中分类图像代码的每一个单元的色彩的方法。

背景技术

在近十年中研究了使用黑白图案的条形码的扩展现实和混合现实服务及商业服务，例如移动商务。近来，提出了用于移动计算机的基于色彩的图像代码，例如色彩代码。然而，构成基于色彩的图像代码的色彩单元的色彩依赖于照明、打印介质和常规照相机而变化，因此，与黑白标记相比，难以识别基于色彩的图像代码。

最近的研究集中在用户接口上，其通过将标签介质嵌入物理对象中，并用阅读器识别该物理对象，来向用户提供虚拟世界中的数据或服务。在实际用户接口中使用的标签介质可以分为无线标签，例如射频识别(RFID)，和图像代码，例如条形码。具体的，将借助识别图像代码或标记的图像来提供服务的接口称为纸件用户接口(PUI)。这种接口方法用于研究扩展现实和混合现实服务及商业服务，例如使用移动电话的个人信息管理服务(PIMS)、广告服务、移动商务等。

图像代码和标记可以分为1D条形码和2D代码。1D条形码用黑白条方式的图案信息示出了识别号码、校验和数字和导引条。2D代码具有使用安全信息的错误纠正能力，因为2D代码能够比1D条形码存储更大量的数据。图1是依据常规基于色彩的图像代码的2D代码的实例图。

用于移动计算环境的常规终端由低容量存储器、低性能处理器和常规用户内置相机构成，因此，常规终端在识别图像方面具有以下局限。

首先，PUI应能够在日常生活中的各种照明下使用。其次，识别算法应是简单快速的，第三，应该用低性能相机来识别图像。考虑到这种约束的2D代码的实例包括计算机代码、限制单元数的快速响应(QR)代码和色彩代码，其中条形码、计算机代码和QR代码由黑白单元构成为图案，色彩代码是基于色彩的图像代码。

大多数代码是黑白的，因为与其它颜色相比，黑和白是易于辨别的。然而，随着彩色介质变得普及，基于色彩的图像代码成为关注的中心，其与常规黑白代码相比，是介质友好的，并且需要大数据存储容量。

在基于色彩的图像代码中，例如色彩代码，用色彩来编码标识符，并提供了使用双重奇偶技术的错误检验和方向检测功能。解码色彩代码的算法针对模糊现象是非常简单且有效的，因为数据不是按照单元的长度图案来表示的，而是按照具有相同尺寸的色彩单元来表示的。然而，在基于色彩的图像代码中的色彩变化，例如根据各种照明、相机特性和打印介质特性的移动计算环境中的色彩代码，使得难以辨别基于色彩的图像代码。

发明内容

技术问题

本发明提供了一种分类色彩的方法，以准确容易的识别基于色彩的图像代码的每一个单元的色彩，即使在色彩按照相机、打印介质的特性等而变化的情况下。

本发明还提供了一种计算机可读记录介质，具有记录在其上的程序，用于执行分类基于色彩的图像代码的色彩的方法。

技术方案

根据本发明的一个方面，提供了一种分类基于色彩的图像代码的色彩的方法，所述方法包括：从构成基于色彩的图像代码的每一个单元采样预定数量的像素；从构成每一个采样像素的色彩通道中识别具有最大值的色彩通道的色彩，作为每一个采样像素的色彩；及将从每一个单元采样的像素的色彩中具有最高频率的色彩分类为该单元的色彩。

根据本发明的另一个方面，提供了一种分类基于色彩的图像代码的色彩的方法，所述方法包括：从基于色彩的图像代码的静区(quiet zone)采样预定数量的像素；获得采样数量像素的平均亮度值；用平均亮度值补偿构成基于色彩的图像代码的每一个单元的色彩通道的平均值；及将每一个单元的色彩通道的补偿平均值改变为能够进行色调提取的色彩模型，及基于能够进行色调提取的色彩模型的色调值和亮度，分类每一个单元的色彩。

根据本发明的另一个方面，提供了一种分类基于色彩的图像代码的色彩的方法，所述方法包括：获得构成基于色彩的图像代码的每一个单元的至少一个亮度值和饱和度值，基于所述至少一个亮度值和饱和度值，将单元分组为非彩色组和彩色组；及用能够进行色调提取的色彩模型的色调分类彩色组中的单元的色彩。

有益效果

根据本发明，即使当由于相机或打印介质的特性使得基于色彩的图像代码的色彩、阴影或形状失真时，基于色彩的图像代码可以变为其原始色彩或阴影，并能够补偿噪声。因此，能够准确的识别基于色彩的图像代码。此外，用本发明，能够在低性能计算环境中快速容易的识别色彩，因为使用了与静区或基于色彩的图像代码的色彩和阴影有关的信息。

附图说明

图1是来自常规基于色彩的图像代码的2D代码的实例图；

图2A是来自用于本发明的基于色彩的图像代码的色彩代码的实例图；

图2B是显示用于本发明的色彩代码的特性的表；

图3是根据本发明实施例的编码色彩代码的方法的流程图；

图4是根据本发明实施例的解码色彩代码的方法的流程图；

图5是根据本发明实施例的解码基于色彩的图像代码的方法的流程图；

图6是根据本发明实施例，解码基于色彩的图像代码的方法的预处理操作的流程图；

图7是根据本发明实施例的解码基于色彩的图像代码的方法的色彩分类操作的流程图；

图8是根据本发明实施例，用于说明色彩分类操作的采样操作的图示；

图9是根据本发明实施例，用基于最大通道聚类(MCC)方法分类基于色彩的图像代码的色彩的方法的流程图；

图10是根据本发明实施例，用基于白平衡的色彩聚类(WBCC)方法分类基于色彩的图像代码的色彩的方法的流程图；

图11是根据本发明实施例，用基于单链接算法的色彩分类(SLACC)方法分类基于色彩的图像代码的色彩的方法的流程图；

图12是根据本发明实施例，用基于K-means(K均值)算法的色彩分类(KMACC)方法分类基于色彩的图像代码的色彩的方法的流程图；

图13是根据本发明实施例的解码基于色彩的图像代码的方法的代码识别操作的流程图。

具体实施方式

根据本发明的一个方面，提供了一种分类基于色彩的图像代码的色彩的方法，所述方法包括：从构成基于色彩的图像代码每一个单元采样预定数量的像素；从构成每一个采样像素的色彩通道中识别具有最大值的色彩通道的色彩，作为每一个采样像素的色彩；及将从每一个单元采样的像素的色彩中具有最高频率的色彩分类为该单元的色彩。

根据本发明的另一个方面，提供了一种分类基于色彩的图像代码的色彩的方法，所述方法包括：从基于色彩的图像代码的静区采样预定数量的像素；获得采样数量的像素的平均亮度值；用平均亮度值补偿构成基于色彩的图像代码的每一个单元的色彩通道的平均值；及将每一个单元的色彩通道的补偿平均值改变为能够进行色调提取的色彩模型，及基于能够进行色调提取的色彩模型的色调值和亮度，分类每一个单元的色彩。

根据本发明的另一个方面，提供了一种分类基于色彩的图像代码的色彩的方法，所述方法包括：获得构成基于色彩的图像代码的每一个单元的至少一个亮度值和饱和度值，基于所述至少一个亮度值和饱和度值，将单元分组为非彩色组和彩色组；及用能够进行色调提取的色彩模型的色调分类彩色组中的单元的色彩。

发明模式

下文中，将参考附图更充分的说明本发明，其中显示了本发明的实施例。

图2A是来自用于本发明的基于色彩的图像代码的色彩代码的实例图，图2B是显示色彩代码的特性的表。

通常，用于扩展现实服务的ARToolKit标记和设计者标记在动态移动计算环境中具有简单的代码结构，并需要较少数量的解码操作，但仅能存储非常少量的信息。然而，商业2D码能够存储大量的信息，但需要以便于识别的高性能相机和大量的操作，因此，不适于动态移动计算环境中。

参考图2A和2B，色彩代码是2D矩阵型代码，由色彩单元构成。在用于移动计算机的色彩代码的情况下，一个单元表示2比特，因此，将信息编码为4种色彩。能够仅通过修改在线连接的数据库的内容来改变色彩代码的服务。此外，与其它2D码不同，色彩代码适于移动计算环境，因为可以借助内置在移动电话或PDA中的常规相机来识别色彩代码，而不通过专门用于扫描色彩代码的扫描器。色彩代码可以用于在线应用的代码服务和扩展现实服务，因为代码结构简单，所需的操作数少，并使用了色彩，因此，具有大量的信息。

色彩代码由数据位单元、奇偶位单元和代码排列单元构成。将表示识别数量的比特流布置在数据位单元中。沿着数据位单元的列和行执行奇偶操作，由奇偶操作得到的奇偶位布置在色彩代码的右侧和底部。代码排列单元布置在色彩代码的右下方。通过取一个列和行的奇偶性的倒数，代码排列单元能够区分一个列和行与另一个列和行上的奇偶操作方法，并能够用作在解码过程中排列单元的基础。

在图2A中，数据位单元是D₁₁到D₄₄，奇偶位单元是P₁₅、P₂₅到P₄₅、P₅₁和P₅₂到P₅₄。此外，P_A是代码排列单元。由于在色彩代码中不使用白色，就不需要用于搜索代码区域的边界，但在色彩代码周围可以存在具有1个单元厚度的白色静区，以便区分色彩代码与相邻噪声。能够表示的图案数量按照色彩代码的列和行数及奇偶方法的数量而变化。

图3是根据本发明实施例的编码色彩代码的方法的流程图。

参考图3，当编码器在操作S300接收识别号时，编码器将识别号变为数据比特流，并在操作S310中以矩阵形式排列数据比特流。在操作S320，编码器计算并相加每一个列和行的奇偶位，用于错误纠正，并用奇偶位产生并相加代码排列位。当完成包括奇偶位等的代码比特流时，编码器在操作S330将每一个代码比特流变为相应的色彩，并在操作S340产生和排列由色彩构成的色彩单元。

图4是根据本发明实施例的解码色彩代码的方法的流程图。

参考图4，在操作S400解码器从相机接收原始图像，其包括基于色彩的图像代码。解码器从原始图像提取代码图像区，以便在操作S410读取色彩单元，并在操作S420将色彩单元变为相应的比特流。解码器通过在操作S430执行奇偶操作检测并纠正错误。随后，在操作S440解码器获得代码排列位，参考代码排列位的位置排列数据比特流，并提取识别号。此外，可以通过合并数据比特流与奇偶操作的类型来获得额外的色彩代码图案。

图5是根据本发明实施例的解码基于色彩的图像代码的方法的流程图。

参考图5，该方法包括图像获得操作S500，预处理操作S505，色彩分类操作S525，错误检测操作S545，和代码识别操作S555。解码器包括参数，依据预处理方法标识符(PID)，其设定了用于预处理操作S505中的预处理方法的类型，及色彩单元分类方法标识符(CID)，其设定在色彩分类操作S525中的色彩分类方法的类型。通过顺序应用由参数设定的方法，解码器解码基于色彩的图像代码。

在图像获得操作S500，获得图像，其可以以物理的或电的方式来表示。图像可以打印在物理介质上，例如纸张，金属或塑料，或者显示在显示器上，例如移动电话的液晶显示器(LCD)，监视器，TV或光束投影机。此外，可以以电的方式，例如比特流，或电子文件形式提供图像。

为了读取打印在物理介质上的图像，使用了图像输入设备，例如相机电话，扫描器，数码相机，PC相机或传真机。此外，经网络或存储设备获得以比特流或电子文件形式表示的图像。

因此，会将在图像获得操作S500期间的输出信号称为原始图像，其形式为能够在计算机中处理的图像文件。原始图像包括噪声或背景，具有包含代码信息的代码图像。通常，由于照明、显示代码图像的介质和读取代码图像的读出装置使得原始图像中的代码图像的色彩和形状失真。

如果在图像获得操作S500接收到图像，就在预处理操作S505中预处理接收的图像。如果在操作S510中没有提取代码图像，就在操作S515增加PID，并再次在预处理操作S505中预处理图像。如果在操作S520中全部执行了最大数量的预处理方法，就是说，PID大于最大预处理方法标识符(MAXPID)，就确定图像是不恰当的，因此在图像获得操作S500再次接收图像。如果在色彩分类操作S525期间在操作S530不能分类一个色彩，或者如果即使在操作S530分类了色彩，但在错误检测操作S545期间在操作S550出现错误，就在操作S535中增加CID，并在色彩分类操作S525执行相应的色彩分类算法。如果全部执行了最大数量的色彩分类方法，就是说，CID大于最大色彩单元分类方法标识符(MAXCID)，且在操作S540不能分类色彩，就再次执行预处理操作S505。在错误检测操作S545，检测器执行奇偶操作，并从色彩代码的比特流检测错误。如果没有检测到错误，就输出识别号，如果在操作S550检测到错误，就再次执行色彩分类操作S525。

图6是根据本发明实施例，解码图5所示的基于色彩的图像代码的方法的预处理操作S505的流程图。

执行图5的预处理操作S505，以便从接收到的图像提取代码图像，提取代码图像的特征点，并搜索每一个色彩单元的中心。通过从彩色图像产生灰度图像并使用该灰度图像，来执行预处理操作S505。具体的，预处理操作S505包括二值化操作S600，降噪操作S610，边界矩形搜索操作S620，顶点检测操作S630，及色彩单元中心搜索操作S640。

(1)二值化操作S600

二值化用于将代码图像从背景或围绕代码的对象中分离，并减小检测代码图像特征点的操作的复杂性。在二值化操作S600，用像素的亮度信息将原始图像的每一个像素转换为黑白色。如果像素的亮度值高于阈值，就将像素转换为白色，如果像素的亮度值低于阈值，就将像素转换为黑色。图像的常规二值化以黑白色表示；然而本发明的二值化可以以其它色彩表示。

(2)降噪操作S610

在降噪操作S610，检测二值化的原始图像中的每一个对象的边界，并沿着检测到的边界将原始图像分为是代码图像的区域和不是代码图像的区域。在此，分割两个区域的基础可以是边界的长度(周长)，对象的形状等。

(3)边界矩形搜索操作S620

为了从接收到的原始图像提取代码图像，预测代码的中心并基于代码中心搜索代码图像的边界矩形。因此，将整个代码图像分为n块，并搜索具有位于每一块中最大数量像素的块。

(4)顶点检测操作S630

代码图像的特征点指明反映代码图像的特性的像素。特征点的实例包括色彩代码的矩形顶点、QR代码的取景器图案的四个顶点、排列图案和时序图案。如果代码图像是确定的形状或者未定的形状，就可以在片段中表达特征点，例如轮廓组。用常规特征点提取方法可以易于从提取的特征点图像找到代码图像的特征点，例如匹配方法或地理距离操作，并可以参照每一个代码的识别方法更容易的找到它。

(5)色彩单元中心搜索操作S640

由于以色彩单元构成色彩代码，就通过从每一个色彩单元的中心提取彩色像素来分类色彩。

图7是根据本发明实施例，解码图5的基于色彩的图像代码的方法的色彩分类操作S525的流程图。

参考图7，当在预处理操作S505找到基于色彩的图像代码的每一个色彩单元的中心(参考图6)时，就执行色彩分类操作S525。色彩分类操作S525包括采样操作S1100，其基于每一个色彩单元的中心采样每一个色彩单元的彩色像素数，及色彩单元分类操作S1110，其分类每一个色彩单元的色彩。

图8是根据本发明实施例，用于说明色彩分类操作S525的采样操作S1100的图示。参考图8，从每一个色彩单元采样的像素数根据接收到的代码图像的尺寸而不同。

在本发明中，将基于最大通道聚类(MCC)方法、基于白平衡的色彩聚类(WBCC)方法、基于单链接算法的色彩分类(SLACC)方法及基于K-means算法的色彩分类(KMACC)方法用于分类色彩单元。用以上方法能够分类各种色彩，但在本发明中，为了便于说明将色彩限于四种色彩，即黑、红、蓝和绿。

(A)MCC方法

图9是根据本发明实施例，用MCC法分类基于色彩的图像代码的色彩的方法的流程图。参考图9，如图8所述，在操作S1300从每一个色彩单元采样预定数量的像素，并将MCC方法应用到采样数量的像素。在下文中，将更详细的说明MCC方法。

彩色像素或色彩单元包括红色、绿色和蓝色通道，每一个色彩通道都具有从0到255的值。MCC方法在从色彩单元采样的像素的色彩通道预测具有最大值的色彩通道的色彩，作为色彩单元的相应像素的色彩组。此外，使用了在预处理操作S505的二值化操作S600期间使用的阈值T_PID，以便分类黑色。当从每一个色彩单元采样的像素数是n时，第i个像素是p_i＝(r_i，g_i，b_i)^T，最大色彩通道值是max_i＝max(r_i，g_i，b_i)，中间通道值是mid_i＝mid(r_i，g_i，b_i)，分类每一个色彩的阈值是T，色彩分类函数f_MCC如下。

[等式1]

如果max_i＝max(r_i，g_i，b_i)且mid_i＝mid(r_i，g_i，b_i)，i＝1，2，...，n那么

在MCC方法中，在操作S1310分类从一个色彩单元采样的每一个像素的色彩，即来自红色、绿色和蓝色的色彩，并在操作S1320将具有最高频率的色彩认为是相应色彩单元的色彩。MCC方法可以借助设定T_MCCj＝{T_j，T_K1i，T_K2i，T_R，T_G，T_B}和j＝PID来分类色彩，因此，如果图像特性是已知的，MCC方法是有优势的。

另一方面，如果要素，例如照明和打印介质的特性是未知的，那么MCC方法的性能就降低。因此，为了改进解码器的性能，就在一个PID中设定几组阈值T，并相应地分类色彩。例如，当T_k2是具有几个要素的组，那么具有第j个PID的第k个阈值T的组就如下。

[等式2]

T_MCCjk＝{T_j，T_k1i，T_K2ik，T_Rj，T_Gj，T_Bj}，T_K2j＝{T_K2j1，T_K2j2，T_K2j3}，j＝1，2，3

由于MCC方法是非常简单的算法，因此可以快速地执行MCC方法。

(B)WBCC方法

图10是根据本发明实施例，用WBCC方法分类基于色彩的图像代码的色彩的方法的流程图。

WBCC方法用代码图像周围的静区来分类色彩单元的色彩。代码图像周围的静区的尺寸至少是一个色彩单元。静区是白色的，并反映关于照明和打印介质的色彩变化。WBCC方法包括白斑操作和色彩分类操作S1430。

(1)白斑操作

由于静区的颜色是白色的，就可以用该静区预测照明或相机的特性。WBCC方法调节色彩单元的色彩通道的值。WBCC方法类似于灰色世界假定(GWA)方法，它是色彩纠正算法之一，然而WBCC方法使用静区的像素的亮度值，而不是整个原始图像的平均亮度值。

假定构成基于色彩的图像代码的n个色彩单元中的第i个色彩单元的色彩信息是

$P_i={(\stackrel{\‾}{r_i},\stackrel{\‾}{g_i},\stackrel{\‾}{b_i})}^T$

在此，能够通过从相应色彩单元采样几个像素，随后计算这些像素的每一个红、绿和蓝色彩通道的平均值来获得P_i。类似的，当在操作S1400从静区采样m个像素时，采样的第j个像素是P_wj＝(r_wj，g_wj，b_wj)^T，其中j＝1，2，...，m，可以在操作S1410由等式3获得每一个色彩通道的平均值和相应像素的亮度值。

[等式3]

$\stackrel{\‾}{r_w}=\frac{1}{m}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{r}_{\mathrm{wj}}$    $\stackrel{\‾}{g_w}=\frac{1}{m}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{g}_{\mathrm{wj}}$    $\stackrel{\‾}{b_w}=\frac{1}{m}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{b}_{\mathrm{wj}}$    $\stackrel{\‾}{P_w}=\frac{\stackrel{\‾}{r_w}+\stackrel{\‾}{g_w}+\stackrel{\‾}{b_w}}{3}$

类似的，当从第i个色彩单元采样的像素的各个色彩通道的平均值的向量是

$P_i={(\stackrel{\‾}{r_i},\stackrel{\‾}{g_i},\stackrel{\‾}{b_i})}^T$

时，就可以在操作S1420由等式4获得用于色彩补偿的系数，和用该系数补偿的色彩向量P_ci。

[等式4]

${\mathrm{\ρ}}_{\mathrm{rw}}=\frac{\stackrel{\‾}{r_w}-\stackrel{\‾}{P_w}}{\stackrel{\‾}{r_w}}=1-\frac{\stackrel{\‾}{P_w}}{\stackrel{\‾}{r_w}}$   ${\mathrm{\ρ}}_{\mathrm{gw}}=1-\frac{\stackrel{\‾}{P_w}}{\stackrel{\‾}{g_w}}{\mathrm{\ρ}}_{\mathrm{bw}}=1-\frac{\stackrel{\‾}{P_w}}{\stackrel{\‾}{b_w}}$

$P_{\mathrm{ci}}=\left[\begin{array}{c}{r}_{\mathrm{ci}}\\ g_{\mathrm{ci}}\\ b_{\mathrm{ci}}\end{array}\right]=\left[\begin{array}{c}\stackrel{\‾}{r_i}\\ \stackrel{\‾}{g_i}\\ \stackrel{\‾}{b_i}\end{array}\right]-\left[\begin{array}{ccc}{\mathrm{\ρ}}_{\mathrm{rw}}& 0& 0\\ 0& {\mathrm{\ρ}}_{\mathrm{gw}}& 0\\ 0& 0& {\mathrm{\ρ}}_{\mathrm{bw}}\end{array}\right]\×{\left[\begin{array}{c}\stackrel{\‾}{r_i}\\ \stackrel{\‾}{g_i}\\ \stackrel{\‾}{b_i}\end{array}\right]}^T=\left[\begin{array}{ccc}\stackrel{\‾}{P_w}/\stackrel{\‾}{r_w}& 0& 0\\ 0& \stackrel{\‾}{P_w}/\stackrel{\‾}{g_w}\mathrm{\ρ}& 0\\ 0& 0& \stackrel{\‾}{P_w/}\stackrel{\‾}{b_w}\end{array}\right]\×{\left[\begin{array}{c}\stackrel{\‾}{r_i}\\ \stackrel{\‾}{g_i}\\ \stackrel{\‾}{b_i}\end{array}\right]}^T$

(2)色彩分类操作S1430

WBCC方法使用了色彩模型，其能够在白斑操作后提取色调信息。色彩模型的实例包括色调、饱和度和纯度(HSV)，色调、饱和度和亮度(HSI)，YIQ，国际照明委员会(CIE)，青、品红、黄、黑(CMYK)等。用HSV的色彩分类如下。色彩补偿的色彩单元的色彩向量P_ci是红绿蓝(RGB)色彩模型，将色彩向量P_ci转换到相应的HSV色彩模型P_chi(hci，S_ci，V_ci)。在HSV中，色调值h_ci以角度范围(0≤h_ci<360)表示，由于red(红色)＝0，green(绿色)＝120，blue(蓝色)＝240，就可以根据色调值h_ci与红绿蓝的值有多近来分类每一个色彩。此外，如果色彩是黑色，在RGB色彩通道值之间的差很小，因此可以假定与白色的亮度差较大。因此，第i个色彩单元的色彩分类函数如下。

[等式5]

如果存在白色静区，WBCC方法的性能就较高。然而，如果因为代码图像区模糊而使静区受损，或者如果在其中打印代码的介质不是白色或彩色的，白色像素信息就受损，因此WBCC方法的性能就降低。

在此情况下，将HSV色彩模型用于WBCC方法的色彩分类操作S1430，然而WBCC方法能够在补偿色彩后使用上述的MCC方法或KMACC方法和SLACC方法，稍后将说明它们。因此，色彩补偿是WBCC方法的特定特征，色彩分类可以与其它方法合并。

(C)SLACC方法

为了分类色彩单元的色彩，可以使用分级聚类方法。分级聚类方法将一个群逐步分为细分簇。在当前实施例中，将单链接算法(SLA)用作分级聚类方法。

图11是根据本发明实施例，用SLACC方法分类基于色彩的图像代码的色彩的方法的流程图。

通过根据每一个色彩单元的色彩信息合并预定色彩簇来执行基于色彩的图像代码的色彩分类。如果用色彩信息将每一个色彩单元映射到任意色彩空间，就按照色彩单元的接近度构成色彩簇。在此，在一个色彩簇中的相邻色彩单元彼此具有相对接近的距离，不同色彩簇中的相邻色彩单元彼此具有相对较长的距离。这种距离可以由RGB色彩空间中的红、绿和蓝色彩通道值，及由HSV色彩空间中的亮度、饱和度、色调值来确定。然而，如果使用了根据本发明的色彩模型，就计算位于3D空间上的图像代码的要素的色彩坐标上的距离，并合并具有最小距离的色彩簇。

这比在1D或2D空间中的聚类操作要更复杂，要分类几个色彩簇。因此，在本发明中，根据亮度信息并根据色调信息执行聚类操作。因此，在1D空间上执行聚类操作。

SLACC方法使用SLA，它是分级聚类方法，以便分类色彩。SLA还被称为最小法或最近邻居法，其在计算两组之间的距离的同时，从一组中的要素与另一组中的元素之间的距离中选择最短的距离。

在SLACC方法中，当C_i和C_j是色彩簇时，x和y是样本，可以如下获得在色彩簇之间的距离。

[等式6]

$f_{\mathrm{SLACC}}(C_i,C_j)=\underset{x\&Element;C_i,y\&Element;C_j}{\min }d(x,y)=\underset{x\&Element;C_i,y=C_j}{\min }|x-y|$

非彩色单元的亮度比彩色单元的亮度暗，彩色单元的每一个色彩的色调是不同的，例如红、绿和蓝。此外，在同一色彩组中像素之间的距离比不同色彩组中像素之间的距离更近。

SLACC方法包括两个步骤。在步骤1，按照亮度排列色彩单元，随后通过计算在相邻色彩单元的亮度值之间具有最大距离的色彩单元，分为非彩色组和彩色组。在步骤2，类似于步骤1，通过用彩色组中色彩单元的色调，将色彩单元分为红、绿和蓝。关于每个步骤的具体描述如下。

步骤1：用SLA将色彩单元分为非彩色组和彩色组(操作S1500)

假定基于色彩的图像代码的n个色彩单元中第i个色彩单元P_i的色彩信息是

$\stackrel{}{\stackrel{\&OverBar;}{P_i}}={(\stackrel{\&OverBar;}{r_i},\stackrel{\&OverBar;}{g_i},\stackrel{\&OverBar;}{b_i})}^T$

第i个色彩单元P_i的色调值是

${\mathrm{\&mu;}}_i=(\stackrel{\&OverBar;}{r_i}+\stackrel{\&OverBar;}{g_i}+\stackrel{\&OverBar;}{b_i})/3,i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,C$

此外，假定需要获得的色彩簇的数量是m。根据亮度值聚类m个色彩簇的常规处理如下。

首先，以升序排列所有色彩单元的色调值，以便获得

O＝{o_μ1，o_μ2，…，o_μj，o_μj+1，…，o_μC}，o_μj≤o_μj+1

然后将O_μi设定为簇C_i。获得簇C_a和C_b，它们是彼此最接近的，并合并簇C_a和C_b。重复这个过程。如果m是3，且白色存在但灰色不存在，C₁就是黑色的，C₃是白色的，C₂是彩色的。此外，如果白色和灰色都不存在，m是2，C₁就是黑色的，C₂就不是黑色的。

如果黑色簇是C_K，非黑色簇是C_NK，那么就可以如下计算在C_K与C_NK之间的距离。

[等式7]

$f_{\mathrm{SLACC}}(C_K,C_{\mathrm{NK}})=\underset{o_{\mathrm{\&mu;f}}\&Element;C_K,o_{\mathrm{\&mu;f}+1}\&Element;C_{\mathrm{NK}}}{\min }d(o_{\mathrm{\&mu;j}},o_{\mathrm{\&mu;f}+1})=\underset{o_{\mathrm{\&mu;f}}\&Element;C_K,o_{\mathrm{\&mu;f}+1}\&Element;C_{\mathrm{NK}}}{\min }|o_{\mathrm{\&mu;f}}-o_{\mathrm{\&mu;f}+1}|,j=\mathrm{1,2},...,C-1$

在此，d(o_μj，o_μj+1)是在o_μj与o_μj+1之间的距离，它们是对齐的相邻单元。

步骤2：用SLA将彩色单元分为红色、绿色和蓝色组(操作S1510)

由色调值分类C_NK中的色彩单元。用每一个色彩单元的色调值排列色彩单元，随后用SLA分类为红色、绿色和蓝色。当C_R是红色组时，C_G是绿色组，C_B是蓝色组，使用了以下等式。

[等式8]

在此情况下，从0°到360°排列色调值。纯红色是0°及360°，绿色是120°，蓝色是240°。因此，红色位于小于60°或大于300°的范围。此外，绿色位于大于60°且小于180°的范围中，蓝色位于大于180°且小于300°的范围中。因此，色调值可以表示为以上的等式8。

如果有8种色彩(红、绿、蓝、黄、青、品红、黑和白)，就可以通过调整非彩色和彩色的基础来分类色彩。就是说，在步骤1，通过SLA获得C1(黑)和C3(白)组，将C2确定为彩色组。此外，在步骤2，用SLA基于色调值分割彩色组C2中的簇，根据每一个簇的色彩范围确定色彩单元的色彩值。

例如，如果分类以上8种色彩，6种色彩在彩色组中，因此，色调值的范围分为6个。因此，红色小于30°或大于330°，黄色在30°与90°之间，绿色在90°与150°之间。

然而，这种色彩范围是理想值，当色彩按照图像状态而失真时，色彩范围会改变。可以借助实验预先获得色彩范围的这种值，或者在借助色彩补偿操作补偿色彩单元的色彩后应用它们。SLACC方法不使用阈值来分类黑色，与MCC或WBCC方法不同。由于SLACC方法在分级聚类方法中是最简单的方法，在本发明中使用了SLACC方法，然而可以用其它分级聚类方法获得类似的结果。

(D)KMACC方法

为了分类色彩，除了分级聚类方法以外，可以使用分割聚类方法。通过逐步聚集几个簇，分割聚类方法减小了簇数。在当前实施例中，将K-means算法用作分割聚类方法。

图12是根据本发明实施例，用KMACC方法分类基于色彩的图像代码的色彩的方法的流程图。

如同基于HSV色彩模型，接收的图像的色彩由色调、亮度及饱和度构成。如同SLACC方法，KMACC方法包括两个步骤，然而KMACC方法是不同的，因为将亮度和饱和度用于将色彩单元分为非彩色单元和彩色单元，并在应用色调的同时，将K-means算法用于分类彩色单元的色彩。K-means算法是公知的聚类方法之一，并在存在k个簇时执行每一个簇的平均向量μ₁，μ₂，...，μ_k的搜索。可替换的K-means算法用于KMACC方法中。如果色彩单元的数是C，色彩单元的像素信息是P＝{P₁，P₂，...，P_C}，在表1中示出了过程。

[表1]

步骤1：将色彩单元范围非彩色组和彩色组(操作S1600)

步骤1包括3个子步骤。第一子步骤，为了分类非彩色，执行根据亮度的聚类，随后执行根据饱和度的聚类。随后，将借助于按照亮度和饱和度的聚类而分类为非彩色簇的簇确定为非彩色组，因为在各种照明条件下黑色都具有相对较低的亮度和饱和度值。

假定通过以升序排列所有色彩单元的色调值而获得的结果是

O_M＝{o_μ1，o_μ2，…，o_μc，o_μc+11，…，o_μC}

，且通过以升序排列所有色彩单元的饱和度值而获得的结果是

O_S＝{o_s1，o_s2，…，o_sc，o_sc+1，…，o_sC}。

借助于执行K-means算法，初始值是最小值和最大值，且平均值按照执行K-means算法的结果而变化。因此，用以下过程获得非彩色簇。

步骤1-1：按照亮度值(C，O_M，k＝2，μ₁＝o_μ1，μ₂＝o_μC，)将色彩单元分为非彩色簇A_1K和彩色簇A_1NK

步骤1-2：按照饱和度值(C，O_S，k＝2，μ₁＝o_s1，μ₂＝o_sC，)将色彩单元分为非彩色簇A_2K和彩色簇A_2NK

步骤1-3：将共同的色彩单元分类到依据以上步骤1-1和1-2分割的非彩色簇中，作为最终的黑色簇

A_1K∩A_2K

，且剩余的色彩单元作为非黑色簇A_NK

(A_1K∩A_2K)^C。

步骤2：将彩色单元分为红、绿、和蓝组(操作S1610)

通过将K-means算法用于A_NK中色彩单元的色调值，将每一个色彩单元分类为红色、绿色或蓝色。假定O_ki是A_NK中第i个色彩单元的色调值，色彩单元数是C’，红色、绿色和蓝色簇的平均估计值分别是μ_R，μ_G，μ_B。由于簇的平均值的初始值应是理想值，在其中使用了K-means算法，K-means算法就是K-means

(

C′，A_NK，k＝3，μ_R＝0，μ_G＝120，μ_B＝240

)

$P_{\mathrm{hi}}^{\&prime;}\&Element;A_{\mathrm{NK}},i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,C\&prime;$

。使用以上结果的色彩分类函数如下。

[等式9]

在以上实例中，由于组数k当分类色彩时是3，每一个色彩单元都结合到3个组中，可以按照表1的过程获得每一组的中心值。由于在使用HSV色彩模型时每一组的中心值是相应组的色调值，具有中心值最接近0°的组是红色组，具有中心值最接近120°的组是绿色组，剩余的组是蓝色组。

与SLACC方法类似，在KMACC方法中，可以基于每一个彩色组和非彩色组中子组的数量增加色彩分类的类型数。例如，当K-means算法用于非彩色分类操作时，在k＝3时，可以将色彩单元分类为黑色、白色和彩色组，因为其假定具有最高中心值(亮度值)的组是白色组，具有最低中心值的组是黑色组，剩余的组是彩色组。

在彩色情况下，在k＝6时，可以将色彩单元分为红色、绿色、蓝色、青色、黄色和品红色的组，如同SLACC方法，因为可以基于6个组的中心值(色调值)分别与0°、120°、240°、60°、180°和300°有多接近来分类这6个组。

将亮度值用于分割非彩色和彩色，但可以使用饱和度值或加权的亮度值与饱和度值。色彩的饱和度值显示了该色彩有多清晰，在色彩是非彩色时饱和度值是低的，反之亦然。亮度值和饱和度值按照所用的色彩模型而变化。在本发明中，使用了两个色彩模型，它们是RGB色彩模型和YUV(YIQ类型的)色彩模型，因为这些色彩模型是由相机或内置设备提供的常规色彩模型。第i个色彩单元中的亮度值和饱和度值定义如下。

[等式10]

●KMACC(RGB)

■亮度： ${\mathrm{\&mu;}}_i=(\stackrel{\&OverBar;}{r_i}+\stackrel{\&OverBar;}{g_i}+\stackrel{\&OverBar;}{b_i})/3,i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,C$

■饱和度： ${\mathrm{\&sigma;}}_i=\sqrt{({(\stackrel{\&OverBar;}{r_i}-{\mathrm{\&mu;}}_i)}^2+{(\stackrel{\&OverBar;}{g_i}-{\mathrm{\&mu;}}_i)}^2+{(\stackrel{\&OverBar;}{b_i}-{\mathrm{\&mu;}}_i)}^2)/3},i=\mathrm{1,2},...,C$

●KMACC(YUV)

■亮度： ${\mathrm{\&mu;}}_i=0.3\stackrel{\&OverBar;}{r_i}+0.59\stackrel{\&OverBar;}{g_i}+0.11\stackrel{\&OverBar;}{b_i},i=\mathrm{1,2}\&CenterDot;,...,C$

■饱和度： ${\mathrm{\&sigma;}}_i=\sqrt{{(-0.3\stackrel{\&OverBar;}{r_i}-0.59\stackrel{\&OverBar;}{g_i}+0.89\stackrel{\&OverBar;}{b_i})}^2+{(0.7\stackrel{\&OverBar;}{r_i}-0.59\stackrel{\&OverBar;}{g_i}-0.11\stackrel{\&OverBar;}{b_i})}^2},i=\mathrm{1,2},...,C$

当使用了亮度值和饱和度值时，可以按照亮度值，随后按照饱和度值分类非彩色。在两种情况下都分类为非彩色的色彩单元属于非彩色组。亮度值和饱和度值可以被不同地加权。

(E)色彩通道调节(scale)方法

使用上述色彩分类算法，以便将接收图像的色彩补偿为希望在理想照明条件下获得的色彩。此外，色彩分类算法可以用于分类在移动计算环境中各种照明条件下，例如白天，灯泡，卤素灯照明和荧光照明，获得色彩。

为了补偿色彩，在分类色彩前WBCC方法使用了白斑方法，然而SLACC方法和KMACC方法使用了色彩通道调节方法。与WBCC方法不同，SLACC和KMACC方法不使用静区中像素的色彩信息，因此不使用白斑方法。然而，白斑方法仍可以用于SLACC和KMACC方法。

当在簇之间的距离大于簇中要素之间距离的情况下，可以理想的应用SLA方法，而不用考虑照明、相机和打印介质引起的变化。然而，当从相机接收的红色、绿色、蓝色通道值受到色彩变化影响时，与亮度和色调值有关的信息也受到色彩变化的影响。因此，当注意到色彩变化时，就需要用于补偿色彩变化的算法。这种算法的实例是色彩通道调节方法。

假定色彩代码的色彩单元数是C，每一个色彩单元的索引是i，色彩通道的索引是j，当j是1时色彩通道是红色通道，当j是2时色彩通道是绿色通道，当j是3时色彩通道是蓝色通道。此外，l_ij是每一个色彩单元的色彩通道信息。就是说，I_i1是第i个色彩单元的红色通道值。因此，每一个色彩通道的最大和最小值分别是max_j和min_j，最大和最小色彩通道值分别是max_Int和min_Int，各个色彩通道的最大值中的最低值是min max_Int。当第i个色彩单元的通道值是 $\stackrel{\&OverBar;}{P_i}={(\stackrel{\&OverBar;}{r_i},\stackrel{\&OverBar;}{g_i},\stackrel{\&OverBar;}{b_i})}^T={(l_{i1},l_{i2},l_{i3})}^T$ 时，可以如下获得max_j、min_j、max_Int、min_Int和minmax_Int。

[等式11]

${\max }_j=\underset{i=1}{\overset{C}{\max }}\left(l_{\mathrm{ij}}\right),{\min }_j=\underset{i=1}{\overset{C}{\min }}\left(l_{\mathrm{ij}}\right),j=\mathrm{1,2,3}$

${\max }_{\mathrm{Int}}=\underset{j=1}{\overset{3}{\max }}\left({\max }_j\right),\min {\max }_{\mathrm{Int}}=\underset{j=1}{\overset{3}{\min }}\left({\max }_j\right),{\min }_{\mathrm{Int}}=\underset{j=1}{\overset{3}{\min }}\left({\min }_j\right)$

因此，当为了应用色彩通道调节方法，恒定数是调节阈值(ST)时，调节每一个色彩通道的结果，即补偿色彩变化的结果如下。

[等式12]

$l_{\mathrm{ij}}^{\&prime;}={\min }_{\mathrm{Int}}+\frac{(l_{\mathrm{ij}}-{\min }_j)}{({\max }_j-{\min }_j)}\&times;({\max }_{\mathrm{Int}}-{\min }_{\mathrm{int}}),$

其中 $l_{\mathrm{ij}}^{\&prime;}\&Element;P_i^{\&prime;},{\max }_{\mathrm{Int}}\&GreaterEqual;\mathrm{ST}\&times;{\min \max }_{\mathrm{Int}}$

换句话说，可以将所有色彩通道的范围统一增加到最小色彩通道值和最大色彩通道值。在执行SLACC或KMACC方法前，使用用于补偿色彩变化的色彩通道调节方法。

可以通过应用各种聚类方法来分类色彩代码的非彩色和彩色。在本发明中，使用了SLACC方法和K-means算法，但也可以使用类似的方法。例如作为分割聚类方法，可以使用模糊c-means或QT聚类算法代替K-means算法。此外，作为分级聚类方法，可以使用Ward’s方法，平均链接算法，或完全链接算法代替单链接算法。此外，能够使用肘形判据方法、频谱聚类方法，人工智能方法，或贝叶斯方法。

图13是根据本发明实施例，解码基于色彩的图像代码的方法的代码识别操作S555的流程图。

参考图13，当完成了每一个色彩单元的色彩分类，且纠正了错误时，在操作S1900提取代码要素(constituent)图像(色彩单元)。代码图像按照代码图像的特性由代码要素图像构成。色彩代码由色彩单元构成，以显示信息、图案、色彩或阴影的特定形式来表示混合代码。QR代码由取景器图案、排列图案、版本图案、错误纠正级图案、数据代码字区域、错误纠正代码字区域等构成。

代码要素图像可以不是相应代码的要素，可以在变为显示相应要素的特性的信息后提取。例如，在QR代码的情况下，它是2D黑色码，仅可以提取数据代码字区域中每一个取景器图案的中心点、排列图案的中心点、时序图案的中心点和每一个色彩单元的中心点的位置。类似的，在色彩代码的情况下，仅可以提取与每一个色彩单元中心点的位置有关的信息。在混合代码的情况下，其由图案、色彩和阴影的组合构成，仅可以提取根据图案、色彩和阴影的色彩单元的中心点，或者表示每一个区域的像素的位置信息。因此，当需要与色彩和阴影有关的信息时，如混合代码，应参考原始图像。

随后，在操作S1910提取与代码要素图像(色彩单元)有关的信息。

基于在操作S1900获得的位置信息，从原始图像获得相应要素图像的形状、图案、色彩和阴影。因此，在色彩代码或2D图像代码的情况下，基于相应色彩单元的中心点，可以通过提取预定宽度的区域来获得与区域的色彩、阴影等有关的信息。此外，当要使用图案信息例如PDF-417时，以均匀的间隔获得相应代码图像的像素信息。像素信息可以与全部像素有关，或者与预定扫描线上的像素的长度有关。此外，可以通过以小于或等于构成代码图像的最小长度图案的间隔，采样代码图像上的像素来获得像素信息。

在提取了信息后，在操作S1920，将提取的信息转换为预定值，例如相应的字符、数字或符号。在条形码或2D代码的情况下，提取的信息可以与图案长度信息的设置，或每一个色彩单元的黑、白色有关。在色彩代码的情况下，提取的信息可以与每一个色彩单元的色彩种类有关，在标志的情况下，提取的信息可以与外形有关。

随后，在操作S1930识别代码。在操作S1930，可以基于代码类型，按照特性执行解码。因此，使用了解码每一个代码的相应方法，例如QR代码、条形码、色彩代码、混合码(参见韩国专利申请No.2005-0025240)、最大码、数据矩阵码、intercode码等。

按照本发明分类基于色彩的图像代码的色彩的方法还可以包括图像表现介质信息输入操作，照明信息输入操作，其选择照明类型，及照明输出操作。

(1)图像表现介质信息输入操作

当输入代码时，选择并输入将代码表示在其中的介质的类型。当介质是电介质时，例如阴极射线管(CRT)、液晶显示器(LCD)或数字TV，或者打印介质，例如报纸、杂志或塑料，会出现不同的色彩变化，因此，提供了用于补偿变化的色彩的线索。在此情况下，在补偿代码图像的色彩和阴影变化的同时，额外应用了补偿介质的操作，其使用了用于补偿的系数。

(2)照明信息输入操作，其选择照明的类型

当输入代码时，选择并输入照明的类型，在其中识别代码。如果照明是冷白荧光(CWF)照明，就无需色彩变化的单独补偿。然而，在例如是卤素或INC-A的照明的情况下，加重了红色。因此，可以另外输入这种信息，以便补偿色彩变化。在此情况下，在补偿代码图像的色彩和阴影变化的同时，额外应用了补偿照明的操作，其使用了用于补偿的系数，它能够补偿照明的相应特性。

(3)照明输出操作

可以开或关内置在读出装置中的照明，或者可以将照明输出到代码图像。这个操作在黑暗环境中，或者在代码图像覆盖了读出装置的情况下尤其有用。

本发明还能够实施为计算机可读记录介质上的计算机可读代码。计算机可读记录介质是任何数据存储装置，其能够存储数据，稍后可以由计算机系统读取它。计算机可读记录介质的实例包括只读存储器(ROM)，随机存取存储器(RAM)，CD-ROM，磁带，软盘，光数据存储装置和载波(例如通过因特网的数据传输)。计算机可读记录介质还可以分布在网络耦接的计算机系统上，以便以分布方式存储计算机可读代码并加以执行。

根据本发明，即使当由于相机或打印介质的特性使得基于色彩的图像代码的色彩、阴影或形状失真时，基于色彩的图像代码可以变为其原始色彩或阴影，并能够补偿噪声。因此，能够准确的识别基于色彩的图像代码。此外，用本发明，能够在低性能计算环境中快速容易的识别色彩，因为使用了与静区或基于色彩的图像代码的色彩和阴影有关的信息。

尽管参考其示范性实施例具体展示并说明了本发明，但本领域普通技术人员会理解可以在其中做出形式和细节上的各种变化，而不会脱离本发明的精神和范围，其由随后的权利要求来定义。

工业实用性

本发明涉及一种解码基于色彩的图像代码的方法，更具体的，涉及一种在解码过程中分类每一个图像代码单元的色彩的方法。

Claims (20)

1、一种对基于色彩的图像代码的色彩进行分类的方法，所述方法包括：

从构成基于色彩的图像代码的每一个单元采样预定数量的像素；

从构成每一个采样像素的色彩通道中识别具有最大值的色彩通道的色彩，作为每一个采样像素的色彩；及

将从每一个单元采样的像素的色彩中具有最高频率的色彩分类为该单元的色彩。

2、一种对基于色彩的图像代码的色彩进行分类的方法，所述方法包括：

从基于色彩的图像代码的静区采样预定数量的像素；

获得采样数量的像素的平均亮度值；

用所述平均亮度值补偿构成基于色彩的图像代码的每一个单元的色彩通道的平均值；及

将每一个单元的色彩通道的补偿平均值改变为能够进行色调提取的色彩模型，及基于能够进行色调提取的所述色彩模型的亮度和色调值，对每一个单元的色彩进行分类。

3、如权利要求2所述的方法，其中，能够进行色调提取的所述色彩模型是能够进行色调提取的HSV、HIS、CMYK、RGB、YIQ和CIE色彩模型中的任何一个色彩模型。

4、如权利要求2所述的方法，其中，获得平均亮度值包括：

获得采样数量的像素的每一个色彩通道的平均值；及

通过将所述色彩通道的平均值的总和除以色彩通道的数量，来获得所述平均亮度值。

5、如权利要求2所述的方法，其中，平均值的补偿包括：

从构成基于色彩的图像代码的每一个单元采样预定数量的像素；

获得采样数量的像素的每一个色彩通道的平均值；及

用所述平均亮度值补偿每一个通道的平均值。

6、一种对基于色彩的图像代码的色彩进行分类的方法，所述方法包括：

获得构成基于色彩的图像代码的每一个单元的亮度值和饱和度值中的至少一个，基于亮度值和饱和度值中的所述至少一个，将单元分组为非彩色组和彩色组；及

用能够进行色调提取的色彩模型的色调对所述彩色组中的单元的色彩进行分类。

7、如权利要求6所述的方法，还包括用所述非彩色组中单元的亮度和饱和度中的至少一个，将所述非彩色组中单元的色彩分类为从非彩色中选择的一个，所述非彩色包括黑色、白色和灰色。

8、如权利要求6所述的方法，其中，单元的分组和色彩的分类使用分级聚类方法、分割聚类方法、肘形判据方法和频谱聚类方法中的至少一个方法。

9、如权利要求8所述的方法，其中，分割聚类方法使用K-means、模糊c-means和QT聚类算法中的至少一个算法。

10、如权利要求8所述的方法，其中，分级聚类方法使用单链接、Ward’s方法、平均链接和完全链接算法中的至少一个算法。

11、如权利要求6所述的方法，其中，对单元进行分组包括：

第一分类操作，基于所述单元的亮度值，将所述单元分组为非彩色组和彩色组；

第二分类操作，基于所述单元的饱和度值，将所述单元分组为非彩色组和彩色组；及

将依据所述第一分类操作和所述第二分类操作被共同分组在所述非彩色组中的单元分类为非彩色单元。

12、如权利要求11所述的方法，其中，所述第一分类操作和所述第二分类操作包括获得构成基于色彩的图像代码的每一个单元的亮度值和饱和度值，以升序排列所述亮度值和所述饱和度值，基于一个具有在饱和度值和亮度值之间的最大差值的区域将所述单元分组为非彩色组和彩色组。

13、如权利要求6所述的方法，其中，对单元进行分组包括基于RGB色彩模型的亮度和饱和度，将各组分组为非彩色组和彩色组。

14、如权利要求6所述的方法，其中，对单元进行分组包括基于YUV色彩模型的亮度和饱和度，将单元分组为非彩色组和彩色组。

15、如权利要求6所述的方法，还包括在对单元进行分组之前：

从基于色彩的图像代码的静区采样预定数量的像素；

获得采样数量的像素的平均亮度值；及

用采样数量的像素的平均亮度值补偿构成基于色彩的图像代码的每一个单元的色彩通道的平均值。

16、如权利要求6所述的方法，还包括在对单元进行分组之前，调节构成基于色彩的图像代码的每一个单元的色彩通道值。

17、如权利要求16所述的方法，其中，调节色彩通道值包括：

获得每一个通道的色彩通道值；及

用以下等式将每一个单元的色彩通道值补偿为新的通道值，

$l_{\mathrm{ij}}^{\&prime;}={\min }_{\mathrm{int}}+\frac{(l_{\mathrm{ij}}-{\min }_j)}{({\max }_j-{\min }_j)}\&times;({\max }_{\mathrm{int}}-{\min }_{\mathrm{int}}),$

其中 $l_{\mathrm{ij}}^{\&prime;}\&Element;P_i^{\&prime;},{\max }_{\mathrm{Int}}\&GreaterEqual;\mathrm{ST}\&times;{\min \max }_{\mathrm{Int}}$

其中

l_ij是第i个色彩单元的第j个色彩通道的值，max_j和min_j分别是第j个色彩通道的最大和最小值，max_int和min_int分别是色彩通道的全部值的最大值和最小值，ST是调节的阈值。

18、一种计算机可读记录介质，包括记录在其上的用于执行如权利要求1所述的方法的程序。

19、一种计算机可读记录介质，包括记录在其上的用于执行如权利要求2所述的方法的程序。

20、一种计算机可读记录介质，包括记录在其上的用于执行如权利要求6所述的方法的程序。

Images