CN101799929B - 指定颜色层提取设备和方法 - Google Patents
指定颜色层提取设备和方法 Download PDFInfo
- Publication number
- CN101799929B CN101799929B CN2009100073069A CN200910007306A CN101799929B CN 101799929 B CN101799929 B CN 101799929B CN 2009100073069 A CN2009100073069 A CN 2009100073069A CN 200910007306 A CN200910007306 A CN 200910007306A CN 101799929 B CN101799929 B CN 101799929B
- Authority
- CN
- China
- Prior art keywords
- color
- image
- layer
- center
- aberration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及指定颜色层提取方法和设备。该指定颜色层提取设备,用于从彩色图像中提取目标颜色层,所述指定颜色层提取设备包括:矢量轴设定单元,将从背景颜色中心到目标颜色中心的矢量单位化,成为矢量轴;强度层提取器,利用所述矢量轴,计算消除背景颜色影响的强度层图像;色差层提取器,利用所述矢量轴,计算消除所述背景颜色和所述目标颜色之外的其它颜色的影响的色差层图像;和复合器,把所述强度层图像和色差层图像结合,把结合的结果归一化,输出代表目标色强弱程度的灰度图像。
Description
技术领域
本发明涉及彩色图像的指定颜色层提取技术,尤其涉及用于彩色图像的指定颜色层提取方法和设备。
背景技术
随着彩色图像处理技术的不断发展,其应用领域也越来越广,如工业、商业、医学等。彩色图像尤其是彩色文档图像,不同颜色的区域往往表示不同类型的物体或内容,提取具有特定颜色的物体或内容,成为一项重要的图像预处理技术。
彩色图像中的色彩提取技术可以分为三个类型。第一类,根据该像素的R,G,B值确定该像素是否为指定颜色层。例如文献(N.Sherkat,T.Allen,and S.Wong.Use of colour for hand-filled form analysis andrecognition.Pattern Analysis and Applications,8(1):163-180,2005)将像素根据其RGB值和一定的规则分到预先指定的若干颜色类中。第二类,直接利用聚类算法将色彩空间的像素聚集成若干类,如文献(K.Sobottka,H.Bunke,and H.Kronenberg.Identification of text on colored book and journalcovers.In Fifth International Conference on Document Analysis andRecognition,pp.57-62,1999)利用K-Means聚类算法进行聚类来提取目标颜色层。第三类,利用颜色在RGB空间中分布形状的信息进行聚类,如文献(M.Worring and L.Todoran.Segmentation of color documents byline oriented clustering using spatial information.In Fifth InternationalConference on Document Analysis and Recognition,pp.67-70,1999)认为RGB空间中的各种颜色分布一般呈线型,利用该约束信息进行了各种颜色层的聚类从而实现对目标颜色层的提取。
上述方法中,有些需要预先知道彩色图像中含有多少种颜色和每种颜色属性或颜色值,在实际处理中可能无法满足这些条件;上述三类方法一个共同点是提取的目标颜色层都是二值图像,在处理不同颜色的重叠区域(颜色覆盖)时,很难准确地分离出目标颜色层。
发明内容
本发明实施方式的目的是提供一种用于彩色图像的指定颜色层提取方法和设备,以弥补现有技术的部分不足,至少提供一种有益的选择。
为实现以上目的,本申请提供了以下方面的实施方式:
方面1.一种指定颜色层提取设备,用于从彩色图像中提取目标颜色层,所述指定颜色层提取设备包括:
矢量轴设定单元,将从背景颜色中心到目标颜色中心的矢量设定为矢量轴;
强度层提取器,利用所述矢量轴,计算消除背景颜色影响的强度层图像;
色差层提取器,利用所述矢量轴,计算消除所述背景颜色和所述目标颜色之外的其它颜色的影响的色差层图像;和
复合器,把所述强度层图像和色差层图像结合,把结合的结果归一化,输出代表目标色强弱程度的灰度图像。
方面2.根据方面1所述的指定颜色层提取设备,其中,所述指定颜色层提取设备还包括背景色估计器和目标色估计器这两者或其中之一,所述背景色估计器,用于估计所述彩色图像的背景颜色聚类中心,作为所述背景颜色中心;所述目标色估计器用于估计所述彩色图像的目标颜色聚类中心,作为所述目标颜色中心。
方面3.根据方面1所述的指定颜色层提取设备,其中,所述强度层提取器,计算所述彩色图像中的每个像素的颜色在所述矢量轴上的投影值,然后把所有投影值归一化到0和1之间,得到所述强度层图像。
方面4.根据方面1所述的指定颜色层提取设备,其中,所述色差层提取器,计算所述彩色图像中的每个像素的颜色距该矢量轴的垂直距离值,然后把所有距离值归一化到0和1之间,并反色,得到所述色差层图像。
方面5.根据方面2所述的指定颜色层提取设备,其中,所述背景色估计器通过颜色分量直方图法、均值漂移法或聚类分析法来估计背景颜色聚类中心。
方面6.根据方面2所述的指定颜色层提取设备,其中,所述目标色估计器通过均值漂移法或聚类分析法来估计目标颜色聚类中心。
方面7.根据方面1所述的指定颜色层提取设备,其中,复合器通过对应像素相乘法或对应像素线性求和法,来复合强度层图像和色差层图像。
方面8.根据方面1所述的指定颜色层提取设备,其中,彩色图像的颜色用RGB表示,所述复合器把结合结果归一化到0到255之间。
方面9.根据方面1所述的指定颜色层提取设备,所述色差层提取器,计算所述彩色图像中的每个像素的颜色与背景色颜色中心和目标色颜色中心锁组成的三角形的面积,对这些面积进行归一化,并反色,从而得出色差层图像,所述强度层提取器计算P和P0的距离,然后归一化,从而得出强度层图像。
方面10.根据方面1所述的指定颜色层提取设备,所述矢量轴设定单元还将所述从背景颜色中心到目标颜色中心的矢量单位化,将经单位化的矢量设定为矢量轴。
方面11.一种指定颜色层提取方法,用于从彩色图像中提取目标颜色层,所述指定颜色层提取方法包括:
矢量轴设定步骤,将从背景颜色中心到目标颜色中心的矢量单位化,成为矢量轴;
强度层提取步骤,利用所述矢量轴,计算消除背景颜色影响的强度层图像;
色差层提取步骤,利用所述矢量轴,计算消除所述背景颜色和所述目标颜色之外的其它颜色的影响的色差层图像;和
复合步骤,把所述强度层图像和色差层图像结合,把结合的结果归一化,输出代表目标色强弱程度的灰度图像。
方面12.根据方面11所述的指定颜色层提取方法,其中,所述指定颜色层提取方法还包括背景色估计步骤和目标色估计步骤这两者或其中之一,所述背景色估计步骤用于估计所述彩色图像的背景颜色聚类中心,作为所述背景颜色中心;所述目标色估计步骤用于估计所述彩色图像的目标颜色聚类中心,作为所述目标颜色中心。
方面13.根据方面11所述的指定颜色层提取方法,其中,所述强度层提取步骤计算所述彩色图像中的每个像素的颜色在所述矢量轴上的投影值,然后把所有投影值归一化到0和1之间,得到所述强度层图像。
方面14.根据方面11所述的指定颜色层提取方法,其中,所述色差层提取步骤计算所述彩色图像中的每个像素的颜色距该矢量轴的垂直距离值,然后把所有距离值归一化到0和1之间,得到所述色差层图像。
方面15.根据方面12所述的指定颜色层提取方法,其中,所述背景色估计步骤通过颜色分量直方图法或聚类分析法来估计背景颜色聚类中心。
方面16.根据方面12所述的指定颜色层提取方法,其中,所述目标色估计步骤通过均值漂移法或聚类分析法来估计目标颜色聚类中心。
本发明的这些实施方式的指定颜色层提取装置和方法,输入简单,只需输入彩色图像和指定目标颜色的属性,其输出为代表目标色强弱的灰度图像,能够较好的处理不同颜色的重叠区域。
附图说明
参照下面结合附图对本发明实施例的说明,会更加容易地理解本发明的以上和其它目的、特点和优点。在附图中,相同的或对应的技术特征或部件将采用相同或对应的附图标记来表示。
图1是示出根据本发明实施例的用于彩色图像的指定颜色层提取设备的框图。
图2是示出了根据本发明优选实施例的用于估计背景颜色中心的流程图。
图3是示出了根据本发明优选实施例的用于估计目标颜色中心的流程图。
图4示意性示出了根据矢量轴提取强度层图像和色差层图像的原理。
图5是示出了根据本发明实施例的用于提取强度层图像和提取色差层图像的流程图。
图6是示出了根据本发明优选实施例的用于复合强度层图像和色差层图像的流程图。
图7是示出了根据本发明实施例的用于彩色图像的指定颜色层提取方法的流程图。
图8示意性示出了采用图1的指定颜色层提取设备以及图7所示的流程图处理彩色文档图像的具体示例。
具体实施方式
下面参照附图来说明本发明的实施例。应当注意,为了清楚的目的,附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
图1是示出根据本发明实施例的用于从彩色图像终提取指定颜色层(即,目标颜色层)的指定颜色层提取设备100的框图。
如图1所示,指定颜色层设备100包括背景色估计器101、目标色估计器102、矢量轴设定单元103、强度层提取器104、色差层提取器105和复合器106。在本文中,以彩色文档图像作为彩色图像的示例进行描述,但应该清楚的是,本发明也适用于其它彩色图像。假定彩色文档图像输入的三个颜色分量是RGB,彩色文档图像的背景区域总面积远大于前景区域总面积,图像除含背景颜色和用户指定提取的颜色以外,图像可能含有若干其它未知的颜色。设备输出的灰度图像中,灰度级代表属于指定目标色的可信度或概率,灰度级越高,代表可信度越高。下面结合图2到图6对图1所示的用于彩色文档图像的指定颜色层提取设备100的各个组成部分的功能进行更详细的说明。
图2是示出了根据本发明优选实施例的背景色估计器101的估计背景颜色中心的流程图。估计背景颜色中心的方法很多,例如可以采用颜色分量直方图法、聚类分析法、后面也会提及的均值漂移法等。这里优先采用了简单快速的颜色分量直方图法。由于背景区域的面积远大于前景区域总面积,因此在像素颜色分量(例如R、G和B三分量)的统计直方图中,背景颜色中心对应直方图中的最大峰值。因而,如图2所示,首先,在步骤201统计了图像像素的R分量的直方图,并对直方图曲线做均值或高斯滤波。步骤202搜索直方图中的最大峰值,并记录它所对应的R分量值R0。类似地,在步骤203和204,和步骤205和206可以分别找到G分量值G0和B分量值B0。最后,在步骤207把颜色P0=(R0,G0,B0)作为背景颜色中心输出。
应该注意,虽然在图2中,计算R分量的直方图、搜索最大峰值的位置的步骤(步骤201和202)和计算G分量的直方图、搜索最大峰值的位置的步骤(步骤203和204)、以及计算B分量的直方图、搜索最大峰值的位置的步骤(步骤205和206)的步骤是并行进行的,但也可以是顺序进行的。
在估计背景色时,也可以采用聚类分析法。例如,可以采用均值聚类(K-Means Cluster)或分层聚类(Hierarchical Cluster),把图像在颜色空间中的点自动分成若干个类别,而数目最大的类别对应背景色,其均值对应背景色中心。
另一方面,在输入了背景色或对指定颜色层的提取精度要求不是很高的情况下,也可以省略背景色估计器101。
图3是示出了根据本发明优选实施例的目标色估计器102的估计目标颜色中心的流程图。估计目标颜色中心的方法也很多,例如聚类分析法、均值漂移(Mean Shift)法等,这里优先采用了均值漂移(Mean Shift)法。均值漂移法可以通过迭代的方式,在颜色空间(例如RGB三维空间)中,使得指定的初始目标色收敛于目标色的聚类中心。
虽然在进行指定颜色层提取时,用户一般都会指定目标颜色层,但一般而言,此时对目标颜色层的指定,都是定性的,例如“黑、红、黄、绿、青、蓝、紫”,或者说实际上是一种颜色范围,因而需要对所指定的颜色层的颜色进行进一步的量化,确定出所要提取的目标色的中心。
在估计目标色时,也可以采用聚类分析法。例如,可以采用均值聚类(K-Means Cluster)或分层聚类(Hierarchical Cluster),把图像在颜色空间中的点自动分成若干个类别,而离初始指定颜色最近的类别对应目标颜色,其类别均值可为目标色的中心。
在输入了明确的目标颜色值或对指定颜色层的提取精度要求不是很高的情况下,也可以省略目标色估计器102。
下面结合图3对目标色估计器102的处理进行详细的描述。
步骤301,以用户指定的目标颜色初始化目标色中心,P1(0)=(R1(0),G1(0),B1(0)),其中0代表迭代次数t=0。
步骤302,获取目标色球集,即在第t次迭代时,以目标色中心的当前值P1(t)=(R1(t),G1(t),B1(t))为球心,以某个半径d在RGB颜色空间作一个球体。
在一种方案中,可以使用固定的半径d来获得该目标色球集。在另一方案中,可以将所采用的半径d与叠代已进行的次数相关联,即在迭代初期,球心位于像素点较稀疏的区域,半径d设得较大;在迭代后期,球心位于像素点较密集的区域,半径d设得较小。
另外,可以设定一个d值区间[dmin,dmax],等间隔量化出一组d值,在第t次迭代时,统计所有像素的d值分布图,搜索到一个合适的d(t)使得落入区间[dmin,d(t)]内的像素数目达到预定数目。收集的像素点集合可定义为
I(t)={i|‖(ri,gi,bi)-(R1(t),R1(t),R1(t))‖≤d(t)}
其中,t表示第t次迭代,I表示落入目标色球的像素点索引集合、‖...‖表示两点的欧式距离。
步骤303,计算球所包含像素的颜色均值,并用它更新目标色中心,即
其中n(t)表示集合I(t)中的元素个数。
步骤304,更新迭代变量t。
步骤305,判断迭代结果是否达到终止条件。在一种实施例中,中止条件可以是目标颜色中心的漂移量足够小,即‖P1(t+1)-P1(t)‖<ε(ε为小正数),图中示出了这种情况。但终止条件也可以是是否达到最大迭代次数T,即t>T,或者利用这两者的组合来确定迭代是否可以结束。若未能满足终止条件,则转步骤302,进入下一轮的迭代过程。
步骤306,以最后一次迭代的结果作为目标颜色中心P1=(R1,G1,B1)。
矢量轴设定单元103用于设定矢量轴。具体地,在三维的RGB颜色空间里,背景色中心用点P0表示,目标色中心用点P1表示,它们确定了由P0指向P1的单位矢量轴
应该注意,矢量轴的方向也可以是相反的,即P1指向P0,但如果方向相反,则在归一化后需要反色。因而因为会多增加处理,所以将矢量轴的方向设定为从P1指向P0不是优选的方法。在本发明中,从背景颜色中心到目标颜色中心的矢量应解释为可以覆盖这两种情况。
图4示意性示出了根据矢量轴提取强度层图像和色差层图像的原理。对于图像上的某个像素点P,对应一个由背景色中心P0指向P的矢量矢量在矢量轴v上的投影为它们的内积很明显,背景颜色的投影值很小,而目标颜色的投影值很大,从而由投影值确立的强度层图像抑制了背景颜色。
对于图像上的某个像素点P,它的颜色离矢量轴v的距离值可以通过直角三角形的勾股定理计算得到。很明显,背景颜色和目标颜色的距离值很小,而其它干扰颜色的投影值很大,从而由距离值确立的色差层图像抑制了其它干扰颜色。
强度层图像和色差层图像的合理组合可以同时抑制背景颜色和其它干扰颜色。
图5是示出了根据本发明实施例的用于提取强度层图像和提取色差层图像的流程图,即强度层提取器104和色差层提取器105的操作。
步骤501、502和503示出了强度层提取器105的工作流程图。步骤501计算了彩色图像中所有像素在矢量轴上的投影值,对于某像素颜色Pi,其投影值定义为 步骤502,搜索所有投影值中的最小者pmin和最大者pmax;步骤503,采用公式pi=(pi-pmin)/(pmax-pmin),把所有投影值线形归一化到0~1之间。最后输出的投影值可以表示为强度层图像。
另外,也可以用小阈值再过滤一下,即将小于阈值的pi变为0。但这会使得输出图的灰度不连续,即局部区域灰度有跳变,不自然,因而并不是优选的。
步骤504、505和506示出了色差层提取器106的工作流程图。步骤504计算了彩色图像中所有像素距离矢量轴的垂直距离,对于某像素颜色Pi,其距离值定义为 步骤505,搜索所有距离值中的最小者dmin和最大者dmax;步骤503,采用公式di=1-(di-dmin)/(dmax-dmin),把所有投影值线性归一化到0~1之间,并反色(即用最大值1减去投影值,从而使大的值变小,小的值变大,例如原来的0变为了1,原来的1变为了0)。最后输出的距离值可以表示为色差层图像。
类似地,也可以用小阈值再过滤一下,即将小于阈值的变为0,但这同样会使得输出图的灰度不连续,即局部区域灰度有跳变,不自然,因而也不是优选的。
在另选的技术方案,也可以计算P、P0、P1组成的三角形的面积,对这些面积进行归一化,并反色,从而得出色差层图像。而计算P和P0的距离,然后归一化,从而得出强度层图像。
这一技术方案与上面的方案是等价的,三角形的面积=0.5*P0P1的长度*P到P0P1的距离,而P0P1的长度是常量,所以面积正比于P到P0P1的距离,跟直接用“距离”得到色差层图像没有区别。
图6是示出了根据本发明优选实施例的用于复合强度层图像和色差层图像的流程图,也就是复合器106的处理。复合强度层图像和色差层图像有两种方法,即相乘复合和相加复合,图6所示是相乘复合。步骤601将浮点表示的强度层图像和色差层图像做逐对应像素点的灰度值相乘,即gi=pi*di,其中pi表示强度层图像中的某像素点灰度值,di表示色差层图像中的对应像素点灰度值,而gi表示复合图像中的对应像素点灰度值。步骤602,搜索复合图像中所有像素灰度值中的最小者gmin和最大者gmax。步骤603,所有像素灰度值线性归一化到区间[0,255],即gi=255*(gi-gmin)/(gmax-gmin),最后输出归一化后的灰度图像。相乘的操作,使得目标色得到保留,而背景色和其它干扰颜色都得到抑制。
如果采用相加复合,则步骤601可以修改为,将浮点表示的强度层图像和色差层图像做逐对应像素点的灰度值线性求和,即gi=pi+λdi,其中pi表示强度层图像中的某像素点灰度值,di表示色差层图像中的对应像素点灰度值,正常数λ表示加权系数(例如λ可在0~2调节),而gi表示复合图像中的对应像素点灰度值。步骤602和步骤603不变。相加的操作,同样使得目标色得到保留,而背景色和其它干扰颜色都得到抑制。
根据本发明的一个方面,还提供了一种指定颜色层提取方法。图7是示出了根据本发明实施例的用于彩色文档图像的指定颜色层提取方法的流程图。如图7所示,首先,在步骤701,进行背景色估计,背景色估计可以使用前面的直方图法由背景色估计器实现,另外,也可以使用其它方法。另外,如上所述,这一步骤也可以忽略。
另外,在步骤702,进行目标色估计,目标色估计可以使用均值漂移法由目标色估计器702完成,当然,也可以使用其它的方法。如上所述,这一步骤也可以被忽略。
以上的步骤701和702可以并行执行,也可以顺序执行。
然后,在步骤703,设定矢量轴,即从背景色中心到目标色中心的经量化的矢量。
接着,在步骤704和705,分别进行强度层提取和色差层提取,提取抑制了背景色的强度层图像和抑制了背景色与目标色之外的其它颜色的色差层图像。步骤704和705可以分别由前面所述的强度层提取器104和色差层提取器105完成。最后在步骤106,对所提取的强度层图像和色差层图像进行复合,产生灰度图像。步骤106可以由上述的复合器进行。
图8示意性示出了图1的指定颜色层提取设备处理彩色文档图像的具体示例。
在原始的彩色文档图像中,背景颜色是白色,指定提取黑色层,和其它干扰色(红色表格线和预打印字、红色盖章),经过jpg压缩。
在强度层图像中,背景白色变为黑色(低灰度值),得到了抑制,目标黑色变为白色(高灰度值),得到了保留,而其它干扰色变为灰色(中灰度值),得到了部分保留。
在色差层图像中,背景白色和目标黑色都变为白色,得到了保留,而其它干扰色变为灰色或黑色,得到了部分抑制或完全抑制。
在灰度图像中,背景白色和其它干扰色都变为黑色,得到了抑制,目标黑色变为白色,得到了保留。目标白色和干扰红色的重叠部分变为灰色。像素的灰度值,正体现了它属于指定颜色(此处为黑色)的强弱。
图6最后给出了灰度图像的反色图像,把它与原彩色图像比较,可以发现干扰色退化为背景色,仅剩下目标颜色层。
应该注意,前面的描述是示例性的,并不是对本发明的限制。例如,本发明也可以采用其它的表示颜色的方法,例如CMY、YUV、YCrCb空间等,此时提取颜色层的方案可与前面相同。
根据本发明的实施例,能够从彩色图像中提取指定的颜色层。它的输入信息少,仅需知道待提取的目标颜色属性,而不需要知道彩色图像的内容和所包含的其它颜色。它的输出为灰度图像,灰度的强弱代表像素颜色属于目标颜色的可信度(或者概率),即使在目标颜色和其它颜色的重叠区域,也可以分离出目标颜色区域。
在本发明的实施方式中。“消除”包含抑制、减轻的含义。例如,消除背景颜色的影响包含抑制、减轻背景颜色的影响的含义。
熟悉本发明的领域的技术人员应该理解,本文的流程图中的或以其他方式描述的任何处理或方法描述或方框都可以被理解为即包括由单纯硬件实现的部件、元件、装置、单元等,也包括用于实现该处理中的具体逻辑功能或步骤的一个或更多个可执行指令的代码表达模块、代码段或代码部,即也可由软件实现。另外,也可以通过计算机软件和硬件的结合来实现。
在本文的流程图中的或以其他方式描述的逻辑和/或步骤例如可以被考虑为用于实现逻辑功能的可执行指令的有序表达,可以通过或结合指令执行系统、设备或装置(例如,基于计算机的系统、含有处理器的系统或可以从指令执行系统、设备或装置中调用并执行该指令的其他系统)在使用的任意计算机可读介质中实现这些逻辑和/或步骤。在本文的上下文中,“计算机可读介质”可以是能够包含、存储、传达、传播或传输通过或结合指令执行系统、设备或装置使用的程序的任何装置。计算机可读介质例如可以但不限于电学、磁性、光学、电磁、红外或半导体系统、设备、装置或传播介质。计算机可读介质的更具体的实施例(非穷举)包括以下各项:具有一条或更多条导线的电连接(电学)、便携式计算机磁盘(磁性)、随机存取存储器(RAM)(电学)、只读存储器(ROM)(电学)、可擦除式可编程只读存储器(EPROM或闪速存储器)(电学)、光纤(光学)以及便携式光盘只读存储器(CDROM)(光学)。注意,计算机可读介质甚至可以是在其上印有程序的纸件或其他适当介质,因为可以经由例如对纸件或其他介质进行光学扫描来电子捕获该程序,接着编译、解释或根据需要以适当方式对该程序进行其他处理,接着将该程序存储在计算机存储器中。
在前面的说明书中参照特定实施例描述了本发明。然而本领域的普通技术人员理解,在不偏离如权利要求书限定的本发明的范围的前提下可以进行各种修改和改变。
Claims (8)
1.一种指定颜色层提取设备,用于从彩色图像中提取指定颜色层,即目标颜色层,所述指定颜色层提取设备包括:
矢量轴设定单元,将从背景颜色中心到目标颜色中心的矢量设定为矢量轴;
强度层提取器,利用所述矢量轴,计算消除背景颜色影响的强度层图像;
色差层提取器,利用所述矢量轴,计算消除所述背景颜色和所述目标颜色之外的其它颜色的影响的色差层图像;和
复合器,把所述强度层图像和色差层图像结合,把结合的结果归一化,输出灰度图像,
所述强度层提取器计算所述彩色图像中的每个像素的颜色在所述矢量轴上的投影值,或计算所述彩色图像中的每个像素的颜色到所述背景颜色中心的距离,然后把所有投影值或所述彩色图像中的每个像素的颜色到所述背景颜色中心的距离归一化到0和1之间,得到所述强度层图像,
所述色差层提取器计算所述彩色图像中的每个像素的颜色距该矢量轴的垂直距离值,或者计算所述彩色图像中的每个像素的颜色、所述背景颜色中心和所述目标颜色中心这三者组成的三角形的面积,然后把所有距离值或所有的面积归一化到0和1之间,并反色,得到所述色差层图像。
2.根据权利要求1所述的指定颜色层提取设备,其中,所述指定颜色层提取设备还包括背景色估计器和目标色估计器这两者或其中之一,所述背景色估计器用于估计所述彩色图像的背景颜色聚类中心,作为所述背景颜色中心;所述目标色估计器用于估计所述彩色图像的目标颜色聚类中心,作为所述目标颜色中心。
3.根据权利要求2所述的指定颜色层提取设备,其中,所述背景色估计器通过颜色分量直方图法、均值漂移法或聚类分析法来估计背景颜色聚类中心。
4.根据权利要求2所述的指定颜色层提取设备,其中,所述目标色估计器通过均值漂移法或聚类分析法来估计目标颜色聚类中心。
5.根据权利要求1所述的指定颜色层提取设备,其中,所述复合器通过对应像素相乘法或对应像素线性求和法,来复合强度层图像和色差层图像。
6.根据权利要求1所述的指定颜色层提取设备,其中,所述彩色图像的颜色用RGB表示,所述复合器把结合结果归一化到0到255之间。
7.根据权利要求1所述的指定颜色层提取设备,所述色差层提取器计算所述彩色图像中的每个像素的颜色与背景色颜色中心和目标色颜色中心所组成的三角形的面积,对这些面积进行归一化并反色,从而得出色差层图像,所述强度层提取器计算所述彩色图像中的每个像素的颜色和所述背景色颜色中心的距离,然后归一化,从而得出所述强度层图像。
8.一种指定颜色层提取方法,用于从彩色图像中提取目标颜色层,所述指定颜色层提取方法包括:
矢量轴设定步骤,将从背景颜色中心到目标颜色中心的矢量设定为矢量轴;
强度层提取步骤,利用利用所述矢量轴,计算消除背景颜色影响的强度层图像;
色差层提取步骤,利用所述矢量轴,计算消除所述背景颜色和所述目标颜色之外的其它颜色的影响的色差层图像;和
复合步骤,把所述强度层图像和色差层图像结合,把结合的结果归一化,输出代表目标色强弱程度的灰度图像,
所述强度层提取步骤计算所述彩色图像中的每个像素的颜色在所述矢量轴上的投影值,或计算所述彩色图像中的每个像素的颜色到所述背景颜色中心的距离,然后把所有投影值或所述彩色图像中的每个像素的颜色到所述背景颜色中心的距离归一化到0和1之间,得到所述强度层图像,
所述色差层提取步骤计算所述彩色图像中的每个像素的颜色距该矢量轴的垂直距离值,或者计算所述彩色图像中的每个像素的颜色、所述背景颜色中心和所述目标颜色中心这三者组成的三角形的面积,然后把所有距离值或所有的面积归一化到0和1之间,并反色,得到所述色差层图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100073069A CN101799929B (zh) | 2009-02-11 | 2009-02-11 | 指定颜色层提取设备和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100073069A CN101799929B (zh) | 2009-02-11 | 2009-02-11 | 指定颜色层提取设备和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101799929A CN101799929A (zh) | 2010-08-11 |
CN101799929B true CN101799929B (zh) | 2013-01-23 |
Family
ID=42595601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100073069A Expired - Fee Related CN101799929B (zh) | 2009-02-11 | 2009-02-11 | 指定颜色层提取设备和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101799929B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488885B (zh) * | 2020-06-28 | 2020-09-25 | 成都四方伟业软件股份有限公司 | 一种图片主题色系智能提取方法及装置 |
CN111563937B (zh) * | 2020-07-14 | 2020-10-30 | 成都四方伟业软件股份有限公司 | 一种图片颜色提取方法及装置 |
CN113781451B (zh) * | 2021-09-13 | 2023-10-17 | 长江存储科技有限责任公司 | 晶圆检测方法、装置、电子设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5682440A (en) * | 1992-09-07 | 1997-10-28 | Matsushita Electric Industrial Co., Ltd. | Method of extracting pixels constituting intensity changes in an image and method of identifying collection of intensity changes |
US6332036B1 (en) * | 1997-08-29 | 2001-12-18 | Sony Corporation | Color extraction apparatus and method |
CN1619543A (zh) * | 2000-05-26 | 2005-05-25 | Lg电子株式会社 | 颜色量化方法和使用该方法的多媒体搜索方法 |
CN1997114A (zh) * | 2006-09-14 | 2007-07-11 | 浙江大学 | 一种基于轮廓时空特征的视频对象标注方法 |
-
2009
- 2009-02-11 CN CN2009100073069A patent/CN101799929B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5682440A (en) * | 1992-09-07 | 1997-10-28 | Matsushita Electric Industrial Co., Ltd. | Method of extracting pixels constituting intensity changes in an image and method of identifying collection of intensity changes |
US6332036B1 (en) * | 1997-08-29 | 2001-12-18 | Sony Corporation | Color extraction apparatus and method |
CN1619543A (zh) * | 2000-05-26 | 2005-05-25 | Lg电子株式会社 | 颜色量化方法和使用该方法的多媒体搜索方法 |
CN1997114A (zh) * | 2006-09-14 | 2007-07-11 | 浙江大学 | 一种基于轮廓时空特征的视频对象标注方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101799929A (zh) | 2010-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Martinovic et al. | 3d all the way: Semantic segmentation of urban scenes from start to end in 3d | |
US8503792B2 (en) | Patch description and modeling for image subscene recognition | |
US8705866B2 (en) | Region description and modeling for image subscene recognition | |
US10740927B2 (en) | Method and device for vehicle identification | |
CN107239759B (zh) | 一种基于深度特征的高空间分辨率遥感图像迁移学习方法 | |
Rouhani et al. | Semantic segmentation of 3D textured meshes for urban scene analysis | |
Recky et al. | Windows detection using k-means in cie-lab color space | |
Fröhlich et al. | Semantic segmentation with millions of features: Integrating multiple cues in a combined random forest approach | |
JP2008097607A (ja) | 入力イメージを自動的に分類する方法 | |
CN101971190A (zh) | 实时身体分割系统 | |
CN104966085A (zh) | 一种基于多显著特征融合的遥感图像感兴趣区域检测方法 | |
CN105718866A (zh) | 一种视觉目标检测与识别方法 | |
CN103886760A (zh) | 实时的基于交通视频的车型检测系统 | |
Lim et al. | Text segmentation in color images using tensor voting | |
CN110675421A (zh) | 基于少量标注框的深度图像协同分割方法 | |
CN106875407A (zh) | 一种结合形态学和标记控制的无人机影像林冠分割方法 | |
Cai et al. | Vehicle Detection Based on Deep Dual‐Vehicle Deformable Part Models | |
CN101799929B (zh) | 指定颜色层提取设备和方法 | |
CN114937298A (zh) | 一种基于特征解耦的微表情识别方法 | |
CN107516100A (zh) | 一种基于高程形态学建筑物指数的影像建筑物提取方法 | |
CN114299382A (zh) | 高光谱遥感图像分类方法及系统 | |
Shit et al. | An encoder‐decoder based CNN architecture using end to end dehaze and detection network for proper image visualization and detection | |
CN117115641B (zh) | 建筑物信息提取方法、装置、电子设备及存储介质 | |
CN116883303A (zh) | 基于特征差分补偿与融合的红外与可见光图像融合方法 | |
Okyere et al. | Traffic sign recognition using sparse representations and active contour models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130123 Termination date: 20220211 |