CN103268338B - 一种提供图像的方法和服务器装置以及终端装置 - Google Patents
一种提供图像的方法和服务器装置以及终端装置 Download PDFInfo
- Publication number
- CN103268338B CN103268338B CN201310181762.1A CN201310181762A CN103268338B CN 103268338 B CN103268338 B CN 103268338B CN 201310181762 A CN201310181762 A CN 201310181762A CN 103268338 B CN103268338 B CN 103268338B
- Authority
- CN
- China
- Prior art keywords
- image
- color
- group
- accounting
- mark
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000000513 principal component analysis Methods 0.000 claims description 64
- 238000000605 extraction Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004445 quantitative analysis Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 235000007926 Craterellus fallax Nutrition 0.000 description 1
- 240000007175 Datura inoxia Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06046—Constructional details
- G06K19/06056—Constructional details the marking comprising a further embedded marking, e.g. a 1D bar code with the black bars containing a smaller sized coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K2019/06215—Aspects not covered by other subgroups
- G06K2019/06225—Aspects not covered by other subgroups using wavelength selection, e.g. colour code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种提供图像的方法和服务器装置以及终端装置,能够实现根据色彩的图像搜索,有助于使用户获得自己想要的颜色的图像,应用在电子商务领域时,能够帮助买家较为准确地获得自己想要的颜色的商品。该方法包括:服务器接收终端设备发送的待查询图像的颜色主成分分析数据,然后将所述待查询图像的颜色主成分分析数据与图像库中的多个图像的颜色主成分分析数据作对比,向所述终端设备发送与所述待查询图像的主色调的相似程度最大的多个图像库中的图像的标识以供所述终端设备根据该标识获取图像。
Description
技术领域
本发明涉及一种提供图像的方法和服务器装置以及终端装置。
背景技术
在电子商务中,买家可以通过商品名称、品牌、型号、价格等进行商品搜索。对于某些类型的商品,买家对于商品颜色更为关心,例如服装、化妆品等。在这种情况下,通过商品名称、品牌、型号、价格的搜索方式难以使买家获得自己想要的颜色的商品。
发明内容
有鉴于此,本发明提供一种提供图像的方法和服务器装置以及终端装置,能够实现根据色彩的图像搜索,有助于使用户获得自己想要的颜色的图像,应用在电子商务领域时,能够帮助买家较为准确地获得自己想要的颜色的商品。
为实现上述目的,根据本发明的一个方面,给出了一种提供图像的方法。
本发明的提供图像的方法包括:服务器接收终端设备发送的待查询图像的颜色主成分分析数据,所述颜色主成分分析数据中包含针对所述待查询图像的预设数目个主成分颜色的标识和各个所述主成分颜色的占比;服务器将所述待查询图像的颜色主成分分析数据与图像库中的多个图像的颜色主成分分析数据作对比,向所述终端设备发送与所述待查询图像的主色调的相似程度最大的多个图像库中的图像的标识以供所述终端设备根据该标识获取图像;所述图像库中的图像的颜色主成分分析数据中包含针对该图像的所述预设数目个颜色主成分的标识和各个所述颜色主成分的占比,并且针对图像库中的图像的颜色主成分划分方式与针对所述待查询图像的颜色主成分划分方式相同。
可选地,所述服务器接收终端设备发送的待查询图像的颜色主成分分析数据的步骤之前,该方法还包括针对图像库的多个图像执行以下步骤:按照预设的RGB阈值滤除非白色背景的图像;进行缩放处理使图像宽度和高度为指定值;进行前景提取;进行颜色主成分分析;对颜色主成分相似的图像进行去重处理。
可选地,所述进行前景提取的步骤包括:从图像的一组相对的边界的每个像素起,沿垂直于该组边界的方向向图像的中间查找出最接近的并且RGB值小于预设值的第一组像素;并且从平行于所述边界的图像中心线起,沿垂直于该中心线的方向向两边查找出最接近的并且RGB值小于所述预设值的第二组像素;将所述第一组像素和第二组像素之间的区域作为图像的前景。
可选地,所述进行颜色主成分分析的步骤包括:将HSV颜色空间划分为多个组;根据对图像的前景像素进行HSV颜色分量的分析,将所述前景像素分配到各个所述组中;计算各组的像素数量在所述前景图像像素总数中的占比;将所述占比最大的所述预设数目个组的标识作为所述主成分颜色的标识。
可选地,所述对颜色主成分相似的图像进行去重处理的步骤包括:根据所述颜色主成分分析的结果,在所述占比最大的预定数目个组中,去除小于预设占比阈值的组;在剩余组数相同的图像中两两进行比较,若满足以下任一条件,则判定两个图像相似并进行去重:a、按占比大小排序之后,两个图像的组的标识和各组占比都相同;b、按占比大小排序之后,两个图像的组的标识相同,数目小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第一预设差值;c、按占比大小排序之后,两个图像的组的标识相同,数目都不小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第二预设差值;其中所述第二预设差值大于所述第一预设差值。
可选地,所述主色调的相似程度根据如下公式计算:
其中,sim(i)表示待查询图像与图像库中第i个图像之间主色调的相似程度;N表示所述预设数目;Query(Rj)表示待查询图像的第j个颜色主成分的占比;Databasei(Rk)表示图像库中第i个图像的第k个颜色主成分的占比;W表示预设的小于1的正数。
根据本发明的另一方面,给出了一种提供图像的服务器装置。
本发明的提供图像的服务器装置包括:接收模块,用于接收终端设备发送的待查询图像的颜色主成分分析数据,所述颜色主成分分析数据中包含针对所述待查询图像的预设数目个主成分颜色的标识和各个所述主成分颜色的占比;发送模块,用于将所述待查询图像的颜色主成分分析数据与图像库中的多个图像的颜色主成分分析数据作对比,向所述终端设备发送与所述待查询图像的主色调的相似程度最大的多个图像库中的图像的标识以供所述终端设备根据该标识获取图像;所述图像库中的图像的颜色主成分分析数据中包含针对该图像的所述预设数目个颜色主成分的标识和各个所述颜色主成分的占比,并且针对图像库中的图像的颜色主成分划分方式与针对所述待查询图像的颜色主成分划分方式相同。
可选地,还包括:背景过滤模块,用于针对图像库的多个图像按照预设的RGB阈值滤除非白色背景的图像;图像缩放模块,用于针对图像库的多个图像进行缩放处理使图像宽度和高度为指定值;前景提取模块,用于针对图像库的多个图像进行前景提取;颜色主成分分析模块,用于针对图像库的多个图像进行颜色主成分分析;去重模块,用于针对图像库的多个图像对颜色主成分相似的图像进行去重处理。
可选地,所述前景提取模块还用于:从图像的一组相对的边界的每个像素起,沿垂直于该组边界的方向向图像的中间查找出最接近的并且RGB值大于预设值的第一组像素;并且从平行于所述边界的图像中心线起,沿垂直于该中心线的方向向两边查找出最接近的并且RGB值大于所述预设值的第二组像素;将所述第一组像素和第二组像素之间的区域作为图像的前景。
可选地,所述颜色主成分分析模块还用于:将HSV颜色空间划分为多个组;根据对图像的前景像素进行HSV颜色分量的分析,将所述前景像素分配到各个所述组中;计算各组的像素数量在所述前景图像像素总数中的占比;将所述占比最大的所述预设数目个组的标识作为所述主成分颜色的标识。
可选地,所述去重模块还用于:根据所述颜色主成分分析的结果,在所述占比最大的预定数目个组中,去除小于预设占比阈值的组;在剩余组数相同的图像中两两进行比较,若满足以下任一条件,则判定两个图像相似并进行去重:a、按占比大小排序之后,两个图像的组的标识和各组占比都相同;b、按占比大小排序之后,两个图像的组的标识相同,组的数目小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第一预设差值;c、按占比大小排序之后,两个图像的组的标识相同,组的数目都不小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第二预设差值;其中所述第二预设差值大于所述第一预设差值。
可选地,所述发送模块还用于根据如下公式计算主色调的相似程度:
其中,sim(i)表示待查询图像与图像库中第i个图像之间主色调的相似程度;N表示所述预设数目;Query(Rj)表示待查询图像的第j个颜色主成分的占比;Databasei(Rk)表示图像库中第i个图像的第k个颜色主成分的占比;W表示预设的小于1的正数。
根据本发明的技术方案,对图像库中的图像进行颜色主成分分析,并对终端设备提供的图像进行颜色主成分分析,据此从图像库中查找出主色调尽可能接近用户指定的颜色的商品的图像。这种方式实现了根据色彩的图像搜索,有助于使用户获得自己想要的颜色的图像,应用在电子商务领域时,能够帮助买家较为准确地获得自己想要的颜色的商品。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的提供图像的方法的示意图;
图2是根据本发明实施例的前景提取的示意图;
图3是根据本发明实施例的服务器装置的基本结构的示意图;
图4是根据本发明实施例的提供图像的终端装置的基本结构的示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本发明实施例的技术方案主要应用于智能手机中,用户使用手机摄像头对准自己想要搜索的颜色并进行色彩捕捉的操作之后,智能手机中的软件启动摄像头获取视频帧中的图像,将该图像作为待查询图像,对该图像进行颜色主成分分析,得到待查询图像的主成分颜色以及属于各个主成分颜色的像素数量分别占图像像素总数量的比例,即各个主成分颜色的占比。智能手机将该分析结果发送给服务器,由服务器根据该图像,从商品的图像库中查找颜色与该图像中的颜色尽可能相近的商品,将这些图像的标识发送给用户使用的智能手机,上述软件再根据该标识,从保存上述图像库的网元中下载图像。
对于上述的服务器来说,事先对图像库中的图像作同样的颜色主成分分析得到各个图像的主成分颜色以及各个主成分颜色的占比。以下结合图1对本发明实施例中的提供图像的方法作详细说明。图1是根据本发明实施例的提供图像的方法的示意图。该方法由上述的服务器执行。
步骤S11:对图像库中的图像,按照预设的RGB阈值滤除非白色背景的图像。图像库中的图像在形式上具有一定的规范性,主要体现在商品位于图像中央,背景为白色。对这样的图像进行颜色分析方可获得较为准确的商品颜色特点。在实际的电子商务领域,商品图像库中的图像可能来自多种渠道,例如商品的卖家,这样有些商品图像可能不太规范,本步骤即是针对这种情况做出处理,舍弃图像库中的非白色背景的图像。具体处理时,可以是考察图像最外边的一圈像素,如果这些像素中有超过一定比例,例如80%的像素的R、G、B值都是大于预设的RGB阈值,就认为背景是白色的。这里的RGB阈值是一个较大的值但小于255,例如220,也就是说将接近白色的像素也认为是白色的,主要是考虑到拍摄时背景难以做到完全白色。
步骤S12:对图像库中的图像进行缩放处理使图像宽度和高度为指定值。因为图像库中的多张图像最终要在终端设备上显示,因此为了有较好的显示效果,可以对图像进行缩放处理使其尺寸统一。
步骤S13:对图像库中的图像进行前景提取。对于有些商品,其形状包含环形,环形内仍为背景,该背景的颜色(即步骤S11中认为的白色)不能作为商品本身的颜色,因此需将其除去。对此,本实施例中可采用如下方式处理:先从图像的一组相对的边界的每个像素起,沿垂直于该组边界的方向向图像的中间查找出最接近的并且RGB值小于预设值的第一组像素;并且从平行于上述边界的图像中心线起,沿垂直于该中心线的方向向两边查找出最接近的并且RGB值小于上述预设值的第二组像素;再将上述第一组像素和第二组像素之间的区域作为图像的前景。以下结合图2举例说明。图2是根据本发明实施例的前景提取的示意图。
如图2所示,从图像20的一个边界21上的各个像素起,向中心线23的方向查找,例如沿箭头251的方向查找到RGB值大于阈值的一个像素241;同理,沿边界22上的各个像素起,向中心线23的方向查找,例如沿箭头252的方向查找到RGB值大于阈值的一个像素242;从边界21、22起查找到的像素例如像素241、242等作为第一组像素。从中心线23上的各个像素向边界21、22的方向查找,例如从像素231起,沿箭头253的方向查找到RGB值大于阈值的一个像素243;同理,从像素232起沿箭头254的方向查找到RGB值大于阈值的一个像素244;从中心线23起查找到的像素例如像素243、244等作为第二组像素。上述的两组像素之间的区域即为前景。
步骤S14:对图像库中的图像进行颜色主成分分析。本实施例中在HSV颜色空间中进行该分析,具体是先将HSV颜色空间划分为多个组;然后根据对图像的前景像素进行HSV颜色分量的分析;将前景像素分配到各个组中;再计算各组的像素数量在前景图像像素总数中的占比;将占比最大的预设数目个组的标识作为主成分颜色的标识,也就是取占比前若干名的成分颜色作为图像的主成分颜色。
本实施例中采用(M,N)的形式表示主成分颜色,其中M表示主成分颜色的标识,即划分HSV颜色空间得到的组的标识,N表示主成分颜色M的上述占比。例如将HSV颜色空间划分为65个组,对某个图像进行颜色主成分分析后得到结果如下(这里只列出其中一部分):
(0,0.008);(1,0.002);(2,0.01);(3,0.035);(4,0.001);……(63,0.006);(64,0.38)。
步骤S15:根据步骤S14的分析结果,对图像库中的图像中颜色主成分相似的图像进行去重处理。在本实施例中,首先根据颜色主成分分析的结果,在占比最大的预定数目个组中,去除小于预设占比阈值的组;然后在剩余组数相同的图像中两两进行比较,若满足以下任一条件,则判定两个图像相似并进行去重:
a、按占比大小排序之后,两个图像的组的标识和各组占比都相同;
b、按占比大小排序之后,两个图像的组的标识相同,组的数目小于预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第一预设差值;
c、按占比大小排序之后,两个图像的组的标识相同,组的数目都不小于预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第二预设差值;
其中第二预设差值大于第一预设差值。
以下结合例子加以说明。例如取4种颜色作为图像的颜色主成分,即取占比在前四名的组,例如对于A,B,C,D,E五个图像,占比在前四名的组分别如下:
图像A:(64,0.38),(7,0.21),(26,0.15),(33,0.06);
图像B:(64,0.35),(7,0.23),(26,0.15),(45,0.08);
图像C:(64,0.39),(7,0.19),(26,0.03),(54,0.02);
图像D:(22,0.43),(32,0.32),(45,0.02),(49,0.016);
图像E:(22,0.43),(32,0.31),(47,0.02),(44,0.016)。
首先去除其中小于预先设置的占比阈值的组,例如占比阈值为0.1,结果如下:
图像A:(64,0.38),(7,0.21),(26,0.15);
图像B:(64,0.35),(7,0.23),(26,0.15);
图像C:(64,0.39),(7,0.19);
图像D:(22,0.43),(32,0.32);
图像E:(22,0.43),(32,0.31)。
图像A和图像B都剩了3组,二者相比较,因为3组大于4组的一半(2组),说明商品颜色较为丰富,此时采用较为宽松的阈值0.4,这样,因为对应于组64的占比分别是0.38和0.35,差值0.3,小于0.4;同理对应于组7和组26的占比的差值分别是0.02和0,都小于0.4。此时认为图像A和图像B的颜色主成分相似,应当去除其中一个图像。
又如,图像C、D、D都剩了2组,不大于4组的一半,说明商品颜色较为单一,此时应采用较为严格的阈值例如0.2。这样,因为图像C和图像D、E的组不同,所以颜色主成分显然不同;而对于图像D和图像E,组相同并且相同组中的占比差异小于0.2,所以认为图像D和图像E的颜色主成分相似,应当去除其中一个图像。
以上各步骤是服务器在接收待查询图像之前,预先执行的步骤。在步骤S15之后,就可以接受终端设备的查询,即进入步骤S16。
步骤S16:接收终端设备发送的图像主成分分析结果。该结果的形式也是上述的(M,N)的形式,并且与图像库中的分析结果一样取占比在前四名的组。
步骤S17:根据公式(1)和公式(2)计算图像库中的图像与待查询图像之间的主色调相似度。
公式(1):
公式(2):
其中,sim(i)表示待查询图像与图像库中第i个图像之间主色调的相似程度;N表示所述预设数目;Query(Rj)表示待查询图像的第j个颜色主成分的占比;Databasei(Rk)表示图像库中第i个图像的第k个颜色主成分的占比;W表示预设的小于1的正数。这里设定W是考虑到颜色主成分的占比的次序对于两个图像的颜色差异的影响。
例如终端设备发来的待查询图像的主成分分析结果为:(7,0.29),(64,0.31),(36,0.14),(58,0.01);则此时公式(1)中的N为4。根据公式(2),在与上述的图像A:(64,0.38),(7,0.21),(26,0.15),(33,0.06)相比时,例如取W=0.5,则公式(1)展开如下:sim(i)=0.29×0.21×0.5|1-2|+0.31×0.38×0.5|2-1|=0.044675。待查询图像和图像A中都包含组7、64的颜色,因此这两个组的占比参与了计算,而它们包含的其他组因为不相同,所以属于公式(2)中的其他情况,f(j,k)取0。根据计算结果得出:待查询图像与上述的图像A之间的主色调相似程度为0.044675。
对于图像库中的每个图像,都进行上述计算得到各图像与待查询图像之间的主色调相似程度。然后进入步骤S18。
步骤S18:取相似程度在前若干名的图库图像,将这些图像的标识发送给终端设备。这里的标识例如图像编号,在电子商务中可以是图像中的商品的货号。这样,终端设备就可以根据该标识从网络下载相应的图像并显示给用户。
以下对终端设备的工作原理做出说明。终端设备可以是智能手机,由其中的软件启动智能手机的摄像头从而获取视频帧,从该视频帧的中心位置获取图像块。此时用户需瞄准具有自己需要查询的颜色的物体。图像块的大小可以是16×16像素。然后对该图像块作颜色主成分分析,方式与上述的步骤S14中的方式类似,只是此时颜该图像块整体都作为前景目标。
因为用户瞄准的物体由于光线或物体本身等原因,严格来说具有多种颜色,为了使用户确认自己瞄准的颜色的情况,可以对图像块的主色彩加以分析然后呈现给用户。在分析时,首先考虑图像块在颜色分析之后排名第一的组的占比是否大于一个较大的预设值T1,若是,则说明在图像块中有一个明显占优的颜色,则可以将该颜色作为图像块的主色彩;如果上述排名第一的组的占比小于该T1但大于另一个预设值T2,则将颜色最接近该图像块的中心位置的那个像素的颜色的主色彩作为该图像块的主色彩。对于其他情况,则将图像块的中心位置的那个像素的颜色作为该图像块的主色彩。上述分析方式如公式(3)所示:
其中,S(i)表示所述图像块的主色彩的R,G,B值;Mean(Uj)表示所述图像块的第j主成分颜色中的所有像素的R,G,B的均值;R0表示第1主成分颜色的占比;dis(*,*)表示向量间的欧式距离;T1和T2表示预设的占比阈值。
在得到图像块的主色彩之后,终端设备可以输出一个色彩块,其颜色即为得到的主色彩,这样用户可以确认自己搜索时所依据的颜色。根据图1的步骤,可以得到图库图像中颜色主成分与该色彩块尽可能接近的一些图像,这些图像都是商品的照片或图片。考虑到在实际中用户主要是搜索某一类的商品,所以在步骤S17中,图像库中的图像最好是图像库全部图像的一个子集,该子集是用户事先指定的一类商品的照片或图片。
以下对于本发明实施例中的服务器装置和终端装置做出说明。图3是根据本发明实施例的服务器装置的基本结构的示意图。该服务器装置可以设置在上述的服务器中。如图3所示,提供图像的服务器装置30主要包括接收模块31和发送模块32。
接收模块31用于接收终端设备发送的待查询图像的颜色主成分分析数据,所述颜色主成分分析数据中包含针对所述待查询图像的预设数目个主成分颜色的标识和各个所述主成分颜色的占比;发送模块32用于将所述待查询图像的颜色主成分分析数据与图像库中的多个图像的颜色主成分分析数据作对比,向所述终端设备发送与所述待查询图像的主色调的相似程度最大的多个图像库中的图像的标识以供所述终端设备根据该标识获取图像;所述图像库中的图像的颜色主成分分析数据中包含针对该图像的所述预设数目个颜色主成分的标识和各个所述颜色主成分的占比,并且针对图像库中的图像的颜色主成分划分方式与针对所述待查询图像的颜色主成分划分方式相同。
提供图像的服务器装置30还可以包括如下模块(图中未示出):背景过滤模块,用于针对图像库的多个图像按照预设的RGB阈值滤除非白色背景的图像;图像缩放模块,用于针对图像库的多个图像进行缩放处理使图像宽度和高度为指定值;前景提取模块,用于针对图像库的多个图像进行前景提取;颜色主成分分析模块,用于针对图像库的多个图像进行颜色主成分分析;去重模块,用于针对图像库的多个图像对颜色主成分相似的图像进行去重处理。
前景提取模块还可用于:从图像的一组相对的边界的每个像素起,沿垂直于该组边界的方向向图像的中间查找出最接近的并且RGB值小于预设值的第一组像素;并且从平行于所述边界的图像中心线起,沿垂直于该中心线的方向向两边查找出最接近的并且RGB值小于所述预设值的第二组像素;将所述第一组像素和第二组像素之间的区域作为图像的前景。
颜色主成分分析模块还可用于:将HSV颜色空间划分为多个组;根据对图像的前景像素进行HSV颜色分量的分析,将所述前景像素分配到各个所述组中;计算各组的像素数量在所述前景图像像素总数中的占比;将所述占比最大的所述预设数目个组的标识作为所述主成分颜色的标识。
去重模块还可用于:根据所述颜色主成分分析的结果,在所述占比最大的预定数目个组中,去除小于预设占比阈值的组;在剩余组数相同的图像中两两进行比较,若满足以下任一条件,则判定两个图像相似并进行去重:
a、按占比大小排序之后,两个图像的组的标识和各组占比都相同;
b、按占比大小排序之后,两个图像的组的标识相同,组的数目小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第一预设差值;
c、按占比大小排序之后,两个图像的组的标识相同,组的数目都不小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第二预设差值;
其中所述第二预设差值大于所述第一预设差值。
发送模块还可用于根据公式(1)和公式(2)计算主色调的相似程度。
图4是根据本发明实施例的提供图像的终端装置的基本结构的示意图。该提供图像的终端装置可以设置在上述的智能手机中。如图4所示,提供图像的终端装置40主要包括图像块获取模块41、颜色分析模块42、发送模块43、接收模块44、以及图像获取模块45。
图像块获取模块41用于从视频帧中获取图像块;颜色分析模块42用于对所述图像块进行颜色主成分分析从而得到预设数目个颜色主成分的标识和各个所述颜色主成分的占比;发送模块43用于将所述颜色分析模块的分析结果发送给服务器;接收模块44用于接收所述服务器发送的图像的标识,该图像是所述服务器将所述分析结果与图像库中的多个图像的颜色主成分分析数据作对比而得到的主色调与所述图像块的主色调相似程度最大的图库图像;图像获取模块45用于根据所述服务器发送的图像的标识获取图像。
颜色分析模块还可用于:将HSV颜色空间划分为多个组;根据对所述图像块进行HSV颜色分量的分析,将所述图像块中的像素分配到各个所述组中;计算各组的像素数量在所述图像块的像素总数中的占比;将所述占比最大的所述预设数目个组的标识作为主成分颜色的标识。
提供图像的终端装置40还可包括主色彩分析模块和输出模块(图中未示出),其中,主色彩分析模块用于根据公式(3)得出所述图像块的主色彩,输出模块用于输出一个该主色彩的色彩块,以使用户确认自己要查询的色彩。
根据本发明实施例的技术方案,对图像库中的图像进行颜色主成分分析,并对终端设备提供的图像进行颜色主成分分析,据此从图像库中查找出主色调尽可能接近用户指定的颜色的商品的图像。这种方式实现了根据色彩的图像搜索,有助于使用户获得自己想要的颜色的图像,应用在电子商务领域时,能够帮助买家较为准确地获得自己想要的颜色的商品。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,对本领域的普通技术人员而言,能够理解本发明的方法和设备的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来开发出的任何存储介质。
还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种提供图像的方法,其特征在于,包括:
针对图像库的多个图像执行以下步骤:按照预设的RGB阈值滤除非白色背景的图像;进行缩放处理使图像宽度和高度为指定值;进行前景提取;进行颜色主成分分析;对颜色主成分相似的图像进行去重处理;
服务器接收终端设备发送的待查询图像的颜色主成分分析数据,所述颜色主成分分析数据中包含针对所述待查询图像的预设数目个主成分颜色的标识和各个所述主成分颜色的占比;
服务器将所述待查询图像的颜色主成分分析数据与图像库中的多个图像的颜色主成分分析数据作对比,向所述终端设备发送与所述待查询图像的主色调的相似程度最大的多个图像库中的图像的标识以供所述终端设备根据该标识获取图像;所述图像库中的图像的颜色主成分分析数据中包含针对该图像的所述预设数目个颜色主成分的标识和各个所述颜色主成分的占比,并且针对图像库中的图像的颜色主成分划分方式与针对所述待查询图像的颜色主成分划分方式相同;
所述进行颜色主成分分析的步骤包括:将HSV颜色空间划分为多个组;根据对图像的前景像素进行HSV颜色分量的分析,将所述前景像素分配到各个所述组中;计算各组的像素数量在所述前景图像像素总数中的占比;将所述占比最大的所述预设数目个组的标识作为所述主成分颜色的标识;
所述对颜色主成分相似的图像进行去重处理的步骤包括:
根据所述颜色主成分分析的结果,在所述占比最大的预定数目个组中,去除小于预设占比阈值的组;
在剩余组数相同的图像中两两进行比较,若满足以下任一条件,则判定两个图像相似并进行去重:
a、按占比大小排序之后,两个图像的组的标识和各组占比都相同;
b、按占比大小排序之后,两个图像的组的标识相同,数目小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第一预设差值;
c、按占比大小排序之后,两个图像的组的标识相同,数目都不小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第二预设差值;
其中所述第二预设差值大于所述第一预设差值。
2.根据权利要求1所述的方法,其特征在于,所述进行前景提取的步骤包括:
从图像的一组相对的边界的每个像素起,沿垂直于该组边界的方向向图像的中间查找出最接近的并且RGB值小于预设值的第一组像素;并且从平行于所述边界的图像中心线起,沿垂直于该中心线的方向向两边查找出最接近的并且RGB值小于所述预设值的第二组像素;
将所述第一组像素和第二组像素之间的区域作为图像的前景。
3.根据权利要求1或2所述的方法,其特征在于,所述主色调的相似程度根据如下公式计算:
其中,sim(i)表示待查询图像与图像库中第i个图像之间主色调的相似程度;N表示所述预设数目;Query(Rj)表示待查询图像的第j个颜色主成分的占比;Databasei(Rk)表示图像库中第i个图像的第k个颜色主成分的占比;W表示预设的小于1的正数。
4.一种提供图像的服务器装置,其特征在于,包括:
背景过滤模块,用于针对图像库的多个图像按照预设的RGB阈值滤除非白色背景的图像;
图像缩放模块,用于针对图像库的多个图像进行缩放处理使图像宽度和高度为指定值;
前景提取模块,用于针对图像库的多个图像进行前景提取;
颜色主成分分析模块,用于针对图像库的多个图像进行颜色主成分分析;
去重模块,用于针对图像库的多个图像对颜色主成分相似的图像进行去重处理;
接收模块,用于接收终端设备发送的待查询图像的颜色主成分分析数据,所述颜色主成分分析数据中包含针对所述待查询图像的预设数目个主成分颜色的标识和各个所述主成分颜色的占比;
发送模块,用于将所述待查询图像的颜色主成分分析数据与图像库中的多个图像的颜色主成分分析数据作对比,向所述终端设备发送与所述待查询图像的主色调的相似程度最大的多个图像库中的图像的标识以供所述终端设备根据该标识获取图像;所述图像库中的图像的颜色主成分分析数据中包含针对该图像的所述预设数目个颜色主成分的标识和各个所述颜色主成分的占比,并且针对图像库中的图像的颜色主成分划分方式与针对所述待查询图像的颜色主成分划分方式相同;
所述颜色主成分分析模块还用于:将HSV颜色空间划分为多个组;
根据对图像的前景像素进行HSV颜色分量的分析,将所述前景像素分配到各个所述组中;计算各组的像素数量在所述前景图像像素总数中的占比;将所述占比最大的所述预设数目个组的标识作为所述主成分颜色的标识;
所述去重模块还用于:
根据所述颜色主成分分析的结果,在所述占比最大的预定数目个组中,去除小于预设占比阈值的组;
在剩余组数相同的图像中两两进行比较,若满足以下任一条件,则判定两个图像相似并进行去重:
a、按占比大小排序之后,两个图像的组的标识和各组占比都相同;
b、按占比大小排序之后,两个图像的组的标识相同,组的数目小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第一预设差值;
c、按占比大小排序之后,两个图像的组的标识相同,组的数目都不小于所述预定数目的一半,两个图像的相同标识的组的占比的差的绝对值不大于第二预设差值;
其中所述第二预设差值大于所述第一预设差值。
5.根据权利要求4所述的服务器装置,其特征在于,所述前景提取模块还用于:
从图像的一组相对的边界的每个像素起,沿垂直于该组边界的方向向图像的中间查找出最接近的并且RGB值小于预设值的第一组像素;并且从平行于所述边界的图像中心线起,沿垂直于该中心线的方向向两边查找出最接近的并且RGB值小于所述预设值的第二组像素;
将所述第一组像素和第二组像素之间的区域作为图像的前景。
6.根据权利要求4或5所述的服务器装置,其特征在于,所述发送模块还用于根据如下公式计算主色调的相似程度:
其中,sim(i)表示待查询图像与图像库中第i个图像之间主色调的相似程度;N表示所述预设数目;Query(Rj)表示待查询图像的第j个颜色主成分的占比;Databasei(Rk)表示图像库中第i个图像的第k个颜色主成分的占比;W表示预设的小于1的正数。
7.一种提供图像的终端装置,其特征在于,包括:
图像块获取模块,用于从视频帧中获取图像块;
颜色分析模块,用于对所述图像块进行颜色主成分分析从而得到预设数目个颜色主成分的标识和各个所述颜色主成分的占比;
发送模块,用于将所述颜色分析模块的分析结果发送给服务器;
接收模块,用于接收所述服务器发送的图像的标识,该图像是所述服务器将所述分析结果与图像库中的多个图像的颜色主成分分析数据作对比而得到的主色调与所述图像块的主色调相似程度最大的图库图像;
图像获取模块,用于根据所述服务器发送的图像的标识获取图像;
所述颜色分析模块还用于:将HSV颜色空间划分为多个组;根据对所述图像块进行HSV颜色分量的分析,将所述图像块中的像素分配到各个所述组中;计算各组的像素数量在所述图像块的像素总数中的占比;将所述占比最大的所述预设数目个组的标识作为主成分颜色的标识。
8.根据权利要求7所述的终端装置,其特征在于,还包括主色彩分析模块和输出模块,其中,
所述主色彩分析模块用于根据如下公式得出所述图像块的主色彩:
其中,S(i)表示所述图像块的主色彩的R,G,B值;Mean(Uj)表示所述图像块的第j主成分颜色中的所有像素的R,G,B的均值;R0表示第1主成分颜色的占比;dis(*,*)表示向量间的欧式距离;T1和T2表示预设的占比阈值;
所述输出模块用于输出一个所述主色彩的色彩块。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310181762.1A CN103268338B (zh) | 2013-05-16 | 2013-05-16 | 一种提供图像的方法和服务器装置以及终端装置 |
PCT/CN2014/077186 WO2014183591A1 (zh) | 2013-05-16 | 2014-05-09 | 一种提供图像的方法和服务器装置以及终端装置 |
RU2015153562A RU2637876C2 (ru) | 2013-05-16 | 2014-05-09 | Способ, устройство сервера и устройство терминала для предоставления изображения |
US14/891,547 US9734164B2 (en) | 2013-05-16 | 2014-05-09 | Method, server, device, and terminal device for providing an image search |
AU2014267925A AU2014267925B2 (en) | 2013-05-16 | 2014-05-09 | Image provision method, server device, and terminal device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310181762.1A CN103268338B (zh) | 2013-05-16 | 2013-05-16 | 一种提供图像的方法和服务器装置以及终端装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103268338A CN103268338A (zh) | 2013-08-28 |
CN103268338B true CN103268338B (zh) | 2016-03-30 |
Family
ID=49011967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310181762.1A Active CN103268338B (zh) | 2013-05-16 | 2013-05-16 | 一种提供图像的方法和服务器装置以及终端装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9734164B2 (zh) |
CN (1) | CN103268338B (zh) |
AU (1) | AU2014267925B2 (zh) |
RU (1) | RU2637876C2 (zh) |
WO (1) | WO2014183591A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268338B (zh) | 2013-05-16 | 2016-03-30 | 北京京东尚科信息技术有限公司 | 一种提供图像的方法和服务器装置以及终端装置 |
CN105224680A (zh) * | 2015-10-19 | 2016-01-06 | 深圳市金立通信设备有限公司 | 一种搜索应用程序的方法以及终端 |
CN105354275A (zh) * | 2015-10-29 | 2016-02-24 | 努比亚技术有限公司 | 一种信息处理方法及装置、终端 |
CN108073934A (zh) * | 2016-11-17 | 2018-05-25 | 北京京东尚科信息技术有限公司 | 近重复图像检测方法与装置 |
CN106846244A (zh) * | 2017-01-04 | 2017-06-13 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像数据处理方法、设备及终端 |
WO2019183347A1 (en) | 2018-03-21 | 2019-09-26 | Walmart Apollo, Llc | Product image evaluation system and method |
CN110941731A (zh) * | 2018-09-21 | 2020-03-31 | 阿里巴巴集团控股有限公司 | 颜色确定方法、面料定制方法及装置 |
KR102114223B1 (ko) * | 2019-12-10 | 2020-05-22 | 셀렉트스타 주식회사 | 딥러닝 기반 유사 이미지를 필터링하는 방법 및 그를 이용한 장치 |
CN111986089A (zh) * | 2020-08-28 | 2020-11-24 | 计易数据科技(上海)有限公司 | 特征值整数化的图像存储与比对方法、装置、设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231757A (zh) * | 2007-12-07 | 2008-07-30 | 北京搜狗科技发展有限公司 | 一种图片主色调分析方法、装置及其在图片搜索中的应用 |
CN102722880A (zh) * | 2011-03-29 | 2012-10-10 | 阿里巴巴集团控股有限公司 | 图像主颜色的识别方法、装置及图像匹配方法和服务器 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3234064B2 (ja) * | 1993-09-02 | 2001-12-04 | キヤノン株式会社 | 画像検索方法並びにその装置 |
EP1807796B1 (en) * | 2004-11-05 | 2014-12-17 | Colorzip Media, Inc. | Mixed code, and method and apparatus for generating the same, and method and appratus for decoding the same |
US7551771B2 (en) * | 2005-09-20 | 2009-06-23 | Deltasphere, Inc. | Methods, systems, and computer program products for acquiring three-dimensional range information |
US20080046424A1 (en) * | 2006-06-23 | 2008-02-21 | Horton Richard B | System and method of selecting images according to color content |
ES2304225B1 (es) * | 2007-03-15 | 2009-10-01 | Vicente Atares Martinez | Procedimiento para la confeccion de mosaicos. |
CN100578508C (zh) | 2008-01-14 | 2010-01-06 | 上海博康智能信息技术有限公司 | 交互式图像搜索系统和方法 |
CN102122389A (zh) * | 2010-01-12 | 2011-07-13 | 阿里巴巴集团控股有限公司 | 一种图像相似性判断的方法及装置 |
US8775424B2 (en) * | 2010-01-26 | 2014-07-08 | Xerox Corporation | System for creative image navigation and exploration |
RU2510935C2 (ru) * | 2011-09-23 | 2014-04-10 | Артем Константинович Игнатов | Способ индексации и поиска цифровых изображений |
CN103268338B (zh) * | 2013-05-16 | 2016-03-30 | 北京京东尚科信息技术有限公司 | 一种提供图像的方法和服务器装置以及终端装置 |
-
2013
- 2013-05-16 CN CN201310181762.1A patent/CN103268338B/zh active Active
-
2014
- 2014-05-09 AU AU2014267925A patent/AU2014267925B2/en active Active
- 2014-05-09 US US14/891,547 patent/US9734164B2/en active Active
- 2014-05-09 RU RU2015153562A patent/RU2637876C2/ru active
- 2014-05-09 WO PCT/CN2014/077186 patent/WO2014183591A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231757A (zh) * | 2007-12-07 | 2008-07-30 | 北京搜狗科技发展有限公司 | 一种图片主色调分析方法、装置及其在图片搜索中的应用 |
CN102722880A (zh) * | 2011-03-29 | 2012-10-10 | 阿里巴巴集团控股有限公司 | 图像主颜色的识别方法、装置及图像匹配方法和服务器 |
Also Published As
Publication number | Publication date |
---|---|
RU2637876C2 (ru) | 2017-12-07 |
AU2014267925B2 (en) | 2017-08-24 |
WO2014183591A1 (zh) | 2014-11-20 |
RU2015153562A (ru) | 2017-06-23 |
CN103268338A (zh) | 2013-08-28 |
US20160092445A1 (en) | 2016-03-31 |
US9734164B2 (en) | 2017-08-15 |
AU2014267925A1 (en) | 2015-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103268338B (zh) | 一种提供图像的方法和服务器装置以及终端装置 | |
US10049466B2 (en) | Color name generation from images and color palettes | |
US9135719B1 (en) | Color name generation from images and color palettes | |
US10831819B2 (en) | Hue-based color naming for an image | |
US8897604B2 (en) | Image quality analysis for searches | |
US9633448B1 (en) | Hue-based color naming for an image | |
CN103412937B (zh) | 一种基于手持终端的搜索购物方法 | |
Soman et al. | Content based image retrieval using advanced color and texture features | |
CN104765891A (zh) | 一种基于图像的搜索购物方法 | |
CN103412938B (zh) | 一种基于图片交互式多目标提取的商品比价方法 | |
CN103729777A (zh) | 基于图像识别技术的网络购物方法、购物装置及购物系统 | |
CN105824928A (zh) | 移动终端、服务器、基于内容的图像识别搜索方法及系统 | |
CN105792010A (zh) | 基于图像内容解析及图片索引的电视购物的方法与装置 | |
Somnugpong et al. | Content-based image retrieval using a combination of color correlograms and edge direction histogram | |
CN103020172A (zh) | 一种利用视频信息搜索物品的方法和装置 | |
US20130016908A1 (en) | System and Method for Compact Descriptor for Visual Search | |
US10318843B2 (en) | Method and apparatus for image processing and comparison based on spatial relationships between image features | |
CN110020123B (zh) | 一种推广信息投放方法、装置、介质及设备 | |
CN102306179B (zh) | 基于分级颜色分布描述符的图像内容检索方法 | |
CN104866818A (zh) | 一种用于搜索包含人脸的图片的方法和装置 | |
Chen et al. | Content-based image retrieval with LIRe and SURF on a smartphone-based product image database | |
CN104867026A (zh) | 提供商品图像的方法和系统以及输出商品图像的终端装置 | |
CN108804475B (zh) | 搜索颜色相似图片的方法和装置 | |
CN114092689A (zh) | 一种自动标注方法、装置及存储介质 | |
CN116629954A (zh) | 智能服装搭配方法、装置及存储介质 |
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 |