CN103839270B - 一种图像匹配方法及装置 - Google Patents
一种图像匹配方法及装置 Download PDFInfo
- Publication number
- CN103839270B CN103839270B CN201410111120.9A CN201410111120A CN103839270B CN 103839270 B CN103839270 B CN 103839270B CN 201410111120 A CN201410111120 A CN 201410111120A CN 103839270 B CN103839270 B CN 103839270B
- Authority
- CN
- China
- Prior art keywords
- color
- subregion
- colors
- matched
- kinds
- 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
Abstract
本申请提供了一种图像匹配方法,包括:分割输入的彩色模板图像,得到模板子区域,提取各个模板子区域的主色特征信息和次色特征信息;分割图像数据库中的任意一幅彩色待匹配图像,得到待匹配子区域,提取各个待匹配子区域的主色特征信息和次色特征信息;分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果;若从匹配结果中确定的匹配对的个数大于预设阈值,则确定相似;否则,确定不相似。因此,本申请实现了通过特定色彩匹配,检索出与彩色模板图像相似的彩色待匹配图像。
Description
技术领域
本申请涉及图像处理领域,特别涉及一种图像匹配方法及装置。
背景技术
随着多媒体,网络技术的迅速发展,图像信息的应用日益广泛,图像数据库容量急剧增大,但是图像数据库中的图像都是无序、无索引的,若要找到感兴趣的图像,则非常耗时。
为了减少检索图像所耗费的时间,基于颜色的图像检索应用而生,实用性强。但是目前基于颜色的图像检索技术尚不能通过进行特定色彩匹配,来提取要检索的图像。
发明内容
为解决上述技术问题,本申请实施例提供一种图像匹配方法及装置,以达到通过特定色彩匹配,检索出与模板图像相似的待匹配图像的目的,技术方案如下:
一种图像匹配方法,包括:
分割输入的彩色模板图像,得到互不重叠、大小相同的模板子区域,并提取各个模板子区域的主色特征信息和次色特征信息;
分割图像数据库中的任意一幅彩色待匹配图像,得到互不重叠、大小相同的待匹配子区域,并提取各个待匹配子区域的主色特征信息和次色特征信息,所述待匹配子区域的个数和所述模板子区域的个数相同;
通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果;
若从所述匹配结果中确定的匹配对的个数大于预设阈值,则确定所述彩色模板图像和所述彩色待匹配图像相似;
否则,确定不相似。
优选的,在所述提取各个模板子区域的主色特征信息和次色特征信息中,提取任意一个模板子区域的主色特征信息和次色特征信息的过程,包括:
通过预设颜色类别判定表,确定所述模板子区域中每个像素的颜色类别;
从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色;
将颜色类别为主色的像素的原始RGB值的平均值作为所述模板子区域的主色特征信息;
将颜色类别为次色的像素的原始RGB值的平均值作为所述模板子区域的次色特征信息;
或,在所述提取各个待匹配子区域的主色特征信息和次色特征信息中,提取任意一个待匹配子区域的主色特征信息和次色特征信息的过程,包括:
通过预设颜色类别判定表,确定所述待匹配子区域中每个像素的颜色类别;
从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色;
将颜色类别为主色的像素的原始RGB值的平均值作为所述待匹配子区域的主色特征信息;
将颜色类别为次色的像素的原始RGB值的平均值作为所述待匹配子区域的次色特征信息。
优选的,在通过预设颜色类别判定表,确定所述模板子区域中每个像素的颜色类别中,通过预设颜色类别判定表,确定所述模板子区域中任意一个像素的颜色类别的过程,包括:
从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述模板子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述模板子区域中的像素的第一次映射RGB值;
从所述预设颜色类别判定表记录的323种颜色与102颜色的映射关系中确定所述模板子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述模板子区域中的像素的第二次映射RGB值;
从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述模板子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别;
或,在通过预设颜色类别判定表,确定所述待匹配子区域中每个像素的颜色类别中,通过预设颜色类别判定表,确定所述待匹配子区域中任意一个像素的颜色类别的过程,包括:
从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述待匹配子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述待匹配子区域中的像素第一次映射RGB值;
从所述预设颜色类别判定表记录的323种颜色与102颜色的映射关系中确定所述待匹配子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述待匹配子区域中的像素的第二次映射RGB值;
从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述待匹配子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别。
优选的,所述通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果的过程,包括:
对各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息分别进行二次降维,所述二次降维为2563种颜色到323种颜色的降维、323种颜色到102种颜色的降维;
在预设颜色相似度查询表中,查询各个模板子区域二次降维后的主色特征信息与各自唯一对应的待匹配子区域二次降维后的主色特征信息的主色匹配分数;
对各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息分别进行二次降维;
在预设颜色相似度查询表中,查询各个模板子区域二次降维后的次色特征信息与各自唯一对应的待匹配子区域二次降维后的次色特征信息的次色匹配分数;
按照预设比例,对各个模板子区域及各自唯一对应的待匹配子区域的主色匹配分数和次色匹配分数进行运算,得到各个模板子区域及各自唯一对应的待匹配子区域的匹配分数;
若所述匹配分数大于预设分数阈值,则确定所述模板子区域与唯一对应的待匹配子区域匹配;
否则,确定所述模板子区域与唯一对应的待匹配子区域不匹配。
优选的,所述预设颜色类别判定表的生成过程,包括:
以8为采样间隔,对2563种颜色进行降维,降维到323种颜色,记录所述2563种颜色与所述323种颜色的映射关系;
通过CIE2000公式对323种颜色进行降维,降维到102种颜色,记录所述323种颜色与所述102种颜色的映射关系;
按照人眼识别能力,对102种颜色进行降维,降维到10种颜色,记录所述102种颜色与所述10种颜色的映射关系;
将所述2563种颜色与所述323种颜色的映射关系、所述323种颜色与所述102种颜色的映射关系和所述102种颜色与所述10种颜色的映射关系,组成预设颜色类别判定表。
优选的,所述预设颜色相似度查询表的生成过程,包括:
以8为采样间隔,对2563种颜色进行降维,降维到323种颜色;
通过CIE2000公式对323种颜色进行降维,降维到102种颜色;
通过CIE2000公式,分别计算102种颜色中每种颜色与对应的其余101种颜色的相似度分数;
所述102种颜色中任意两种颜色为一组,组成多组颜色对;
所述多组颜色对及所述颜色对的相似度分数组成预设颜色相似度查询表。
一种图像匹配装置,包括:
第一提取模块,用于分割输入的彩色模板图像,得到互不重叠、大小相同的模板子区域,并提取各个模板子区域的主色特征信息和次色特征信息;
第二提取模块,用于分割图像数据库中的任意一幅彩色待匹配图像,得到互不重叠、大小相同的待匹配子区域,并提取各个待匹配子区域的主色特征信息和次色特征信息,所述待匹配子区域的个数和所述模板子区域的个数相同;
第一确定模块,用于通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果;
第二确定模块,用于在所述匹配结果为匹配的结果个数大于预设阈值时,确定所述彩色模板图像和所述彩色待匹配图像相似;
第三确定模块,用于在所述匹配结果为匹配的结果个数不大于预设阈值时,确定所述彩色模板图像和所述彩色待匹配图像不相似。
优选的,所述第一提取模块包括:
第四确定模块,用于通过预设颜色类别判定表,确定所述模板子区域中每个像素的颜色类别;
第一选取单元,用于从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色;
第一确定单元,用于将颜色类别为主色的像素的原始RGB值的平均值作为所述模板子区域的主色特征信息;
第二确定单元,用于将颜色类别为次色的像素的原始RGB值的平均值作为所述模板子区域的次色特征信息;
或,所述第二提取模块,包括:
第五确定模块,用于通过预设颜色类别判定表,确定所述待匹配子区域中每个像素的颜色类别;
第二选取单元,用于从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色;
第三确定单元,用于将颜色类别为主色的像素的原始RGB值的平均值作为所述待匹配子区域的主色特征信息;
第四确定单元,用于将颜色类别为次色的像素的原始RGB值的平均值作为所述待匹配子区域的次色特征信息。
优选的,所述第四确定模块包括:
第一确定子单元,用于从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述模板子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述模板子区域中的像素的第一次映射RGB值;
第二确定子单元,用于从所述预设颜色类别判定表记录的323种颜色与102颜色的映射关系中确定所述模板子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述模板子区域中的像素的第二次映射RGB值;
第三确定子单元,用于从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述模板子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别;
或,所述第五确定模块包括:
第四确定子单元,用于从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述待匹配子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述待匹配子区域中的像素第一次映射RGB值;
第五确定子单元,用于从所述预设颜色类别判定表记录的323种颜色与102颜色的映射关系中确定所述待匹配子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述待匹配子区域中的像素的第二次映射RGB值;
第六确定子单元,用于从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述待匹配子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别。
优选的,所述第一确定模块包括:
第一降维单元,用于对各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息分别进行二次降维,所述二次降维为2563种颜色到323种颜色的降维、323种颜色到102种颜色的降维;
第一查询单元,用于在预设颜色相似度查询表中,查询各个模板子区域二次降维后的主色特征信息与各自唯一对应的待匹配子区域二次降维后的主色特征信息的主色匹配分数;
第二降维单元,用于对各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息分别进行二次降维;
第二查询单元,用于在预设颜色相似度查询表中,查询各个模板子区域二次降维后的次色特征信息与各自唯一对应的待匹配子区域二次降维后的次色特征信息的次色匹配分数;
运算单元,用于按照预设比例,对各个模板子区域及各自唯一对应的待匹配子区域的主色匹配分数和次色匹配分数进行运算,得到各个模板子区域及各自唯一对应的待匹配子区域的匹配分数;
第五确定单元,用于在所述匹配分数大于预设分数阈值时,确定所述模板子区域与唯一对应的待匹配子区域匹配;
第六确定单元,用于在所述匹配分数不大于预设分数阈值时,确定所述模板子区域与唯一对应的待匹配子区域不匹配。
优选的,所述图像匹配装置包括:
第三降维单元,用于以8为采样间隔,对2563种颜色进行降维,降维到323种颜色;
第一记录单元,用于记录所述2563种颜色与所述323种颜色的映射关系;
第四降维单元,用于通过CIE2000公式对323种颜色进行降维,降维到102种颜色;
第二记录单元,用于记录所述323种颜色与所述102种颜色的映射关系;
第五降维单元,用于按照人眼识别能力,对102种颜色进行降维,降维到10种颜色;
第三记录单元,用于记录所述102种颜色与所述10种颜色的映射关系;
第一组成单元,用于将所述2563种颜色与所述323种颜色的映射关系、所述323种颜色与所述102种颜色的映射关系和所述102种颜色与所述10种颜色的映射关系,组成预设颜色类别判定表。
优选的,所述图像匹配装置包括:
第六降维单元,用于以8为采样间隔,对2563种颜色进行降维,降维到323种颜色;
第七降维单元,用于通过CIE2000公式对323种颜色进行降维,降维到102种颜色;
计算单元,用于通过CIE2000公式,分别计算102种颜色中每种颜色与对应的其余101种颜色的相似度分数;
第二组成单元,用于所述102种颜色中任意两种颜色为一组,组成多组颜色对;
第三组成单元,用于所述多组颜色对及所述颜色对的相似度分数组成预设颜色相似度查询表。
与现有技术相比,本申请的有益效果为:
在本申请中,提取各个模板子区域的主色特征信息和次色特征信息以及提取待匹配子区域的主色特征信息和次色特征信息,通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果,在匹配结果中为匹配的结果个数大于预设阈值时,则确定模板图像和待匹配图像相似,否则,确定不相似。
在本申请中,主色特征信息和次色特征信息作为特定色彩特征,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果,从而确定模板图像和待匹配图像是否相似,因此本申请实现了通过特定色彩匹配,检索出与模板图像相似的待匹配图像。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请提供的图像匹配方法的一种流程图;
图2是本申请提供的图像匹配方法的一种子流程图;
图3是本申请提供的图像匹配方法的另一种子流程图;
图4是本申请提供的图像匹配方法的另一种子流程图;
图5是本申请提供的图像匹配方法的再一种子流程图;
图6是本申请提供的图像匹配方法的再一种子流程图;
图7是本申请提供的图像匹配装置的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
一个实施例
请参见图1,其示出了本申请提供的图像匹配方法的一种流程图,可以包括以下步骤:
步骤S11:分割输入的彩色模板图像,得到互不重叠、大小相同的模板子区域,并提取各个模板子区域的主色特征信息和次色特征信息。
在本实施例中,分割输入的彩色模板图像,得到互不重叠、大小相同的子区域。本实施例,将分割输入的彩色模板图像得到的子区域称为模板子区域。
步骤S12:分割图像数据库中的任意一幅彩色待匹配图像,得到互不重叠、大小相同的待匹配子区域,并提取各个待匹配子区域的主色特征信息和次色特征信息,所述待匹配子区域的个数和所述模板子区域的个数相同。
在本实施例中,分割图像数据库中的任意一幅彩色待匹配图像,得到互不重叠、大小相同的子区域。本实施例,将分割彩色待匹配图像得到的子区域称为待匹配子区域。
步骤S13:通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果。
在本实施例中,各个模板子区域各自唯一对应一个待匹配子区域。例如,模板子区域有三个,分别为A1、A2、A3,待匹配子区域有三个,分别为B1、B2、B3,则A1对应B1,A2对应B2,A3对应B3。
在本实施例中,所确定的各个模板子区域与各自唯一对应的待匹配子区域的匹配结果有两种情况,一种是匹配,另一种是不匹配。
步骤S14:判断从所述匹配结果中确定的匹配对的个数是否大于预设阈值。
步骤S13所确定的各个匹配结果中,若匹配结果为匹配,则匹配结果为匹配对应的两个子区域为一个匹配对。在本实施例中,从匹配结果中确定匹配对,且确定匹配对的个数。
若判断结果为是,则执行步骤S15,否则,执行步骤S16。
步骤S15:确定所述彩色模板图像和所述彩色待匹配图像相似。
步骤S16:确定所述彩色模板图像和所述彩色待匹配图像不相似。
图1示出的是彩色模板图像与图像数据库中任意一幅彩色待匹配图像进行匹配的过程,当然彩色模板图像会与图像数据库中所有彩色待匹配图像进行匹配,因此图像数据库中可能存在多幅与彩色模板图像相似的图像。但由于图像数据库中任意一幅彩色待匹配图像与彩色模板图像进行匹配的过程均相同,如图1示出的过程,在此不再对彩色模板图像与图像数据库中的每一幅彩色待匹配图像进行匹配的过程进行阐述。
在本申请中,提取各个模板子区域的主色特征信息和次色特征信息以及提取待匹配子区域的主色特征信息和次色特征信息,通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果,在匹配结果中为匹配的结果个数大于预设阈值时,则确定模板图像和待匹配图像相似,否则,确定不相似。
在本申请中,主色特征信息和次色特征信息作为特定色彩特征,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果,从而确定模板图像和待匹配图像是否相似,因此本申请实现了通过特定色彩匹配,检索出与模板图像相似的待匹配图像。
另一个实施例
在本实施例中,示出的是提取模板子区域的主色特征信息和次色特征信息的过程以及提取待匹配子区域的主色特征信息和次色特征信息的过程。
由于各个模板子区域的主色特征信息和次色特征信息的提取过程相同,因此本实施例中仅对任意一个模板子区域的主色特征信息和次色特征信息的提取过程进行描述。
其中,在提取模板子区域的主色特征信息和次色特征信息以及提取待匹配子区域的主色特征信息和次色特征信息之前,需要预先生成预设颜色类别判定表。
预设颜色类别判定表的生成过程可以参见图2,图2示出了本申请提供的图像匹配方法的一种子流程图,可以包括以下步骤:
步骤S21:以8为采样间隔,对2563种颜色进行降维,降维到323种颜色,记录所述2563种颜色与所述323种颜色的映射关系。
由于颜色空间共有2563种颜色,每种颜色仅唯一对应一个RGB值,但是每种颜色的颜色类别却没有清晰的定义,并为了提高运算速度,因此对2563种颜色进行降维。
由于人眼对颜色的分辨能力有限,仅在某一个原色差异为八个像素内的颜色可认为是同一种颜色,因此首先选用8为采样间隔,对2563种颜色进行降维,降维到323种颜色,实现了第一次降维。对2563种颜色进行降维,降维到323种颜色相当于将2563种颜色中的某几种颜色定义为323种颜色中的其中一种颜色,323种颜色中的每种颜色各自对应着2563种颜色中的多种颜色。
2563种颜色中颜色的RGB值为原始RGB值。在本实施例中,原始RGB值的范围为(0,0,0)到(255,255,255)。
步骤S22:通过CIE2000公式对323种颜色进行降维,降维到102种颜色,记录所述323种颜色与所述102种颜色的映射关系。
在本实施例中,降维到102种颜色为优选方案,当然,并不局限于降维到102种颜色。
步骤S22完成了颜色的第二次降维。
对323种颜色进行降维,降维到102种颜色相当于将323种颜色中的某几种颜色定义为102种颜色中的其中一种颜色,102种颜色中的每种颜色各自对应着323种颜色中的多种颜色。
通过CIE2000公式对323种颜色进行降维,降维到102种颜色后,可以通过人眼调整分类不准确的颜色。
步骤S23:按照人眼识别能力,对102种颜色进行降维,降维到10种颜色,记录所述102种颜色与所述10种颜色的映射关系。
步骤S23完成了颜色的第三次降维。
在本实施例中,优选的,可以对102种颜色进行降维,降维到10种颜色。
对102种颜色进行降维,降维到10种颜色相当于将102种颜色中的某几种颜色定义为10种颜色中的其中一种颜色,10种颜色中的每种颜色各自对应着102种颜色中的多种颜色。
10种颜色为常见的颜色,分别为黑、白、灰、红、绿、蓝、黄、棕、紫、粉。
步骤S24:将所述2563种颜色与所述323种颜色的映射关系、所述323种颜色与所述102种颜色的映射关系和所述102种颜色与所述10种颜色的映射关系,组成预设颜色类别判定表。
对任意一个模板子区域的主色特征信息和次色特征信息的提取过程,请参见图3,其示出了本申请提供的图像匹配方法的另一种子流程图,可以包括以下步骤:
步骤S31:通过预设颜色类别判定表,确定所述模板子区域中每个像素的颜色类别。
由于通过预设颜色类别判定表,确定所述模板子区域中各个像素的颜色类别的过程相同,因此下面仅对模板子区域中任意一个像素的颜色类别的确定过程进行描述。
通过预设颜色类别判定表,确定所述模板子区域中任意一个像素的颜色类别的过程具体可以为:
步骤A11:从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述模板子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述模板子区域中的像素的第一次映射RGB值
步骤A12:从所述预设颜色类别判定表记录的323种颜色与102颜色的映射关系中确定所述模板子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述模板子区域中的像素的第二次映射RGB值。
步骤A13:从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述模板子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别。
步骤S32:从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色。
模板子区域中的每个像素的颜色类别确定后,选取出分布最多的颜色作为主色。例如,颜色类别共有3种,分别为颜色1、颜色2、颜色3,像素的个数为10,10个像素中5个像素的颜色类别均是颜色1,3个像素的颜色类别均是颜色3,2个像素的颜色类别均是颜色2,则分布最多的颜色即为颜色1,颜色1为主色,分布次多的颜色即为颜色3,次色为颜色3。
步骤S33:将颜色类别为主色的像素的原始RGB值的平均值作为所述模板子区域的主色特征信息。
仍以步骤S32中的举例为例,颜色类别为主色的像素有5个,将5个像素的原始RGB值进行相加,然后求平均值,求得的平均值作为模板子区域的主色特征信息。
步骤S34:将颜色类别为次色的像素的原始RGB值的平均值作为所述模板子区域的次色特征信息。
仍以步骤S32中的举例为例,颜色类别为次色的像素有3个,将3个像素的原始RGB值进行相加,然后求平均值,求得的平均值作为模板子区域的次色特征信息。
由于各个待匹配子区域的主色特征信息和次色特征信息的提取过程相同,因此本实施例中仅对任意一个待匹配子区域的主色特征信息和次色特征信息的提取过程进行描述。
请参见图4,其示出了本申请提供的图像匹配方法的另一种子流程图,可以包括以下步骤:
步骤S41:通过预设颜色类别判定表,确定所述待匹配子区域中每个像素的颜色类别。
由于通过预设颜色类别判定表,确定所述待匹配子区域中各个像素的颜色类别的过程相同,因此下面仅对待匹配子区域中任意一个像素的颜色类别的确定过程进行描述。
通过预设颜色类别判定表,确定所述待匹配子区域中任意一个像素的颜色类别的过程具体可以为:
步骤A21:从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述待匹配子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述待匹配子区域中的像素第一次映射RGB值。
步骤A22:从所述预设颜色类别判定表记录的323种颜色与102颜色的映射关系中确定所述待匹配子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述待匹配子区域中的像素的第二次映射RGB值。
步骤A13:从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述待匹配子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别。
步骤S42:从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色。
待匹配子区域中的每个像素的颜色类别确定后,选取出分布最多的颜色作为主色。例如,颜色类别共有3种,分别为颜色1、颜色2、颜色3,像素的个数为10,10个像素中5个像素的颜色类别均是颜色1,3个像素的颜色类别均是颜色3,2个像素的颜色类别均是颜色2,则分布最多的颜色即为颜色1,颜色1为主色,分布次多的颜色即为颜色3,次色为颜色3。
步骤S43:将颜色类别为主色的像素的原始RGB值的平均值作为所述待匹配子区域的主色特征信息。
仍以步骤S42中的举例为例,颜色类别为主色的像素有5个,将5个像素的原始RGB值进行相加,然后求平均值,求得的平均值作为待匹配子区域的主色特征信息。
步骤S44:将颜色类别为次色的像素的原始RGB值的平均值作为所述待匹配子区域的次色特征信息。
仍以步骤S42中的举例为例,颜色类别为次色的像素有3个,将3个像素的原始RGB值进行相加,然后求平均值,求得的平均值作为待匹配子区域的次色特征信息。
再一个实施例
在本实施例中,示出的是通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果的过程。
在通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果之前,需要预先生成预设颜色相似度查询表。
预设颜色相似度查询表的具体生成过程可以参见图5,图5示出了本申请提供的图像匹配方法的再一种子流程图,可以包括以下步骤:
步骤S51:以8为采样间隔,对2563种颜色进行降维,降维到323种颜色。
步骤S52:通过CIE2000公式对323种颜色进行降维,降维到102种颜色。
步骤S51和步骤S52与图2示出的预设颜色类别判定表的生成过程中的步骤S21和步骤S22相同,在此不再赘述。
步骤S53:通过CIE2000公式,分别计算102种颜色中每种颜色与对应的其余101种颜色的相似度分数。
步骤S54:所述102种颜色中任意两种颜色为一组,组成多组颜色对。
步骤S55:所述多组颜色对及所述颜色对的相似度分数组成预设颜色相似度查询表。
通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果的过程请参见图6,图6示出了本申请提供的图像匹配方法的再一种子流程图,可以包括以下步骤:
步骤S61:对各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息分别进行二次降维,所述二次降维为2563种颜色到323种颜色的降维、323种颜色到102种颜色的降维。
步骤S62:在预设颜色相似度查询表中,查询各个模板子区域二次降维后的主色特征信息与各自唯一对应的待匹配子区域二次降维后的主色特征信息的主色匹配分数。
步骤S63:对各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息分别进行。
步骤S64:在预设颜色相似度查询表中,查询各个模板子区域二次降维后的次色特征信息与各自唯一对应的待匹配子区域二次降维后的次色特征信息的次色匹配分数。
步骤S65:按照预设比例,对各个模板子区域及各自唯一对应的待匹配子区域的主色匹配分数和次色匹配分数进行运算,得到各个模板子区域及各自唯一对应的待匹配子区域的匹配分数。
预设比例可以为60%:40%。在预设比例为60%:40%时,按照预设比例,对各个模板子区域及各自唯一对应的待匹配子区域的主色匹配分数和次色匹配分数进行运算,得到各个模板子区域及各自唯一对应的待匹配子区域的匹配分数的过程为:
各个模板子区域及各自唯一对应的待匹配子区域的主色匹配分数乘以60%,各个模板子区域及各自唯一对应的待匹配子区域的次色匹配分数乘以40%,乘以60%后的主色匹配分数加上乘以40%后的次色匹配分数,得到各个模板子区域及各自唯一对应的待匹配子区域的匹配分数。
步骤S66:判断所述匹配分数是否大于预设分数阈值。
若判断结果为是,则执行步骤S67,否则,执行步骤S68。
在本实施例中,预设分数阈值具体可以但不局限于为55。
步骤S67:确定所述模板子区域与唯一对应的待匹配子区域匹配。
步骤S68:确定所述模板子区域与唯一对应的待匹配子区域不匹配。
由于本申请提供的图像匹配中涉及到多次降维,因此大大提升了匹配速度。且通过主色特征信息和次色特征信息的匹配,准确率高。
在本申请中,模板子区域的个数和待匹配子区域的个数,优选的,可以为九个。
在模板子区域的个数和待匹配子区域的个数为九个时,预设阈值为5个。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
一个实施例
与上述方法实施例相对应,本申请提供了一种图像匹配装置,请参见图7,图7示出了本申请提供的图像匹配装置的一种结构示意图,图像匹配装置包括:第一提取模块71、第二提取模块72、第一确定模块73、第二确定模块74和第三确定模块75。
第一提取模块71,用于分割输入的彩色模板图像,得到互不重叠、大小相同的模板子区域,并提取各个模板子区域的主色特征信息和次色特征信息。
第一提取模块71具体可以包括:
第四确定模块,用于通过预设颜色类别判定表,确定所述模板子区域中每个像素的颜色类别。
第一选取单元,用于从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色。
第一确定单元,用于将颜色类别为主色的像素的原始RGB值的平均值作为所述模板子区域的主色特征信息。
第二确定单元,用于将颜色类别为次色的像素的原始RGB值的平均值作为所述模板子区域的次色特征信息。
其中,第四确定模块具体可以包括:
第一确定子单元,用于从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述模板子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述模板子区域中的像素的第一次映射RGB值。
第二确定子单元,用于从所述预设颜色类别判定表记录的323种颜色与102颜色的映射关系中确定所述模板子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述模板子区域中的像素的第二次映射RGB值。
第三确定子单元,用于从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述模板子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别。
第二提取模块72,用于分割图像数据库中的任意一幅彩色待匹配图像,得到互不重叠、大小相同的待匹配子区域,并提取各个待匹配子区域的主色特征信息和次色特征信息,所述待匹配子区域的个数和所述模板子区域的个数相同。
第二提取模块72具体可以包括:
第五确定模块,用于通过预设颜色类别判定表,确定所述待匹配子区域中每个像素的颜色类别。
第二选取单元,用于从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色。
第三确定单元,用于将颜色类别为主色的像素的原始RGB值的平均值作为所述待匹配子区域的主色特征信息。
第四确定单元,用于将颜色类别为次色的像素的原始RGB值的平均值作为所述待匹配子区域的次色特征信息。
其中,第五确定模块具体可以包括:
第四确定子单元,用于从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述待匹配子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述待匹配子区域中的像素第一次映射RGB值。
第五确定子单元,用于从所述预设颜色类别判定表记录的323种颜色与102颜色的映射关系中确定所述待匹配子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述待匹配子区域中的像素的第二次映射RGB值。
第六确定子单元,用于从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述待匹配子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别。
第一确定模块73,用于通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果。
第一确定模块73具体可以包括:
第一降维单元,用于对各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息分别进行二次降维,所述二次降维为2563种颜色到323种颜色的降维、323种颜色到102种颜色的降维。
第一查询单元,用于在预设颜色相似度查询表中,查询各个模板子区域二次降维后的主色特征信息与各自唯一对应的待匹配子区域二次降维后的主色特征信息的主色匹配分数。
第二降维单元,用于对各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息分别进行二次降维。
第二查询单元,用于在预设颜色相似度查询表中,查询各个模板子区域二次降维后的次色特征信息与各自唯一对应的待匹配子区域二次降维后的次色特征信息的次色匹配分数。
运算单元,用于按照预设比例,对各个模板子区域及各自唯一对应的待匹配子区域的主色匹配分数和次色匹配分数进行运算,得到各个模板子区域及各自唯一对应的待匹配子区域的匹配分数。
第五确定单元,用于在所述匹配分数大于预设分数阈值时,确定所述模板子区域与唯一对应的待匹配子区域匹配;
第六确定单元,用于在所述匹配分数不大于预设分数阈值时,确定所述模板子区域与唯一对应的待匹配子区域不匹配。
第二确定模块74,用于在所述匹配结果为匹配的结果个数大于预设阈值时,确定所述彩色模板图像和所述彩色待匹配图像相似。
第三确定模块75,用于在所述匹配结果为匹配的结果个数不大于预设阈值时,确定所述彩色模板图像和所述彩色待匹配图像不相似。
在本实施例中,预设颜色类别判断表的生成可以通过图像匹配装置的以下结构实现,具体为:
第三降维单元,用于以8为采样间隔,对2563种颜色进行降维,降维到323种颜色。
第一记录单元,用于记录所述2563种颜色与所述323种颜色的映射关系。
第四降维单元,用于通过CIE2000公式对323种颜色进行降维,降维到102种颜色。
第二记录单元,用于记录所述323种颜色与所述102种颜色的映射关系
第五降维单元,用于按照人眼识别能力,对102种颜色进行降维,降维到10种颜色。
第三记录单元,用于记录所述102种颜色与所述10种颜色的映射关系;
第一组成单元,用于将所述2563种颜色与所述323种颜色的映射关系、所述323种颜色与所述102种颜色的映射关系和所述102种颜色与所述10种颜色的映射关系,组成预设颜色类别判定表。
在本实施例中,预设颜色相似度查询表的生成可以通过图像匹配装置的以下结构实现,具体为:
第六降维单元,用于以8为采样间隔,对2563种颜色进行降维,降维到323种颜色。
第七降维单元,用于通过CIE2000公式对323种颜色进行降维,降维到102种颜色。
计算单元,用于通过CIE2000公式,分别计算102种颜色中每种颜色与对应的其余101种颜色的相似度分数。
第二组成单元,用于所述102种颜色中任意两种颜色为一组,组成多组颜色对。
第三组成单元,用于所述多组颜色对及所述颜色对的相似度分数组成预设颜色相似度查询表。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
以上对本申请所提供的一种图像匹配方法及装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种图像匹配方法,其特征在于,包括:
分割输入的彩色模板图像,得到互不重叠、大小相同的模板子区域,并提取各个模板子区域的主色特征信息和次色特征信息;
分割图像数据库中的任意一幅彩色待匹配图像,得到互不重叠、大小相同的待匹配子区域,并提取各个待匹配子区域的主色特征信息和次色特征信息,所述待匹配子区域的个数和所述模板子区域的个数相同;
对各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息分别进行二次降维,所述二次降维为2563种颜色到323种颜色的降维、323种颜色到102种颜色的降维;
在预设颜色相似度查询表中,查询各个模板子区域二次降维后的主色特征信息与各自唯一对应的待匹配子区域二次降维后的主色特征信息的主色匹配分数,所述预设颜色相似度查询表为由多组颜色对及所述颜色对的相似度分数组成的表;
对各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息分别进行二次降维;
在预设颜色相似度查询表中,查询各个模板子区域二次降维后的次色特征信息与各自唯一对应的待匹配子区域二次降维后的次色特征信息的次色匹配分数;
按照预设比例,对各个模板子区域及各自唯一对应的待匹配子区域的主色匹配分数和次色匹配分数进行运算,得到各个模板子区域及各自唯一对应的待匹配子区域的匹配分数;
若所述匹配分数大于预设分数阈值,则确定所述模板子区域与唯一对应的待匹配子区域匹配;
否则,确定所述模板子区域与唯一对应的待匹配子区域不匹配;
若从所述匹配结果中确定的匹配对的个数大于预设阈值,则确定所述彩色模板图像和所述彩色待匹配图像相似;
否则,确定不相似;
在所述提取各个模板子区域的主色特征信息和次色特征信息中,提取任意一个模板子区域的主色特征信息和次色特征信息的过程,包括:
通过预设颜色类别判定表,确定所述模板子区域中每个像素的颜色类别,所述预设颜色类别判定表为由所述2563种颜色与所述323种颜色的映射关系、所述323种颜色与所述102种颜色的映射关系和所述102种颜色与10种颜色的映射关系组成的表;
从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色;
将颜色类别为主色的像素的原始RGB值的平均值作为所述模板子区域的主色特征信息;
将颜色类别为次色的像素的原始RGB值的平均值作为所述模板子区域的次色特征信息;
或,在所述提取各个待匹配子区域的主色特征信息和次色特征信息中,提取任意一个待匹配子区域的主色特征信息和次色特征信息的过程,包括:
通过预设颜色类别判定表,确定所述待匹配子区域中每个像素的颜色类别;
从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色;
将颜色类别为主色的像素的原始RGB值的平均值作为所述待匹配子区域的主色特征信息;
将颜色类别为次色的像素的原始RGB值的平均值作为所述待匹配子区域的次色特征信息。
2.根据权利要求1所述的方法,其特征在于,在通过预设颜色类别判定表,确定所述模板子区域中每个像素的颜色类别中,通过预设颜色类别判定表,确定所述模板子区域中任意一个像素的颜色类别的过程,包括:
从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述模板子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述模板子区域中的像素的第一次映射RGB值;
从所述预设颜色类别判定表记录的323种颜色与102种颜色的映射关系中确定所述模板子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述模板子区域中的像素的第二次映射RGB值;
从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述模板子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别;
或,在通过预设颜色类别判定表,确定所述待匹配子区域中每个像素的颜色类别中,通过预设颜色类别判定表,确定所述待匹配子区域中任意一个像素的颜色类别的过程,包括:
从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述待匹配子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述待匹配子区域中的像素第一次映射RGB值;
从所述预设颜色类别判定表记录的323种颜色与102种颜色的映射关系中确定所述待匹配子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述待匹配子区域中的像素的第二次映射RGB值;
从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述待匹配子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别。
3.根据权利要求1所述的方法,其特征在于,所述预设颜色类别判定表的生成过程,包括:
以8为采样间隔,对2563种颜色进行降维,降维到323种颜色,记录所述2563种颜色与所述323种颜色的映射关系;
通过CIE2000公式对323种颜色进行降维,降维到102种颜色,记录所述323种颜色与所述102种颜色的映射关系;
按照人眼识别能力,对102种颜色进行降维,降维到10种颜色,记录所述102种颜色与所述10种颜色的映射关系;
将所述2563种颜色与所述323种颜色的映射关系、所述323种颜色与所述102种颜色的映射关系和所述102种颜色与所述10种颜色的映射关系,组成预设颜色类别判定表。
4.根据权利要求1所述的方法,其特征在于,所述预设颜色相似度查询表的生成过程,包括:
以8为采样间隔,对2563种颜色进行降维,降维到323种颜色;
通过CIE2000公式对323种颜色进行降维,降维到102种颜色;
通过CIE2000公式,分别计算102种颜色中每种颜色与对应的其余101种颜色的相似度分数;
所述102种颜色中任意两种颜色为一组,组成多组颜色对;
所述多组颜色对及所述颜色对的相似度分数组成预设颜色相似度查询表。
5.一种图像匹配装置,其特征在于,包括:
第一提取模块,用于分割输入的彩色模板图像,得到互不重叠、大小相同的模板子区域,并提取各个模板子区域的主色特征信息和次色特征信息;
第二提取模块,用于分割图像数据库中的任意一幅彩色待匹配图像,得到互不重叠、大小相同的待匹配子区域,并提取各个待匹配子区域的主色特征信息和次色特征信息,所述待匹配子区域的个数和所述模板子区域的个数相同;
第一确定模块,用于通过分别匹配各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息,以及各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息,确定各个模板子区域与各自唯一对应的待匹配子区域的匹配结果;
第二确定模块,用于在所述匹配结果为匹配的结果个数大于预设阈值时,确定所述彩色模板图像和所述彩色待匹配图像相似;
第三确定模块,用于在所述匹配结果为匹配的结果个数不大于预设阈值时,确定所述彩色模板图像和所述彩色待匹配图像不相似;
所述第一确定模块包括:
第一降维单元,用于对各个模板子区域的主色特征信息与各自唯一对应的待匹配子区域的主色特征信息分别进行二次降维,所述二次降维为2563种颜色到323种颜色的降维、323种颜色到102种颜色的降维;
第一查询单元,用于在预设颜色相似度查询表中,查询各个模板子区域二次降维后的主色特征信息与各自唯一对应的待匹配子区域二次降维后的主色特征信息的主色匹配分数,所述预设颜色相似度查询表为由多组颜色对及所述颜色对的相似度分数组成的表;
第二降维单元,用于对各个模板子区域的次色特征信息与各自唯一对应的待匹配子区域的次色特征信息分别进行二次降维;
第二查询单元,用于在预设颜色相似度查询表中,查询各个模板子区域二次降维后的次色特征信息与各自唯一对应的待匹配子区域二次降维后的次色特征信息的次色匹配分数;
运算单元,用于按照预设比例,对各个模板子区域及各自唯一对应的待匹配子区域的主色匹配分数和次色匹配分数进行运算,得到各个模板子区域及各自唯一对应的待匹配子区域的匹配分数;
第五确定单元,用于在所述匹配分数大于预设分数阈值时,确定所述模板子区域与唯一对应的待匹配子区域匹配;
第六确定单元,用于在所述匹配分数不大于预设分数阈值时,确定所述模板子区域与唯一对应的待匹配子区域不匹配;
所述第一提取模块包括:
第四确定模块,用于通过预设颜色类别判定表,确定所述模板子区域中每个像素的颜色类别,所述预设颜色类别判定表为由所述2563种颜色与所述323种颜色的映射关系、所述323种颜色与所述102种颜色的映射关系和所述102种颜色与10种颜色的映射关系组成的表;
第一选取单元,用于从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色;
第一确定单元,用于将颜色类别为主色的像素的原始RGB值的平均值作为所述模板子区域的主色特征信息;
第二确定单元,用于将颜色类别为次色的像素的原始RGB值的平均值作为所述模板子区域的次色特征信息;
或,所述第二提取模块,包括:
第五确定模块,用于通过预设颜色类别判定表,确定所述待匹配子区域中每个像素的颜色类别;
第二选取单元,用于从各个像素的颜色类别中选取出分布最多的颜色作为主色,分布次多的颜色作为次色;
第三确定单元,用于将颜色类别为主色的像素的原始RGB值的平均值作为所述待匹配子区域的主色特征信息;
第四确定单元,用于将颜色类别为次色的像素的原始RGB值的平均值作为所述待匹配子区域的次色特征信息。
6.根据权利要求5所述的装置,其特征在于,所述第四确定模块包括:
第一确定子单元,用于从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述模板子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述模板子区域中的像素的第一次映射RGB值;
第二确定子单元,用于从所述预设颜色类别判定表记录的323种颜色与102种颜色的映射关系中确定所述模板子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述模板子区域中的像素的第二次映射RGB值;
第三确定子单元,用于从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述模板子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别;
或,所述第五确定模块包括:
第四确定子单元,用于从所述预设颜色类别判定表记录的2563种颜色与323种颜色的映射关系中确定所述待匹配子区域中的像素的原始RGB值在323种颜色中映射的RGB值,得到所述待匹配子区域中的像素第一次映射RGB值;
第五确定子单元,用于从所述预设颜色类别判定表记录的323种颜色与102种颜色的映射关系中确定所述待匹配子区域中的像素的第一次映射RGB值在102种颜色中映射的RGB值,得到所述待匹配子区域中的像素的第二次映射RGB值;
第六确定子单元,用于从所述预设颜色类别判定表记录102种颜色与10种颜色的映射关系中确定所述待匹配子区域中的像素的第二次映射RGB值在所述10种颜色中映射的颜色类别。
7.根据权利要求5所述的装置,其特征在于,所述图像匹配装置包括:
第三降维单元,用于以8为采样间隔,对2563种颜色进行降维,降维到323种颜色;
第一记录单元,用于记录所述2563种颜色与所述323种颜色的映射关系;
第四降维单元,用于通过CIE2000公式对323种颜色进行降维,降维到102种颜色;
第二记录单元,用于记录所述323种颜色与所述102种颜色的映射关系;
第五降维单元,用于按照人眼识别能力,对102种颜色进行降维,降维到10种颜色;
第三记录单元,用于记录所述102种颜色与所述10种颜色的映射关系;
第一组成单元,用于将所述2563种颜色与所述323种颜色的映射关系、所述323种颜色与所述102种颜色的映射关系和所述102种颜色与所述10种颜色的映射关系,组成预设颜色类别判定表。
8.根据权利要求5所述的装置,其特征在于,所述图像匹配装置包括:
第六降维单元,用于以8为采样间隔,对2563种颜色进行降维,降维到323种颜色;
第七降维单元,用于通过CIE2000公式对323种颜色进行降维,降维到102种颜色;
计算单元,用于通过CIE2000公式,分别计算102种颜色中每种颜色与对应的其余101种颜色的相似度分数;
第二组成单元,用于所述102种颜色中任意两种颜色为一组,组成多组颜色对;
第三组成单元,用于所述多组颜色对及所述颜色对的相似度分数组成预设颜色相似度查询表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410111120.9A CN103839270B (zh) | 2014-03-24 | 2014-03-24 | 一种图像匹配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410111120.9A CN103839270B (zh) | 2014-03-24 | 2014-03-24 | 一种图像匹配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103839270A CN103839270A (zh) | 2014-06-04 |
CN103839270B true CN103839270B (zh) | 2017-03-08 |
Family
ID=50802736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410111120.9A Active CN103839270B (zh) | 2014-03-24 | 2014-03-24 | 一种图像匹配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103839270B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944352A (zh) * | 2017-11-09 | 2018-04-20 | 石数字技术成都有限公司 | 一种基于图片检索方法的车牌识别系统和方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123736B (zh) * | 2014-07-04 | 2017-02-15 | 北京思特奇信息技术股份有限公司 | 一种图片主色系获取方法及装置 |
CN106056575B (zh) * | 2016-05-05 | 2019-03-29 | 南京大学 | 一种基于似物性推荐算法的图像匹配方法 |
CN107248181A (zh) * | 2017-06-16 | 2017-10-13 | 北京三快在线科技有限公司 | 图像生成方法及装置、电子设备 |
CN109685029B (zh) * | 2018-12-28 | 2023-07-11 | 东莞中国科学院云计算产业技术创新与育成中心 | 复杂空间结构的柔性物体识别方法、装置、设备和介质 |
CN109739233B (zh) * | 2018-12-29 | 2022-06-14 | 歌尔光学科技有限公司 | Agv小车定位方法、装置及系统 |
CN113838082A (zh) * | 2021-10-21 | 2021-12-24 | 平安普惠企业管理有限公司 | 图像处理方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840435A (zh) * | 2010-05-14 | 2010-09-22 | 中兴通讯股份有限公司 | 一种实现视频预览和检索的方法及移动终端 |
CN103164433A (zh) * | 2011-12-13 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种图像搜索方法、装置及服务器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5083080B2 (ja) * | 2008-07-11 | 2012-11-28 | 株式会社ニコン | 画像マッチング装置、およびカメラ |
-
2014
- 2014-03-24 CN CN201410111120.9A patent/CN103839270B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840435A (zh) * | 2010-05-14 | 2010-09-22 | 中兴通讯股份有限公司 | 一种实现视频预览和检索的方法及移动终端 |
CN103164433A (zh) * | 2011-12-13 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种图像搜索方法、装置及服务器 |
Non-Patent Citations (1)
Title |
---|
基于分块主颜色特征和EHD的图像检索方法;靳婷婷 等;《天津师范大学学报(自然科学版)》;20130731;第33卷(第3期);第52-55段 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944352A (zh) * | 2017-11-09 | 2018-04-20 | 石数字技术成都有限公司 | 一种基于图片检索方法的车牌识别系统和方法 |
CN107944352B (zh) * | 2017-11-09 | 2020-10-02 | 一石数字技术成都有限公司 | 一种基于图片检索方法的车牌识别系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103839270A (zh) | 2014-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103839270B (zh) | 一种图像匹配方法及装置 | |
Gowda et al. | ColorNet: Investigating the importance of color spaces for image classification | |
JP5797789B2 (ja) | 準複製画像検索のための方法およびシステム | |
CN107077474A (zh) | 快速颜色搜索 | |
WO2016127883A1 (zh) | 一种图像区域检测方法及装置 | |
US10831819B2 (en) | Hue-based color naming for an image | |
CN103440646B (zh) | 用于颜色分布和纹理分布图像检索的相似度获取方法 | |
CN108388905B (zh) | 一种基于卷积神经网络和邻域上下文的光源估计方法 | |
CN109829391B (zh) | 基于级联卷积网络和对抗学习的显著性目标检测方法 | |
CN104182927B (zh) | 图片水印添加方法及装置 | |
CN108647264A (zh) | 一种基于支持向量机的图像自动标注方法及装置 | |
Kekre et al. | Multilevel block truncation coding with diverse color spaces for image classification | |
WO2022073516A1 (zh) | 生成图像的方法、装置、电子设备及介质 | |
CN106683074B (zh) | 一种基于雾霾特性的图像篡改检测方法 | |
CN110990617A (zh) | 一种图片标记方法、装置、设备及存储介质 | |
CN110717555A (zh) | 一种基于自然语言和生成对抗网络的图片生成系统及装置 | |
CN106846421A (zh) | 一种肤色检测方法及装置 | |
Cahn et al. | Singular branched covers of four-manifolds | |
Thepade et al. | Performance rise in Content Based Video retrieval using multi-level Thepade's sorted ternary Block Truncation Coding with intermediate block videos and even-odd videos | |
CN107590279A (zh) | 一种智慧旅游推荐系统 | |
CN106295679B (zh) | 一种基于分类校正的彩色图像光源颜色估计方法 | |
CN106960188A (zh) | 天气图像分类方法及装置 | |
US8712161B2 (en) | Image manipulating system and method | |
CN110851868A (zh) | 一种用于轨迹数据发布的位置代表元生成方法 | |
Zheng et al. | Signed directed social network analysis applied to group conflict |
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 | ||
PP01 | Preservation of patent right | ||
PP01 | Preservation of patent right |
Effective date of registration: 20220726 Granted publication date: 20170308 |