CN103903283B - 一种基于颜色的数字图像内容增强提取方法 - Google Patents
一种基于颜色的数字图像内容增强提取方法 Download PDFInfo
- Publication number
- CN103903283B CN103903283B CN201210585493.0A CN201210585493A CN103903283B CN 103903283 B CN103903283 B CN 103903283B CN 201210585493 A CN201210585493 A CN 201210585493A CN 103903283 B CN103903283 B CN 103903283B
- Authority
- CN
- China
- Prior art keywords
- color
- pixel
- component
- kinds
- mass
- 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
Landscapes
- Image Processing (AREA)
- Color Image Communication Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种基于颜色的数字图像内容增强提取方法,该方法首先根据需要确定主色信息;然后获取待处理图像的每一像素点的像素值,并计算每一像素点所包含的各主色的颜色分量;再计算每一个像素点所包含的黑色分量和白色分量;最后确定得出待处理图像每一点像素点的颜色信息。该方法通过对图像中包含提供颜色信息(主色)的多少进行定量计算,图像内容提取过程中通过增加非线性增强项,最终得到待处理图像中每个像素点含有指定颜色信息的分量。该方法对于图像中包含的极少量颜色信息的提取具有很好的增强效果。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种基于颜色的数字图像内容增强提取方法。
背景技术
在图像处理领域中,有时需要根据使用者提供的颜色信息来提取图像中与该颜色信息相似的内容。在基于颜色信息的图像内容提取过程中,由于视觉错觉的影响(著名的视觉实验如:亮度恒常性实验、缪勒--莱耶错觉等),有些颜色少量离散的分布在某些区域,然而在这些区域内人们视觉感受却很明显。传统的提取方法通常类似图像分割技术,如阈值分割或者区域生长,但该方法对于提取内容包含提供颜色信息的程度无法做到准确的数量(浓度)上的估计,同时提取内容的边界过渡容易出现比较硬,容易出项锯齿现象。目前现有的基于阈值分割的图像颜色提取方法主要有以下几种方法:
1.申请号为200810210101.6,公开号为CN101655983的中国专利申请公开了“一种主颜色提取装置和方法”,该申请是通过预定的颜色空间生成关于图像的颜色直方图的方法:该方法首先由颜色类别划分装置对颜色直方图中关于各个颜色的局部极大值点编号并传播给关于相应颜色的除局部极大值外的邻接点,以将关于每个颜色的所有直方图点划分为同一类别;颜色类别合并装置,基于各个类别的邻接点在颜色直方图中的直方图值为最大的邻接值,将确定进行合并的两个或两个以上的类别进行重新编号,以将两个或两个以上的类别划分为同一类别;以及主颜色确定装置,在合并后的各个类别中将对应的像素数目占对应于颜色直方图中的所有颜色的像素的比例大于预定阈值的类别的颜色确定为主颜色。
2.申请号为200810171613.6,公开号为CN101404117的中国专利申请公开了“交通标志识别方法及装置”,该申请是基于颜色信息的交通标志识别方法及装置。所述交通标志识别方法采用RGB空间的三个分量的相对变量作为新的划分颜色区域的变量,通过该变量和通用RGB-HSI空间变换公式中关于色调的表达式,获得新的RGB、HSI空间相应变量的关系,并根据HSI空间中色调变量H划分颜色区域的第一阈值范围,获得对应的RGB空间中所述相对变量的第二阈值范围,从而根据从图像中获取的该相对变量值,对图像进行颜色提取来实现获取交通标志的感兴趣区域。该方法及装置实时性好,识别效率、准确性较高。
3.申请号为“201210520070.0”的中国专利申请公开了“一种基于色偏分析的印刷品自动专色分色方法及系统”的专利申请,该申请通过对图像中包含提供颜色信息的多少进行定量计算,最终得到一幅过渡自然的灰度图像,灰度图像上每个像素点的浓度表征了该点含有指定颜色信息的数量。
上述三种方案中,前两种均是基于阈值分割的方法及装置,对于图像中指定颜色信息的提取均有以下缺点:1.获得的图像和原始图像相比过渡区域容易产生额外的噪声;2.获得的图像的边缘通常比较硬,容易产生锯齿效应。且对于图像中指定强度弱且分布离散的颜色信息的提取,基本上无法得到正确的内容。第三种方案是虽然基于颜色的数字图像内容提取技术,该方案虽然能够对图像中的颜色信息进行定量的分析,但仍存在以下缺点:1.如果提取的图像信号比较弱,后续增强算法会使图像过渡不自然;2.提取的图像内容不连续,采用模糊等后处理的方式很难使图像的提取内容和原图像保持一致。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种基于颜色的数字图像内容增强提取方法,通过该方法有效增强图像内容提取的效果。
为实现上述目的,本发明采用的技术方案如下:
一种基于颜色的数字图像内容增强提取方法,包括以下步骤:
(1)确定主色信息;所述的主色包括R、G、B、C、M、Y六种基本颜色;
(2)获取待处理图像中每一像素点的像素值,计算每一像素点所包含的各主色的颜色分量;
(3)计算每一像素点所包含的黑色分量和白色分量;
(4)确定待处理图像中每一像素点的颜色信息;所述颜色信息包括像素点所包含的各基本主色的颜色分量、黑色分量和白色分量。
进一步,如上所述的一种基于颜色的数字图像内容增强提取方法,步骤(2)中,计算每一像素点所包含的各主色的颜色分量的具体方式为:
设CMYK图像上的某一像素点i的像素值为[Ci,Mi,Yi,Ki],其中Ci、Mi、Yi、Ki分别表示像素点i的C、M、Y、K四种油墨的浓度值,浓度值的取值范围为[0%,100%],计算像素点i所包含的各主色的颜色分量的公式为:
S_Ri=min(Mi×F(Mi,γ),Yi×F(Yi,γ))-Ci;
S_Gi=min(Ci×F(Ci,γ),Yi×F(Yi,γ))-Mi;
S_Bi=min(Ci×F(Ci,γ),Mi×F(Mi,γ))-Yi;
S_Ci=Ci×F(Ci,γ)-max(Mi,Yi);
S_Mi=Mi×F(Mi,γ)-max(Ci,Yi);
S_Yi=Yi×F(Yi,γ)-max(Ci,Mi);
其中,S_Xi表示像素点i所包含的X主色的颜色分量,S_Xi的取值范围为[0%,100%];F(Xi,γ)表示含有X主色的非线性增强函数,γ为非线性增强函数F(Xi,γ)的特性参数;X主色为R、G、B、C、M、Y六种基本颜色中的一种。
进一步,如上所述的一种基于颜色的数字图像内容增强提取方法,步骤(2)中,计算每一像素点所包含的各主色的颜色分量的具体方式为:
设RGB图像上的某一像素点j的像素值为[Rj,Gj,Bj],Rj、Gj和Bj分别表示像素点j的R、G、B三种颜色的亮度值,亮度值的取值范围为[0,255],计算像素点j所包含的各主色的颜色分量的公式为:
S_Cj=255+Rj-min(Gj×F(Gj,γ),Bj×F(Bj,γ));
S_Mj=255+Gj-min(Rj×F(Rj,γ),Bj×F(Bj,γ));
S_Yj=255+Bj-min(Rj×F(Rj,γ),Gj×F(Gj,γ));
S_Rj=255+max(Gj,Bj)-Rj×F(Rj,γ);
S_Gj=255+max(Rj,Bj)-Gj×F(Gj,γ);
S_Bj=255+max(Rj,Gj)-Bj×F(Bj,γ);
其中,S_Xj表示该像素点所包含的X主色的颜色分量,S_Xj取值范围为[0,255];F(Xj,γ)表示含有X主色的非线性增强函数,γ为非线性增强函数F(Xj,γ)的特性参数;X主色为R、G、B、C、M、Y六种基本颜色中的一种。
进一步,如上所述的一种基于颜色的数字图像内容增强提取方法,所述的非线性增强函数包括多项式和指数函数。
进一步,如上所述的一种基于颜色的数字图像内容增强提取方法,步骤(3)中,计算黑色分量和白色分量的具体方式为:
设CMYK图像上的某一像素点i的像素值为[Ci,Mi,Yi,Ki],该像素点颜色的黑色分量SB=min(Ci,Mi,Yi),白色分量SW=1-max(Ci,Mi,Yi)。
进一步,如上所述的一种基于颜色的数字图像内容增强提取方法,步骤(3)中,计算黑色分量和白色分量的具体方式为:
设RGB图像上的某一像素点j的像素值为[Rj,Gj,Bj],该像素点颜色的黑色分量SB=max(Rj,Gj,Bj),白色分量SW=255-min(Rj,Gj,Bj)。
进一步,如上所述的一种基于颜色的数字图像内容增强提取方法,步骤(1)中,所述的主色信息还包括R、G、B、C、M、Y六种基本颜色之间的扩展颜色;所述的基本颜色之间的扩展颜色包括每两种基本颜色之间的扩展颜色,扩展颜色的值为其两种基本颜色的中间值。
进一步,如上所述的一种基于颜色的数字图像内容增强提取方法,当主色信息包括六种基本颜色之间的扩展颜色时,步骤(4)中,每一像素点的颜色信息还包括该像素点所包括的主色之间的扩展颜色的颜色分量。
再进一步,如上所述的一种基于颜色的数字图像内容增强提取方法,对于CMYK图像,计算图像每一像素点的扩展颜色的颜色分量的公式为:
SPQ=min(S_Pi,S_Qi)×2;
其中,SPQ表示P、Q两种基本颜色之间的扩展颜色的颜色分量,S_Pi为像素点i包含的基本颜色P的颜色分量,S_Qi像素点i包含的基本颜色Q的颜色分量;P、Q为R、G、B、C、M、Y六种基本颜色中的两种。
更进一步,如上所述的一种基于颜色的数字图像内容增强提取方法,对于RGB图像,计算图像每一像素点的扩展颜色的颜色分量的公式为:
SPQ=max(S_Pj,S_Qj)×2-255;
其中,SPQ表示P、Q两种基本颜色之间的扩展颜色的颜色分量,S_Pj为像素点j包含的基本颜色P的颜色分量,S_Qj像素点j包含的基本颜色Q的颜色分量;P、Q为R、G、B、C、M、Y六种基本颜色中的两种。
本发明的有益效果在于:本发明所述的方法通过对图像中包含提供颜色信息(主色)的多少进行定量计算,图像内容提取过程中通过增加非线性增强项,最终得到待处理图像中每个像素点含有指定颜色信息的分量。该方法对于图像中包含的极少量颜色信息的提取具有良好的增强效果,对于图像中包含的极少量颜色信息的离散型颜色信息的提取具备良好的平滑和连接效果,对于图像中包含的极少量颜色信息在视觉上产生的连续性错觉具有良好的再现恢复效果。
附图说明
图1为本发明一种基于颜色的数字图像内容增强提取方法的流程图。
具体实施方式
下面结合说明书附图与具体实施方式对本发明做进一步的详细说明。
本技术方案基本思想是将现有图像在分解到若干个包含特定颜色信息的图像,而使用者指定的颜色信息的图像是这些特定颜色信息图像的线性组合。此方法不仅适用于CMYK图像而且适用于RGB图像。
在色相轴上,任意一种颜色可以RGB或者CMY三种颜色的数值来表示,然而这种表示方式虽然通用,但不能简单的计算其中一种颜色含有另一种颜色量的多少。本发明所述的方法采用R、G、B、C、M、Y六种颜色将色相轴等分成六分,相邻的两种颜色来表征其色相区间的所有颜色的量。
图1示出了本发明一种基于颜色的数字图像内容增强提取方法的流程图,该方法主要包括以下步骤:
步骤S11:确定主色信息;
目前常用图像色彩模式有适用于显示器、投影仪、扫描仪、数码相机等的RGB色彩模式,以及适用于打印机、印刷机等CMYK色彩模式。每种CMYK四色油墨可使用从0至100%的值,即油墨浓度值,为最亮颜色指定的印刷色油墨颜色百分比较低,而为较暗颜色指定的百分比较高。例如,亮红色可能包含2%青色、93%洋红、90%黄色和0%黑色。RGB(加色)与CMY(减色)是互补色,RGB以黑色为底色加,即RGB均为0是黑色,均为255是白色,也就是说两种颜色可以转换,如在RGB模式下,C可以用RGB(0,255,255)表示;M可以用RGB(255,0,255)表示;Y可以用RGB(255,255,0)表示,即CMY可以用RGB的亮度值表示,K通道是纯黑色通道,其不含其它颜色信息;在CMYK模式下,R可以用CMYK(0,100%,100%,0)表示;G可以用CMYK(100%,0,100%,0);B可以用CMYK(100%,100%,0,0)表示,即RGB可以CMYK模式下的油墨浓度值表示,。浓度和亮度的转换关系为:亮度=255×(1-浓度值)。
由前文描述可知,本发明所述的方法是基于颜色分割的思想,即将任一中颜色通过特定颜色信息的线性组合表示出来。本实施方式中将特定颜色信息成为主色,主色的种类可以根据需要来进行确定。本实施方式中的主色包括R、G、B、C、M、Y六种基本颜色或者包括R、G、B、C、M、Y六种基本颜色以及基本颜色之间的扩展颜色。扩展颜色包括每两种基本颜色之间的扩展颜色,扩展颜色的值为其两种基本颜色的中间值,所谓的中间值是指将两种基本颜色信息中相同的颜色信息不变,不同的颜色信息取其中间值,例如以CMYK图像为例,CMYK图像中任意像素点的基本颜色R为(C:0%M:100%Y:100%)、M为(C:0%M:100%Y:0%),则RM的扩展颜色为(C:0%M:100%Y:50%)。
步骤S12:计算任一像素点颜色所包含的各主色的颜色分量;
获取待处理图像的每一像素点的像素值,计算每一像素点所包含的各主色的颜色分量。由于本实施方式中的主色信息包括两种情况,因此计算各主色的颜色分量也包括两种:
a.当所述的主色包括六种基本颜色时,计算每一像素点所包含的各主色的颜色分量的具体方式为:
如果待处理图像为CMYK图像,设CMYK图像上的某一像素点i的像素值为[Ci,Mi,Yi,Ki],其中Ci、Mi、Yi、Ki分别表示像素点i的C、M、Y、K四种油墨的浓度值,浓度值的取值范围为[0%,100%],计算像素点i所包含的各主色的颜色分量的公式为:
S_Ri=min(Mi×F(Mi,γ),Yi×F(Yi,γ))-Ci;
S_Gi=min(Ci×F(Ci,γ),Yi×F(Yi,γ))-Mi;
S_Bi=min(Ci×F(Ci,γ),Mi×F(Mi,γ))-Yi;
S_Ci=Ci×F(Ci,γ)-max(Mi,Yi);
S_Mi=Mi×F(Mi,γ)-max(Ci,Yi);
S_Yi=Yi×F(Yi,γ)-max(Ci,Mi);
其中,S_Xi表示像素点i所包含的X主色的颜色分量,S_Xi的取值范围为[0%,100%];F(Xi,γ)表示含有X主色的非线性增强函数,γ为非线性增强函数F(Xi,γ)的特性参数;X主色为R、G、B、C、M、Y六种基本颜色中的一种。
如果待处理图像为RGB图像,设RGB图像上的某一像素点j的像素值为[Rj,Gj,Bj],Rj、Gj和Bj分别表示像素点j的R、G、B三种颜色的亮度值,亮度值的取值范围为[0,255],计算像素点j所包含的各主色的颜色分量的公式为:
S_Cj=255+Rj-min(Gj×F(Gj,γ),Bj×F(Bj,γ));
S_Mj=255+Gj-min(Rj×F(Rj,γ),Bj×F(Bj,γ));
S_Yj=255+Bj-min(Rj×F(Rj,γ),Gj×F(Gj,γ));
S_Rj=255+max(Gj,Bj)-Rj×F(Rj,γ);
S_Gj=255+max(Rj,Bj)-Gj×F(Gj,γ);
S_Bj=255+max(Rj,Gj)-Bj×F(Bj,γ);
其中,S_Xj表示该像素点所包含的X主色的颜色分量,S_Xj取值范围为[0,255];F(Xj,γ)表示含有X主色的非线性增强函数,γ为非线性增强函数F(Xj,γ)的特性参数;X主色为R、G、B、C、M、Y六种基本颜色中的一种。上述的非线性增强函数F(Xi,γ)与F(Xj,γ)可以是多项式也可以是指数函数。
b.当所述的主色包括六种基本颜色及扩展颜色时,计算每一像素点所包含的各主色的颜色分量包括六种基本颜色的颜色分量和扩展颜色的颜色分量,其中,六种基本颜色的颜色分量计算公式采用上述方法计算,扩展颜色的颜色分量的计算方式如下:
对于CMYK图像,计算图像每一像素点的扩展颜色的颜色分量的公式为:
SPQ=min(S_Pi,S_Qi)×2;
其中,SPQ表示P、Q两种基本颜色之间的扩展颜色的颜色分量,S_Pi为像素点i包含的基本颜色P的颜色分量,S_Qi像素点i包含的基本颜色Q的颜色分量;P、Q为R、G、B、C、M、Y六种基本颜色中的两种。也就是说,对于CMYK图像,扩展颜色的分量的值表示为离相邻两种基本颜色分量最近值的2倍。
对于RGB图像,计算图像每一像素点的扩展颜色的颜色分量的公式为:
SPQ=max(S_Pj,S_Qj)×2-255;
其中,SPQ表示P、Q两种基本颜色之间的扩展颜色的颜色分量,S_Pj为像素点j包含的基本颜色P的颜色分量,S_Qj像素点j包含的基本颜色Q的颜色分量;P、Q为R、G、B、C、M、Y六种基本颜色中的两种。
步骤S13:计算每一像素点的黑色分量和白色分量;
在步骤S12中计算出了每个像素点所包含的主色信息及各主色的颜色分量,计算每一个像素点所包含的黑色分量和白色分量;由颜色空间知识我们可以知道,前面的表示方法方案只考虑了色相和饱和度信息,不能完整的构成整个的色域空间,还需要计算任意一种颜色中黑色和白色成分的数量,即纯黑和纯白分量。本实施方式中计算每一像素点黑色分量和白色分量的方式如下:
如果待处理图像为CMYK色彩模式,设CMYK图像上的某一像素点i的像素值为[Ci,Mi,Yi,Ki],该像素点颜色的黑色分量SB=min(Ci,Mi,Yi),白色分量SW=1-max(Ci,Mi,Yi)。
如果待处理图像为RGB色彩模式,设RGB图像上的某一像素点j的像素值为[Rj,Gj,Bj],该像素点颜色的黑色分量SB=max(Rj,Gj,Bj),白色分量SW=255-min(Rj,Gj,Bj)。
步骤S14:确定待处理图像中每一像素点的颜色信息。
确定待处理图像每一点像素点的颜色信息,即每一像素点颜色包括的基本主色及基本主色的颜色分量、黑色分量和白色分量。当主色包括六种基本颜色时,待处理图像中每一像素点的颜色信息包括六种基本颜色及六种基本颜色的颜色分量、黑色分量和白色分量;当主色包括六种基本颜色及扩展颜色时,待处理图像中每一像素点的颜色信息包括六种基本颜色及六种基本颜色的颜色分量、扩展颜色及扩展颜色的基本分量、黑色分量和白色分量。
综上,对于任意一种颜色,我可以用与其相邻的两种指定基本颜色分量以及黑色和白色分量来表示。进一步也可以采用两种指定基本颜色分量以及它们之间的扩展颜色分量以及黑色和白色分量五个分量来表示。同理,我们可以将色相轴进行无限的细分(细分精度取决于颜色描述精度),可以将任意一种颜色拆分得更加精细。然而我们注意到,每次拆分精度都会损失一半,因此使用适当的拆分精度就可以将颜色进行比较好的拆解,达到提取图像内容的目的。
本发明所述的方法与现有技术方案相比有以下优点:
第一、本方案对于图像中包含的极少量颜色信息的提取具有良好的增强效果;
第二、本方案对于图像中包含的极少量颜色信息的离散型,具备良好的平滑和连接效果;
第三、本方案对于图像中包含的极少量颜色信息在视觉上产生的连续性错觉具有良好的再现恢复效果。
下面结合具体实施例对本发明的方法进行进一步说明。
实施例
设本实施例中的待处理图像为一幅CMYK图像,图像中某一像素点的CMYK值为(15%,100%,100%,0),根据本发明所述的方法,如果需要提取待处理图像中含有基本颜色R的图像,则根据公式:
S_Ri=min(Mi×F(Mi,γ),Yi×F(Yi,γ))-Ci
当非线性函数F取值为1时,S_R=min(100%,100%)-15%=85%,即待处理图像该像素点所含有的红色分量为85%。另一像素点的CMYK值为(0%,100%,100%,10%),则该点的红色分量S_R=100%。遍历图像上所有像素点计算即可得到一张含有颜色R的图像。该含有颜色R的图像为一张灰度图,每一点灰度的浓度表示原图中该点含有R分量的多少,通过这种方法,我们可以得到待处理图像中所有部分的R分量,并且含有R分量的图像的浓度分布图和原图像的层次保持一致,不会出现锯齿或者断裂的现象。同理我们可以得到待处理图像所含有其他几种基本颜色的分量图。此外,用户还可以根据需要通过已知的图像分量的线性组合来实现色彩提取或图像分割的目的。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于颜色的数字图像内容增强提取方法,包括以下步骤:
(1)确定主色信息;所述的主色包括R、G、B、C、M、Y六种基本颜色;
(2)获取待处理图像中每一像素点的像素值,计算每一像素点所包含的各主色的颜色分量;
(3)计算每一像素点所包含的黑色分量和白色分量;
(4)确定待处理图像中每一像素点的颜色信息;所述颜色信息包括像素点所包含的各主色的颜色分量、黑色分量和白色分量;
步骤(2)中,计算每一像素点所包含的各主色的颜色分量的具体方式为:
设CMYK图像上的某一像素点i的像素值为[Ci,Mi,Yi,Ki],其中Ci、Mi、Yi、Ki分别表示像素点i的C、M、Y、K四种油墨的浓度值,浓度值的取值范围为[0%,100%],计算像素点i所包含的各主色的颜色分量的公式为:
S_Ri=min(Mi×F(Mi,γ),Yi×F(Yi,γ))-Ci;
S_Gi=min(Ci×F(Ci,γ),Yi×F(Yi,γ))-Mi;
S_Bi=min(Ci×F(Ci,γ),Mi×F(Mi,γ))-Yi;
S_Ci=Ci×F(Ci,γ)-max(Mi,Yi);
S_Mi=Mi×F(Mi,γ)-max(Ci,Yi);
S_Yi=Yi×F(Yi,γ)-max(Ci,Mi);
其中,S_Xi表示像素点i所包含的X主色的颜色分量,S_Xi的取值范围为[0%,100%];F(Xi,γ)表示含有X主色的非线性增强函数,γ为非线性增强函数F(Xi,γ)的特性参数;X主色为R、G、B、C、M、Y六种基本颜色中的一种;
或者,步骤(2)中,计算每一像素点所包含的各主色的颜色分量的具体方式为:
设RGB图像上的某一像素点j的像素值为[Rj,Gj,Bj],Rj、Gj和Bj分别表示像素点j的R、G、B三种颜色的亮度值,亮度值的取值范围为[0,255],计算像素点j所包含的各主色的颜色分量的公式为:
S_Cj=255+Rj-min(Gj×F(Gj,γ),Bj×F(Bj,γ));
S_Mj=255+Gj-min(Rj×F(Rj,γ),Bj×F(Bj,γ));
S_Yj=255+Bj-min(Rj×F(Rj,γ),Gj×F(Gj,γ));
S_Rj=255+max(Gj,Bj)-Rj×F(Rj,γ);
S_Gj=255+max(Rj,Bj)-Gj×F(Gj,γ);
S_Bj=255+max(Rj,Gj)-Bj×F(Bj,γ);
其中,S_Xj表示该像素点所包含的X主色的颜色分量,S_Xj取值范围为[0,255];F(Xj,γ)表示含有X主色的非线性增强函数,γ为非线性增强函数F(Xj,γ)的特性参数;X主色为R、G、B、C、M、Y六种基本颜色中的一种。
2.如权利要求1所述的一种基于颜色的数字图像内容增强提取方法,其特征在于:所述的非线性增强函数包括多项式和指数函数。
3.如权利要求1所述的一种基于颜色的数字图像内容增强提取方法,其特征在于:设CMYK图像上的某一像素点i的像素值为[Ci,Mi,Yi,Ki],其中Ci、Mi、Yi、Ki分别表示像素点i的C、M、Y、K四种油墨的浓度值,浓度值的取值范围为[0%,100%]时,步骤(3)中,计算黑色分量和白色分量的具体方式为:
该像素点颜色的黑色分量SB=min(Ci,Mi,Yi),白色分量SW=1-max(Ci,Mi,Yi)。
4.如权利要求1所述的一种基于颜色的数字图像内容增强提取方法,其特征在于:设RGB图像上的某一像素点j的像素值为[Rj,Gj,Bj],Rj、Gj和Bj分别表示像素点j的R、G、B三种颜色的亮度值,亮度值的取值范围为[0,255]时,步骤(3)中,计算黑色分量和白色分量的具体方式为:
该像素点颜色的黑色分量SB=max(Rj,Gj,Bj),白色分量SW=255-min(Rj,Gj,Bj)。
5.如权利要求3或4所述的一种基于颜色的数字图像内容增强提取方法,其特征在于:步骤(1)中,所述的主色信息还包括R、G、B、C、M、Y六种基本颜色之间的扩展颜色;所述的基本颜色之间的扩展颜色包括每两种基本颜色之间的扩展颜色,扩展颜色的值为其两种基本颜色的中间值。
6.如权利要求5所述的一种基于颜色的数字图像内容增强提取方法,其特征在于:当主色信息包括六种基本颜色之间的扩展颜色时,步骤(4)中,每一像素点的颜色信息还包括该像素点所包括的主色之间的扩展颜色的颜色分量。
7.如权利要求6所述的一种基于颜色的数字图像内容增强提取方法,其特征在于:对于CMYK图像,计算图像每一像素点的扩展颜色的颜色分量的公式为:
SPQ=min(S_Pi,S_Qi)×2;
其中,SPQ表示P、Q两种基本颜色之间的扩展颜色的颜色分量,S_Pi为像素点i包含的基本颜色P的颜色分量,S_Qi像素点i包含的基本颜色Q的颜色分量;P、Q为R、G、B、C、M、Y六种基本颜色中的两种。
8.如权利要求6所述的一种基于颜色的数字图像内容增强提取方法,其特征在于:对于RGB图像,计算图像每一像素点的扩展颜色的颜色分量的公式为:
SPQ=max(S_Pj,S_Qj)×2-255;
其中,SPQ表示P、Q两种基本颜色之间的扩展颜色的颜色分量,S_Pj为像素点j包含的基本颜色P的颜色分量,S_Qj像素点j包含的基本颜色Q的颜色分量;P、Q为R、G、B、C、M、Y六种基本颜色中的两种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210585493.0A CN103903283B (zh) | 2012-12-28 | 2012-12-28 | 一种基于颜色的数字图像内容增强提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210585493.0A CN103903283B (zh) | 2012-12-28 | 2012-12-28 | 一种基于颜色的数字图像内容增强提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103903283A CN103903283A (zh) | 2014-07-02 |
CN103903283B true CN103903283B (zh) | 2017-12-19 |
Family
ID=50994590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210585493.0A Active CN103903283B (zh) | 2012-12-28 | 2012-12-28 | 一种基于颜色的数字图像内容增强提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103903283B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381034B2 (en) * | 1996-06-28 | 2002-04-30 | Canon Kabushiki Kaisha | Image process apparatus, image process method and storage medium |
CN101409850A (zh) * | 2007-10-08 | 2009-04-15 | 联发科技股份有限公司 | 用于处理像素的多个颜色分量的装置及其方法 |
CN101527779A (zh) * | 2009-03-12 | 2009-09-09 | 北京大学 | 一种校色的方法和装置 |
CN102254152A (zh) * | 2011-06-17 | 2011-11-23 | 东南大学 | 基于彩色跳变点和颜色密度的车牌定位方法 |
CN102446348A (zh) * | 2010-10-15 | 2012-05-09 | 武汉上博科技有限公司 | 一种车辆抓拍图像彩色颜色调整与增强方法 |
CN102629323A (zh) * | 2012-02-06 | 2012-08-08 | 重庆医科大学 | 彩色图像的二值化及二值化彩色图像的隐藏和恢复方法 |
-
2012
- 2012-12-28 CN CN201210585493.0A patent/CN103903283B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381034B2 (en) * | 1996-06-28 | 2002-04-30 | Canon Kabushiki Kaisha | Image process apparatus, image process method and storage medium |
CN101409850A (zh) * | 2007-10-08 | 2009-04-15 | 联发科技股份有限公司 | 用于处理像素的多个颜色分量的装置及其方法 |
CN101527779A (zh) * | 2009-03-12 | 2009-09-09 | 北京大学 | 一种校色的方法和装置 |
CN102446348A (zh) * | 2010-10-15 | 2012-05-09 | 武汉上博科技有限公司 | 一种车辆抓拍图像彩色颜色调整与增强方法 |
CN102254152A (zh) * | 2011-06-17 | 2011-11-23 | 东南大学 | 基于彩色跳变点和颜色密度的车牌定位方法 |
CN102629323A (zh) * | 2012-02-06 | 2012-08-08 | 重庆医科大学 | 彩色图像的二值化及二值化彩色图像的隐藏和恢复方法 |
Non-Patent Citations (2)
Title |
---|
四基色专色分色技术的研究;孙中锋;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120315;正文全文 * |
颜色空间在图像主色提取方面的应用;张玉发 等;《红外与激光工程》;20100531;第39卷;第468-472页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103903283A (zh) | 2014-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104951742B (zh) | 敏感视频的检测方法和系统 | |
CN102761766B (zh) | 色彩特征撷取方法 | |
CN101213576B (zh) | 影集制作装置及方法 | |
CN104899586B (zh) | 对图像中包含的文字内容进行识别方法及装置 | |
CN101231757A (zh) | 一种图片主色调分析方法、装置及其在图片搜索中的应用 | |
CN103914699A (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN104160690A (zh) | 区域提取结果的显示方法和图像处理装置 | |
CN105303525B (zh) | 雾霾图像辨别设备及辨别方法 | |
CN104574307A (zh) | 一种绘画作品图像的主要颜色提取方法 | |
KR20150032176A (ko) | 컬러 비디오 처리 시스템 및 방법과 대응하는 컴퓨터 프로그램 | |
CN105404869A (zh) | 一种基于计算机视觉的水果外形分级方法 | |
AU2006274475A1 (en) | Method and device for the segmentation of regions | |
CN101477695A (zh) | 一种图像和视频快速着色的方法 | |
CN109949248B (zh) | 修改车辆在图像中的颜色的方法、装置、设备及介质 | |
CN107392904A (zh) | 一种基于数学形态学的医学图像的分割算法 | |
CN106951891A (zh) | 光斑检测方法和装置 | |
CN103942756B (zh) | 一种深度图后处理滤波的方法 | |
Fan et al. | Visual complexity of chinese ink paintings | |
CN109785342A (zh) | 一种畜禽肉质均匀度的分析方法 | |
CN106910195A (zh) | 一种网页页面布局监测方法及装置 | |
CN103903283B (zh) | 一种基于颜色的数字图像内容增强提取方法 | |
CN109492544A (zh) | 一种通过增强光学显微镜对动物纤维进行分类的方法 | |
Xing et al. | Smoke image segmentation based on color model | |
US10175468B2 (en) | Method for generating a contrast image of an object structure and apparatuses relating thereto |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |