CN103929629A - 一种基于图像主要颜色的图像处理方法 - Google Patents

Abstract

本发明公开了一种基于图像主要颜色的图像处理方法，其通过预先搜集样本图像以及与样本图像相对应的较佳处理方案，进行图像处理时，加载并获取待处理的原始图像的主要颜色，然后根据获取的主要颜色将原始图像与数据库中的样本图像进行相似性匹配得到相似图像，最后将所述相似图像相对应的处理方案作用于原始图像，得到效果图像，从而智能地为每张图像自动选择最适合的处理方案，获得最佳效果，并且为用户节省了选择的时间与步骤。

Description

一种基于图像主要颜色的图像处理方法

技术领域

本发明涉及一种图像处理方法，特别是一种基于图像主要颜色的图像处理方法。

背景技术

对图像进行美化已经成为我们拍摄照片后一个必不可少的步骤，现有技术中主要是提供一些已经预设好的滤镜给用户进行选择，而没有通过对图像进行分析得到一些关键信息，例如图像中的主要颜色，使得美化后的图像不够自然；并且，由于效果太多而且不一定适用所有图像，因此用户在处理每张图像时必须应用效果才能知道是否适合，从而花费了大量的时间与精力。

发明内容

本发明为解决上述问题，提供了一种基于图像主要颜色的图像处理方法，从而智能地为每张图像自动选择最适合的处理方案，获得最佳效果。

为实现上述目的，本发明采用的技术方案为：

一种基于图像主要颜色的图像处理方法，其特征在于，包括以下步骤：

a.搜集样本图像以及与样本图像相对应的处理方案，并保存至系统数据库；

b.加载待处理的原始图像，并获取该原始图像的主要颜色；

c.根据获取的主要颜色，将原始图像与数据库中的样本图像进行相似性匹配得到相似图像；

d.将所述相似图像相对应的处理方案作用于原始图像，得到效果图像。

作为优选的实施例，所述原始图像的主要颜色的获取方法进一步包括：

b10.对原始图像进行模糊处理，得到模糊图像；

b20.对模糊图像进行所有像素点的直方图统计，以及计算红、绿、蓝三个通道的颜色最大值与颜色最小值，并最终得到父级颜色框；

b30.根据所述的父级颜色框创建初始队列，并对初始队列进行颜色拓展分割得到分割队列；

b40.对所述的分割队列进行排序得到排序队列，并对排序队列进行颜色拓展分割得到最终队列；

b50.对所述的最终队列进行颜色提取，得到原始图像的主要颜色。

作为优选的实施例，所述步骤b10中的模糊处理为中值模糊处理或高斯模糊处理或均值模糊处理或卷积处理。

作为优选的实施例，所述的步骤b20进一步包括：

b21.创建一个大小为32*32*32的数组，并全部初始化为0；

b22.对所述的模糊图像的每个像素点进行遍历，取得红、绿、蓝三个通道的颜色最大值与颜色最小值，并且在遍历过程中对像素点出现的次数进行直方图统计到数组中；

b23.根据直方图统计到的数组以及红、绿、蓝三个通道的颜色最大值与颜色最小值，进行父级颜色框的创建，并得到该父级颜色框的颜色个数、容积和颜色均值。

作为优选的实施例，所述步骤b23中的父级颜色框的颜色个数、容积和颜色均值的计算方法分别为：

颜色个数为直方图统计的数组在颜色范围里出现的颜色个数；

容积为(rMax-rMin+1)*(gMax-gMin+1)*(bMax-bMin+1)；

颜色均值为颜色范围里出现的颜色和除以颜色个数；

其中，

rMax，gMax，bMax分别为红、绿、蓝三个通道的颜色最大值；

rMin，gMin，bMin分别为红、绿、蓝三个通道的颜色最小值；

父级颜色框的颜色范围为红色通道范围在rMin到rMax之间，绿色通道范围在gMin到gMax之间，蓝色通道范围在bMin到bMax之间；

颜色和为颜色范围内每个索引出现的颜色值乘以该颜色值出现的个数，累加得到颜色和。

作为优选的实施例，所述步骤b30中根据所述的父级颜色框创建初始队列，主要是根据创建的父级颜色框得到该父级颜色框的颜色个数，并通过对颜色个数从大到小的排序创建初始队列。

作为优选的实施例，所述步骤b30中对初始队列进行颜色拓展分割得到分割队列，主要是通过设置待提取的主要颜色的数量，然后利用中位分割法对初始队列进行分割，最终得到分割队列。

作为优选的实施例，所述的步骤b40中对所述的分割队列进行排序得到排序队列，主要是根据创建的父级颜色框得到该父级颜色框的容积，并通过对容积进行从大到小的排序创建排序队列。

作为优选的实施例，所述的步骤b40中对排序队列进行颜色拓展分割得到最终队列，主要是通过设置待提取的主要颜色的数量，然后利用中位分割法对排序队列进行分割得到最终队列。

作为优选的实施例，所述步骤b50中对所述的最终队列进行颜色提取得到原始图像的主要颜色，主要是按照最终队列的顺序得到原始图像的主要颜色。

作为优选的实施例，所述的步骤a中样本图像相对应的处理方案的处理步骤包括以下一种或一种以上的操作：曲线处理、色阶处理、亮度对比度处理、饱和度处理、模糊处理、可选颜色处理、素材混合处理、阈值处理、阴影高光处理、色彩平衡处理、曝光度处理。

作为优选的实施例，所述的步骤c中将原始图像与数据库中的样本图像进行相似性匹配得到相似图像，主要是通过计算原始图像的主要颜色与数据库中的样本图像的主要颜色的欧式距离，然后得到欧式距离最短的图像记为相似图像。

本发明的有益效果是：

本发明的一种基于图像主要颜色的图像处理方法，其通过预先搜集样本图像以及与样本图像相对应的较佳处理方案，进行图像处理时，加载并获取待处理的原始图像的主要颜色，然后根据获取的主要颜色将原始图像与数据库中的样本图像进行相似性匹配得到相似图像，最后将所述相似图像相对应的处理方案作用于原始图像，得到效果图像，从而智能地为每张图像自动选择最适合的处理方案，获得最佳效果，并且为用户节省了选择的时间与步骤。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明一种基于图像主要颜色的图像处理方法的流程简图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明的一种基于图像主要颜色的图像处理方法，其包括以下步骤：

a.搜集样本图像以及与样本图像相对应的处理方案，并保存至系统数据库；

b.加载待处理的原始图像，并获取该原始图像的主要颜色；

c.根据获取的主要颜色，将原始图像与数据库中的样本图像进行相似性匹配得到相似图像；

d.将所述相似图像相对应的处理方案作用于原始图像，得到效果图像。

本实施例中，所述原始图像的主要颜色的获取方法进一步包括：

b10.对原始图像进行模糊处理，得到模糊图像；

b20.对模糊图像进行所有像素点的直方图统计，以及计算红、绿、蓝三个通道的颜色最大值与颜色最小值，并最终得到父级颜色框；

b30.根据所述的父级颜色框创建初始队列，并对初始队列进行颜色拓展分割得到分割队列；

b40.对所述的分割队列进行排序得到排序队列，并对排序队列进行颜色拓展分割得到最终队列；

b50.对所述的最终队列进行颜色提取，得到原始图像的主要颜色。

所述步骤b10中的模糊处理主要是为了消除图像中存在的一些噪点，使主要颜色的提取质量更好，其可以采用中值模糊处理或高斯模糊处理或均值模糊处理或卷积处理；具体介绍如下：

中值模糊处理，即中值滤波处理，主要是对要处理的像素点周围的N*N模板像素点的颜色值进行从大到小或者从小到大的排序，得到排序后最中间的那个颜色值，即中位数，然后将该像素点的颜色值设置为其中位数的颜色值；其中，N为模糊的半径。

高斯模糊处理，主要是采用正态分布计算图像中每个像素的变换，其中，在N维空间的正态分布方程为：

$G\left(r\right)=\frac{1}{{\sqrt{2\mathrm{\π}{\mathrm{\σ}}^2}}^N}{e}^{-r^2/\left(2{\mathrm{\σ}}^2\right)};$

在二维空间的正态分布方程为：

$G(u,v)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}{e}^{-(u^2+v^2)/\left(2{\mathrm{\σ}}^2\right)};$

其中r是模糊半径(r²＝u²+v²)，σ是正态分布的标准偏差，u是原像素点在x轴上的位置偏移值，v是原像素点在y轴上的位置偏移值。

均值模糊处理是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素；该临近像素是指以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身；再用模板中的全体像素的平均值来代替原来像素值。

卷积处理：卷积是对矩阵中的每一个元素进行的操作，卷积所实现的功能是由其卷积核的形式决定的，卷积核是一个大小固定、有数值参数构成的矩阵，矩阵的中心为参考点或锚点，矩阵的大小称为核支撑；要计算一个像素点的卷积后的颜色值，首先将核的参考点定位到该像素点，核的其余元素覆盖矩阵中相对应的局部周围点；对于每一个核中的的像素点，得到这个像素点的值与卷积核数组中特定点的值的乘积并求所有这些乘积的累加和，再用累加和除以卷积核数组里的总和得到的值，即该特定点的卷积值，用这个结果替代该像素点的颜色值；通过在整个图像上移动像素点，对图像的每个像素点重复此操作。

本实施例中，所述的步骤b20进一步包括：

b21.创建一个大小为32*32*32的数组nHistogram，并全部初始化为0；这边大小固定为32，主要是因为颜色有256种颜色，而将其分为32组，即每组有8个颜色，每组的颜色范围从(n-1)*8到(n*8-1)，n表示组的编号，例如第3组的范围从16到23；

b22.对所述的模糊图像的每个像素点进行遍历，取得红、绿、蓝三个通道的颜色最大值(rMax，gMax，bMax)与颜色最小值(rMin，gMin，bMin)，并且在遍历过程中对像素点出现的次数进行直方图统计到数组nHistogram中；

例如：nHistogram[r][g][b]＝nHistogram[r][g][b]+1，其中nHistogram为直方图统计的数组，r、g、b表示遍历的像素点的红、绿、蓝通道的颜色值

b23.根据直方图统计到的数组nHistogram以及红、绿、蓝三个通道的颜色最大值与颜色最小值，进行父级颜色框的创建，并得到该父级颜色框的颜色个数、容积和颜色均值。

所述步骤b23中的父级颜色框的颜色个数、容积和颜色均值的计算方法分别为：

颜色个数为直方图统计的数组nHistogram在颜色范围里出现的颜色个数；

容积为(rMax-rMin+1)*(gMax-gMin+1)*(bMax-bMin+1)；

颜色均值为颜色范围里出现的颜色和除以颜色个数；

其中，

rMax，gMax，bMax分别为红、绿、蓝三个通道的颜色最大值；

rMin，gMin，bMin分别为红、绿、蓝三个通道的颜色最小值；

父级颜色框的颜色范围为红色通道范围在rMin到rMax之间，绿色通道范围在gMin到gMax之间，蓝色通道范围在bMin到bMax之间；

颜色和为颜色范围内每个索引出现的颜色值乘以该颜色值出现的个数，累加得到颜色和。

本实施例中，所述步骤b30中根据所述的父级颜色框创建初始队列，主要是根据创建的父级颜色框得到该父级颜色框的颜色个数，并通过对颜色个数从大到小的排序创建初始队列；所述步骤b30中对初始队列进行颜色拓展分割得到分割队列，主要是通过设置待提取的主要颜色的数量，本实例设为b10个，然后利用中位分割法对初始队列进行分割，最终得到分割队列；所述的步骤b40中对所述的分割队列进行排序得到排序队列，主要是根据创建的父级颜色框得到该父级颜色框的容积，并通过对容积进行从大到小的排序创建排序队列；所述的步骤b40中对排序队列进行颜色拓展分割得到最终队列，主要是通过设置待提取的主要颜色的数量，然后利用中位分割法对排序队列进行分割得到最终队列；所述步骤b50中对所述的最终队列进行颜色提取得到原始图像的主要颜色，由于分割队列已经排序好，这里主要是直接按照最终队列的顺序得到原始图像的主要颜色，通过以上方法提取的原始图像的主要颜色的质量更好，并为后续的图像智能处理做基础准备。

所述的步骤a中样本图像相对应的处理方案的处理步骤包括以下一种或一种以上的操作：曲线处理、色阶处理、亮度对比度处理、饱和度处理、模糊处理、可选颜色处理、素材混合处理、阈值处理、阴影高光处理、色彩平衡处理、曝光度处理。

所述的步骤c中将原始图像与数据库中的样本图像进行相似性匹配得到相似图像，主要是通过计算原始图像的主要颜色与数据库中的样本图像的主要颜色的欧式距离，然后得到欧式距离最短的图像记为相似图像。上述欧氏距离的计算公式如下：

d＝sqrt(∑(xi1-xi2)^2)；

其中，i＝1，2..n，xi1为第一个点的第i维坐标，xi2为第二个点的第i维坐标，d为计算得到的欧氏距离。n维欧氏空间是一个点集，它的每个点可以表示为(x(1)，x(2)，...x(n))，其中x(i)(i＝1，2...n)是实数，称为x的第i个坐标，两个点x和y＝(y(1)，y(2)...y(n))之间的距离d(x，y)定义为上述公式中的欧氏距离。

上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (12)

1.一种基于图像主要颜色的图像处理方法，其特征在于，包括以下步骤：

a.搜集样本图像以及与样本图像相对应的处理方案，并保存至系统数据库；

b.加载待处理的原始图像，并获取该原始图像的主要颜色；

c.根据获取的主要颜色，将原始图像与数据库中的样本图像进行相似性匹配得到相似图像；

d.将所述相似图像相对应的处理方案作用于原始图像，得到效果图像。

2.根据权利要求1所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述原始图像的主要颜色的获取方法进一步包括：

b10.对原始图像进行模糊处理，得到模糊图像；

b20.对模糊图像进行所有像素点的直方图统计，以及计算红、绿、蓝三个通道的颜色最大值与颜色最小值，并最终得到父级颜色框；

b30.根据所述的父级颜色框创建初始队列，并对初始队列进行颜色拓展分割得到分割队列；

b40.对所述的分割队列进行排序得到排序队列，并对排序队列进行颜色拓展分割得到最终队列；

b50.对所述的最终队列进行颜色提取，得到原始图像的主要颜色。

3.根据权利要求2所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述步骤b10中的模糊处理为中值模糊处理或高斯模糊处理或均值模糊处理或卷积处理。

4.根据权利要求2所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述的步骤b20进一步包括：

b21.创建一个大小为32*32*32的数组，并全部初始化为0；

b22.对所述的模糊图像的每个像素点进行遍历，取得红、绿、蓝三个通道的颜色最大值与颜色最小值，并且在遍历过程中对像素点出现的次数进行直方图统计到数组中；

b23.根据直方图统计到的数组以及红、绿、蓝三个通道的颜色最大值与颜色最小值，进行父级颜色框的创建，并得到该父级颜色框的颜色个数、容积和颜色均值。

5.根据权利要求4所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述步骤b23中的父级颜色框的颜色个数、容积和颜色均值的计算方法分别为：

颜色个数为直方图统计的数组在颜色范围里出现的颜色个数；

容积为(rMax-rMin+1)*(gMax-gMin+1)*(bMax-bMin+1)；

颜色均值为颜色范围里出现的颜色和除以颜色个数；

其中，

rMax，gMax，bMax分别为红、绿、蓝三个通道的颜色最大值；

rMin，gMin，bMin分别为红、绿、蓝三个通道的颜色最小值；

父级颜色框的颜色范围为红色通道范围在rMin到rMax之间，绿色通道范围在gMin到gMax之间，蓝色通道范围在bMin到bMax之间；

颜色和为颜色范围内每个索引出现的颜色值乘以该颜色值出现的个数，累加得到颜色和。

6.根据权利要求2所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述步骤b30中根据所述的父级颜色框创建初始队列，主要是根据创建的父级颜色框得到该父级颜色框的颜色个数，并通过对颜色个数从大到小的排序创建初始队列。

7.根据权利要求2所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述步骤b30中对初始队列进行颜色拓展分割得到分割队列，主要是通过设置待提取的主要颜色的数量，然后利用中位分割法对初始队列进行分割，最终得到分割队列。

8.根据权利要求2所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述的步骤b40中对所述的分割队列进行排序得到排序队列，主要是根据创建的父级颜色框得到该父级颜色框的容积，并通过对容积进行从大到小的排序创建排序队列。

9.根据权利要求2所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述的步骤b40中对排序队列进行颜色拓展分割得到最终队列，主要是通过设置待提取的主要颜色的数量，然后利用中位分割法对排序队列进行分割得到最终队列。

10.根据权利要求2所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述步骤b50中对所述的最终队列进行颜色提取得到原始图像的主要颜色，主要是按照最终队列的顺序得到原始图像的主要颜色。

11.根据权利要求1所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述的步骤a中样本图像相对应的处理方案的处理步骤包括以下一种或一种以上的操作：曲线处理、色阶处理、亮度对比度处理、饱和度处理、模糊处理、可选颜色处理、素材混合处理、阈值处理、阴影高光处理、色彩平衡处理、曝光度处理。

12.根据权利要求1所述的一种基于图像主要颜色的图像处理方法，其特征在于：所述的步骤c中将原始图像与数据库中的样本图像进行相似性匹配得到相似图像，主要是通过计算原始图像的主要颜色与数据库中的样本图像的主要颜色的欧式距离，然后得到欧式距离最短的图像记为相似图像。