CN103996217B - 一种基于色彩聚类中心变换的场景主题优化与调色方法 - Google Patents

Abstract

本发明公开了一种基于色彩聚类中心变换的场景主题优化与调色方法，该方法采用kmeans聚类方法提取出复杂场景和局部场景的中的5种主要色彩构成基本色彩主题和待优化色彩主题，利用基本色彩主题，对待优化色彩主题评价，并实现对待优化色彩主题的优化，使得局部场景与复杂场景之间更加搭配，实现对复杂场景建模效果的优化。

Description

一种基于色彩聚类中心变换的场景主题优化与调色方法

技术领域

本发明涉及复杂场景建模技术领域，尤其涉及一种基于色彩聚类中心变换的场景主题优化与调色方法，能够实现对复杂场景模型局部色彩的优化，实现对虚拟场景色彩的优化设计。

背景技术

传统3D复杂场景的设计包含很多内容，很难由一个设计人员完成所有设计，而不同设计人员之间的采用的色彩方案受设计人员的主观影响较大，对于不同的风格不同的设计人员的诠释不尽相同，所以在最后复杂场景的生成过程中存在与基本色彩主题不太匹配的局部场景，这时就需要对该部分场景进行优化。

传统场景模型的配色设计根据设计者对应用场合的理解不同进行配色设计，在复杂场景的生成过程中，为了提高场景的和谐度，要求场景中局部的色彩主题与场景的基本色彩主题接近，虽然现在计算机辅助设计系统比较发达，但是在配色设计阶段还是主要由人工完成，效率不是很高。同时由于复杂场景本身包含的物体数量就比较多，人工对最终生成的场景进行配色优化效率还是比较低下。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于色彩聚类中心变换的场景主题优化与调色方法。

本发明的目的是通过以下技术方案来实现的：一种基于色彩聚类中心变换的场景主题优化与调色方法，包括以下步骤：

（1）确定需要进行色彩效果优化的复杂场景模型，对需要进行色彩效果优化的复杂场景模型提取5种色彩作为该场景模型的色彩主题，具体为：对于输入的复杂场景模型，将模型中的色彩从RGB（Red Green Blue）色彩空间转换到HSV（Hue Saturation Value）空间，采用kmeans聚类方法，获得复杂场景模型中的5种主要色彩，构成基本色彩主题T1；

（2）由用户指定需要优化的局部场景，按照步骤1中方法提取局部场景的5种色彩作为待优化色彩主题T2；

（3）根据步骤1中得到的基本色彩主题T1，对步骤2中得到的待优化色彩主题T2进行评价，若评价得到的结果在可接受范围内，则维持局部场景的原色彩设计，若待优化色彩主题T2与基本色彩主题相差较大，则对待优化色彩主题T2进行优化，并采用新的色彩主题对局部场景进行色彩优化，具体为：

步骤1中获得的基本色彩主题T1包括5种色彩，每种色彩包括h、s、v，其中h为色调值，s为纯度值，v为亮度值，定义两种色彩之间的距离为，其中分别表示第一种色彩的色调值、纯度值和亮度值，分别表示第二种色彩的色调值、纯度值和亮度值；

步骤2中获得的待优化色彩主题T2包括5种色彩，每种色彩所占的面积比例为，两种色彩主题之间的距离为：

其中，表示和之间的距离，i=1~5；

设置阈值N，N大于零，若小于等于N，则认为待优化色彩主题T2与基本色彩主题T1的匹配度较高，不需要进行优化；若大于N，则认为待优化色彩主题T2与基本色彩主题T1的匹配度较低，需要对待优化色彩主题T2进行优化，具体为： 对于待优化色彩主题T2，按照下式分别计算色彩主题中每种色彩：

得到新的色彩主题，新的色彩主题由色彩组成，重新计算与T1之间的距离，若该距离大于N则重复本步骤，直到新得到的色彩主题与基本色彩主题之间的距离小于等于N，获得优化后的色彩主题T3；

（4）根据优化后的色彩主题T3对局部场景进行色彩优化，具体为：优化后的色彩主题T3包括5种色彩；对于第i类色彩，计算平移量，在遍历局部场景中的点的时候先根据步骤1中kmeans聚类方法的结果确定其所属的色彩类别，再根据下式计算该点新的色彩值：

其中，表示改动后的色彩值，表示该点改动前的色彩值，表示对应的色彩平移量；

若该点最终的色彩值超过HSV色彩空间的边界则一律按照边界值计算，当对所有点的色彩完成操作时，就实现了对局部场景的色彩优化；

（5）对于完成色彩优化的局部场景进行色彩空间的转换，即从HSV色彩空间转化到RGB色彩空间，保存并在显示器上显示。

本发明的有益效果是：

1、采用kmeans聚类方法快速有效的提取场景模型的色彩主题，并能衡量计算两种主题之间的色彩匹配度；

2、对于复杂场景中色彩匹配度不高的局部场景，进行色彩主题优化，调整局部场景的色彩分布，使得局部场景的色彩主题接近复杂场景的基本色彩主题；

3、利用色彩主题中每种色彩作为色彩转移的依据，对于色彩转移后的局部场景能够保留原局部场景的纹理特征。

附图说明

图1是本发明的方法流程图；

图2是本发明实施例中需要进行色彩优化的复杂场景；

图3是本发明实施例中的用户指定的需要的优化的布局场景；

图4是本发明实施例中优化以后的布局场景的色彩效果。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

一种基于色彩聚类中心变换的场景主题优化与调色方法，该方法采用kmeans聚类方法提取出复杂场景和局部场景的中的5种主要色彩构成基本色彩主题和待优化色彩主题，利用基本色彩主题，对待优化色彩主题评价，并实现对待优化色彩主题的优化，使得局部场景与复杂场景之间更加搭配，实现对复杂场景建模效果的优化。

如图1所示，本发明一种基于色彩聚类中心变换的场景主题优化与调色方法，包括以下步骤：

包括以下步骤：

（1）确定需要进行色彩效果优化的复杂场景模型，对需要进行色彩效果优化的复杂场景模型提取5种色彩作为该场景模型的色彩主题，具体为：对于输入的复杂场景模型，将模型中的色彩从RGB色彩空间转换到HSV空间，采用kmeans聚类方法，获得复杂场景模型中的5种主要色彩，构成基本色彩主题T1,这里的色彩主题还可以人工指定；

（2）由用户指定需要优化的局部场景，按照步骤1中方法提取局部场景的5种色彩作为待优化色彩主题T2；

（3）根据步骤1中得到的基本色彩主题T1，对步骤2中得到的待优化色彩主题T2进行评价，若评价得到的结果在可接受范围内，则维持局部场景的原色彩设计，若待优化色彩主题T2与基本色彩主题相差较大，则对待优化色彩主题T2进行优化，并采用新的色彩主题对局部场景进行色彩优化，具体为：

步骤1中获得的基本色彩主题T1包括5种色彩，每种色彩包括h、s、v，其中h为色调值，s为纯度值，v为亮度值，定义两种色彩之间的距离为，其中分别表示第一种色彩的色调值、纯度值和亮度值，分别表示第二种色彩的色调值、纯度值和亮度值；

步骤2中获得的待优化色彩主题T2包括5种色彩，每种色彩所占的面积比例为，两种色彩主题之间的距离为：

其中，表示和之间的距离，i=1~5；

设置阈值N，N大于零，若小于等于N，则认为待优化色彩主题T2与基本色彩主题T1的匹配度较高，不需要进行优化；若大于N，则认为待优化色彩主题T2与基本色彩主题T1的匹配度较低，需要对待优化色彩主题T2进行优化，具体为： 对于待优化色彩主题T2，按照下式分别计算色彩主题中每种色彩：

得到新的色彩主题，新的色彩主题由色彩组成，重新计算与T1之间的距离，若该距离大于N则重复本步骤，直到新得到的色彩主题与基本色彩主题之间的距离小于等于N，获得优化后的色彩主题T3；

（4）根据优化后的色彩主题T3对局部场景进行色彩优化，具体为：优化后的色彩主题T3包括5种色彩；对于第i类色彩，计算平移量，在遍历局部场景中的点的时候先根据步骤1中kmeans聚类方法的结果确定其所属的色彩类别，再根据下式计算该点新的色彩值：

其中，表示改动后的色彩值，表示该点改动前的色彩值，表示对应的色彩平移量；

若该点最终的色彩值超过HSV色彩空间的边界则一律按照边界值计算，当对所有点的色彩完成操作时，就实现了对局部场景的色彩优化；

（5）对于完成色彩优化的局部场景进行色彩空间的转换，即从HSV色彩空间转化到RGB色彩空间，保存并在显示器上显示。

如图2-4所示，在本发明实施例中，整个房间的色彩以蓝绿色为主，给人一种安静的感觉，但是场景中的柜子为鲜艳的红绿色为主，需要进行色彩优化，完成场景色彩优化以后的图片中，柜子的色彩分布基本符合整个房间的色彩搭配，提高了设计的和谐感。

Claims (1)

1.一种基于色彩聚类中心变换的场景主题优化与调色方法，其特征在于，包括以下步骤：

(1)确定需要进行色彩效果优化的复杂场景模型，对需要进行色彩效果优化的复杂场景模型提取5种色彩作为该场景模型的色彩主题，具体为：对于输入的复杂场景模型，将模型中的色彩从RGB色彩空间转换到HSV空间，采用kmeans聚类方法，获得复杂场景模型中的5种主要色彩，构成基本色彩主题T1；

(2)由用户指定需要优化的局部场景，按照步骤(1)中方法提取局部场景的5种色彩作为待优化色彩主题T2；

(3)根据步骤(1)中得到的基本色彩主题T1，对步骤(2)中得到的待优化色彩主题T2进行评价，若评价得到的结果在可接受范围内，则维持局部场景的原色彩设计，若待优化色彩主题T2与基本色彩主题相差较大，则对待优化色彩主题T2进行优化，并采用新的色彩主题对局部场景进行色彩优化，具体为：

步骤(1)中获得的基本色彩主题T1包括5种色彩BC₁,BC₂,BC₃,BC₄,BC₅，每种色彩包括h、s、v，其中h为色调值，s为纯度值，v为亮度值，定义两种色彩之间的距离为其中h₁,s₁,v₁分别表示第一种色彩的色调值、纯度值和亮度值，h₂,s₂,v₂分别表示第二种色彩的色调值、纯度值和亮度值；

步骤(2)中获得的待优化色彩主题T2包括5种色彩SC₁,SC₂,SC₃,SC₄,SC₅，每种色彩所占的面积比例为w₁,w₂,w₃,w₄,w₅，两种色彩主题之间的距离LT为：

$LT=\sqrt{w_1{{\mathrm{LC}}_1}^2+w_2{{\mathrm{LC}}_2}^2+w_3{{\mathrm{LC}}_3}^2+w_4{{\mathrm{LC}}_4}^2+w_5{{\mathrm{LC}}_5}^2}$

其中，LC_i表示BC_i和SC_i之间的距离，i＝1～5；

设置阈值N，N大于零，若LT小于等于N，则认为待优化色彩主题T2与基本色彩主题T1的匹配度较高，不需要进行优化；若LT大于N，则认为待优化色彩主题T2与基本色彩主题T1的匹配度较低，需要对待优化色彩主题T2进行优化，具体为：对于待优化色彩主题T2，按照下式分别计算色彩主题中每种色彩：

SC′₁＝SC₁+w₁·(BC₁-SC₁)

SC′₂＝SC₂+w₂·(BC₂-SC₂),

SC′₃＝SC₃+w₃·(BC₃-SC₃),

SC′₄＝SC₄+w₄·(BC₄-SC₄),

SC′₅＝SC₅+w₅·(BC₅-SC₅),

得到新的色彩主题T2′，新的色彩主题T2′由色彩SC′₁,SC′₂,SC′₃,SC′₄,SC′₅组成，重新计算T2′与T1之间的距离，若该距离大于N则重复本步骤，直到新得到的色彩主题与基本色彩主题之间的距离小于等于N，获得优化后的色彩主题T3；

(4)根据优化后的色彩主题T3对局部场景进行色彩优化，具体为：

优化后的色彩主题T3包括5种色彩NC₁,NC₂,NC₃,NC₄,NC₅；对于第i类色彩，计算平移量在遍历局部场景中的点的时候先根据步骤(1)中kmeans聚类方法的结果确定其所属的色彩类别SC_i，再根据下式计算该点新的色彩值：

${\mathrm{PC}}_{new}=PC+\mathrm{\Δ}{\stackrel{\→}{M}}_i$

其中，PC_new表示改动后的色彩值，PC表示该点改动前的色彩值，表示对应的色彩平移量；

若该点最终的色彩值超过HSV色彩空间的边界则一律按照边界值计算，当对所有点的色彩完成操作时，就实现了对局部场景的色彩优化；

(5)对于完成色彩优化的局部场景进行色彩空间的转换，即从HSV色彩空间转化到RGB色彩空间，保存并在显示器上显示。