CN104063562B - 一种基于色彩聚类的乱针绣铺底绣稿生成方法 - Google Patents

Abstract

本发明公开了一种基于色彩聚类的乱针绣铺底绣稿生成方法，包括以下步骤：将输入图像转换到合适的色彩空间，以便更准确的度量颜色之间的差异程度；采用绣线库中可选绣线颜色对图像进行颜色量化，统计量化图像的直方图，并对直方图中占比最多的几种颜色进行聚类，从而得到输入图像的构成颜色；利用图像构成颜色初始化聚类算法，聚类得到每个像素的类别及绣制每一类所需的绣线颜色；对聚类结果做优化处理，消除聚类结果中的孤立的像素点及零散的小面积区域，得到平滑的图像色块区域划分，生成铺底绣稿；利用得到的铺底绣稿进行铺底绣制。

Description

一种基于色彩聚类的乱针绣铺底绣稿生成方法

技术领域

本发明涉及一种乱针绣铺底绣稿的计算机自动生成方法，属于计算机辅助设计技术领域，具体地说是一种基于色彩聚类的乱针绣铺底绣稿生成方法。

背景技术

乱针绣是由常州艺人杨守玉教授于二十世纪三十年代创立的一种刺绣艺术，具有精美的艺术价值和深厚的文化价值。目前江苏省和常州市已将其列入首批非物质文化遗产，中国政府也已将其列入世界非物质文化遗产申请计划。乱针绣的绣制过程主要分为三个阶段：填充大面积色块的铺底、勾勒对象区域及其轮廓的粗绣和刻画对象区域显著细节的精绣，且乱针绣的艺术价值主要体现在绣品粗绣和精绣阶段。目前已有多种计算机辅助乱针绣制作方法，例如：中国专利“一种计算机辅助乱针绣制作方法”，专利号：ZL201010175217.8；中国专利“一种采用遗传算法的计算机辅助乱针绣制作方法”，公开号：CN201310211288.2；中国专利“一种基于反应扩散方程的计算机辅助乱针绣制作方法”，公开号：CN201310456178.2和中国专利“采用模糊聚类和随机行走的计算机辅助乱针绣制作方法”，公开号：CN201310539428.9；等，但这些方法均侧重于面向整个绣制过程中的绣线选择和针法生成，以期实现乱针绣绣品各阶段的完全数字化制作，并未单独考虑每一阶段绣制。然而，计算机辅助乱针绣制作的核心并非在于实现绣制过程的全自动化，而是在于保持其艺术价值的有效人机协作方式。由于乱针绣的铺底主要进行衬托主题的大面积色块填充，其针法相对简单而又含大量重复工作，因此，数字化乱针绣铺底绣制与人工化粗绣和精绣的有机结合是实现计算机辅助乱针绣制作的最实用途径。而数字化乱针绣铺底绣制的关键在于乱针绣铺底绣稿的自动生成，其主要涉及绣线颜色选择和色块区域划分两个问题。

由于在绣制过程中，可选的绣线颜色数量有限，通常只有几百种，例如绣线生产厂商DMC的绣线颜色表包含454种颜色，而待绣制的图像通常具有大量的颜色，如：常见的24位的真彩色图像最多可能有2²⁴＝16777216种颜色。另外，受到实际可操作性的约束，实际绣制过程中不可能选择所有的几百种绣线颜色，通常只是从其中选择少量几种颜色进行绣制，比如，常见的电脑绣花机可以同时使用的颜色数只有6、9或12种，如果使用的绣线颜色数较多，绣制时需要频繁地停机换线，影响机器绣制的速度。因此，需要根据输入图像的色彩分布特征从绣线颜色表中选择一个子集，使用少量的颜色来重建输入图像。这种采用较少数量的颜色来重建具有丰富色彩的图像是数字图像处理基本技术色彩量化的主要研究内容。目前已有多种算法，比较传统的算法有统一量化法、频度序列法、中位切割法、中值分裂法、八叉树法和聚类法等。近年来，部分研究者又提出了一些新的方法或改进方法以改善重建图像的视觉效果，例如文献1：周兵,沈钧毅,彭勤科.CoQuWeiP——使用加权积的色彩量化算法[J].计算机辅助设计与图形学学报,2004,16(4):470-475.中提出的加权积色彩量化算法CoQuWeiP；文献2：Hu X,Wang T,Li D.A new approach of color quantizationbased on ant colony clustering algorithm[C].Information Technology:Coding andComputing,2005.ITCC2005.International Conference on.IEEE,2005,1:102-108.中提出的基于蚁群聚类的色彩量化算法；文献3：Ozdemir D,Akarun L.Fuzzy algorithms forcombined quantization and dithering[J].Image Processing,IEEE Transactions on,2001,10(6):923-931.中提出的结合色彩抖动的色彩量化；文献4：Baolong G,Xiang F.Amodified octree color quantization algorithm[C].Communications and Networkingin China,2006.ChinaCom'06.First International Conference on.IEEE,2006:1-3.中的改进八叉树等。这些方法应用于乱针绣铺底绣线颜色选择时存在一个共同的问题，即它们选择出的颜色集并不是从可选的绣线颜色集中选出的，这些算法按照某种优化条件求解得到全局和局部最优解，如果从绣线颜色表寻找相似颜色来替代这些算法的全局最优或局部最优解，则得到的解可能与最优解相差很大。

另一方面，对于区域划分问题，文献5：田绪安,李丙社,徐一兵.刺绣图像轮廓图的计算机生成系统[J].西北纺织工学院学报,1998,2.使用边缘检测方法，得到区域划分结果。然而该方法更侧重于区域轮廓，要得到闭合的区域需要更复杂的操作。文献6：陈兆乾,谢俊元.刺绣打版系统中彩色空间聚类的方法与应用[J].软件学报,1996,7(A00):85-90.中使用颜色聚类方法得到区域划分结果。但是该方法仅利用了像素的颜色信息，而未考邻域像素的信息，导致聚类结果中会有大量零散的面积很小的区域，给绣制带来不便。文献7：陈圣国,孙正兴,项建华,等.计算机辅助乱针绣制作技术研究[J].计算机学报,2011,34(3):526-538.中先对图像进行平滑处理，然后用绣线颜色替代平滑后的像素颜色。但这样并未完全解决大量零散小区域存在的问题，且平滑过程会改变图像原有颜色，导致绣制结果会产生一定色差。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种适用于乱针绣铺底绣制使用的绣稿，用于支持计算机辅助乱针绣铺底绣制。

为了解决上述技术问题，本发明公开了一种基于色彩聚类的乱针绣铺底绣稿生成方法，包括以下步骤：

步骤一：色彩空间转换：为了能够准确的将颜色在数值上的距离映射到人眼感知色差上，将输入图像Image转换到CIE Lab色彩空间。

步骤二，图像构成颜色分析：基于绣线颜色库，计算输入图像的颜色直方图，通过直方图分析得到图像的构成颜色。

步骤三，图像颜色聚类：在图像构成颜色的指导下对图像像素进行聚类，得到每个像素的类别，及绣制每一类所需的绣线颜色。

步骤四，铺底绣稿生成：对聚类结果进行优化，消除聚类结果中的孤立的像素点及零散的小面积区域，得到平滑的划分区域，生成乱针绣铺底绣稿。

步骤五，铺底绣制：在步骤四得到的铺底绣稿上进行铺底绣制。

本发明步骤二中所述图像构成颜色分析包括以下步骤：步骤21，图像颜色量化：找出与每个像素最接近的绣线颜色，并用该绣线颜色代替像素原始颜色，得到量化图像QuaImg。

步骤22，计算颜色直方图：统计量化图像QuaImg中各种颜色所占的比例，并按占比从大到小排序，得到量化图像QuaImg的颜色直方图Hist，取出占比最高的前N种颜色，N为满足的最小N值，Hist_i表示直方图中的第i种颜色的占比，i取值1～N。

步骤23，得到图像构成颜色：根据用户输入的颜色数K对步骤22得到的N种颜色使用层次聚类算法进行聚类，得到K类的中心色即为图像的K个构成颜色，即为图像的构成颜色。

本发明步骤三中所述图像颜色聚类包括以下步骤：步骤31，设置初始聚类中心，即将步骤二中得到的图像构成颜色设置为聚类中心。

步骤32，对每个像素p，计算其与每个聚类中心色的色差，并将该像素划分到距离最近的聚类中心，得到该像素p的类别l_p∈{1,2,...,K}，即将像素p划分到第l_p类。

步骤33，根据步骤32得到的所有像素的类别，重新计算聚类中心，新的聚类中心为绣线颜色库中与属于该类别的所有像素的平均色色差最小的绣线颜色。

步骤34，判断步骤33迭代过程中聚类中心与步骤32比是否发生变化，若未发生变化，则结束迭代过程，将当前聚类中心颜色定为绣制所需绣线颜色，转步骤四，否则转步骤32。

本发明步骤四所述铺底绣稿生成包括以下步骤：步骤41，利用图的最小割算法进行平滑处理，通过最小化如下能量函数实现：

E＝∑_p∈ImageD_p(l_p)+λ∑_{p,q}∈ΠV(p,q)·δ(l_p,l_q)，

其中，D_p(l_p)为区域数据项，表示像素p与其类别l_p的匹配程度，V(p,q)为边界平滑项，表示相邻像素p和像素q之间的不一致性，∏表示输入图像8-邻域系统中的无序像素对集合，λ为权重因子，λ取值范围0～10，δ(l_p,l_q)为指示函数，用于指示像素p的类别l_p和像素q的类别l_q是否相同，定义如下：

步骤42，计算优化后图像中各区域的像素个数，将区域像素个数小于阈值σS的区域合并到与其邻接边界最长的相邻区域中，最终生成包含区域划分信息和所选绣线颜色的铺底绣稿，其中S表示输入图像Image的像素总数，σ取值范围0～2％。

步骤41中所述区域数据项D_p(l_p)计算公式如下：

D_p(l_p)＝-log(Prob(p,l_p))；

其中，Prob(p,l_p)表示像素p属于类别l_p的概率，利用像素p的实际颜色与步骤三得到的每一类的聚类中心的色差计算得出，计算公式如下：

其中，Image(p)表示输入图像中像素p的颜色，ClusterColor(j)表示步骤三中得到的第j类的聚类中心，j＝1,...,K。

步骤41中所述边界平滑项V(p,q)计算公式如下：

其中，Image(q)表示输入图像中像素q的颜色，variance为集合∏中所有像素对之间色差的方差，d(p,q)为像素p和像素q在输入图像中的坐标距离。

本申请基于绣线色彩库，对图像进行构成颜色分析，在构成颜色的指导下对图像进行颜色聚类，得到绣线颜色，并在聚类后使用平滑算法消除聚类结果中零散的面积很小的区域，从而得到平滑的色块区域划分，生成乱针绣铺底绣稿，以便进行计算机辅助铺底绣制。

有益效果：本发明具有以下优点：首先，本发明可以在仅需用户输入颜色数目的前提下自动的对输入图像按颜色进行区域划分。其次，本发明能够自动的选择出绣制各个区域所需的绣线颜色。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1是本发明的处理流程示意图。

图2a是实施例的输入图像示例示意图。

图2b是对图2a输入图像采用本申请所述方法进行处理，生成的铺底绣稿示意图。

图3是按图2b提供的划分及绣线颜色进行铺底绣制的结果。

图4a是对图2a输入图像进行构成颜色分析过程中，利用绣线颜色库进行颜色量化的结果。

图4b是对图2a输入图像进行构成颜色分析，得到的图像构成颜色。

图5是对图2a输入图像进行颜色聚类，得到的聚类结果示意图。

具体实施方式：

如图1所示，本发明公开的是一种基于色彩聚类的乱针绣铺底绣稿生成方法，具体包括以下步骤：

步骤一，色彩空间转换：为了能够更准确的度量颜色之间的差异，需要将输入图像转换到合适的色彩空间。

步骤二，图像构成颜色分析：基于绣线颜色库，计算输入图像的颜色直方图，通过直方图分析得到图像的构成颜色。

步骤三，图像颜色聚类：在图像构成颜色的指导下对图像像素进行聚类，得到每个像素的类别，及绣制每一类所需的绣线颜色。

步骤四，铺底绣稿生成：对聚类结果进行优化，消除聚类结果中的孤立的像素点及零散的小面积区域，得到平滑的划分区域，生成乱针绣铺底绣稿。

步骤五，铺底绣制：在步骤四得到的铺底绣稿上进行铺底绣制。

本发明的输入图像为自然界的可供绣制的任意彩色图像。

下面具体介绍各个步骤的主要流程：

1.色彩空间转换

由于常用的RGB色彩空间模型中，各种颜色在数值上的差距并不能很好的反映人眼直观上对色彩差异的感觉。针对这个问题，可以先将图像色彩空间转换到CIE Lab(CIE法语：Commission internationale de l'éclairage，国际照明委员会。Lab：CIE1976(L*,a*,b*)色彩空间)或CIE Luv(CIE1976(L*,u*,v*)色彩空间)等能够直观的反映人眼感知色差的颜色空间上。本申请将输入图像转换到CIE Lab色彩空间上进行计算。CIE Lab色彩空间规范中将颜色C₁与C₂之间的色差定义为C₁、C₂在L、a、b三个通道上的欧氏距离：

2.图像构成颜色分析

基于绣线颜色库ThreadColor，分析输入图像Image的构成颜色，需用户事先指定颜色聚类类别数K。绣线颜色库ThreadColor内包括现有所有绣线的颜色。包括以下几个步骤：

步骤21，图像颜色量化：即用绣线颜色表示输入图像。对每个像素p，计算其与每种绣线颜色的距离。建立量化图像QuaImg，令量化图像中每个像素的颜色为与输入图像中对应位置像素颜色最接近的绣线颜色，即：QuaImg(p)＝ThreadColor(x)，其中x满足Dis(ThreadColor(x),Image(p))<Dis(ThreadColor(y),Image(p))，Dis(·)表示在步骤1中的色彩空间上计算两种颜色之间色差的函数。

步骤22，计算颜色直方图：步骤21得到的量化图像QuaImg仅由少量有限的颜色构成，先统计QuaImg中各种颜色所占的比例，并按占比从大到小排序，得到QuaImg的颜色直方图Hist。取出其中前N种颜色，N的为满足的最小N值，Hist_i表示直方图中的第i种颜色的占比，i取值1～N，即保证所有取出的颜色总占比不小于80％的同时，使取出的颜色最少。

步骤23，得到图像构成颜色：对步骤22得到的N种颜色使用文献8：Defays D.Anefficient algorithm for a complete link method[J].The Computer Journal,1977,20(4):364-366.中提出的层次聚类算法进行聚类，得到K类的中心色即为图像的K个构成颜色MainColor{1,...,K}。

3.图像颜色聚类

在步骤二中得到的图像构成颜色的指导下，基于绣线颜色库ThreadColor在输入图像Image上进行K均值聚类，得到每个像素的类别，及绣制每一类所需的绣线颜色。包括以下几个步骤：

步骤31，将步骤二中得到的图像构成颜色设置为聚类中心：

ClusterColor(m)＝MainColor(m),m∈[1,K]；

ClusterColor(m)表示第m个聚类中心的颜色。

步骤32，对每个像素p，计算其与每个聚类中心的距离，并将该像素划分到距离最近的那个聚类中心上，得到该像素的类别l_p∈{1,2,...,K}，即将像素p划分到第l_p类。

步骤33，根据所有像素的划分，重新计算聚类中心。新的聚类中心为绣线颜色库中与类别平均色最接近的绣线颜色。即对每一类别t，先计算出该类所包含所有像素的平均色，然后计算该平均色与所有绣线颜色的距离，将距离最小的绣线颜色ThreadColor(n)设置为此类新的聚类中心，即ClusterColor(t)＝ThreadColor(n)。

步骤34，判断步骤33迭代过程中聚类中心与步骤32比是否发生变化，若未发生变化，则结束迭代过程，将当前聚类中心颜色定为绣制所需绣线颜色，转步骤四，否则转步骤32。

4.铺底绣稿生成

对步骤三中得到的聚类结果进行优化，消除聚类结果中孤立的像素点及零散的小面积区域，得到均匀平滑的划分区域，生成铺底绣稿。包括以下几个步骤

步骤41，利用图的最小割算法进行平滑处理，重新分配各像素的类别。本发明通过最小化如下能量函数实现：

E＝∑_p∈ImageD_p(l_p)+λ∑_{p,q}∈ΠV(p,q)·δ(l_p,l_q)

其中，D_p(l_p)为区域数据项，表示像素p与其类别l_p的匹配程度，D_p(l_p)越小，表示两者越匹配，像素p的属于类别l_p的可能性越大；V(p,q)为边界平滑项，表示像素p和像素q之间的不一致性，V(p,q)越小，表示像素p与像素q越不一致，两者划分到不同区域的可能性越大；∏表示原图像8-邻域系统中的无序像素对集合，λ为权重因子，λ取值范围0～10，δ(l_p,l_q)为指示函数，指示像素p的类别l_p和像素q的类别l_q是否相同，定义如下：

区域数据项D_p(l_p)设置为像素p的属于类别l_p的概率Prob(p,l_p)的负对数，即：

D_p(l_p)＝-log(Prob(p,l_p))；

其中，像素p属于类别l_p的概率Prob(p,l_p)利用像素p的实际颜色与步骤三得到的每一类的聚类中心的色差计算得出，计算公式如下：

利用如下公式计算出边界平滑项V(p,q)：

其中，variance为∏中所有像素对之间色差的方差，d(p,q)为像素p和像素q在图像中的坐标距离。权重因子λ可设置为8。

本申请使用文献9：Boykov Y,Veksler O,Zabih R.Fast approximate energyminimization via graph cuts[J].IEEE Transactions on Pattern Analysis andMachine Intelligence,2001,23(11):1222-1239.中描述的方法求解该能量最小化问题。

步骤42，计算优化后图像中各区域的像素个数，将区域像素个数小于阈值σS的区域合并到与其邻接边界最长的相邻区域中。σ通常可设为0.5％，S表示输入图像Image的像素总数。最终生成的铺底绣稿包含区域划分信息和步骤三得到的绣线颜色。

5.铺底绣制

在步骤四得到的铺底绣稿上进行铺底绣制。采用“中国专利ZL201010175217.8一种计算机辅助乱针绣制作方法”中的绣制方法，使用所选出绣线颜色对划分得到的平滑色块区域进行铺底绣制。

实施例

本实施例中，绣线颜色库为绣线生产厂商DMC的454种绣线颜色。如图2a为输入的待处理图像，通过本发明所述的一种基于色彩聚类的乱针绣铺底绣稿生成方法，可从图2a中的输入图像得到如图2b的铺底绣稿，图2b中包含区域划分和所选绣线颜色，每个区域中括号里面的数值表示从绣线颜色库中选择出来的用来铺底绣制该区域的绣线颜色的RGB值。最终能够得到图3所示的铺底绣制效果。由于本发明的特殊性，本实施例中的附图，需要使用灰度效果显示。

具体实施过程如下：

输入如图2a的图像后，用户输入图像颜色聚类数K＝2。

步骤一中，将输入图像转换到CIE Lab色彩空间。

步骤二中，对输入图像进行主色调分析。先进行颜色量化，计算出每个像素颜色最接近的绣线颜色，用对应的绣线颜色替换原像素颜色，得到如图4a所示的由有限的离散颜色组成的图像。然后统计量化后图像的颜色直方图，对占比最大的前N种颜色进行聚类，得到如图4b所示的图像构成颜色。

步骤三中，利用图像构成颜色作为初始聚类中心，对输入图像进行颜色聚类，聚类收敛后得到新的中心色和每个像素对应的中心，如图5。这里的聚类中心色是绣线颜色库中的某一种颜色。

步骤四中，对图5的聚类结果进行优化，使用图的最小割算法优化后，合并像素个数少于0.5％×S的区域后，得到乱针绣铺底绣稿，结果如图2b。

步骤五中，利用步骤四得到的铺底绣稿中给出的绣线颜色和色块区域划分结果，进行模拟的铺底绣制，绣制结果如图3。

本发明提供了一种基于色彩聚类的乱针绣铺底绣稿生成方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (3)

1.一种基于色彩聚类的乱针绣铺底绣稿生成方法，其特征在于，包括以下步骤：

步骤一，色彩空间转换：将输入图像Image转换到CIE Lab色彩空间；

步骤二，图像构成颜色分析：基于绣线颜色库，计算输入图像的颜色直方图，通过对直方图进行分析得到图像构成颜色；

步骤三，图像颜色聚类：根据图像构成颜色对图像像素进行聚类，得到每个像素的类别，及绣制每一类别所需的绣线颜色；

步骤四，铺底绣稿生成：对聚类结果进行优化，消除聚类结果中的孤立的像素点及零散的小面积区域，得到平滑的划分区域，生成乱针绣铺底绣稿；

步骤五，铺底绣制：在步骤四得到的铺底绣稿上进行铺底绣制；

步骤二中所述图像构成颜色分析包括以下步骤：

步骤21，图像颜色量化：找出与每个像素最接近的绣线颜色，并用该绣线颜色代替像素原始颜色，得到量化图像QuaImg；

步骤22，计算颜色直方图：统计量化图像QuaImg中各种颜色所占的比例，并按占比从大到小排序，得到量化图像QuaImg的颜色直方图Hist，取出占比最高的前N种颜色，N为满足的最小N值，Hist_i表示直方图中的第i种颜色的占比，i取值1～N；

步骤23，得到图像构成颜色：根据用户输入的颜色数K对步骤22得到的N种颜色使用层次聚类算法进行聚类，得到K类的中心色即为图像的K个构成颜色；

步骤三中所述图像颜色聚类包括以下步骤：

步骤31，设置初始聚类中心，即将步骤二中得到的图像构成颜色设置为聚类中心；

步骤32，对每个像素p，计算其与每个聚类中心色的色差，并将该像素划分到距离最近的聚类中心，得到该像素p的类别l_p∈{1,2,...,K}，即将像素p划分到第l_p类；

步骤33，根据步骤32得到的所有像素的类别，重新计算聚类中心，新的聚类中心为绣线颜色库中与属于该类别的所有像素的平均色色差最小的绣线颜色；

步骤34，判断步骤33迭代过程中聚类中心与步骤32比是否发生变化，若未发生变化，则结束迭代过程，将当前聚类中心颜色定为绣制所需绣线颜色，转步骤四，否则转步骤32；

步骤四中所述的铺底绣稿生成部分包括以下步骤：

步骤41，利用图的最小割算法进行平滑处理，重新分配各像素的类别，通过最小化如下能量函数实现：

E＝∑_p∈ImageD_p(l_p)+λ∑_{p,q}∈ΠV(p,q)·δ(l_p,l_q)，

其中，D_p(l_p)为区域数据项，表示像素p与其类别l_p的匹配程度，V(p,q)为边界平滑项，表示相邻像素p和像素q之间的不一致性，Π表示输入图像8-邻域系统中的无序像素对集合，λ为权重因子，λ取值范围0～10，δ(l_p,l_q)为指示函数，用于指示像素p的类别l_p和像素q的类别l_q是否相同，定义如下：

$\mathrm{\&delta;}(l_p,l_q)=\left\{\begin{array}{cc}0,& l_p=l_q\\ 1,& l_p\&NotEqual;l_q\end{array}\right.;$

步骤42，计算优化后图像中各区域的像素个数，将区域像素个数小于阈值σS的区域合并到与其邻接边界最长的相邻区域中，最终生成包含区域划分信息和所选绣线颜色的铺底绣稿，其中S表示输入图像Image的像素总数，σ取值范围0～2％。

2.根据权利要求1所述的一种基于色彩聚类的乱针绣铺底绣稿生成方法，其特征在于，步骤41中所述区域数据项D_p(l_p)计算公式如下：

D_p(l_p)＝-log(Prob(p,l_p))；

其中，Prob(p,l_p)表示像素p属于类别l_p的概率，利用像素p的实际颜色与步骤三得到的每一类的聚类中心的色差计算得出，计算公式如下：

$\mathrm{Pr}ob(p,l_p)=\frac{\frac{1}{Dis\left(\mathrm{Im}age\right(p)-ClusterColor(l_p\left)\right)}}{{\&Sigma;}_{j=1}^K\frac{1}{Dis\left(\mathrm{Im}age\right(p)-ClusterColor(j\left)\right)}},$

其中，Image(p)表示输入图像中像素p的颜色，ClusterColor(j)表示步骤三中得到的第j类的聚类中心颜色，j＝1,...,K。

3.根据权利要求2所述的一种基于色彩聚类的乱针绣铺底绣稿生成方法，其特征在于，步骤41中所述边界平滑项V(p,q)计算公式如下：

$V(p,q)=\exp (-\frac{Dis\left(\mathrm{Im}age\right(p)-\mathrm{Im}age(q\left)\right)}{(2*\mathrm{var}iance)})/d(p,q),$

其中，Image(q)表示输入图像中像素q的颜色，variance为集合Π中所有像素对之间色差的方差，d(p,q)为像素p和像素q在输入图像中的坐标距离。