CN104574307B - 一种绘画作品图像的主要颜色提取方法 - Google Patents
一种绘画作品图像的主要颜色提取方法 Download PDFInfo
- Publication number
- CN104574307B CN104574307B CN201410841622.7A CN201410841622A CN104574307B CN 104574307 B CN104574307 B CN 104574307B CN 201410841622 A CN201410841622 A CN 201410841622A CN 104574307 B CN104574307 B CN 104574307B
- Authority
- CN
- China
- Prior art keywords
- colors
- color
- kinds
- mrow
- msub
- 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.)
- Expired - Fee Related
Links
Abstract
本发明属于图像处理技术领域,特别涉及一种绘画作品图像的主要颜色提取方法。包括以下步骤:步骤1、颜色聚类:将绘画作品图像输入,并选取15种颜色;步骤2、因素量化:分析15种颜色的面积因素、纯度因素及对比因素;步骤3、颜色排序:根据步骤2的三种因素进行评分获得15种颜色的评分;步骤4、颜色挑选:按照步骤3中的评分顺序和挑选原则,选取5个颜色。本发明的有益效果为,用本方法可以针对绘画作品图像得到准确的主要颜色,进而用这些主要颜色指导图像着色和图像颜色传递得到更好的效果。本方法充分考虑了人作画的过程,并进行量化,得到了符合人类视觉认知的绘画作品图像的主要颜色。该方法在结果质量方面有质的提升。
Description
技术领域
本发明属于图像处理技术领域,特别涉及一种绘画作品图像的主要颜色提取方法。
背景技术
美术中常用颜色组合来描述图像的主要颜色,即图像的主要颜色构成。颜色组合(color theme或color combination)是由几种颜色构成的一组搭配,常用三色组合和五色组合。
国际上关于图像主要颜色提取的相关研究工作中,最简单的一种方法是基于颜色直方图的提取方法,即选择颜色直方图中像素个数多的三个或五个颜色作为主要颜色。之后提出了基于分块的主要颜色提取方法,考虑了图像颜色的空间位置分布,将图像分为规则的等大小的矩形块,然后分别计算颜色直方图并汇总。由于矩形的分块方法没有考虑图像内容语义,图像内的一个对象可能被分到不同的块中,所以提出了基于图像分割的提取方法。其方法是根据图像分割的结果,提取不同的分割区域的颜色直方图并汇总。由于颜色直方图确定了颜色区间的划分,对于区间边界上的颜色划分存在争议,所以提出了Kmeans聚类的提取方法。该方法根据颜色的相似性自动聚类为三类或五类得到主要颜色。这些方法都有一定程度的不足,如基于聚类的方法将图像中相似颜色做平均,可能导致提取的颜色与图像中颜色有较大差异;基于图像分割和颜色直方图的方法提取图像中占有面积大的颜色,可能丢失虽然占有面积不大但是对于图像表现力重要的颜色。基于上述不足,X.Wang等人提出了基于心理学和美学原理的主要颜色提取方法,在图像分割的基础上,对分割区域的颜色汇总时选择那些占图像面积大并与周围颜色有强烈对比的颜色。
上述方法的提取过程可以归纳为在做减法,即从图像的所有像素点中抽取主要颜色。为了照顾到大部分的颜色,所以提取的颜色往往是叠加了大部分颜色之后的颜色,给人的感觉是颜色不纯。而人在作画的时候是先确定主要颜色,然后在这个颜色的基础上加入其他颜色来绘制出丰富的颜色,这个过程可以归纳为在做加法。在图像的颜色提取方面,目前还没有针对绘画作品图像的技术,本专利模拟人作画的过程提取绘画作品图像的主要颜色。
发明内容
本发明解决的技术问题是,图像的主要颜色是描述图像颜色构成的重要指标。现有技术没有考虑绘画作品图像的非自然性和夸张的艺术表现性等特点,得到的主要颜色不准确,或不纯,或得到的颜色不够丰富。为了克服这些传统方法中的不足之处,就要重新寻求一种针对绘画作品图像的新方法。本发明的目的就是针对绘画作品图像,提供一种准确的主要颜色提取方法。
一种绘画作品图像的主要颜色提取方法,包括以下步骤:
步骤1、颜色聚类:将绘画作品图像输入,并选取15种颜色;
步骤2、因素量化:分析15种颜色的面积因素、纯度因素及对比因素;
步骤3、颜色排序:根据步骤2的三种因素进行评分获得15种颜色的评分;
步骤4、颜色挑选:按照步骤3中的评分顺序,选取5个颜色。
进一步地,所述步骤1中应用Kmeans聚类方法,获得绘画作品中15种颜色,得到一个包含15种颜色的集合{ci},i=1,2,...,15,15种颜色采用HSV颜色空间表示,即ci=(huei,sati,vali);其中hue指的就是色调(H)、sat指的是饱和度(S)与val指的是亮度(V)。
进一步地,所述步骤2中的面积因素:将得到的十五种颜色算出各自占整个像素的比例,即每种颜色对应的像素点个数与图像像素点个数的比值,即{areai};
纯度因素:这里的所述的纯度因素,指的是15种颜色采用HSV颜色空间表示,里面的饱和度(sat)就是为15种颜色所述的纯度因素,即{sati};
对比因素:指的是选出的15种颜色中的一种与其他剩余的14种颜色的对比强烈度,通过计算15种颜色中的一种与剩余14种颜色的欧氏距离的平均值,得到的数值就是该种颜色的对比因素得分,即:
进一步地,对步骤1聚类得到的15个颜色计算评分,应用公式si=w1·areai+w2·sati+w3·disi进行评分,其中areai是颜色ci的面积因素得分,sati是颜色ci的纯度因素得分,disi是颜色ci的对比因素得分,w1,w2和w3分别设置为0.4,0.2和0.4,将15个颜色按照公式计算得到的评分从大到小排序。
进一步地,步骤4中选取颜色,首先忽略黑白灰无彩色;同时选择与已选颜色的色相差异大于0.2的颜色,其中色相的取值范围是[0,1]。
本发明的有益效果为,用本方法可以针对绘画作品图像得到准确的主要颜色,进而用这些主要颜色指导图像着色(Colorization)和图像颜色传递(Color Transfer)得到更好的效果。本方法充分考虑了人作画的过程,并进行量化,得到了符合人类视觉认知的绘画作品图像的主要颜色。该方法在结果质量方面有质的提升。
附图说明
图1为本发明的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
本发明提供一种绘画作品图像的主要颜色提取方法,具体包括以下步骤:
步骤一、颜色聚类:首先将输入绘画作品图像,将绘画作品图像的色彩从RGB色彩空间转换到HSV空间,采用Kmeans聚类方法,获得绘画作品中15种颜色,得到一个包含15种颜色的集合{ci},i=1,2,...,15,15种颜色采用HSV颜色空间表示,即ci=(huei,sati,vali);
上述颜色采用HSV颜色空间表示c中:hue指的就是色调(H)、sat指的是饱和度(S)与val指的是亮度(V);
所述Kmeans聚类方法,针对本绘画作品的应用:首先从像素点中选出15个对象作为初始聚类中心,而对所剩下其它像素点对象,则根据它们与这些聚类中心的欧氏距离,分别将他们分配给与其最近似的聚类中,然后计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这个过程直到标准函数开始收敛为止。就可以将15种主要的颜色选出。
步骤二、因素量化:对步骤一中的十五种颜色分析其面积因素、纯度因素及对比因素:
面积因素:将得到的十五种颜色算出各自占整个像素的比例,即每种颜色对应的像素点个数与图像像素点个数的比值,即{areai};
纯度因素:这里的所述的纯度因素,指的是15种颜色采用HSV颜色空间表示,里面的饱和度(sat)就是为15种颜色所述的纯度因素,即{sati};
对比因素:指的是选出的15种颜色中的一种与其他剩余的14种颜色的对比强烈度,通过计算15种颜色中的一种与剩余14种颜色的欧氏距离的平均值,得到的数值就是该种颜色的对比因素得分,即:
步骤三、颜色排序:对步骤a聚类得到的15个颜色按照公式(1.2)计算评分,其中areai是颜色ci的面积因素得分,sati是颜色ci的纯度因素得分,disi是颜色ci的对比因素得分,w1,w2和w3分别设置为0.4,0.2和0.4,将15个颜色按照公式(1.2)得到的评分从大到小排序;
si=w1·areai+w2·sati+w3·disi (1.2);
步骤四:颜色挑选:根据下面两个原则,按照步骤三得到的顺序进行颜色挑选,直到选择得到了5个颜色。两个原则为:(1)忽略黑白灰无彩色。因为黑白灰无彩色是每幅绘画作品中必然出现的颜色,主要起修饰作用。(2)选择与已选颜色的色相差异大于0.2的颜色,其中色相的取值范围是[0,1]。该条原则的目的是使得颜色组合尽可能的丰富。
Claims (4)
1.一种绘画作品图像的主要颜色提取方法,其特征在于,包括以下步骤:
步骤1、颜色聚类:将绘画作品图像输入,并选取15种颜色;
步骤2、因素量化:分析15种颜色的面积因素、纯度因素及对比因素;
步骤3、颜色排序:根据步骤2的三种因素进行评分获得15种颜色的评分;
步骤4、颜色挑选:按照步骤3中的评分顺序,选取5个颜色;
所述步骤1中应用Kmeans聚类方法,获得绘画作品中15种颜色,得到一个包含15种颜色的集合{ci},i=1,2,...,15,15种颜色采用HSV颜色空间表示,即ci=(huei,sati,vali);其中hue指的就是色调(H)、sat指的是饱和度(S)与val指的是亮度(V);
所述Kmeans聚类方法,针对绘画作品的应用:首先从像素点中选出15个对象作为初始聚类中心,而对所剩下其它像素点对象,则根据它们与这些聚类中心的欧氏距离,分别将他们分配给与其最近似的聚类中,然后计算每个所获新聚类的聚类中心,所述新聚类的聚类中心为该聚类中所有对象的均值;不断重复这个过程直到标准函数开始收敛为止,就可以将15种主要的颜色选出。
2.根据权利要求1所述的提取方法,其特征在于,所述步骤2中的面积因素:将得到的十五种颜色算出各自占整个像素的比例,即每种颜色对应的像素点个数与图像像素点个数的比值,即{areai};
纯度因素:这里的所述的纯度因素,指的是15种颜色采用HSV颜色空间表示,里面的饱和度(sat)就是为15种颜色所述的纯度因素,即{sati};
对比因素:指的是选出的15种颜色中的一种与其他剩余的14种颜色的对比强烈度,通过计算15种颜色中的一种与剩余14种颜色的欧氏距离的平均值,得到的数值就是该种颜色的对比因素得分,即:
<mrow>
<msub>
<mi>dis</mi>
<mi>i</mi>
</msub>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>hue</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>hue</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>sat</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>sat</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>val</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>val</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>.</mo>
</mrow>
3.根据权利要求2所述的提取方法,其特征在于,对步骤1聚类得到的15个颜色计算评分,应用公式si=w1·areai+w2·sati+w3·disi进行评分,其中areai是颜色ci的面积因素得分,sati是颜色ci的纯度因素得分,disi是颜色ci的对比因素得分,w1,w2和w3分别设置为0.4,0.2和0.4,将15个颜色按照公式计算得到的评分从大到小排序。
4.根据权利要求3所述的提取方法,其特征在于,步骤4中选取颜色,首先忽略黑白灰无彩色;同时选择与已选颜色的色相差异大于0.2的颜色,其中色相的取值范围是[0,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410841622.7A CN104574307B (zh) | 2014-12-30 | 2014-12-30 | 一种绘画作品图像的主要颜色提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410841622.7A CN104574307B (zh) | 2014-12-30 | 2014-12-30 | 一种绘画作品图像的主要颜色提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574307A CN104574307A (zh) | 2015-04-29 |
CN104574307B true CN104574307B (zh) | 2017-09-29 |
Family
ID=53090288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410841622.7A Expired - Fee Related CN104574307B (zh) | 2014-12-30 | 2014-12-30 | 一种绘画作品图像的主要颜色提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574307B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107135420A (zh) * | 2017-04-28 | 2017-09-05 | 歌尔科技有限公司 | 基于虚拟现实技术的视频播放方法及系统 |
CN109255807B (zh) * | 2017-07-13 | 2023-02-03 | 腾讯科技(深圳)有限公司 | 一种图像信息处理方法及服务器、计算机存储介质 |
CN107578451A (zh) * | 2017-09-20 | 2018-01-12 | 太原工业学院 | 一种面向自然图像的自适应主色提取方法 |
CN107862663A (zh) * | 2017-11-09 | 2018-03-30 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、可读存储介质和计算机设备 |
CN108596105B (zh) * | 2018-04-26 | 2023-02-03 | 李辰 | 增强现实书画系统 |
CN109859284B (zh) * | 2019-01-04 | 2023-04-18 | 广东智媒云图科技股份有限公司 | 一种基于圆点的绘画实现方法及系统 |
CN110069646B (zh) * | 2019-03-15 | 2021-03-30 | 杭州电子科技大学 | 一种中国画色彩特征的颜色可视表达方法 |
CN111768469A (zh) * | 2019-11-13 | 2020-10-13 | 中国传媒大学 | 一种基于图像聚类的数据可视化配色的提取方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7606414B2 (en) * | 2005-03-11 | 2009-10-20 | Honeywell International Inc. | Fusion of color space data to extract dominant color |
CN102722880B (zh) * | 2011-03-29 | 2014-12-10 | 阿里巴巴集团控股有限公司 | 图像主颜色的识别方法、装置及图像匹配方法和服务器 |
CN102982350B (zh) * | 2012-11-13 | 2015-10-28 | 上海交通大学 | 一种基于颜色和梯度直方图的台标检测方法 |
-
2014
- 2014-12-30 CN CN201410841622.7A patent/CN104574307B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104574307A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574307B (zh) | 一种绘画作品图像的主要颜色提取方法 | |
Li et al. | Aesthetic visual quality assessment of paintings | |
CN101651772B (zh) | 一种基于视觉注意的视频感兴趣区域的提取方法 | |
CN103456010B (zh) | 一种基于特征点定位的人脸卡通画生成方法 | |
US20170148189A1 (en) | Color Identifying System, Color Identifying Method and Display Device | |
CN107403183A (zh) | 整合目标检测和图像分割为一体的智能分割方法 | |
CN103186904A (zh) | 图片轮廓提取方法及装置 | |
CN105701468A (zh) | 一种基于深度学习的人脸吸引力评价方法 | |
CN103325117B (zh) | 一种基于matlab的岩心图像处理方法及系统 | |
CN104732524B (zh) | 血液白细胞显微图像的随机权网络分割方法 | |
CN109191428A (zh) | 基于掩蔽纹理特征的全参考型图像质量评价方法 | |
CN105761202B (zh) | 一种彩色图像颜色迁移方法 | |
CN103793888B (zh) | 一种基于参照图像的主要颜色的图像增强方法 | |
CN107590818A (zh) | 一种交互式视频分割方法 | |
CN103778628A (zh) | 田间开放环境下的叶片病害程度获取方法及系统 | |
CN106937120A (zh) | 基于对象的监控视频浓缩方法 | |
CN109215091A (zh) | 一种基于图表示的服装流行色彩自动提取方法 | |
CN110176016A (zh) | 一种基于人体轮廓分割与骨骼识别的虚拟试衣方法 | |
CN107169508A (zh) | 一种基于融合特征的旗袍图像情感语义识别方法 | |
CN103559712B (zh) | 黑瓜子色选方法 | |
CN106097354A (zh) | 一种结合自适应高斯肤色检测和区域生长的手部图像分割方法 | |
CN104156959A (zh) | 一种视频抠图方法及装置 | |
CN102184404A (zh) | 掌纹图像中手掌区域的获取方法及装置 | |
Zhu et al. | Application of intelligent image color technology in teaching Chinese painting color | |
CN105701173B (zh) | 一种基于外观设计专利的多模态图像检索方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170929 Termination date: 20201230 |
|
CF01 | Termination of patent right due to non-payment of annual fee |