CN104952084B - 颜色量化方法及系统 - Google Patents

颜色量化方法及系统 Download PDF

Info

Publication number
CN104952084B
CN104952084B CN201510276541.1A CN201510276541A CN104952084B CN 104952084 B CN104952084 B CN 104952084B CN 201510276541 A CN201510276541 A CN 201510276541A CN 104952084 B CN104952084 B CN 104952084B
Authority
CN
China
Prior art keywords
color
different colours
setting quantity
kind different
colors
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
Application number
CN201510276541.1A
Other languages
English (en)
Other versions
CN104952084A (zh
Inventor
杨文健
肖德崇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Oneplus Technology Shenzhen Co Ltd
Original Assignee
Oneplus Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Oneplus Technology Shenzhen Co Ltd filed Critical Oneplus Technology Shenzhen Co Ltd
Priority to CN201510276541.1A priority Critical patent/CN104952084B/zh
Publication of CN104952084A publication Critical patent/CN104952084A/zh
Application granted granted Critical
Publication of CN104952084B publication Critical patent/CN104952084B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种颜色量化方法，包括如下步骤：对待处理图像进行分析，得到第一设定数量N种不同颜色；所述第一设定数量N种不同颜色为待处理图像中的颜色分布量排名前N的颜色；从所述第一设定数量N种不同颜色中取出第二设定数量M种不同颜色，并获得种包含第二设定数量M种不同颜色的组合；对所述种包含第二设定数量M种不同颜色的组合中的颜色相互之间的差异进行量化，获得差异最大的M种不同颜色。本发明还涉及一种颜色量化系统。上述颜色量化方法和系统能从一组颜色中最大程度地避免取出相似的颜色挑选出差异最大的几种颜色。

Description

颜色量化方法及系统
技术领域
本发明涉及图像处理技术领域，特别是涉及基于HLS的颜色量化方法及系统。
背景技术
为了可以最大限度地保证图像信息的完整性，多数彩色图像采用了24位真彩色存储图像。但是在许多情形中，我们必须使用8位的256色图像，这时就需要将24位真彩色图像转化为8位彩色图像，即进行减色处理。这种将一幅原来具有丰富色彩的图像，只使用较少数目的颜色集来表示，并且在这个过程中尽量保持原来图像的逼真显示效果的过程叫做颜色量化(color quantization)。
颜色量化是利用人眼对颜色的惰性，将原图像中不太重要的相似颜色合并为一种颜色，减少图像中的颜色，而使量化前后的图像对于人眼的认识误差最小即量化误差最小，颜色量化的目的在于减少显示一幅图像所需颜色的数目。随着图案设计系统的网络化，目前对图像颜色量化的要求就更高。
传统的进行颜色量化的方法一般是对图像进行解析，取出图像中一组(一般为10种左右)分布最多的颜色值予以保留，其他分布较少的颜色值直接忽略掉，这样图像中的颜色集非常小，可以达到颜色量化的目的。
然而这种方法选出来的分布最多的几种颜色相互之间本来就可能非常接近，而非常接近的颜色是可以用一种颜色来代替的，这就导致颜色集不能包含更多种颜色。
发明内容
基于此，有必要提供一种颜色量化方法，能够从一组颜色中最大程度地挑选出差异最大的几种颜色，以使颜色集能够包含的颜色数量更多，量化效果更好。
一种颜色量化方法，包括如下步骤：
对待处理图像进行分析，得到第一设定数量N种不同颜色；所述第一设定数量N种不同颜色为待处理图像中的颜色分布量排名前N的颜色；
从所述第一设定数量N种不同颜色中取出第二设定数量M种不同颜色，并获得种包含第二设定数量M种不同颜色的组合；
对所述种包含第二设定数量M种不同颜色的组合中的颜色相互之间的差异进行量化，获得差异最大的M种不同颜色。
在其中一个实施例中，所述对M种不同颜色的组合中的颜色相互之间的差异进行量化的步骤包括：
计算M种不同颜色中每种颜色对应的色相值、饱和度值、亮度值；
计算M种颜色中每两种颜色之间在HSL颜色空间的距离，并累加得到距离之和。
在其中一个实施例中，所述对待处理图像进行分析的步骤为：将待处理的图像的像素颜色用红绿蓝三原色亮度值进行表示，并统计每种颜色的数量。
在其中一个实施例中，所述统计方法包括：从图像的第一行像素开始，对每个像素获取其颜色，判断是否为新出现的颜色，如果是，则将该颜色的数量置为1，如果不是，则将该颜色的数量加1。
在其中一个实施例中，所述第一设定数量N≥10，所述第二设定数量M<N。
在其中一个实施例中，所述第一设定数量N＝10，第二设定数量M＝5。
一种颜色量化系统，包括：
图像分析模块，用于对待处理图像进行分析，得到第一设定数量N种不同颜色；所述第一设定数量N种不同颜色为待处理图像中的颜色分布量排名前N的颜色；
取色模块，用于从所述第一设定数量N种不同颜色中取出第二设定数量M种不同颜色，并获得种包含第二设定数量M种不同颜色的组合；对所述种包含第二设定数量M种不同颜色的组合中的颜色相互之间的差异进行量化，获得差异最大的M种不同颜色。
在其中一个实施例中，所述取色模块包括颜色转换单元和差异量化单元，所述颜色转换单元用于计算M种不同颜色中每种颜色对应的色相值、饱和度值、亮度值；所述差异量化单元用于计算M种颜色中每两种颜色之间在HSL颜色空间的距离，并累加得到距离之和。
在其中一个实施例中，所述图像分析模块包括统计单元，所述统计单元用于将待处理的图像的像素颜色用红绿蓝三原色亮度值进行表示，并统计每种颜色的数量。
在其中一个实施例中，所述第一设定数量N≥10，所述第二设定数量M<N。
上述颜色量化方法和系统能从一组颜色中最大程度地避免取出相似的颜色挑选出差异最大的几种颜色，以使颜色集能够包含的颜色数量更多，量化效果更好。
附图说明
图1为一实施例颜色量化方法流程图；
图2为圆柱坐标及基于圆柱坐标的两颜色距离示意图；
图3为一实施例的颜色量化系统模块图。
具体实施方式
以下结合附图和实施例进行进一步说明。
图1为一实施例的颜色量化方法流程图。该方法包括如下步骤：
步骤S110：对待处理图像进行分析，得到第一设定数量N种不同颜色。在本实施方式中，根据所述待处理图像中的各颜色分布量取排名靠前的N种不同颜色。
对待处理的图像的每个像素点的颜色用红绿蓝(RGB)三原色亮度值进行表示。根据颜色理论，任何颜色均可由三原色混合得到。红、绿、蓝三个颜色分量一般分为0～255一共256阶亮度，当三原色各取256阶亮度中的任意一个值进行混合时，一共可以得到256×256×256＝16,777,216种不同的颜色。当两种颜色的三个颜色分量对应相同时，认定这两个颜色相同。
本步骤中对各颜色的分布量进行统计是统计图像中出现过的所有颜色的像素数量。一种统计方法是，从图像的第一行像素开始，对每个像素获取其颜色，判断是否为新出现的颜色，如果是，则将该颜色的数量置为1，如果不是，则将该颜色的数量加1。依次处理所有的像素，即可得到图像中各颜色的分布量。
统计完成后，就能够得知图像中各种颜色的数量多少。取颜色分布量取排名靠前的N种不同颜色以进行后续处理。分布量大说明这种颜色在图像中大量出现，适合作为量化的候选颜色。
步骤S120：从所述第一设定数量N种不同颜色中取出第二设定数量M种不同颜色，并获得种包含第二设定数量M种不同颜色的组合。
本步骤从N种候选颜色中进一步取出M种不同颜色的组合进行考察，一共需要考察种颜色组合。例如，如果量化后的颜色集的颜色数量，即第二设定数量M，为5种，则在步骤S110中选取的候选颜色的数量，即第一设定数量N，可以为10种。在这10种候选颜色中，可能存在相互之间比较接近的颜色，例如三原色分量均相差10以内的颜色。多选取几种候选颜色，并从中进一步选择进行考察，可以尽量避免选出的颜色集出现接近的颜色的可能。
可以理解，候选颜色还可以是其他数量，例如15种、20种等。当候选颜色数量较多时，值较大，所需要考察的颜色的组合就越多，计算的效率会较低。当候选颜色数量较少时，因为选择的余地较小，出现接近颜色的可能会变大。在具体的实施例中，可以根据需要进行确定。
步骤S130：对所述种包含第二设定数量M种不同颜色的组合中的颜色相互之间的差异进行量化，获得差异最大的M种不同颜色。
对同一颜色，可以采用不同的颜色表示法进行表示，除了前述的RGB三原色表示法，还有其他多种表示方式，例如HSL模型表示法。在HSL模型中，HSL是Hue(色相)、Saturation(饱和度)、Luminance(明度)首个字母的缩写。HSL把颜色描述在圆柱体内的点，这个圆柱的中心轴取值为自底部的黑色到顶部的白色而在它们中间是的灰色，绕中心轴的角度对应于色相(h)，到这个轴的距离对应于饱和度(s)，而沿着中心轴的距离对应于亮度(l)。因此，颜色的RGB值也可以转化到HSL空间。
本步骤对颜色的差异进行量化就是基于颜色的HSL表示。故首先将步骤S110中取出的N种颜色转换到HSL空间。
在本实施方式中，所述的颜色差异量化通过下述方式完成：计算步骤S120中的的排列组合中的每组颜色各自对应的色相、饱和度和亮度，然后计算每组中每两种颜色之间在HSL颜色空间的距离，并累加得到距离之和。
下面结合图2详细论述计算过程。
如图2所示的圆柱坐标及基于圆柱坐标的两颜色距离示意图，图中有共有五种颜色，分别为M1、M2、M3、M4和M5。每种颜色都可以用HSL模型中的颜色坐标(h,s,l)，圆柱坐标(x,y,z)和圆柱的半径r来表示，即这五种颜色的坐标可以分别表示为：
M1:(h1,s1,l1),(x1,y1,z1)；
M2:(h2,s2,l2),(x2,y2,z2)；
M3:(h3,s3,l3),(x3,y3,z3)；
M4:(h4,s4,l4),(x4,y4,z4)；
M5:(h5,s5,l5),(x5,y5,z5)。
当然圆柱坐标(x,y,z)可以用HSL模型中的颜色坐标(h,s,l)来表示：
x＝r*cos(2πh)；y＝r*sin(2πh)；z＝l；
M1与M2之间的距离d1的平方表示为：
d12＝(x1-x2)2+(y1-y2)2+(z1-z2)2；
同理可以算出这五种颜色任意两种颜色之间的距离：d1、d2、d3…d10。
然后把这五种颜色任意两种颜色之间的距离相加，得到：
S1＝d1+d2+d3+…+d10。
用距离之和S1来表示这五种颜色之间的差异。
对N＝10，M＝5的情况，从10种颜色中任意挑选5种颜色进行考察，一共有种组合方式，然后计算每种组合中每两种颜色在HSL模型中的距离之和S，即可得到252组距离之和(S1、S2…S252)。取S1～S252中的最大值对应的颜色组合，即认为是颜色相互之间差异最大的颜色组合。利用该颜色组合对图像进行颜色量化，可以避免取到接近的颜色，在颜色集的颜色数量固定的情况下，能够尽可能地多保留差异较大的颜色，使颜色量化的效果提升。
图3示出一实施例的颜色量化系统。该颜色量化系统包括图像分析模块100和取色模块200。
图像分析模块100用于对待处理图像进行分析，得到第一设定数量N种不同颜色；所述第一设定数量N种不同颜色为待处理图像中的颜色分布量排名前N的颜色。取色模块200用于从所述第一设定数量N种不同颜色中取出第二设定数量M种不同颜色，并获得种包含第二设定数量M种不同颜色的组合；对所述种包含第二设定数量M种不同颜色的组合中的颜色相互之间的差异进行量化，获得差异最大的M种不同颜色。
在一个实施例中，图像分析模块100具体可以包括统计单元110。统计单元110用于将待处理的图像的像素颜色用红绿蓝三原色亮度值进行表示，并统计每种颜色的数量。
取色模块200包括颜色转换单元210和差异量化单元220。颜色转换单元210用于计算M种不同颜色中每种颜色对应的色相值、饱和度值、亮度值。差异量化单元220用于计算M种颜色中每两种颜色之间在HSL颜色空间的距离，并累加得到距离之和。
统计单元110、颜色转换单元210以及差异量化单元220的具体处理可以参照前述方法实施例的处理方式，在此不再赘述。
上述实施例中，是利用将像素颜色从RGB空间转换到HSL空间，然后计算HSL空间内像素之间的距离来体现像素颜色之间的差异。在其他实施例中，也可以从除了RGB空间的其他颜色空间进行统计然后转换到HSL空间。还可以从RGB空间转换到除了HSL空间其他颜色空间。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种颜色量化方法，包括如下步骤：
将待处理的图像的像素颜色用红绿蓝三原色亮度值进行表示，当两种颜色的三个颜色分量对应相同时，所述两种颜色相同；统计每种颜色的数量，得到第一设定数量N种不同颜色；所述第一设定数量N种不同颜色为待处理图像中的颜色分布量排名前N的颜色；所述N种不同颜色作为量化的候选颜色；
从所述第一设定数量N种不同颜色中取出第二设定数量M种不同颜色，并获得种包含第二设定数量M种不同颜色的组合；
对所述种包含第二设定数量M种不同颜色的组合中的颜色相互之间的差异进行量化，获得差异最大的M种不同颜色。
2.根据权利要求1所述的颜色量化方法，其特征在于，所述对M种不同颜色的组合中的颜色相互之间的差异进行量化的步骤包括：
计算M种不同颜色中每种颜色对应的色相值、饱和度值、亮度值；
基于所述的色相值、饱和度值、亮度值，计算M种颜色中每两种颜色之间在HSL颜色空间的距离，并累加得到距离之和。
3.根据权利要求1所述的颜色量化方法，其特征在于，所述统计方法包括：从图像的第一行像素开始，对每个像素获取其颜色，判断是否为新出现的颜色，如果是，则将该颜色的数量置为1，如果不是，则将该颜色的数量加1。
4.根据权利要求1所述的颜色量化方法，其特征在于，所述第一设定数量N≥10，所述第二设定数量M<N。
5.根据权利要求1述的颜色量化方法，其特征在于，所述第一设定数量N＝10，第二设定数量M＝5。
6.一种颜色量化系统，包括：
图像分析模块，用于对待处理图像进行分析，得到第一设定数量N种不同颜色；所述第一设定数量N种不同颜色为待处理图像中的颜色分布量排名前N的颜色；所述N种不同颜色作为量化的候选颜色；所述图像分析模块包括统计单元，所述统计单元用于将待处理的图像的像素颜色用红绿蓝三原色亮度值进行表示，并当两种颜色的三个颜色分量对应相同时，表示所述两种颜色相同；然后统计每种颜色的数量；
取色模块，用于从所述第一设定数量N种不同颜色中取出第二设定数量M种不同颜色，并获得种包含第二设定数量M种不同颜色的组合；对所述种包含第二设定数量M种不同颜色的组合中的颜色相互之间的差异进行量化，获得差异最大的M种不同颜色。
7.根据权利要求6所述的颜色量化系统，其特征在于，所述取色模块包括颜色转换单元和差异量化单元，所述颜色转换单元用于计算M种不同颜色中每种颜色对应的色相值、饱和度值、亮度值；所述差异量化单元用于基于所述的色相值、饱和度值、亮度值计算M种颜色中每两种颜色之间在HSL颜色空间的距离，并累加得到距离之和。
8.根据权利要求6所述的颜色量化系统，其特征在于，所述第一设定数量N≥10，所述第二设定数量M<N。
CN201510276541.1A 2015-05-26 2015-05-26 颜色量化方法及系统 Active CN104952084B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510276541.1A CN104952084B (zh) 2015-05-26 2015-05-26 颜色量化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510276541.1A CN104952084B (zh) 2015-05-26 2015-05-26 颜色量化方法及系统

Publications (2)

Publication Number Publication Date
CN104952084A CN104952084A (zh) 2015-09-30
CN104952084B true CN104952084B (zh) 2019-03-08

Family

ID=54166712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510276541.1A Active CN104952084B (zh) 2015-05-26 2015-05-26 颜色量化方法及系统

Country Status (1)

Country Link
CN (1) CN104952084B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097070B (zh) * 2019-03-15 2021-01-05 杭州电子科技大学 一种基于人眼视觉感知的中国画特征色集获取方法
CN110727810B (zh) * 2019-10-15 2023-05-02 联想(北京)有限公司 图像处理方法、装置、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129693B (zh) * 2011-03-15 2012-07-25 清华大学 基于色彩直方图和全局对比度的图像视觉显著性计算方法
CN104063562B (zh) * 2014-07-14 2017-03-22 南京大学 一种基于色彩聚类的乱针绣铺底绣稿生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种新的基于对称色彩空域特征的图像匹配方法;周兵 等;《小型微型计算机系统》;20050131;第26卷(第1期);147-150

Also Published As

Publication number Publication date
CN104952084A (zh) 2015-09-30

Similar Documents

Publication Publication Date Title
CN111326099B (zh) 显示校正方法、装置及系统、存储介质以及显示系统
CN111429827B (zh) 显示屏色彩校准方法、装置、电子设备及可读存储介质
CN106791759B (zh) 医用显示器色彩均匀性校正方法及校正系统
CN106409266B (zh) 一种子像素渲染方法及渲染装置
CN105070270B (zh) Rgbw面板子像素的补偿方法及装置
CN109196574A (zh) 用于降低电子显示器的近视源性效应的方法和设备
CN102158727B (zh) 手机摄像头色彩还原性的检测方法和系统
CN103402117A (zh) 基于Lab色度空间的视频图像偏色检测方法
CN105096856B (zh) 液晶面板的驱动方法及驱动装置
CN102088539B (zh) 一种预拍照画质评价方法和系统
US10115333B2 (en) Image display method and display apparatus
CN113132696B (zh) 图像色调映射方法、装置、电子设备和存储介质
CN104952084B (zh) 颜色量化方法及系统
CN101409769A (zh) 数字影像色调重置方法与装置
CN111179370B (zh) 一种图片生成方法、装置、电子设备及存储介质
CN112598582A (zh) 图像校正及校正数据产生方法、装置及系统和显示方法
JP2006031688A (ja) 画像加工装置、画像加工方法及び画像加工プログラム
CN105678834B (zh) 区分对象的方法和装置
CN106846421A (zh) 一种肤色检测方法及装置
CN110910480A (zh) 基于颜色模式映射关系的环境监测图像渲染方法
WO2022120799A1 (zh) 图像处理方法、装置、电子设备及存储介质
US9036030B2 (en) Color calibration of an image capture device in a way that is adaptive to the scene to be captured
US11315470B2 (en) Display device and display method thereof
JP5615344B2 (ja) 色特徴を抽出するための方法および装置
Choudhury et al. Combining quality metrics for improved hdr image quality assessment

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