CN105205054A - 用于展示图片的方法和获取图片色相特征值的方法及装置 - Google Patents
用于展示图片的方法和获取图片色相特征值的方法及装置 Download PDFInfo
- Publication number
- CN105205054A CN105205054A CN201410244693.9A CN201410244693A CN105205054A CN 105205054 A CN105205054 A CN 105205054A CN 201410244693 A CN201410244693 A CN 201410244693A CN 105205054 A CN105205054 A CN 105205054A
- Authority
- CN
- China
- Prior art keywords
- picture
- eigenwert
- subset
- grey
- pictures
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种用于展示图片的方法和装置、一种用于获取图片的色相特征值的方法和装置。其中所述用于展示图片的方法包括:接收用户的图片获取请求;根据用户的图片获取请求确定返回的预选图片集合;对所述预选图片集合中的图片按照色相特征值进行聚类,形成一个或多个图片子集;根据所述聚类结果返回一个或多个图片子集给客户端展示;所述色相特征值是指,表征图片色调的量化数值。采用本申请提供的方法,实现了在采用机器自动、高效选取图片的同时,保证展示图片的色调协调性,从而便于用户发现自己感兴趣的图片,并做出正确的选择。
Description
技术领域
本申请涉及图像显示领域,具体涉及一种用于展示图片的方法和装置。本申请同时提供一种用于获取图片的色相特征值的方法和装置。
背景技术
电子商务平台APP(电商平台的手机客户端,简称电商APP)的出现,大大提升了人们在网上消费的频率。随着WiFi、3G的普及,使得电商APP成为人们口袋里必备的应用之一,只要是有网络的地方,人们都可以随时浏览商品、搜索商品、比较价格并进行购买。
电商APP通常要根据用户的需求提供可供消费者购买的相关商品,提供的商品信息不仅包括名称、价位、购买记录、评价信息等,通常还会展示商品的图片。由于文字所传递的信息是相对枯燥的,而图片则可以带给消费者更为直观的感性认识,因此各个电商APP都很重视商品图片的展示效果,不仅要为商品配备漂亮或者醒目的图片,同时还要让在同一个页面或区域中显示的商品图片色调协调、统一,从而更有效地吸引消费者的视线,在获得更高点击率的同时,提高消费者对商品的购买率。
目前,电商APP通常采用方格框或者瀑布流模式显示一系列的商品图片,对于商品图片的选择,通常采用两种方式:一种是由人工选取,另一种是由机器自动选取,这两种方式各有优缺点。
采用人工选取的方法,选取者除了考虑商品相关性之外,还会考虑商品图片色调之间的协调性,因此能够保证在同一个页面或区域中显示的商品图片色调统一、协调、柔和、耐看;当然人工选取的缺点也是非常明显的:效率低下,当有海量商品待展示时人工忙不过来,而且不支持实时线上反馈,无法根据展示效果进行进一步的调整选择。
机器自动选取的执行速度快,与人工选取相比,能够有效克服效率低下、当有海量商品待展示时人工忙不过来、不支持实时线上反馈的问题;但是由于机器不具备对图片色调的识别能力,采用机器自动选取的方式,无法考虑商品图片之间的协调性,因此不能保证在同一个页面或区域中展示的商品图片色调统一、柔和。例如:采用机器自动选取的方式,可能会将黑色服饰与红色、蓝色服饰排列在同一个页面上展示,这样的搭配本身就不协调,整体看起来图像比较斑驳、杂乱无章,不便于用户做出选择,自然也就无法提高购买率。
发明内容
本申请提供一种用于展示图片的方法和装置,以解决现有技术采用机器自动选取存在的显示效果杂乱无章、不便于用户做出选择的问题。本申请另外提供一种用于获取图片的色相特征值的方法和装置。
本申请提供一种用于展示图片的方法,包括:
接收用户的图片获取请求;
根据用户的图片获取请求确定返回的预选图片集合;
对所述预选图片集合中的图片按照色相特征值进行聚类,形成一个或多个图片子集;
根据所述聚类结果返回一个或多个图片子集给客户端展示;
所述色相特征值是指,表征图片色调的量化数值。
可选的,所述对所述预选图片集合中的图片按照色相特征值进行聚类,包括:
计算所述预选图片集合每一图片的色相特征值;
用色相特征值在第一设定阈值范围内的图片组成灰色图片集合;
对于未包括在所述灰色图片集合中的每一图片,将与该图片在色相特征值上的差异处于第二设定阈值范围以内的其他图片连同该图片作为该图片的临近色相图片集合;
比较所述灰色图片集合和每一图片的临近色相图片集合,选择包含的图片最多的集合作为所述图片子集。
所述与该图片在色相特征值上的差异处于第二设定阈值范围以内的其他图片包括,在色相环上按照预先指定的方向找到的、色相特征值与该图片的色相特征值之间的色相距离处于设定阈值范围以内的其他图片。
可选的,所述预先指定的方向包括:顺时针方向或者逆时针方向。
可选的,所述对所述预选图片集合中的图片按照色相特征值进行聚类,包括:
计算所述预选图片集合每一图片的色相特征值;
根据所述色相特征值将所述预选图片集合分为多个图片子集,所述多个图片子集包括由色相特征值在第一设定阈值范围内的图片组成的灰色图片子集和非灰色图片子集,每个非灰色图片子集中的图片间的色相特征值差异在第二设定阈值范围以内;
所述每个非灰色图片子集中的图片间的色相特征值差异在第二设定阈值范围内是指,每个非灰色图片子集中的任何两个图片的色相特征值在色相环上的色相距离在第二设定阈值范围以内。
可选的,所述根据所述聚类结果返回一个或多个图片子集给客户端展示,包括:
将多组图片子集返回给客户端分别分区展示,将属于同一图片子集的图片排列在同一个区域中显示,不同图片子集的图片排列在不同区域中显示。
可选的,所述第二设定阈值范围是指,小于或者等于45度。
可选的,所述计算所述图片的色相特征值包括:
提取所述图片图像中的每个像素点的三原色分量的分量值;
针对所述每一分量,分别计算上述所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
判断所述图片图像的三原色分量均值是否都相同;
若不都相同,根据所述图片图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
若都相同,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
可选的,所述计算所述图片的色相特征值,还包括:
划分所述图片的前景图像和背景图像;
将所述图片的前景图像作为待计算色相特征值的图像;或者,将所述图片的背景图像作为待计算色相特征值的图像;
相应的,所述提取所述图片图像中的每个像素点的三原色分量的分量值是指,提取所述图片中的待计算色相特征的图像的每个像素点的三原色分量的分量值。
相应的,本申请还提供一种用于展示图片的装置,包括:
请求接收单元,用于接收用户的图片获取请求;
图片预选单元,用于根据用户的图片获取请求确定返回的预选图片集合;
图片聚类单元,用于对所述预选图片集合中的图片按照色相特征值进行聚类,形成一个或多个图片子集;
图片展示单元,用于根据所述聚类结果返回一个或多个图片子集给客户端展示。
可选的,所述图片聚类单元包括:
色相特征值计算子单元,用于计算所述预选图片集合每一图片的色相特征值。
灰色图片集合生成子单元,用于用色相特征值在第一设定阈值范围内的图片组成灰色图片集合;
临近色相图片集合生成子单元,用于对未包括在所述灰色图片集合中的每一图片,将在色相环上按照预先指定的方向找到的、色相特征值与该图片的色相特征值之间的色相距离处于第二设定阈值范围以内的其他图片连同该图片作为该图片的临近色相图片集合;
图片子集选择子单元,用于比较所述灰色图片集合和每一图片的临近色相图片集合,选择包含的图片最多的集合作为所述图片子集。
可选的,所述临近色相图片集合生成子单元查找图片遵循的所述预先指定的方向包括:顺时针方向或者逆时针方向。
可选的,所述图片聚类单元包括:
色相特征值计算子单元,用于计算所述预选图片集合每一图片的色相特征值;
图片子集划分子单元,用于根据所述色相特征值将所述预选图片集合分为多个图片子集,所述多个图片子集包括由色相特征值在第一设定阈值范围内的图片组成的灰色图片子集和非灰色图片子集,每个非灰色图片子集中的任何两个图片的色相特征值在色相环上的色相距离在第二设定阈值范围以内。
可选的,所述图片展示单元具体用于,将多组图片子集返回给客户端分别分区展示,将属于同一图片子集的图片排列在同一个区域中显示,不同图片子集的图片排列在不同区域中显示。
可选的,所述临近色相图片集合生成子单元和所述图片子集划分子单元所采用的所述第二设定阈值范围是指,小于或者等于45度。
可选的,所述色相特征值计算子单元包括:
计算控制子单元,用于针对预选图片集合中的每一个图片,依次触发下述子单元计算所述图片的色相特征值;
分量提取子单元,用于提取所述图片图像中的每个像素点的三原色分量的分量值;
均值计算子单元,用于针对所述每一分量,分别计算上述所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
均值判断子单元,用于判断所述图片图像的三原色分量均值是否都相同;
色相角计算子单元,用于当所述均值判断子单元的输出为“否”时,根据所述图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
灰色标识子单元,用于当所述均值判断子单元的输出为“是”时,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
可选的,所述色相特征值计算子单元还包括:
图像划分子单元,用于划分所述图片的前景图像和背景图像;
图像设置子单元,用于将所述图片的前景图像作为待计算色相特征值的图像;或者,将所述图片的背景图像作为待计算色相特征值的图像;
相应的,所述分量提取子单元,具体用于提取所述图像设置子单元输出的待计算色相特征的图像中的每个像素点的三原色分量的分量值。
此外,本申请还提供一种用于获取图片的色相特征值的方法,包括:
提取所述图片图像中的每个像素点的三原色分量的分量值;
针对所述每一分量,分别计算上述所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
判断所述图片图像的三原色分量均值是否都相同;
若不都相同,根据所述图片图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
若都相同,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
相应的,本申请还提供一种用于获取图片的色相特征值的装置,其特征在于,包括:
分量提取单元,用于提取所述图片图像中的每个像素点的三原色分量的分量值;
均值计算单元,用于针对所述每一分量,分别计算所述分量提取单元提取的所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
均值判断单元,用于判断所述图像的三原色分量均值是否都相同;
色相角计算单元,用于当所述均值判断单元的输出为“否”时,根据所述图片图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
灰色标识单元,用于当所述均值判断单元的输出为“是”时,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
与现有技术相比,本申请具有以下优点:
本申请提供的用于展示图片的方法,以表征图片色调的色相特征值作为依据,通过对预选图片集中的图片按照色相特征值进行聚类,并根据聚类结果返回一个或多个图片子集给客户端展示,实现了在采用机器自动、高效选取图片的同时,保证展示图片的色调协调性,从而便于用户发现自己感兴趣的图片,并做出正确的选择。
本申请提供的用于获取图片的色相特征值的方法,通过提取所述图片图像中的每个像素点的三原色分量的分量值,并计算所述图片图像的三原色分量均值,当所述三原色分量均值不都相同时,用所述三原色分量均值计算得到的色相角的度数作为所述图片的色相特征值,否则用预先定义的特定值作为所述图片的色相特征值,从而将图片的主体色调量化,即:采用具体的色相特征值表征图片的主体色调,为图片的分类、选取、展示等应用提供客观依据。
附图说明
图1是本申请的用于展示图片的方法实施例的流程图;
图2是本申请的用于计算色相特征值的参考色相环;
图3是本申请的对预选图片集合中的图片按照色相特征值进行聚类的流程图;
图4是本申请的计算图片的色相特征值的流程图;
图5是本申请的用于展示图片的装置实施例的示意图;
图6是本申请的用于获取图片的色相特征值的方法实施例的流程图;
图7是本申请的用于获取图片的色相特征值的装置实施例的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本申请中,分别提供了一种用于展示图片的方法和装置、以及一种用于获取图片的色相特征值的方法和装置。在下面的实施例中逐一进行详细说明。
请参考图1,其为本申请的一种用于展示图片的方法实施例的流程图。所述方法包括如下步骤:
步骤101:接收用户的图片获取请求。
为了展示图片,客户端用户通常会向提供图片的系统或者设备发送获取图片的请求,实施了本申请提供的用于展示图片的方法的系统或者设备就会接收到所述图片获取请求。该请求中通常包含与展示图片有关的要求,所述展示要求包括:图片的显示场景和/或用户相关性。所述显示场景包括显示的位置,例如在显示器的主页面还是某个角落弹出显示,还可能包括此次图片展示的触发时机,例如,在加载页面的过程中显示还是在视频中断的过程中显示;所述用户相关性,是指待展示图片的受众的特点,例如性别、购买习惯等。
步骤102:根据用户的图片获取请求确定返回的预选图片集合。
所述图片获取请求中包含的展示要求不同,所需展示的图片也就有可能不同,因此本步骤根据接收到的图片获取请求,在原始图片集合中选择满足展示要求的图片,作为预选图片集合。
在具体的实施过程中,如果原始图片集合在本地存储,那么所述选择预选图片集合的操作在本地完成即可;如果原始图片集合存储在其他图片服务器上,那么本步骤中就需要向所述图片服务器发送获取预选图片集合的请求,该请求中携带展示要求,并接收所述图片服务器返回的图片集合,作为预选图片集合。
步骤103:对所述预选图片集合中的图片按照色相特征值进行聚类,形成一个或多个图片子集。
本申请技术方案的核心在于:将图片的色调量化,用具体的色相特征值表征图片的色调,通过将预选图片集合中的图片按照色相特征值进行聚类,使得每个图片子集中的图片的整体色调统一、协调,从而便于客户端用户对展示的图片做出正确的选择。在详细介绍本步骤的具体处理流程之前,先对色相的基本概念作简要说明。
色相是色彩的首要特征,是区别各种不同色彩的最准确的标准,任何黑、白、灰以外的颜色都有色相属性(也称为色相特征)。色相特征决定于光源的光谱组成以及有色物体表面反射的各波长辐射的比值对人眼所产生的感觉。将不同色相的颜色按照色相的渐变顺序排列,形成一个关于色相的圆环形状,即为通常所说的色相环。在色相环上,除了黑、白、灰以外的各种颜色都与一个取值在0-360之间的角度相对应,该角度即为表征所述颜色色相特征的色相角。请参见图2,其为本申请的用于计算色相特征值的参考色相环,在该色相环中,红色对应的色相角的度数为0度,绿色对应的色相角的度数为120度,蓝色对应的色相角的度数为240度。
在现有技术中,通常将某个颜色对应的色相角的度数作为该颜色的色相特征值。本申请所述的图片的色相特征值,则是指表征图片色调的量化数值,即:表征图片主体色调为灰色(包括黑色和白色)的一个特定值、或者图片主体色调对应的色相角的度数。
本申请的技术方案提供了一种对预选图片集合中的图片按照色相特征值进行聚类,获取包含色调协调的图片数目最多的一个图片子集的实施方式。该实施方式包括计算色相特征值、生成灰色图片集合、生成临近色相图片集合以及选择图片子集这样几个子步骤,请参见图3,其为对预选图片集合中的图片按照色相特征值进行聚类的流程图,下面结合该图对各个子步骤进行详细说明。
步骤103-1:计算所述预选图片集合每一图片的色相特征值。
在本申请的技术方案中,为了对图片按照色相特征值进行聚类,需要计算所述预选图片集合中的每一图片的色相特征值。请参见图4,其为本申请的计算图片的色相特征值的流程图,下面结合该图对计算图片色相特征值的子步骤103-1-1至013-1-5进行详细说明。
步骤103-1-1:提取所述图片图像中的每个像素点的三原色分量的分量值。
本申请所述的三原色是指,在显示器上显示图像所采用的色光三原色:红(R)、绿(G)、蓝(B)。在现有技术中,计算机屏幕显示的所有颜色,都由红色、绿色、蓝色三种色光按照不同的比例混合而成的。相应的,在计算机屏幕上显示的图像通常也采用红绿蓝编码模式,称为RGB色彩模式。在RGB色彩模式下,组成图像的每一个像素点都包含R、G、B三个分量值,并且每个分量的取值范围在0~255内,代表该分量颜色的强度值。采用RGB色彩模式的图像只使用三种颜色,就可以使它们按照不同的比例混合,在屏幕上呈现16777216(256*256*256)种颜色。
在具体的实施过程中,可以调用系统提供的函数提取所述图片图像中的每个像素点的三原色分量的分量值,例如可以使用opencv库提供的cvGet2D()函数获取RGB分量值,函数调用如下:
s=cvGet2D(img,i,j);
其中,img为所述图片图像文件的指针,(i,j)为待提取RGB分量值的像素点的坐标,输出的s.val[2]、s.val[1]、s.val[0]分别为所述像素点的R、G、B分量的值;当然也可以采用其他方式实现本步骤,例如,使用Java提供的BufferImage类的getRGB(i,j)函数等。
步骤103-1-2:针对所述每一分量,分别计算上述所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值。
在步骤103-1-1中提取了每个像素点的三原色分量的分量值后,依次执行下述步骤,计算所述图片图像的三原色分量均值:
1)将所有像素点的红色分量值相加求和,然后除以所述图片图像的总像素数目,得到所述图片图像的红色分量均值;
2)将所有像素点的绿色分量值相加求和,然后除以所述图片图像的总像素数目,得到所述图片图像的绿色分量均值;
3)将所有像素点的蓝色分量值相加求和,然后除以所述图片图像的总像素数目,得到所述图片图像的蓝色分量均值。
计算得到的所述图片图像的三原色分量均值,可以从整体上表征图像的主体色调,为进一步计算所述图片图像的色相特征值做好准备。
步骤103-1-3:判断所述图片图像的三原色分量均值是否都相同;若都相同,转到步骤103-1-5执行,否则转到步骤103-1-4执行。
由于并不是所有的颜色都具备色相特征,因此本步骤中要进行判断,并根据判断结果转到不同的分支进行处理。
步骤103-1-4:根据所述图片图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值。
执行本步骤,说明计算得到的三个分量均值并不是两两都相等,这种情况下,说明所述图片图像的主体色调不是灰色(参见步骤305中的说明),此时可以根据三个分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值。色相角的计算属于比较成熟的现有技术,在此仅作简要说明。
1)求三个分量均值中的最大值;
V=max(Rv,Gv,Bv);
2)计算三个分量均值中的最大值与最小值的差值;
S=V-min(Rv,Gv,Bv);
3)根据最大值对应的不同分量,计算色相角H;
如果V=Rv:H=(Gv-Bv)*60/S;
如果V=Gv:H=120+(Bv-Rv)*60/S;
如果V=Bv:H=240+(Rv-Gv)*60/S;
4)进行必要的调整,使得色相角的取值范围为:0~360;
如果H<0,H=H+360;
步骤103-1-5:用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
执行本步骤,说明计算得到的三个分量均值两两都相等,这种情况下认为所述图片图像的主体色调为灰色。在RGB色彩模式中,如果R、G、B三个分量值都相等,对应的颜色为灰色,并且,当三个分量值越大,灰色越浅,当三个分量值都为255时,对应的颜色为白色;三个分量值越小,灰色越深,当三个分量值都为0时,对应的颜色为黑色。
具体到本申请的技术方案中,如果所述图片图像的三原色分量均值两两相等,说明所述图片图像的主体色调是灰色的,灰色没有色相特征,自然也无法计算对应的色相角。为了便于根据图片的色相特征值选取图片,本申请的技术方案采用一个预定义的不在色相角取值范围之内的值,作为上述主体色调为灰色的图片的色相特征值,该值表征所述图片的色调为灰色,此处所述的灰色也包含了上面介绍的两种极端情况,即:白色和黑色。
例如,在具体的实施中可以将色相特征值定义为整形变量,由于色相角的取值范围为0~360,因此,可以预先设定用-1作为所述主体色调为灰色的图片的色相特征值。当然在具体的实施方式中,也可以采用其他的预定义值,而且还可以根据灰色的深浅程度进一步细化。
通过上面的步骤103-1-1至103-1-5描述了本申请技术方案如何计算图片的色相特征值,在该计算过程中是将每个图片图像作为一个整体来计算的,因此计算得到的色相特征值表征了整个图片的主体色调,在后续的步骤中,就可以根据图片的色相特征值进行聚类,从而使得所选图片子集中的图片整体色调协调。
考虑到在某些应用场合下,人们关注的可能不是整幅图片,而是图片中的某一部分,例如图片中的促销商品,在这种情况下通常要求被展示图片的前景图像色调协调;而在另外一些应用场合下,可能要求被展示图片的背景图像色调协调。为了兼顾上述各种需求,本申请的技术方案还提供了根据图片的前景图像或者背景图像计算所述图片的色相特征值的方法,下面进行详细说明。
为了计算所述图片的前景图像或者背景图像的色相特征值,首先要划分所述图片的前景图像和背景图像。划分所述图片的前景图像和背景图像,通常采用边缘检测技术,识别所述图片的前景图像的轮廓线,从而将图片中的前景图像和背景图像相分离。
边缘检测技术是图像识别中提取图像特征的一个重要技术,其实质是采用某种算法提取出图像中主体对象与背景之间的交界线,其处理的对象为待识别图像的边缘,所述边缘是指周围像素灰度有阶跃变化或屋顶变化的像素点的集合。主要的检测过程包括两个方面:一是抽取出反映灰度变化的边缘点;二是根据设定的阈值剔除某些跳变不明显的点,然后填补边界间断点,并将检测出的边缘点连接成完整的线。
实现边缘检测的主要工具是边缘检测模板,使用边缘检测模板对待检测图像进行模板操作后,在非边缘的区域,灰度值接近于0,而在边缘附近,灰度值会发生明显的跳变,依据这一原理就可以识别前景图像(即:主体对象)的边缘,即:轮廓线。常用的边缘检测算子(即:边缘检测模板)包括:Roberts边缘检测算子、Sobel边缘检测算子、Prewitt边缘检测算子、以及LaplacianofGaussian(LoG)算子等。
上述各种算子都是相对比较成熟的现有技术,此处不再详细描述。在具体的实施过程中,可以调用已有的函数实现,例如,调用matlab中提供的edge函数,该函数的具体调用形式如下所示:
[g,t]=edge(f,'method',parameters);
其中,f是输入图像,method是所采用的边缘检测算子,例如'sobel',parameters是算子的相关参数设置,输出g是在f中被检测到的边缘点的位置为1、而在其他地方为0的逻辑数组。参数t是可选择的,由edge给出阈值,以决定哪个梯度值足够大到可以被称作边缘点。
在具体的实现中,通过上述方法检测得到的所述图片图像中的边缘,可能不仅仅包括能够区分前景图像和背景图像的轮廓线,还包括一些局部细节的边缘线,这种情况下可以进一步通过设置阈值,将长度短小的边缘线以及跳变不明显的边缘线过滤掉,从而得到划分所述图片的前景图像和背景图像的轮廓线。
在得到轮廓线的基础上,可以根据具体的应用需求,将包含在轮廓线内部的前景图像作为待计算色相特征值的图像,也可以将位于轮廓线以外的背景图像作为待计算色相特征值的图像,提取待计算色相特征值的图像中的每个像素点的三原色分量的分量值,并按照前面描述的步骤103-1-1至103-1-5计算对应的色相特征值。
通过上述计算过程,得到了预选图片集合中的每个图片的色相特征值,该色相特征值能够表征对应图片的主体色调,那么就可以执行后续步骤103-2至103-4,根据色相特征值对预选图片集合中的图片进行聚类。
步骤103-2:用色相特征值在第一设定阈值范围内的图片组成灰色图片集合。
由于黑色、灰色和白色三种颜色没有色相特征,因此本申请技术方案在计算图片的色相特征值的步骤中进行了相应的判断,对于主体色调为灰色(包括黑色和白色)的图片,将预先定义的不在色相角取值范围之内的特定值作为所述图片的色相特征值。本步骤所述的色相特征值在第一设定阈值范围内的图片就是指,色相特征值为上述预先定义的、表征其主体色调为灰色的特定值的图片。
本步骤中,将灰色图片集合设置为空,遍历预选图片集,查看其中每个图片的色相特征值,如果与预先定义的表征所述图片的主体色调为灰色的值一致,则将该图片添加到灰色图片集合中,从而得到由主体色调为灰色的图片组成的灰色图片集合。
步骤103-3:对于未包括在所述灰色图片集合中的每一图片,将与该图片在色相特征值上的差异处于第二设定阈值范围以内的其他图片连同该图片作为该图片的临近色相图片集合。
本申请的技术方案的核心在于,根据图片的色相特征值选择色调协调的图片作为待展示的图片子集,从而获得整体协调、统一的展示效果,便于用户做出正确的选择。所谓选择色调协调的图片,具体说就是:选择同类色相对比或者临近色相对比的图片,下面先对色相对比的相关概念作简要的说明。
色相对比,是指将两个或两个以上的不同色相的色彩并置在一起,所产生的色相差别对比。色相的差别虽是因可见光度的长短差别所形成,但不能完全根据波长的差别来确定色相的差别和确定色相的对比程度。因为红色光与紫色光的波长差虽然最大,但都处于可见光的两极,都接近不可见光的波长。从眼睛感觉的角度分析,它们的色相是接近的,色相环则反应了这一规律。因此在度量色相差(色相对比的强弱)时,不能只依据测光器和可见光谱,而应借助色相环。
色相对比的强弱,取决于色相特征值在色相环上的距离。本申请所述的色相特征值在色相环上的距离是指,两种色相特征值在色相环上对应色相角度数的差值的绝对值,当该绝对值大于180时,用360减去所述绝对值得到的即为两种色相特征值的色相距离;否则,所述绝对值即为两种色相特征值的色相距离。例如:在图2所示的色相环中,红色对应的色相角的度数为0度,黄色对应的色相角的度数为60度,那么这两种颜色的色相特征值在色相环上的距离就是60度。
通常将色相距离在15度以内的对比,看作色相的不同明度与纯度的对比,因为距离小于15度的色相属于模糊的较难区分的色相,这样的色相对比称为同类色相对比,是最弱的色相对比;色相距离在15度以上,45度之内的对比,称为邻近色相对比,或近似色相对比;色相距离在130度左右的对比,一般称为对比色相对比,是色相中对比;色相距离在180度左右的对比,称互补色相对比,是色相强对比,色相距离恰好为180的对比,称最强色相对比。
由此可见,色相距离在45度之内的色相对比,即:同类色相对比和邻近色相对比,都能够取得色调协调、柔和的显示效果。
基于上述色相对比的基本原理,本步骤对于未包括在所述灰色图片集合中的每一图片,将与该图片在色相特征值上的差异处于第二设定阈值范围以内的其他图片连同该图片作为该图片的临近色相图片集合;所述与该图片在色相特征值上的差异处于第二设定阈值范围以内的其他图片是指,在色相环上按照预先指定的方向找到的、色相特征值与该图片的色相特征值之间的色相距离处于设定阈值范围以内的其他图片。
上述生成临近色相图片集合的具体处理过程是这样的,对于未包括在灰色图片集合中的其他图片,依次选取每一个图片作为基准图片,首先将所述基准图片对应的临近色相图片集合设置为空,然后在色相环上按照顺时针方向或者逆时针方向,查找色相特征值与所述基准图片的色相特征值之间的色相距离处于第二设定阈值范围内的图片,并将找到的图片以及基准图片都添加到基准图片的临近色相图片集合中。为了使得所述临近色相图片集合中的图片的色调协调,作为一种优选实施方式,所述色相距离处于第二设定阈值范围是指,色相距离小于或者等于45度,即:在上述查找过程中查找与所述基准图片的色相距离小于或者等于45度的图片。
在本实施例的一个具体例子中,所述基准图片的色相特征值为90度,在色相环上按照顺时针方向查找色相特征值与基准图片的色相特征值之间的色相距离在45度之内的图片,也就是说色相特征值在45度至90度之间的图片,所有满足该要求的图片以及基准图片本身共同组成了基准图片的临近色相图片集合;如果指定按照逆时针方向查找,那么就应该用色相特征值在90度至135度之间的图片连同基准图片共同组成基准图片的临近色相图片集合。
针对预选图片集合中的、未包括在灰色图片集合中的每一个图片,都执行上述操作,那么就会得到一组临近色相图片集合,并且每一个临近色相图片集合中的图片的色调都是协调的。
在上面的具体例子中,查找的是色相距离在45度之内的图片,在其他实施方式中,也可以为色相距离设置其他小于45度的阈值,例如,查找色相距离在30度之内的图片,同样可以保证每个临近色相图片集合中的图片的色调都是协调的。
步骤103-4:比较所述灰色图片集合和每一图片的临近色相图片集合,选择包含的图片最多的集合作为所述图片子集。
为了尽可能多地展示色调协调的图片,比较步骤103-3和步骤103-4中得到的灰色图片集合和所有临近色相图片集合所包含的图片数目,并从中选择包含图片数目最多的一组,作为所述图片子集。
采用上述方法选择待展示的图片子集时,如果选择的是灰色图片集合,即:其中所有图片的色相特征值都是预先设定的特定值,由于该集合中所有图片的主体色调都是灰色的,因此色调是协调的;如果选择的是某个临近色相图片集合,由于其中任何两个图片的色相特征值之间的色相距离都在一定范围内,例如都在45度之内,因此色调也是协调的;而且由于在选择过程中选择的是包含图片最多的集合,从而也满足了尽可能多地展示图片的要求。
上面的步骤103-1至103-4描述了从预选图片集合中,根据图片的色相特征值选择色调协调的、并且包含图片数目最多的一个图片集合作为待展示的图片子集的一种实施方式。
在某些应用场景下,为了给客户端展示图片提供更多的选择,本申请的技术方案还提供了根据色相特征值将预选图片集合分为多个色调协调的图片子集的另一种实施方式。
划分多个图片子集的实施方式包括:计算预选图片集合每一图片的色相特征值和划分多个图片子集两个步骤。其中计算色相特征值的步骤与上述步骤103-1相同,不再赘述,下面重点对划分多个图片子集的处理过程进行说明。
划分多个图片子集具体是指,根据每个图片的色相特征值将所述预选图片集合分为多个图片子集,所述多个图片子集包括由色相特征值在第一设定阈值范围内的图片组成的灰色图片子集和非灰色图片子集,每个非灰色图片子集中的图片间的色相特征值差异在第二设定阈值范围以内;所述每个非灰色图片子集中的图片间的色相特征值差异在第二设定阈值范围内是指,每个非灰色图片子集中的任何两个图片的色相特征值在色相环上的色相距离在第二设定阈值范围以内。
因为灰色没有色相特征,无法判断是否与其他色调为同类或者临近色调对比,因此首先从预选图片集合中将色相特征值在第一设定阈值范围内的图片挑选出来,组成灰色图片子集,具体说,所述色相特征值在第一设定阈值范围内的图片就是指,色相特征值为预先定义的、表征其主体色调为灰色的特定值的图片。
然后将其他图片按照色相特征值划分为多个非灰色图片子集,每个非灰色图片子集中的任何两个图片的色相特征值在色相环上的色相距离在第二设定阈值范围以内。作为优选实施方式,所述色相距离在第二设定阈值范围内是指,色相距离小于或者等于45度,即:每个非灰色图片子集中的任何两个图片的色相特征值在色相环上的色相距离都小于或者等于45度,保证了每一个非灰色图片子集中的图片之间都满足同类色相对比或邻近色相对比的要求,从而可以实现色调协调、统一的展示效果。
在本实施例的一个具体例子中,可以先生成灰色图片子集,然后将非灰色图片的色相特征值按照一定的间隔进行分组,例如按照45度间隔进行分组,划分为0~45、45~90、90~135......315~360,共8个分组,色相特征值落在同一个分组中的所有非灰色图片就组成了一个非灰色图片子集,每个非灰色图片子集中的任何两个图片的色相特征值之间的色相距离都小于等于45度,因此每个非灰色图片子集中的图片,都满足整体色调协调的要求。
在其他实施方式中,可以采用其他的间隔值进行非灰色图片子集的划分,例如,按照30度间隔进行分组;或者按照其他方式进行划分,例如,按照色调进行分组,345~360加上0~15为红色分组,15~45为橙色分组,45~75为黄色分组......依次类推得到12个分组,相应的就划分出了12个非灰色图片子集。当然,这里给出的例子都仅仅是示意性的,在具体的实施过程中,可以根据需要按照色相特征值进行图片子集的划分,只要满足每个非灰色图片子集中的任何两个图片的色相特征值在色相环上的色相距离都在设定阈值范围内,就同样可以实现本申请的技术方案。
步骤104:根据所述聚类结果返回一个或多个图片子集给客户端展示。
经过步骤103的聚类处理,已经获取了待展示的图片子集。如果待展示的图片子集为一个,直接将该图片子集返回给客户端展示即可。
如果待展示图片子集有多个,可以将所述多个图片子集都返回给客户端展示,也可以综合考虑网络传输数据量、客户端展示规模等因素,从全部待展示图片子集中筛选部分子集返回给客户端。例如,将待展示图片子集按照每个子集中包含的图片数量进行排序,将包含图片数量位于前N位的图片子集返回给客户端;或者将图片子集按照主体色调进行划分,根据展示场景的不同,选择属于冷色调的图片子集或者属于暖色调的图片子集返回给客户端。这里列出的筛选方法仅仅是示意性的,不同的实施方式可以根据自己的需要选择不同的策略。
对于客户端来说,如果只接收到一个图片子集,直接按照展示要求显示该图片子集中的图片即可。由于该图片子集是根据图片的色相特征值进行聚类处理得到的,因此将该图片子集中的图片排列并展示,能够取得色调统一、协调、柔和、耐看的展示效果,从而便于用户根据展示的图片做出正确的选择。
如果客户端接收到多个图片子集,则将多个图片子集分别分区展示,将属于同一图片子集的图片排列在同一个区域中显示,不同图片子集的图片排列在不同区域中显示。
本申请所述的同一区域,是指同一个布局,例如:同一个页面、同一个窗口或者视图等,所述同一区域内部没有明显的分隔标志。将属于同一图片子集的图片排列在同一区域中显示,不同图片子集的图片排列在不同区域中显示,由于不同的区域之间通常有比较明显的分隔标志,因此在用户看来,每一个区域中的图片色调都是协调的,不同区域之间形成比较清晰的层次感,与在同一区域中将各种色调图片混杂在一起相比,整体视觉感觉更为协调、清晰,从而便于用户捕捉到自己感兴趣的图片,并做出正确的选择。
在上述的实施例中,提供了一种用于展示图片的方法,与之相对应的,本申请还提供一种用于展示图片的装置。请参看图5,其为本申请的一种用于展示图片的装置的实施例示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例的一种用于展示图片的装置,包括:请求接收单元501,用于接收用户的图片获取请求;图片预选单元502,用于根据用户的图片获取请求确定返回的预选图片集合;图片聚类单元503,用于对所述预选图片集合中的图片按照色相特征值进行聚类,形成一个或多个图片子集;图片展示单元504,用于根据所述聚类结果返回一个或多个图片子集给客户端展示。
可选的,所述图片聚类单元包括:
色相特征值计算子单元,用于计算所述预选图片集合每一图片的色相特征值。
灰色图片集合生成子单元,用于用色相特征值在第一设定阈值范围内的图片组成灰色图片集合;
临近色相图片集合生成子单元,用于对未包括在所述灰色图片集合中的每一图片,将在色相环上按照预先指定的方向找到的、色相特征值与该图片的色相特征值之间的色相距离处于第二设定阈值范围以内的其他图片连同该图片作为该图片的临近色相图片集合;
图片子集选择子单元,用于比较所述灰色图片集合和每一图片的临近色相图片集合,选择包含的图片最多的集合作为所述图片子集。
可选的,所述临近色相图片集合生成子单元查找图片遵循的所述预先指定的方向包括:顺时针方向或者逆时针方向。
可选的,所述图片聚类单元包括:
色相特征值计算子单元,用于计算所述预选图片集合每一图片的色相特征值;
图片子集划分子单元,用于根据所述色相特征值将所述预选图片集合分为多个图片子集,所述多个图片子集包括由色相特征值在第一设定阈值范围内的图片组成的灰色图片子集和非灰色图片子集,每个非灰色图片子集中的任何两个图片的色相特征值在色相环上的色相距离在第二设定阈值范围以内。
可选的,所述图片展示单元具体用于,将多组图片子集返回给客户端分别分区展示,将属于同一图片子集的图片排列在同一个区域中显示,不同图片子集的图片排列在不同区域中显示。
可选的,所述临近色相图片集合生成子单元和所述图片子集划分子单元所采用的所述第二设定阈值范围是指,小于或者等于45度。
可选的,所述色相特征值计算子单元包括:
计算控制子单元,用于针对预选图片集合中的每一个图片,依次触发下述子单元计算所述图片的色相特征值;
分量提取子单元,用于提取所述图片图像中的每个像素点的三原色分量的分量值;
均值计算子单元,用于针对所述每一分量,分别计算上述所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
均值判断子单元,用于判断所述图片图像的三原色分量均值是否都相同;
色相角计算子单元,用于当所述均值判断子单元的输出为“否”时,根据所述图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
灰色标识子单元,用于当所述均值判断子单元的输出为“是”时,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
可选的,所述色相特征值计算子单元还包括:
图像划分子单元,用于划分所述图片的前景图像和背景图像;
图像设置子单元,用于将所述图片的前景图像作为待计算色相特征值的图像;或者,将所述图片的背景图像作为待计算色相特征值的图像;
相应的,所述分量提取子单元,具体用于提取所述图像设置子单元输出的待计算色相特征的图像中的每个像素点的三原色分量的分量值。
此外,本申请还提供一种用于获取图片的色相特征值的方法。请参考图6,其为本申请提供的一种用于获取图片的色相特征值的方法实施例的流程图,本实施例与第一实施例步骤相同的部分不再赘述。本申请提供的一种用于获取图片的色相特征值的方法包括:
步骤601:提取所述图片图像中的每个像素点的三原色分量的分量值;
步骤602:针对所述每一分量,分别计算上述所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
步骤603:判断所述图片图像的三原色分量均值是否都相同;若不都相同,执行步骤604,否则转到步骤605执行;
步骤604:根据所述图片图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
步骤605:用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
采用本申请提供的用于获取图片的色相特征值的方法,通过提取所述图片图像中的每个像素点的三原色分量的分量值,并计算所述图片图像的三原色分量均值,当所述三原色分量均值不都相同时,用所述三原色分量均值计算得到的色相角作为所述图片的色相特征值,否则用预先定义的特定值作为所述图片的色相特征值,从而将图片的主体色调量化,即:采用具体的色相特征值表征图片的主体色调,为图片的分类、选取、展示等应用提供客观依据。
上述的实施例中,提供了一种用于获取图片的色相特征值的方法,与之相对应的,本申请还提供一种用于获取图片的色相特征值的装置。请参看图7,其为本申请的一种用于获取图片的色相特征值的装置实施例的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例的一种用于获取图片的色相特征值的装置,包括:分量提取单元701,用于提取所述图片图像中的每个像素点的三原色分量的分量值;均值计算单元702,用于针对所述每一分量,分别计算所述分量提取单元提取的所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;均值判断单元703,用于判断所述图像的三原色分量均值是否都相同;色相角计算单元704,用于当所述均值判断单元的输出为“否”时,根据所述图片图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;灰色标识单元705,用于当所述均值判断单元的输出为“是”时,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitorymedia),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (18)
1.一种用于展示图片的方法,其特征在于,包括:
接收用户的图片获取请求;
根据用户的图片获取请求确定返回的预选图片集合;
对所述预选图片集合中的图片按照色相特征值进行聚类,形成一个或多个图片子集;
根据所述聚类结果返回一个或多个图片子集给客户端展示;
所述色相特征值是指,表征图片色调的量化数值。
2.根据权利要求1所述的用于展示图片的方法,其特征在于,所述对所述预选图片集合中的图片按照色相特征值进行聚类,包括:
计算所述预选图片集合每一图片的色相特征值;
用色相特征值在第一设定阈值范围内的图片组成灰色图片集合;
对于未包括在所述灰色图片集合中的每一图片,将与该图片在色相特征值上的差异处于第二设定阈值范围以内的其他图片连同该图片作为该图片的临近色相图片集合;
比较所述灰色图片集合和每一图片的临近色相图片集合,选择包含的图片最多的集合作为所述图片子集。
所述与该图片在色相特征值上的差异处于第二设定阈值范围以内的其他图片包括,在色相环上按照预先指定的方向找到的、色相特征值与该图片的色相特征值之间的色相距离处于设定阈值范围以内的其他图片。
3.根据权利要求2所述的用于展示图片的方法,其特征在于,所述预先指定的方向包括:顺时针方向或者逆时针方向。
4.根据权利要求1所述的用于展示图片的方法,其特征在于,所述对所述预选图片集合中的图片按照色相特征值进行聚类,包括:
计算所述预选图片集合每一图片的色相特征值;
根据所述色相特征值将所述预选图片集合分为多个图片子集,所述多个图片子集包括由色相特征值在第一设定阈值范围内的图片组成的灰色图片子集和非灰色图片子集,每个非灰色图片子集中的图片间的色相特征值差异在第二设定阈值范围以内;
所述每个非灰色图片子集中的图片间的色相特征值差异在第二设定阈值范围内是指,每个非灰色图片子集中的任何两个图片的色相特征值在色相环上的色相距离在第二设定阈值范围以内。
5.根据权利要求4所述的用于展示图片的方法,其特征在于,所述根据所述聚类结果返回一个或多个图片子集给客户端展示,包括:
将多组图片子集返回给客户端分别分区展示,将属于同一图片子集的图片排列在同一个区域中显示,不同图片子集的图片排列在不同区域中显示。
6.根据权利要求2-5任一所述的用于展示图片的方法,其特征在于,所述第二设定阈值范围是指,小于或者等于45度。
7.根据权利要求2-5任一所述的用于展示图片的方法,其特征在于,所述计算所述图片的色相特征值包括:
提取所述图片图像中的每个像素点的三原色分量的分量值;
针对所述每一分量,分别计算上述所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
判断所述图片图像的三原色分量均值是否都相同;
若不都相同,根据所述图片图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
若都相同,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
8.根据权利要求7所述的用于展示图片的方法,其特征在于,所述计算所述图片的色相特征值,还包括:
划分所述图片的前景图像和背景图像;
将所述图片的前景图像作为待计算色相特征值的图像;或者,将所述图片的背景图像作为待计算色相特征值的图像;
相应的,所述提取所述图片图像中的每个像素点的三原色分量的分量值是指,提取所述图片中的待计算色相特征的图像的每个像素点的三原色分量的分量值。
9.一种用于展示图片的装置,其特征在于,包括:
请求接收单元,用于接收用户的图片获取请求;
图片预选单元,用于根据用户的图片获取请求确定返回的预选图片集合;
图片聚类单元,用于对所述预选图片集合中的图片按照色相特征值进行聚类,形成一个或多个图片子集;
图片展示单元,用于根据所述聚类结果返回一个或多个图片子集给客户端展示。
10.根据权利要求9所述的用于展示图片的装置,其特征在于,所述图片聚类单元包括:
色相特征值计算子单元,用于计算所述预选图片集合每一图片的色相特征值。
灰色图片集合生成子单元,用于用色相特征值在第一设定阈值范围内的图片组成灰色图片集合;
临近色相图片集合生成子单元,用于对未包括在所述灰色图片集合中的每一图片,将在色相环上按照预先指定的方向找到的、色相特征值与该图片的色相特征值之间的色相距离处于第二设定阈值范围以内的其他图片连同该图片作为该图片的临近色相图片集合;
图片子集选择子单元,用于比较所述灰色图片集合和每一图片的临近色相图片集合,选择包含的图片最多的集合作为所述图片子集。
11.根据权利要求10所述的用于展示图片的装置,其特征在于,所述临近色相图片集合生成子单元查找图片遵循的所述预先指定的方向包括:顺时针方向或者逆时针方向。
12.根据权利要求9所述的用于展示图片的装置,其特征在于,所述图片聚类单元包括:
色相特征值计算子单元,用于计算所述预选图片集合每一图片的色相特征值;
图片子集划分子单元,用于根据所述色相特征值将所述预选图片集合分为多个图片子集,所述多个图片子集包括由色相特征值在第一设定阈值范围内的图片组成的灰色图片子集和非灰色图片子集,每个非灰色图片子集中的任何两个图片的色相特征值在色相环上的色相距离在第二设定阈值范围以内。
13.根据权利要求12所述的用于展示图片的装置,其特征在于,所述图片展示单元具体用于,将多组图片子集返回给客户端分别分区展示,将属于同一图片子集的图片排列在同一个区域中显示,不同图片子集的图片排列在不同区域中显示。
14.根据权利要求10-13任一所述的用于展示图片的装置,其特征在于,所述临近色相图片集合生成子单元和所述图片子集划分子单元所采用的所述第二设定阈值范围是指,小于或者等于45度。
15.根据权利要求10-13所述的用于展示图片的装置,其特征在于,所述色相特征值计算子单元包括:
计算控制子单元,用于针对预选图片集合中的每一个图片,依次触发下述子单元计算所述图片的色相特征值;
分量提取子单元,用于提取所述图片图像中的每个像素点的三原色分量的分量值;
均值计算子单元,用于针对所述每一分量,分别计算上述所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
均值判断子单元,用于判断所述图片图像的三原色分量均值是否都相同;
色相角计算子单元,用于当所述均值判断子单元的输出为“否”时,根据所述图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
灰色标识子单元,用于当所述均值判断子单元的输出为“是”时,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
16.根据权利要求15所述的用于展示图片的装置,其特征在于,所述色相特征值计算子单元还包括:
图像划分子单元,用于划分所述图片的前景图像和背景图像;
图像设置子单元,用于将所述图片的前景图像作为待计算色相特征值的图像;或者,将所述图片的背景图像作为待计算色相特征值的图像;
相应的,所述分量提取子单元,具体用于提取所述图像设置子单元输出的待计算色相特征的图像中的每个像素点的三原色分量的分量值。
17.一种用于获取图片的色相特征值的方法,其特征在于,包括:
提取所述图片图像中的每个像素点的三原色分量的分量值;
针对所述每一分量,分别计算上述所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
判断所述图片图像的三原色分量均值是否都相同;
若不都相同,根据所述图片图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
若都相同,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
18.一种用于获取图片的色相特征值的装置,其特征在于,包括:
分量提取单元,用于提取所述图片图像中的每个像素点的三原色分量的分量值;
均值计算单元,用于针对所述每一分量,分别计算所述分量提取单元提取的所有像素点的对应分量值的平均值,作为所述图片图像的三原色分量均值;
均值判断单元,用于判断所述图像的三原色分量均值是否都相同;
色相角计算单元,用于当所述均值判断单元的输出为“否”时,根据所述图片图像的三原色分量均值计算色相角,并将所述色相角的度数作为所述图片的色相特征值;
灰色标识单元,用于当所述均值判断单元的输出为“是”时,用一个预定义的不在色相角取值范围之内的值作为所述图片的色相特征值,该值表征所述图片的色调为灰色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410244693.9A CN105205054A (zh) | 2014-06-04 | 2014-06-04 | 用于展示图片的方法和获取图片色相特征值的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410244693.9A CN105205054A (zh) | 2014-06-04 | 2014-06-04 | 用于展示图片的方法和获取图片色相特征值的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105205054A true CN105205054A (zh) | 2015-12-30 |
Family
ID=54952746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410244693.9A Pending CN105205054A (zh) | 2014-06-04 | 2014-06-04 | 用于展示图片的方法和获取图片色相特征值的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205054A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448073A (zh) * | 2018-10-15 | 2019-03-08 | 北京搜狐新媒体信息技术有限公司 | 一种图片提取双色渐变的方法及系统 |
WO2019095485A1 (zh) * | 2017-11-17 | 2019-05-23 | 广州视源电子科技股份有限公司 | 视频信号处理方法、装置及可读存储介质 |
CN110502205A (zh) * | 2019-08-29 | 2019-11-26 | 百度在线网络技术(北京)有限公司 | 图片显示边缘处理方法、装置、电子设备和可读存储介质 |
WO2023001084A1 (zh) * | 2021-07-21 | 2023-01-26 | 花瓣云科技有限公司 | 图像显示、图像处理方法、装置及设备 |
CN117315172A (zh) * | 2023-09-22 | 2023-12-29 | 鲸数科技(北京)有限公司 | 地图页面配置方法、装置、电子设备与计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622163A (zh) * | 2011-03-14 | 2012-08-01 | 北京小米科技有限责任公司 | 一种图标生成方法 |
CN103065153A (zh) * | 2012-12-17 | 2013-04-24 | 西南科技大学 | 一种基于色彩量化和聚类的视频关键帧提取方法 |
CN103390165A (zh) * | 2012-05-10 | 2013-11-13 | 北京百度网讯科技有限公司 | 一种图片聚类的方法及装置 |
WO2013184073A1 (en) * | 2012-06-08 | 2013-12-12 | National University Of Singapore | Interactive clothes searching in online stores |
CN103745210A (zh) * | 2014-01-28 | 2014-04-23 | 爱威科技股份有限公司 | 一种白细胞分类方法及装置 |
-
2014
- 2014-06-04 CN CN201410244693.9A patent/CN105205054A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622163A (zh) * | 2011-03-14 | 2012-08-01 | 北京小米科技有限责任公司 | 一种图标生成方法 |
CN103390165A (zh) * | 2012-05-10 | 2013-11-13 | 北京百度网讯科技有限公司 | 一种图片聚类的方法及装置 |
WO2013184073A1 (en) * | 2012-06-08 | 2013-12-12 | National University Of Singapore | Interactive clothes searching in online stores |
CN103065153A (zh) * | 2012-12-17 | 2013-04-24 | 西南科技大学 | 一种基于色彩量化和聚类的视频关键帧提取方法 |
CN103745210A (zh) * | 2014-01-28 | 2014-04-23 | 爱威科技股份有限公司 | 一种白细胞分类方法及装置 |
Non-Patent Citations (1)
Title |
---|
董小龙,李文红,梁伟: "《构成基础(色彩构成)》", 31 August 2012, 上海交通大学出版社 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019095485A1 (zh) * | 2017-11-17 | 2019-05-23 | 广州视源电子科技股份有限公司 | 视频信号处理方法、装置及可读存储介质 |
CN109448073A (zh) * | 2018-10-15 | 2019-03-08 | 北京搜狐新媒体信息技术有限公司 | 一种图片提取双色渐变的方法及系统 |
CN109448073B (zh) * | 2018-10-15 | 2023-05-16 | 北京搜狐新媒体信息技术有限公司 | 一种图片提取双色渐变的方法及系统 |
CN110502205A (zh) * | 2019-08-29 | 2019-11-26 | 百度在线网络技术(北京)有限公司 | 图片显示边缘处理方法、装置、电子设备和可读存储介质 |
CN110502205B (zh) * | 2019-08-29 | 2023-08-01 | 百度在线网络技术(北京)有限公司 | 图片显示边缘处理方法、装置、电子设备和可读存储介质 |
WO2023001084A1 (zh) * | 2021-07-21 | 2023-01-26 | 花瓣云科技有限公司 | 图像显示、图像处理方法、装置及设备 |
CN117315172A (zh) * | 2023-09-22 | 2023-12-29 | 鲸数科技(北京)有限公司 | 地图页面配置方法、装置、电子设备与计算机可读介质 |
CN117315172B (zh) * | 2023-09-22 | 2024-04-12 | 鲸数科技(北京)有限公司 | 地图页面配置方法、装置、电子设备与计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10049466B2 (en) | Color name generation from images and color palettes | |
CN106898026B (zh) | 一种图片的主色调提取方法和装置 | |
US10027868B2 (en) | Sensor-synchronized spectrally-structured-light imaging | |
US20160005188A1 (en) | Color name generation from images and color palettes | |
CN105205054A (zh) | 用于展示图片的方法和获取图片色相特征值的方法及装置 | |
WO2017092431A1 (zh) | 基于肤色的人手检测方法及装置 | |
CN109784281A (zh) | 基于人脸特征的产品推荐方法、装置及计算机设备 | |
CN108492348A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
Berezhnoy et al. | Computer analysis of van Gogh’s complementary colours | |
KR102010988B1 (ko) | 퍼스널 컬러 진단 장치 및 그 방법 | |
CN104778047A (zh) | 一种内容显示方法及终端 | |
CN109472832B (zh) | 一种配色方案生成方法、装置及智能机器人 | |
CN110287809A (zh) | 图像处理方法及相关产品 | |
Zakir et al. | Road sign segmentation based on colour spaces: A Comparative Study | |
CN108345624A (zh) | 生成页面的方法及装置 | |
CN107682685A (zh) | 白平衡处理方法及装置、电子装置和计算机可读存储介质 | |
Nayak et al. | Ground truth study on fractal dimension of color images of similar texture | |
CN104267817B (zh) | 智能调整屏幕的方法以及智能屏幕 | |
CN107239250A (zh) | 一种调节屏幕显示方法、装置及其移动终端 | |
CN110444181A (zh) | 显示方法、装置、终端及计算机可读存储介质 | |
CN104657465B (zh) | 一种网页的显示控制方法及装置 | |
Heidari-Gorji et al. | Object-based color constancy in a deep neural network | |
van den Broek et al. | Modeling human color categorization | |
CN109886193A (zh) | 一种卷云检测方法、设备及计算机可读存储介质 | |
Nieves et al. | Heuristic analysis influence of saliency in the color diversity of natural images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151230 |