CN105303587A - 一种自动化的图形智能配色方法 - Google Patents

一种自动化的图形智能配色方法 Download PDF

Info

Publication number
CN105303587A
CN105303587A CN201510658067.9A CN201510658067A CN105303587A CN 105303587 A CN105303587 A CN 105303587A CN 201510658067 A CN201510658067 A CN 201510658067A CN 105303587 A CN105303587 A CN 105303587A
Authority
CN
China
Prior art keywords
colour
scheme
color
source
region
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.)
Granted
Application number
CN201510658067.9A
Other languages
English (en)
Other versions
CN105303587B (zh
Inventor
佘慧莉
单建华
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.)
Anhui University of Technology AHUT
Original Assignee
Anhui University of Technology AHUT
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 Anhui University of Technology AHUT filed Critical Anhui University of Technology AHUT
Priority to CN201510658067.9A priority Critical patent/CN105303587B/zh
Publication of CN105303587A publication Critical patent/CN105303587A/zh
Application granted granted Critical
Publication of CN105303587B publication Critical patent/CN105303587B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种自动化的图形智能配色方法,属于图形设计技术领域。本发明方法首先从已知源图形提取代表色,建立源图形的配色方案,对源图形的配色方案进行色彩调和获取需要配色的设计图形的配色方案;然后建立源图形和设计图形的配色方案映射关系,对设计图形代表色进行选取,形成设计图形一系列配色方案映射。本发明方法能减轻设计师劳动强度,提高配色效率,采用美学度量衡量配色方案优劣,具有一定智能性。

Description

一种自动化的图形智能配色方法
技术领域:
本发明属于图形设计技术领域,具体涉及一种自动化的图形智能配色方法。
背景技术:
以Flash、Illustrater等代表的矢量图形软件的开发促进了矢量图形创作的繁荣,矢量图形以其简单洗练、色调鲜明、造型逼真夸张,平面化的造型给人以强烈的视觉冲击和艺术感受,得到年轻一代的推崇和青睐,同时矢量图形因其造型具有相对独立的特点,可对图形内部各个对象进行颜色、轮廓、大小等的任意编辑,故而成为角色设计、数字插画、标志设计、海报招贴等设计中必不可少的艺术形式之一。
在平面效果设计上,矢量图像给受众冲击最强的是色彩的变化,其关键在于配色,在设计学科中最为有效和常见的配色途经是将自然色彩和人工色彩进行分解、归纳并重新组合创造,即对色彩进行分析、采集、概括、重构的过程,其方法一是可以分析源图像色彩组成的色性和色彩构成形式,以确保源图像的主要色彩关系及其色块的面积配比,进而保持其源图像的主要色调、精神特征和整体风格,另一方面,通过打散源图像色彩的组织构成,根据目标图形的造型特征重新组织色彩从而构成新的形象和新的色彩形式。目前配色方法主要不足之处如下:
1、在设计学的配色过程中,对源图像的采集、概括相对主观,容易造成偏差或者分析不到位。
2、重构过程中对色彩的数值把握相对主观,对色彩面积的把握不准确,配色不准。
3、针对源图像的色彩进行采集重构,配色时间长、范围小,不利于矢量图形的优劣比较。
目前还没有设计软件能自动智能化地从已知自然图像、设计图形或绘画作品等源图形中通过颜色聚类来提取配色方案,并运用到矢量图形的配色中。本发明能缩短人工提取颜色和配色的过程,产生大量的图形配色结果,提高了设计师在创作过程中的配色效率。
发明内容:
本发明的目的在于针对现有手动配色方法的不足,提供一种自动化的图形智能配色方法。本发明所提供的一种自动化的图形智能配色方法的具体步骤如下:
(1)从已知源图形提取配色方案,建立源图形的配色方案,源图形的配色方案提取过程如下:
A:首先对源图形进行高斯模糊,然后把颜色空间转换到CIELab颜色空间。
B:对CIELab颜色空间的ab子空间进行K-means均值聚类,聚类种类数人为指定或程序自动设定为3到6种。
C:对每一个聚类后的颜色种类所代表的图像区域进行L子空间K-means均值聚类。
D:对每一个聚类后的颜色种类所代表的图像区域在RGB颜色空间进行代表色提取,在此类图像区域内提取每个颜色分量的最众数作为代表色分量。
E:计算每种代表色区域所占图像总面积的比重值,并按面积比重值从高到低排序,得到源图形的配色方案:
Ps={(c1,w1),...,(ci,wi),...,(cn,wn)],式中ci,wi分别为代表色的色值和面积比重值,n为源方案色彩数。
F:对每种代表色区域(ci,wi)提取联通区域,获得每个联通区域的面积比重值和代表色,并按面积比重值从高到低排序,得到每种代表色区域的子配色方案:
Psi={(ci1,wi1),...,(cil,wil),...,(cik,wik)},式中cil,wil分别为代表色的色值和面积比重值,k为子配色方案的色彩数。
(2)获取需要配色的设计图形的配色方案:
Pt={(ct1,wt1),(ct2,wt2),...,(ctm,wtm)},式中cti,wti分别为代表色的色值和面积比重值,m为设计方案色彩数,各wti值已知,cti需从源配色方案中选取,配色方案按面积比重值从高到低排序。
(3)对源图形的配色方案进行色彩调和;如果wt1>25%,则进行调和;否则不进行调和,调和过程如下:
A:源图形配色方案的代表色转换到CIELch颜色空间;
B:提取各代表色的色度H分量,相应得h1,h2,…,hn
C:各代表色h2,…,hn与h1进行比较,如果abs(hi-(h1+180)%360)<60,则hi=(hi+5*sign(hi-(h1+180)%360))%360,如果360-abs(hi-(h1+180)%360)<60,则hi=hi-5*sign(hi-(h1+180)%360),其他两个分量不变。
(4)建立源图形和设计图形的配色方案映射关系,对设计图形代表色进行选取,具体过程如下:按面积比重值从高到低,对设计图形每个配色区域(cti,wti)进行代表色cti选取,如果wti与前一个配色区域面积比重值wt(i-1)之差绝对值小于0.1*wti,则cti值取为ct(i-1);否则,按如下方式选取:对cti,i=1,2,首先从源配色方案中选取面积比重值wi与wti最接近的两个源配色方案区域,随机从这两个源配色方案区域选择一个代表色赋值给cti;对cti,i>2,首先从源配色方案(ci,wi)i>2(去除第一,第二主色)所有子配色方案中选取面积比重值wil与wti最接近的三个源子配色方案区域,随机从这三个源配色方案区域选择一个代表色赋值给cti;判断两个面积比重值接近程度的准则为:abs(wi-wj)/(wi+wj),比值越小越接近,遍历设计图形每个配色区域,完成一次配色方案映射。
(5)形成设计图形一系列配色方案映射,分两种方式;第一种:重复进行配色方案映射多次;第二种:重复进行配色方案映射多次,然后采用三种美学度量值从中分别选取最优的多种配色方案映射;设计师从以上两种方式得到的配色方案映射中选取合适配色方案,并在此基础上进行进一步美化。
本发明利用颜色聚类方法提取源图形代表色,避免了人工采集过程中造成的色彩提取偏差。配色过程中,能精确获取各配色区域面积比重值,提高配色精准度。本配色方法能快速生成大量配色方案,减轻设计师劳动强度,提高配色效率,并且有利于设计师比较各种配色方案优劣。本配色方法采用美学度量衡量配色方案优劣,具有一定智能性,能指导设计师配色。
附图说明:
图1是本发明的配色流程。
具体实施方式:
本发明提供一种自动化的图形智能配色方法,该配色方法具体步骤如下:
(1)从已知源图形提取配色方案,建立源图形的配色方案,源图形的配色方案提取过程如下:
A:首先对源图形进行高斯模糊,然后把颜色空间转换到CIELab颜色空间。
B:对CIELab颜色空间的ab子空间进行K-means均值聚类,聚类种类数可人为指定或程序自动设定为3到6种。
C:对每一个聚类后的颜色种类所代表的图像区域进行L子空间K-means均值聚类;聚类种类数设定为3种,如果聚类后得到的任意两个聚类中心L距离大于15,则此类颜色区域聚类为3类;否则,改变聚类种类数为2种,进行L子空间K-means均值聚类;如果聚类后得到的两个聚类中心L距离大于15,则此类颜色区域聚类为2类;否则,则此类颜色区域聚类为1类。
D:对每一个聚类后的颜色种类所代表的图像区域在RGB颜色空间进行代表色提取,在此类图像区域内提取每个颜色分量的最众数作为代表色分量;具体做法为:以10为间隔提取颜色分量直方图,取颜色分量直方图最众数为代表色分量。
E:计算每种代表色区域所占图像总面积的面积比重值,并按面积比重值从高到低排序,得到源图形的配色方案:
Ps={(c1,w1),...,(ci,wi),...,(cn,wn)],式中ci,wi分别为代表色的色值和面积比重值,n为源方案色彩数。
F:对每种代表色区域(ci,wi)提取联通区域,获得每个联通区域的面积比重值和代表色,并按面积比重值从高到低排序,得到每种代表色区域的子配色方案:
Psi={(ci1,wi1),...,(cil,wil),...,(cik,wik)},式中cil,wil分别为代表色的色值和面积比重值,k为子配色方案的色彩数。
(2)获取需要配色的设计图形的配色方案:
Pt={(ct1,wt1),(ct2,wt2),...,(ctm,wtm)},式中cti,wti分别为代表色的色值和面积比重值,m为设计方案色彩数,各wti值已知,cti需从源配色方案中选取,配色方案按面积比重值从高到低排序。
(3)对源图形的配色方案进行色彩调和;如果wt1>25%,则进行调和;否则不进行调和,调和过程如下:
A:源图形配色方案的代表色转换到CIELch颜色空间。
B:提取各代表色的色度H分量,相应得h1,h2,…,hn
C:各代表色h2,…,hn与h1进行比较,如果abs(hi-(h1+180)%360)<60,则hi=(hi+5*sign(hi-(h1+180)%360))%360,如果360-abs(hi-(h1+180)%360)<60,则hi=hi-5*sign(hi-(h1+180)%360),其他两个分量不变。
(4)建立源图形和设计图形的配色方案映射关系,对设计图形代表色进行选取,具体过程如下:按面积比重值从高到低,对设计图形每个配色区域(cti,wti)进行代表色cti选取,如果wti与前一个配色区域面积比重值wt(i-1)之差绝对值小于0.1*wti,则cti值取为ct(i-1);否则,按如下方式选取:对cti,i=1,2,首先从源配色方案中选取面积比重值wi与wti最接近的两个源配色方案区域,随机从这两个源配色方案区域选择一个代表色赋值给cti;对cti,i>2,首先从源配色方案(ci,wi),i>2(去除第一,第二主色)中所有子配色方案选取面积比重值wil与wti最接近的三个源子配色方案区域,随机从这三个源配色方案区域选择一个代表色赋值给cti;判断两个面积比重值接近程度的准则为:abs(wi-wj)/(wi+wj),比值越小越接近,遍历设计图形每个配色区域,完成一次配色方案映射。
(5)形成设计图形一系列配色方案映射,分两种方式;第一种:重复进行配色方案映射多次,如10到50次;第二种:重复进行配色方案映射多次,如100到200次,然后采用三种美学度量值从中分别选取最优的10种配色方案映射;设计师从以上两种方式得到的配色方案映射中选取合适配色方案,并在此基础上进行进一步美化。
三种美学度量采用Machado&Cardoso、GlobalContrastFactor和Moon&Spencer这三种度量系统,具体方法见文献MachadoP,CardosoA.Computingaesthetics[M]//Advancesinartificialintelligence.SpringerBerlinHeidelberg,1998:219-228和MatkovicK,NeumannL,NeumannA,etal.GlobalContrastFactor-aNewApproachtoImageContrast[J].ComputationalAesthetics,2005,2005:159-168;和MoonP,SpencerDE.Aestheticmeasureappliedtocolorharmony[J].JOSA,1944,34(4):234-242。

Claims (1)

1.一种自动化的图形智能配色方法,其特征在于该配色方法具体步骤如下:
(1)从已知源图形提取配色方案,建立源图形的配色方案,源图形的配色方案提取过程如下:
A:首先对源图形进行高斯模糊,然后把颜色空间转换到CIELab颜色空间;
B:对CIELab颜色空间的ab子空间进行K-means均值聚类,聚类种类数人为指定或程序自动设定;
C:对每一个聚类后的颜色种类所代表的图像区域进行L子空间K-means均值聚类;
D:对每一个聚类后的颜色种类所代表的图像区域在RGB颜色空间进行代表色提取,在此类图像区域内提取每个颜色分量的最众数作为代表色分量;
E:计算每种代表色区域所占图像总面积的面积比重值,并按面积比重值从高到低排序,得到源图形的配色方案:
Ps={(c1,w1),...,(ci,wi),...,(cn,wn)},式中ci,wi分别为代表色的色值和面积比重值,n为源方案色彩数;
F:对每种代表色区域(ci,wi)提取联通区域,获得每个联通区域的面积比重值和代表色,并按面积比重值从高到低排序,得到每种代表色区域的子配色方案:
Psi={(ci1,wi1),...,(cil,wil),...,(cik,wik)},式中cil,wil分别为代表色的色值和面积比重值,k为子配色方案的色彩数;
(2)获取需要配色的设计图形的配色方案:
Pt={(ct1,wt1),(ct2,wt2),...,(ctm,wtm)},式中cti,wti分别为代表色的色值和面积比重值,m为设计方案色彩数,各wti值已知,cti需从源配色方案中选取,配色方案按面积比重值从高到低排序;
(3)对源图形的配色方案进行色彩调和;如果wt1>25%,则进行调和;否则不进行调和,调和过程如下:
A:源图形配色方案的代表色转换到CIELch颜色空间;
B:提取各代表色的色度H分量,相应得h1,h2,…,hn
C:各代表色h2,…,hn与h1进行比较,如果abs(hi-(h1+180)%360)<60,则hi=(hi+5*sign(hi-(h1+180)%360))%360,如果360-abs(hi-(h1+180)%360)<60,则hi=hi-5*sign(hi-(h1+180)%360),其他两个分量不变;
(4)建立源图形和设计图形的配色方案映射关系,对设计图形代表色进行选取,具体过程如下:按面积比重值从高到低,对设计图形每个配色区域(cti,wti)进行代表色cti选取,如果wti与前一个配色区域面积比重值wt(i-1)之差绝对值小于0.1*wti,则cti值取为ct(i-1);否则,按如下方式选取:对cti,i=1,2,首先从源配色方案中选取面积比重值wi与wti最接近的两个源配色方案区域,随机从这两个源配色方案区域选择一个代表色赋值给cti;对cti,i>2,首先从源配色方案(ci,wi),i>2,去除第一、第二主色后所有子配色方案中,选取面积比重值wil与wti最接近的三个源子配色方案区域,随机从这三个源配色方案区域选择一个代表色赋值给cti;判断两个面积比重值接近程度的准则为:abs(wi-wj)/(wi+wj),比值越小越接近,遍历设计图形每个配色区域,完成一次配色方案映射;
(5)形成设计图形一系列配色方案映射,分两种方式;第一种:重复进行配色方案映射多次;第二种:重复进行配色方案映射多次,然后采用三种美学度量值从中分别选取最优的多种配色方案映射;设计师从以上两种方式得到的配色方案映射中选取合适配色方案,并在此基础上进行进一步美化。
CN201510658067.9A 2015-10-10 2015-10-10 一种自动化的图形智能配色方法 Active CN105303587B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510658067.9A CN105303587B (zh) 2015-10-10 2015-10-10 一种自动化的图形智能配色方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510658067.9A CN105303587B (zh) 2015-10-10 2015-10-10 一种自动化的图形智能配色方法

Publications (2)

Publication Number Publication Date
CN105303587A true CN105303587A (zh) 2016-02-03
CN105303587B CN105303587B (zh) 2018-04-06

Family

ID=55200808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510658067.9A Active CN105303587B (zh) 2015-10-10 2015-10-10 一种自动化的图形智能配色方法

Country Status (1)

Country Link
CN (1) CN105303587B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106873959A (zh) * 2016-07-12 2017-06-20 阿里巴巴集团控股有限公司 一种软件界面配色方法及装置
CN108052765A (zh) * 2017-12-26 2018-05-18 四川大学 基于人格印象的配色方案自动生成方法及装置
CN108416826A (zh) * 2018-02-07 2018-08-17 李荣陆 一种平面设计自动配色装置
CN108846869A (zh) * 2018-05-24 2018-11-20 浙江传媒学院 一种基于自然图像色彩的服装自动配色方法
CN109345612A (zh) * 2018-09-13 2019-02-15 腾讯数码(天津)有限公司 一种图像生成方法、装置、设备和存储介质
CN109472832A (zh) * 2018-10-15 2019-03-15 广东智媒云图科技股份有限公司 一种配色方案生成方法、装置及智能机器人
CN110335321A (zh) * 2019-07-01 2019-10-15 上海外高桥造船有限公司 色块匹配度的评估方法、系统、存储介质以及电子设备
CN111695293A (zh) * 2020-05-27 2020-09-22 杭州慕锐科技有限公司 一种面向纺织品类超大尺寸设计图基于调色板的全自动智能配色方法及监控方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324925A (zh) * 2008-07-28 2008-12-17 浙江大学 一种织物染色配色优化方法
CN102637236A (zh) * 2012-05-03 2012-08-15 杭州慕锐网络技术有限公司 一种纺织图案的智能配色方法
CN102819821A (zh) * 2012-07-24 2012-12-12 浙江大学 一种基于色彩风格转移的产品外观快速重配色方法
US20130207994A1 (en) * 2012-02-13 2013-08-15 Vilen Rodeski System and method for generating and applying a color theme to a user interface
CN103927102A (zh) * 2014-04-28 2014-07-16 深圳市中兴移动通信有限公司 主题配色方法和移动终端
CN104063562A (zh) * 2014-07-14 2014-09-24 南京大学 一种基于色彩聚类的乱针绣铺底绣稿生成方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324925A (zh) * 2008-07-28 2008-12-17 浙江大学 一种织物染色配色优化方法
US20130207994A1 (en) * 2012-02-13 2013-08-15 Vilen Rodeski System and method for generating and applying a color theme to a user interface
CN102637236A (zh) * 2012-05-03 2012-08-15 杭州慕锐网络技术有限公司 一种纺织图案的智能配色方法
CN102819821A (zh) * 2012-07-24 2012-12-12 浙江大学 一种基于色彩风格转移的产品外观快速重配色方法
CN103927102A (zh) * 2014-04-28 2014-07-16 深圳市中兴移动通信有限公司 主题配色方法和移动终端
CN104063562A (zh) * 2014-07-14 2014-09-24 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 (4)

* Cited by examiner, † Cited by third party
Title
GUOSHENG HU等: "《A User-Oriented Method for Preferential Color Scheme Generation》", 《COLOR RESEARCH & APPLICATION》 *
任琦等: "《面向办公应用的自动配色方案创作与应用系统》", 《软件学报》 *
杨鹏: "《风格转移驱动的产品色彩方案设计技术研究》", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
苑寅秋: "《面向机电产品的色彩设计专家系统(MCSES)研究》", 《中国优秀博硕士学位论文全文数据库 (博士) 工程科技Ⅱ辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106873959A (zh) * 2016-07-12 2017-06-20 阿里巴巴集团控股有限公司 一种软件界面配色方法及装置
CN108052765A (zh) * 2017-12-26 2018-05-18 四川大学 基于人格印象的配色方案自动生成方法及装置
CN108416826A (zh) * 2018-02-07 2018-08-17 李荣陆 一种平面设计自动配色装置
CN108846869A (zh) * 2018-05-24 2018-11-20 浙江传媒学院 一种基于自然图像色彩的服装自动配色方法
CN108846869B (zh) * 2018-05-24 2021-06-18 浙江传媒学院 一种基于自然图像色彩的服装自动配色方法
CN109345612A (zh) * 2018-09-13 2019-02-15 腾讯数码(天津)有限公司 一种图像生成方法、装置、设备和存储介质
CN109472832A (zh) * 2018-10-15 2019-03-15 广东智媒云图科技股份有限公司 一种配色方案生成方法、装置及智能机器人
CN110335321A (zh) * 2019-07-01 2019-10-15 上海外高桥造船有限公司 色块匹配度的评估方法、系统、存储介质以及电子设备
CN110335321B (zh) * 2019-07-01 2021-04-23 上海外高桥造船有限公司 色块匹配度的评估方法、系统、存储介质以及电子设备
CN111695293A (zh) * 2020-05-27 2020-09-22 杭州慕锐科技有限公司 一种面向纺织品类超大尺寸设计图基于调色板的全自动智能配色方法及监控方法
CN111695293B (zh) * 2020-05-27 2023-10-13 杭州慕锐科技有限公司 一种面向纺织品类超大尺寸设计图基于调色板的全自动智能配色方法及监控方法

Also Published As

Publication number Publication date
CN105303587B (zh) 2018-04-06

Similar Documents

Publication Publication Date Title
CN105303587A (zh) 一种自动化的图形智能配色方法
CN107403183A (zh) 整合目标检测和图像分割为一体的智能分割方法
CN105718945B (zh) 基于分水岭和神经网络的苹果采摘机器人夜间图像识别方法
CN105608692B (zh) 基于反卷积网络和稀疏分类的极化sar图像分割方法
Wang et al. Comparison of different color spaces for image segmentation using graph-cut
CN109285162A (zh) 一种基于局部区域条件随机场模型的图像语义分割方法
CN108875740A (zh) 一种应用于激光切割机的机器视觉切割方法
CN103235952B (zh) 一种基于高分辨率遥感影像的城市绿度空间的度量方法
CN106004203B (zh) 基于灰度的孔装饰板加工方法及应用其的加工系统
CN104574307A (zh) 一种绘画作品图像的主要颜色提取方法
CN111340060B (zh) 图像生成器的训练方法
CN102184404B (zh) 掌纹图像中手掌区域的获取方法及装置
CN106228545A (zh) 一种佛像类唐卡一致性破损区域的自动分割方法
CN105894044A (zh) 一种基于车载激光扫描数据的单株树木点云自动提取方法
CN102521624B (zh) 一种土地利用类型分类的方法和系统
CN104408733B (zh) 基于对象随机游走的遥感图像视觉显著性检测方法及系统
CN103473550B (zh) 基于Lab空间和局域动态阈值的植物叶片图像分割方法
CN104166999B (zh) 一种基于地基云图强度分层的云团提取方法
CN104732524B (zh) 血液白细胞显微图像的随机权网络分割方法
CN106355607B (zh) 一种宽基线彩色图像模板匹配方法
CN106157323A (zh) 一种动态分块阈值和块搜索结合的绝缘子分割提取方法
CN104036294B (zh) 基于光谱标记的多光谱遥感图像自适应分类方法
CN103996206B (zh) 一种基于GraphCut的复杂背景遥感图像中交互式目标提取方法
CN104050680B (zh) 基于迭代自组织和多智能体遗传聚类算法的图像分割方法
CN103824259B (zh) 一种基于视觉区域比重平衡法则的图像构图美化方法和系统

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