CN105427260A - 图像处理方法及装置 - Google Patents

Abstract

本发明实施例涉及一种图像处理方法及装置,所述方法包括：将待处理图片进行重构,得到待处理像素的第一颜色值数据；采用k-means聚类算法将所述待处理像素分为第一数量个类别；将每一类像素的质心像素的颜色值作为该类别所有像素的颜色值，得到待处理像素的第二颜色值；基于所有待处理像素的第二颜色值将待处理图片逆重构成原尺寸，得到处理后图片。本发明实施例提供的图像处理方法及装置，不仅能够大致保证原图的纹理，还可以根据自己的需求改变聚类数，而且能够满足工艺生产的规范原则，用户体验度得到很大程度的提高。

Description

图像处理方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像处理方法及装置。

背景技术

图像处理是根据工业生产的需求，对原始图像进行加工处理的过程。

聚类分析是图像处理的一种方式，是指将物理或者抽象对象的集合分组由类似的对象组成的多个类的分析过程，通过收集的数据信息，依据需求以及数据的相似性来进行分类。从统计学的观点看，聚类分析是通过数据建模简化数据的一种方式。传统聚类方式包括系统聚类法、分解法、加入法、动态聚类法等等。从机器学习的角度看，聚类是基于一种隐藏模式的无监督学习过程，与分类不同，无监督不依赖预先定义的类别和训练实例，而由算法自动确定标记。

在工业生产的印刷过程中，由于图片的种类千差万别，而工艺单中的实际图像的颜色必须符合印刷的基本标准，这就产生了设计图和生产的冲突。如果直接将不符合生产标准的原始图片撤回，那么就需要重新设计，影响用户体验度。因此，需要一种既能满足图片的设计理念，保留原始图片的部分信息，又符合实际生产的工业准则的图像聚类分析处理方案。

发明内容

本发明的目的是提供一种图像处理方法及装置，既能满足图片的设计理念，保留原始图片的部分信息，又符合实际生产的工业准则，聚类效果好，用户体验度得到了提高。

为实现上述目的，本发明提供了一种图像处理方法，所述方法包括：

将待处理图片进行重构,得到待处理像素的第一颜色值数据；

采用k-means聚类算法将所述待处理像素分为第一数量个类别；

将每一类像素的质心像素的颜色值作为该类别所有像素的颜色值，得到待处理像素的第二颜色值；

基于所有待处理像素的第二颜色值将待处理图片逆重构成原尺寸，得到处理后图片。

另一方面，本发明提供了一种图像色彩识别装置，所述装置包括：

重构单元，用于将待处理图片进行重构,得到待处理像素的第一颜色值数据；

聚类单元，用于采用k-means聚类算法将所述待处理像素分为第一数量个类别；

处理单元，用于将每一类像素的质心像素的颜色值作为该类别所有像素的颜色值，得到待处理像素的第二颜色值；

逆重构单元，用于基于所有待处理像素的第二颜色值将待处理图片逆重构成原尺寸，得到处理后图片。

本发明实施例提供的图像处理方法及装置，不仅能够大致保证原图的纹理，还可以根据自己的需求改变聚类数，而且能够满足工艺生产的规范原则，用户体验度得到很大程度的提高。

附图说明

图1为本发明实施例一提供的图像处理方法的流程图；

图2为本发明实施例一提供的k-means聚类二维演示示意图；

图3为本发明实施例二提供的图像处理装置的示意图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

本发明技术方案适用于

图1为本发明实施例一提供的图像处理方法的流程图。如图1所示，本发明实施例的图像处理方法包括：

步骤101，将待处理图片进行重构,得到待处理像素的第一颜色值数据。

具体地，接收待处理图Img(n,m,3)，将Img(n,m,3)重构成Img(n*m,3)，其中，n为图片的长度，m为图片的宽度。由此，得到待处理像素所在色彩空间的各个通道的颜色值数据。

步骤102，采用k-means聚类算法将所述待处理像素分为第一数量个类别。

具体地，随机选取k个聚类质心为

u₁,u₂,u₃...u_k∈ResizeImg(n*m,3)

重复下面过程直到收敛：

对于每个样本i，计算其应该属于的类别

$C^{\left(i\right)}:=\mathrm{argmin}\left|\right|x^{\left(i\right)}-u_j|{|}^2---\left(1\right)$

对于每个类别j，重新计算该类别的质心

$u_j:=\frac{{\mathrm{\Σ}}_{i=1}^{m}1\{C^{\left(i\right)}=j\}{x}^{\left(i\right)}}{{\mathrm{\Σ}}_{i=1}^{m}1\{C^{\left(i\right)}=j\}}---\left(2\right)$

其中，k是预设的聚类数，C⁽ⁱ⁾为样本i和k个类中距离最近的类，C⁽ⁱ⁾的数值是1到k中的一个。

例如，图2(a)为二维下所有样本的坐标图，根据欧式距离将它们进行聚类，从图2(a)中随机选取两质心，用×表示，得到图2(b)，再计算所有样本点到两质心的距离，然后分别挑取离两质心最近的两类样本得到图2(c)，重新在两类样本的范围内随机挑取两质点得到图2(d)，继续之前步骤，迭代二次得到(e)，迭代三次得到(f)。

步骤103，将每一类像素的质心像素的颜色值作为该类别所有像素的颜色值，得到待处理像素的第二颜色值。

步骤104，基于所有待处理像素的第二颜色值将待处理图片逆重构成原尺寸，得到处理后图片。

以RGB色彩空间威为例，通过多次迭代，将原图像的所有像素根据RGB空间的值聚类为k类，再逆重构成原尺寸大小，即得到聚类后的图像。

选取的k＝5，选择的距离规则为'cityblock'，最后得到5类的RGB值如表1所示。

R值	G值	B值
			250	252	252
64	49	45
			164	203	211
141	182	197
			188	79	83

表1

本发明实施例提供的图像处理方法，不仅能够大致保证原图的纹理，还可以根据自己的需求改变聚类数，而且能够满足工艺生产的规范原则，用户体验度得到很大程度的提高。

图3为本发明实施例二提供的图像处理装置的示意图。如图3所示，本发明实施例的图像处理装置包括：重构单元201、聚类单元202、处理单元203和逆重构单元204。

重构单元201，用于将待处理图片进行重构,得到待处理像素的第一颜色值数据；

聚类单元202，用于采用k-means聚类算法将所述待处理像素分为第一数量个类别；

处理单元203，用于将每一类像素的质心像素的颜色值作为该类别所有像素的颜色值，得到待处理像素的第二颜色值；

逆重构单元204，用于基于所有待处理像素的第二颜色值将待处理图片逆重构成原尺寸，得到处理后图片。

本申请实施例二提供的装置植入了本申请实施例一提供的方法，因此，本申请提供的装置的具体工作过程，在此不复赘述。

本发明实施例提供的图像处理装置，不仅能够大致保证原图的纹理，还可以根据自己的需求改变聚类数，而且能够满足工艺生产的规范原则，用户体验度得到很大程度的提高。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种图像处理方法，其特征在于，所述方法包括：

将待处理图片进行重构,得到待处理像素的第一颜色值数据；

采用k-means聚类算法将所述待处理像素分为第一数量个类别；

将每一类像素的质心像素的颜色值作为该类别所有像素的颜色值，得到待处理像素的第二颜色值；

基于所有待处理像素的第二颜色值将待处理图片逆重构成原尺寸，得到处理后图片。

2.根据权利要求1所述的图像处理方法，其特征在于，所述将待处理图片进行重构,得到待处理像素的第一颜色值数据具体包括：

将待处理图片进行重构,得到待处理像素所在色彩空间的各个通道的颜色值数据。

3.根据权利要求1所述的图像处理方法，其特征在于，所述k-means聚类算法的约束函数具体为欧氏距离或曼哈顿距离。

4.一种图像处理装置，其特征在于，所述装置包括：

重构单元，用于将待处理图片进行重构,得到待处理像素的第一颜色值数据；

聚类单元，用于采用k-means聚类算法将所述待处理像素分为第一数量个类别；

处理单元，用于将每一类像素的质心像素的颜色值作为该类别所有像素的颜色值，得到待处理像素的第二颜色值；

逆重构单元，用于基于所有待处理像素的第二颜色值将待处理图片逆重构成原尺寸，得到处理后图片。

5.根据权利要求4所述的图像处理装置，其特征在于，所述重构单元具体用于：

将待处理图片进行重构,得到待处理像素所在色彩空间的各个通道的颜色值数据。

6.根据权利要求4所述的图像处理装置，其特征在于，所述k-means聚类算法的约束函数具体为欧氏距离或曼哈顿距离。