CN106898026A - 一种图片的主色调提取方法和装置 - Google Patents

一种图片的主色调提取方法和装置 Download PDF

Info

Publication number
CN106898026A
CN106898026A CN201710154483.4A CN201710154483A CN106898026A CN 106898026 A CN106898026 A CN 106898026A CN 201710154483 A CN201710154483 A CN 201710154483A CN 106898026 A CN106898026 A CN 106898026A
Authority
CN
China
Prior art keywords
picture
pixel
value
input
visual saliency
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
CN201710154483.4A
Other languages
English (en)
Other versions
CN106898026B (zh
Inventor
苏博览
殷俊
杜家春
王锐
汪洋
江小琴
程川
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201710154483.4A priority Critical patent/CN106898026B/zh
Publication of CN106898026A publication Critical patent/CN106898026A/zh
Application granted granted Critical
Publication of CN106898026B publication Critical patent/CN106898026B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Library & Information Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种图片的主色调提取方法和装置，用于实现对图片的主色调的准确提取。该方法可包括：对输入的图片进行平滑处理，得到完成平滑处理后的图片；对输入的图片进行视觉显著度的计算，得到输入的图片中每个像素点对应的视觉显著度值；根据完成平滑处理后的图片中每个像素点具有的像素值，分别确定完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，颜色空间中包括：多个颜色区域；将每个像素点对应的视觉显著度值作为加权值获取多个颜色区域分别对应的统计值，以及根据多个颜色区域分别对应的统计值确定输入的图片的主色调，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。

Description

一种图片的主色调提取方法和装置
技术领域
本发明涉及图像数据处理技术领域，尤其涉及一种图片的主色调提取方法和装置。
背景技术
图片数据处理可以应用于图像的推荐、快速图像检索以及相似图像匹配中。在前述的图片数据处理时，现有技术中，可以利用图片的主色调来完成图像的推荐、搜索、匹配的处理过程。例如，用户在进行图片搜索时，可以提取图片的主色调，搜索引擎就会从图片数据库中筛选出具有相应主色调的图片返回给用户。因此通过引入图片的主色调可以实现图片的推荐、搜索和匹配。
在上述的图片数据处理中，需要对图片进行主色调提取，即识别出给定图片的所有颜色中最主要的颜色或占有比重最大的颜色作为图片的主色调。在现有技术中，图片主色调的提取方法，主要包括如下流程：1、读取要提取主色调的图片，2、根据像素值把颜色空间划分成若干个区域，例如，把图像的颜色值(R，G，B)在0到50的像素点都划分成一个区间，把50到100的划分成另一个区间等，每个区域代表某一特定颜色。3、根据颜色值统计属于每一个区域的像素个数，即统计待处理图片的像素点落在各个区域的个数，落入像素点个数最多的区域代表的颜色即为图像的主色调。
以广告图片的推荐为例，用户点击广告的行为会被广告的色调等因素决定。比如有些用户会偏爱冷色调的图片，有些用户更偏向点击红蓝色的图片等等。因此需要基于此来设计图像的特征，用数字的形式来表示广告图像中的主要色调，从而可以作为机器学习模型的输入。在现有的主色调提取方法中，没有考虑到以下两个方面：一、广告图片中同一个物体通常使用不同的颜色来刻画细节，提高表现力，然后这些分散的像素点用户通常不会注意到，因此统计主色调的时候这些像素点会形成干扰。二、用户会更关注图片的某些区域，而对另外的区域关注度要小一些，如背景。而统计主色调的时候，并没有区分背景的颜色和前景的颜色，最后得到的结果可能是将背景的颜色作为主色调，这种方式提取到的主色调不能反映用户所关注的色调，例如用户所关注的色调通常不是背景，而是前景物体。
现有技术中图片主色调特征提取的方法存在如下区缺陷：对于图片中物体的纹理比较丰富的输入图片，进行直方图统计会和人的视觉感知产生偏差，从而不能准确的提取主色调。
发明内容
本发明实施例提供了一种图片的主色调提取方法和装置，用于实现对图片的主色调的准确提取。
为解决上述技术问题，本发明实施例提供以下技术方案：
第一方面，本发明实施例提供一种图片的主色调提取方法，包括：
对输入的图片进行平滑处理，得到完成平滑处理后的图片；
对所述输入的图片进行视觉显著度的计算，得到所述输入的图片中每个像素点对应的视觉显著度值；
根据所述完成平滑处理后的图片中每个像素点具有的像素值，分别确定所述完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，所述颜色空间中包括：多个颜色区域；
将所述每个像素点对应的视觉显著度值作为加权值获取所述多个颜色区域分别对应的统计值，以及根据所述多个颜色区域分别对应的统计值确定所述输入的图片的主色调，其中，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。
第二方面，本发明实施例还提供一种图片的主色调提取装置，包括：
平滑处理模块，用于对输入的图片进行平滑处理，得到完成平滑处理后的图片；
视觉显著度计算模块，用于对所述输入的图片进行视觉显著度的计算，得到所述输入的图片中每个像素点对应的视觉显著度值；
颜色区域划分模块，用于根据所述完成平滑处理后的图片中每个像素点具有的像素值，分别确定所述完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，所述颜色空间中包括：多个颜色区域；
主色调确定模块，用于将所述每个像素点对应的视觉显著度值作为加权值获取所述多个颜色区域分别对应的统计值，以及根据所述多个颜色区域分别对应的统计值确定所述输入的图片的主色调，其中，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。
从以上技术方案可以看出，本发明实施例具有以下优点：
在本发明实施例中，对输入的图片进行平滑处理，得到完成平滑处理后的图片，对输入的图片进行视觉显著度的计算，得到输入的图片中每个像素点对应的视觉显著度值，根据完成平滑处理后的图片中每个像素点具有的像素值，分别确定完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，颜色空间中包括：多个颜色区域，将每个像素点对应的视觉显著度值作为加权值获取多个颜色区域分别对应的统计值，以及根据多个颜色区域分别对应的统计值确定输入的图片的主色调，其中，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。本发明实施例中可以对图片进行平滑处理，以解决色调分散的像素点的干扰，通过每个像素点的视觉显著度值来给不同的颜色区域赋予相应的统计值，使得视觉显著度值的取值大的颜色区域能够被确定主色调，从而更精确的提取用户关注颜色区域的主色调，使得最后提取的主色调更符合用户的视觉需求，确定出的主色调更加真实准确。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图片的主色调提取方法的流程方框示意图；
图2为本发明实施例中图片的主色调应用于广告推荐的实现过程示意图；
图3为本发明实施例提供的图片的主色调提取方法的实现过程示意图；
图4为本发明实施例提供的视觉显著度的实现过程示意图；
图5为本发明实施例提供的主色调的提取过程示意图；
图6-a为本发明实施例提供的一种图片的主色调提取装置的组成结构示意图；
图6-b为本发明实施例提供的一种主色调确定模块的组成结构示意图；
图6-c为本发明实施例提供的另一种图片的主色调提取装置的组成结构示意图；
图7为本发明实施例提供的图片的主色调提取方法应用于服务器的组成结构示意图。
具体实施方式
本发明实施例提供了一种图片的主色调提取方法和装置，用于实现对图片的主色调的准确提取。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域的技术人员所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
以下分别进行详细说明。
现有技术进行主色调提取时没有考虑图片中同一个物体通常使用不同的颜色来刻画细节，这些分散的像素点用户通常不会注意到，因此统计主色调的时候这些像素点会形成干扰。并且现有技术在统计主色调的时候，并没有区分背景的颜色和前景的颜色，最后得到的结果可能是将背景的颜色作为主色调。使得对图片的主色调提取不够符合用户的需要，为此，在本发明实施例中，在对主色调进行提取时，考虑了不同像素点的视觉显著度，以使提取结果更符合使用者的预期。本发明图片的主色调提取方法的一个实施例，具体可以应用于对输入的图片进行主色调提取过程中，提取出图片的主色调可以用于图片的搜索、图片的推荐等。请参阅图1所示，本发明一个实施例提供的图片的主色调提取方法，可以包括如下步骤：
101、对输入的图片进行平滑处理，得到完成平滑处理后的图片。
在本发明实施例中，首先获取输入的图片，该输入的图片是需要提取主色调的图片，例如该图片可以是用户输入的，也可以是图像搜索时预先配置的，也可以是广告图片匹配时输入的广告图片。得到输入的图片之后，对该图片进行平滑处理，从而得到完成平滑处理后的图片。本发明实施例中对图片的平滑处理具体是指图像平滑(Image Smoothing)，用于突出图像的低频成分、主干部分，或抑制图像噪声和干扰的高频成分，使图像颜色平缓渐变，减小突变梯度，从而可以改善图像质量。举例说明，在本发明实施例中图像平滑可以使用低通卷积滤波、低通高斯滤波器、巴特沃思低通滤波等。
在本发明的一些实施例中，步骤101中的对输入的图片进行平滑处理，包括：
A1、使用L0范数梯度最小化的方式对输入的图片进行平滑处理。
其中，对于输入的图片，具体可以使用L0范数梯度最小化(Norm GradientMinization)的方式进行平滑处理，L0范数梯度最小化算法的主要思路是在做图片平滑的时候，尽量保持物体和背景直接的边缘不变，而去除物体内部的颜色变化，而通常物体和背景之间的边缘颜色变化是要强于物体内部的颜色变化的，基于此观察，希望找到一个平滑后的图像，和输入的图片的差距尽可能的少，同时这个平滑后的图像的颜色尽可能的小。使用L0范数梯度最小化的方式，可以保持图片中的物体和背景直接的边缘不变，而不是进行全局过滤，使得平滑后的图片中能够解决色调分散的像素点的干扰问题。
102、对输入的图片进行视觉显著度的计算，得到输入的图片中每个像素点对应的视觉显著度值。
在本发明实施例中，首先获取输入的图片，该输入的图片是需要提取主色调的图片，例如该图片可以是用户输入的，也可以是图像搜索时预先配置的，也可以是广告图片匹配时输入的广告图片。得到输入的图片之后，对该输入的图片进行视觉显著度的计算，得到输入的图片中每个像素点对应的视觉显著度值。其中，视觉显著度(Visual Saliency)是图像中重要的视觉特征，体现了人眼对图像的某些区域的重视程度，计算视觉显著度时需要利用人的注意力机制为基础来找出图像中最能引起用户兴趣、最能表现图像内容的区域。
在本发明的一些实施例中，步骤102中对输入的图片进行视觉显著度的计算，包括：
B1、计算输入的图片中所有像素点的像素均值；
B2、对输入的图片进行高斯平滑处理，得到完成高斯平滑处理后的图片；
B3、根据完成高斯平滑处理后的图片中每个像素点的像素值与像素均值计算每个像素点的视觉显著度。
其中，获取图片中所有像素点的像素值，然后对所有像素点的像素值进行平均值计算，从而得到图片中所有像素点的像素均值，步骤B1和步骤B2可以并列执行，也可以先执行步骤B1再执行步骤B2，或者先执行步骤B2再执行步骤B1。其中，在步骤B2中，对输入的图片进行高斯平滑(即高斯模糊)处理，得到模糊后的图片。其中，模糊后的图片的每个像素点位置的取值由输入的图片对应的位置的相邻的像素点的加权和决定。相邻像素点的范围由k指定，k是指当前像素点和周围像素点的距离阈值，对于距离大于k的像素点，则不用于对当前像素点的值计算。输入的图片的像素点权重由一个高斯函数决定。最后，可以取高斯模糊后的图片的每个像素点和像素均值的差的绝对值作为每个像素点的视觉显著度。
需要说明的是，在本发明的实施例中，步骤101和步骤102可以并列执行，也可以先执行步骤101再执行步骤102，或者先执行步骤102再执行步骤101，图1中以先执行步骤101再执行步骤102为例进行说明，可以根据实际场景的需要选择步骤101和步骤102的执行顺序，此处不做限定。
在本发明的一些实施例中，步骤102中对输入的图片进行视觉显著度的计算，得到输入的图片中每个像素点对应的视觉显著度值之后，本发明实施例提供的图片的主色调提取方法还包括如下步骤：
C1、根据输入的图片中每个像素点对应的视觉显著度值作为每个像素点对应的灰度值，显示图片对应的灰度图像。
其中，本发明实施例中可以对输入的图片做视觉显著度计算，得到图像的视觉显著度并用灰度图像表示，图像的像素点越亮表示该处越显著，反之则越不重要。举例说明，可以将计算后的视觉显著度表示成灰度图像，因为计算后的视觉显著度在原图片上的每个像素点都有一个值，该值可以视为灰度图像的灰度值，从而可以用视觉显著度作为灰度图像的灰度值来展示图片，使得用户通过灰度图像的显示直观看到图像中各个像素点的视觉显著度。
103、根据完成平滑处理后的图片中每个像素点具有的像素值，分别确定完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，颜色空间中包括：多个颜色区域。
在本发明实施例中，将颜色空间划分为多个颜色区域，然后根据完成平滑处理后的图片中每个像素点具有的像素值，分别确定完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域。其中，颜色空间(Color Space)是描述使用一组值(通常使用三个颜色成分)表示颜色方法的抽象数学模型，举例说明如下，如可在HSV(Hue，Saturation，Value)颜色空间，或HSI(Hue，Saturation，Intensity，色度，饱和度和亮度)颜色空间、或YUV(Y表示亮度信号，U和V表示两个色度信号)颜色空间、或RGB颜色空间中进行颜色区域的划分。例如，HSV颜色空间是一个倒立的椎体，HSV中的H代表色度、S代表饱和度、V代表亮度，H的取值范围为(0-360]，S的取值范围为[0，1]，V的取值范围为[0，1]，当不同H、S、V组合时可以代表不同的色彩。
104、将每个像素点对应的视觉显著度值作为加权值获取多个颜色区域分别对应的统计值，以及根据多个颜色区域分别对应的统计值确定输入的图片的主色调，其中，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。
在本发明实施例中，确定完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域之后，接下来对颜色空间中所有的颜色区域进行统计，本发明实施例中步骤102中可以计算出每个像素点对应的视觉显著度值，将每个像素点对应的视觉显著度值作为加权值获取多个颜色区域分别对应的统计值，因此本发明实施例中影响每个颜色区域的统计值的因素了除了该颜色区域内的像素点的个数，还包括每个像素点的视觉显著度值。本发明实施例中颜色区域的统计值可以使用视觉显著度值作为加权值来调整多个颜色区域分别对应的统计值，最后根据多个颜色区域分别对应的统计值可以确定出输入的图片的主色调，由于每个颜色区域对应的统计值使用了像素点的视觉显著度值，因此视觉显著度值大的像素点对该颜色区域对应的统计值影响也大，使得包括视觉显著度大的像素点的颜色区域能够容易被选中为图片的主色调，从而使得最后提取的主色调更符合用户的视觉需求，确定出的主色调更加真实准确。
在本发明的一些实施例中，步骤104中将每个像素点对应的视觉显著度值作为加权值获取多个颜色区域分别对应的统计值，包括：
D1、按照颜色空间中的每个颜色区域，对完成平滑处理后的图片中每个像素点分别进行加权的直方图统计，每个颜色区域对应的直方图中采用的加权值包括：相应的颜色区域内的所有像素点的视觉显著度值。
其中，本发明实施例中可以采用图像直方图对各个颜色区域的像素点进行统计，图像直方图(Color Histogram)是反映一个图像像素分布的统计表，表示图像中具有每种颜色的像素的个数，反映图像中每种颜色出现的频率，需要说明的是，本发明实施例中使用像素点的视觉显著度值进行加权的直方图统计，使得颜色区域内的所有像素点的视觉显著度值能够改变颜色区域对应的直方图。
进一步的，在本发明的一些实施例中，步骤104中根据多个颜色区域分别对应的统计值确定输入的图片的主色调，包括：
D2、对每个颜色区域对应的直方图进行二值化处理，将坐标值大于或等于阈值的直方图对应的颜色区域作为输入的图片的主色调。
其中，得到每个颜色区域对应的直方图之后，可以对得到的多个颜色区域对应的直方图进行过滤，去除统计值小于阈值的颜色区域，将统计值大于阈值的颜色区域对应的颜色作为图片的主色调。
通过以上实施例对本发明实施例的描述可知，对输入的图片进行平滑处理，得到完成平滑处理后的图片，对输入的图片进行视觉显著度的计算，得到输入的图片中每个像素点对应的视觉显著度值，根据完成平滑处理后的图片中每个像素点具有的像素值，分别确定完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，颜色空间中包括：多个颜色区域，将每个像素点对应的视觉显著度值作为加权值获取多个颜色区域分别对应的统计值，以及根据多个颜色区域分别对应的统计值确定输入的图片的主色调，其中，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。本发明实施例中可以对图片进行平滑处理，以解决色调分散的像素点的干扰，通过每个像素点的视觉显著度值来给不同的颜色区域赋予相应的统计值，使得视觉显著度值的取值大的颜色区域能够被确定主色调，从而更精确的提取用户关注颜色区域的主色调，使得最后提取的主色调更符合用户的视觉需求，确定出的主色调更加真实准确。
为便于更好的理解和实施本发明实施例的上述方案，下面举例相应的应用场景来进行具体说明。
接下来以本发明实施例中图片的主色调提取用于广告的个性化推荐为例进行说明广告图片的主色调提取。在对用户进行广告的个性化推送的时候，需要根据用户特征(如：用户的年龄、性别、地点、工作、喜欢的物品、浏览的网页历史等信息，根据不同的业务会有不同的需求)和广告内容特征(例如包括广告图片的色调、广告的文字等)进行匹配，找出最合适的广告进行推送。因此推荐模型对广告推荐系统来说至关重要，是提高用户兴趣度和广告点击率的重要保证。例如通过大量的训练数据来提取出有用的特征，从而使用机器学习的方法来进行训练得到模型。而模型的有效性，很大程度上是取决于特征工程从原始数据中提取出来的特征是否有效。如图2所示，在训练模型时，可以使用本发明实施例提取到的图片的主色调、广告图片的其它特征(例如广告的文字长度)、用户特征输入到推荐模型中，对该模型进行训练，模型训练完成后，该模型可以用于向用户推荐广告。
根据对用户的调研表明，用户关注的色调通常集中于广告图片的前景物品，或者对比度比较明显的区域，人眼通常会被一些有视觉冲击力的区域所吸引。举例说明，对于2所示，首先是看到图中的前景部分和中央的文字，而背景的色调，以及背景的一些音符通常会被忽略，对于图片中前景部分存在大量的纹理，如果不做图像平滑处理，直接进行直方图统计，会产生许多噪点。因此本发明实施例中，在统计图像直方图，需要对图像进行平滑处理，以解决噪点的干扰，之后再计算图片的视觉显著度来给图片中不同的颜色区域赋予不同的权重，从而更精确的提取用户关注区域的主色调。
本发明实施例提出的基于图像平滑和视觉显著度的图像主色调提取，可以很好的解决现有技术中存在的主色调提取不准确的问题，从而提取更符合用户视觉感知的主色调。举例说明，本发明实施例可以应用在图像广告推荐，图像检索和相似图片发现，从而提高图像广告的点击率和图像检索的精确度。接下来对本发明实施例在广告推荐上应用进行说明，主要包括如下步骤：
首先，服务器把当前广告的图片数据发送到主色调提取的系统服务上，
然后，在主色调提取时，可以从图片中提取到主色调特征；
接下来，主色调特征和用户特征、广告其它特征等拼接在一起作为推荐模型的输入。广告的其它特征指广告的内容特征，如广告大小，广告点击数，广告内容文字等信息。
最后，推荐模型根据输入特征生成推荐结果。
本发明实施例的核心思想是通过图像平滑和视觉显著度来提高主色调提取的准确度，如图3所示，为本发明实施例提供的图片的主色调提取方法的实现过程示意图，接下来对图片的主色调提取过程进行举例说明如下：
步骤1、对输入的图片使用L0-Norm梯度最小化来进行平滑处理，即使用图像梯度L0范数对图片进行平滑处理。
首先获取输入的图片，然后对输入的图片进行平滑处理，得到平滑后的图片。其中，图片平滑使用的算法是基于L0 Norm Gradient Minization。该算法的主要思路是在做图片平滑的时候，尽量保持物体和背景直接的边缘不变，而去除物体内部的颜色变化。而通常物体和背景之间的边缘颜色变化是要强于物体内部的颜色变化的，基于此观察，希望找到一个平滑后的图像S，这个图片和输入图像I的差距尽可能的少，同时这个图像S的颜色尽可能的小，即要优化下面的式子：
其中，Si、Ii表示图像中的像素值，N(S'≠0)表示图像S中和相邻的像素点像素值不一致的像素点的个数。λ是控制式子两项的权重，例如默认取值为0.02。因此可以找到一个S，可以让上述的式子(1)最小，就可以得到平滑后的图像。如图3所示，显示了平滑后的图片，可以看到图片中衣服的纹理都被平滑了，而人物的轮廓都被保留了。
步骤2、对平滑后的图片的每个像素点计算视觉显著度。
如图4所示，为本发明实施例提供的视觉显著度的实现过程示意图。对输入的图片做视觉显著度计算，得到图片的视觉显著度并用灰度图像表示，图像的像素点越亮表示该处越显著，反之则越不重要。因为计算后的视觉显著度在原图片上的每个像素点都有一个值，该值可以视为灰度图像的灰度值，从而可以用视觉显著度作为灰度图像的灰度值。本发明实施例中视觉显著度的计算有多种方法，接下来进行举例说明，主要包括如下步骤：
A、计算输入的图片的所有像素点的像素均值I m。
B、对输入的图片进行高斯模糊，得到模糊后的图像IG。计算高斯模糊后的图像的公式如下(2)所示。模糊后的图像的像素点位置(x，y)的值由输入图像对应的位置的相邻的像素点的加权和决定。相邻像素点的范围由k指定，k是指当前像素点和周围像素点的距离阈值，如果距离大于k，则不计算该像素点对当前像素点的影响权重。例如，默认k的取值为5。输入图片的像素点权重由一个高斯函数决定，该高斯函数如公式(3)所示。高斯函数的变量σ与k相关，由式子(4)决定。
σ＝0.3*((k-1)*0.5-1)+0.8 (4)
C、最后取高斯模糊后的图片和像素均值的差的绝对值作为图片的视觉显著度，例如通过如下公式(5)计算视觉显著度。
S(x,y)＝||IG(x,y)-Im|| (5)
步骤3、基于图像像素点的视觉显著度赋予图片中像素点不同的权重，视觉显著度更高的像素点，其对应的权重越高。
步骤4、对图片进行加权的直方图统计。
步骤5、对得到的直方图进行过滤，去除统计值小于阈值的颜色区域。
步骤6、将统计值大于阈值的颜色区域的颜色作为图片的主色调特征。
如图5所示，为本发明实施例提供的主色调的提取过程示意图，得到平滑后的图片和视觉显著度之后，下一步就是进行平滑后的图片根据视觉显著度加权来进行直方图统计。具体的算法流程如下：
a.首先把图片中像素点的像素值在R、G、B三个颜色通道上分成n个区域，因为颜色空间的取值是(0，255)，因此每个区域的像素值范围是255/n，例如设定n＝5。
b.对于平滑后的图片的每一个像素点(x，y)，根据它的像素点的(R，G，B)值，判断它属于哪个颜色区域，并根据视觉显著度加权，具体计算公式如下：
其中，R(x，y)、G(x，y)、B(x，y)、是像素点(x，y)对应的R、G、B三个通道的像素值，(r，g，b)则是取整后对应的颜色空间区域的坐标。
c.正常的直方图统计的时候，对于每个像素点，都在对应的颜色空间区域上增加1。本发明实施例中需要考虑到图片的视觉显著度，本发明实施例中可以在对应的颜色区域增加像素点的视觉显著度值，如下公式(7)所示，S(x，y)是对应像素点的视觉显著度值，N(r，g，b)是区域坐标为(r，g，b)的值。这样对于更重要的像素点，其对应的视觉显著度值更大，因此它对最后的直方图相应坐标的贡献权重更大。这样处理之后，得到一个长度为n3的直方图N。
N(r,g,b)＝N(r,g,b)+S(x,y) (7)
d.N(r，g，b)是一个统计值，在没有加权的情况下，是统计图片中像素值为(r，g，b)的像素点的个数。该直方图所有的初始值都是0，如果图片中有一个像素值为(r，g，b)的像素点，则对应的N(r，g，b)增加1，这样，所有的像素点对于直方图的值的影响都是同样的。本发明实施例中使用视觉显著度作为加权的计算情况下，对不同的像素点赋予不同的权重，如果图片中有一个像素值为(r，g，b)的像素点，对应的N(r，g，b)增加的是该像素点的位置(x，y)对应的视觉显著度S(x，y)，而不是1。因此如果一个像素点的视觉显著度高，它在直方图上增加的值更大，也就拥有了更高的权重，最后对取得的图像直方图做二值化，对于值大于或等于给定的阈值的颜色区域设定为1，小于给定阈值的颜色区域设定为0。其中阈值是由公式(8)决定，这样图片的主色调就被定义为直方图中为1的区域。
本发明实施例中，提出基于图像平滑和视觉显著度的图像主色调提取方法，能够更好的提取更符合用户视觉感知的主色调，从而应用在图像广告推荐，图像检索和相似图片发现，提高图像广告的点击率和图像检索的精确度。进行图片平滑和视觉显著度计算的时候，都可以根据不同的应用要求选择不同的技术。如图片平滑可以使用低通卷积滤波，低通高斯滤波器、巴特沃思低通滤波等。视觉显著度计算也有TC算法，HC算法，AC算法等。另外，在进行图像主色调提取的时候，除了在RGB颜色空间上进行提取，该技术也可以应用到别的颜色空间上，如HSV、LAB等。该方案除了可以应用于广告图像推荐项目之外，也可以应用于快速图像检索，相似图像匹配等领域。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
为便于更好的实施本发明实施例的上述方案，下面还提供用于实施上述方案的相关装置。
请参阅图6-a所示，本发明实施例提供的一种图片的主色调提取装置600，可以包括：平滑处理模块601、视觉显著度计算模块602、颜色区域划分模块603、主色调确定模块604，其中，
平滑处理模块601，用于对输入的图片进行平滑处理，得到完成平滑处理后的图片；
视觉显著度计算模块602，用于对所述输入的图片进行视觉显著度的计算，得到所述输入的图片中每个像素点对应的视觉显著度值；
颜色区域划分模块603，用于根据所述完成平滑处理后的图片中每个像素点具有的像素值，分别确定所述完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，所述颜色空间中包括：多个颜色区域；
主色调确定模块604，用于将所述每个像素点对应的视觉显著度值作为加权值获取所述多个颜色区域分别对应的统计值，以及根据所述多个颜色区域分别对应的统计值确定所述输入的图片的主色调，其中，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。
在本发明的一些实施例中，所述平滑处理模块601，具体用于使用L0范数梯度最小化的方式对输入的图片进行平滑处理。
在本发明的一些实施例中，所述视觉显著度计算模块602，具体用于计算输入的图片中所有像素点的像素均值；对所述输入的图片进行高斯平滑处理，得到完成高斯平滑处理后的图片；根据所述完成高斯平滑处理后的图片中每个像素点的像素值与所述像素均值计算每个像素点的视觉显著度。
在本发明的一些实施例中，请参阅图6-b所示，所述主色调确定模块604，包括：
直方图统计模块6041，用于按照所述颜色空间中的每个颜色区域，对所述完成平滑处理后的图片中每个像素点分别进行加权的直方图统计，每个颜色区域对应的直方图中采用的加权值包括：相应的颜色区域内的所有像素点的视觉显著度值。
进一步的，在本发明的一些实施例中，请参阅图6-b所示，所述主色调确定模块604，还包括：二值化处理模块6042，用于对每个颜色区域对应的直方图进行二值化处理，将坐标值大于或等于阈值的直方图对应的颜色区域作为所述输入的图片的主色调。
在本发明的一些实施例中，请参阅图6-c所示，所述图片的主色调提取装置600还包括：灰度处理模块605，用于所述视觉显著度计算模块602对所述输入的图片进行视觉显著度的计算，得到所述输入的图片中每个像素点对应的视觉显著度值之后，根据所述输入的图片中每个像素点对应的视觉显著度值作为每个像素点对应的灰度值，显示所述图片对应的灰度图像。
通过以上实施例对本发明实施例的描述可知，对输入的图片进行平滑处理，得到完成平滑处理后的图片，对输入的图片进行视觉显著度的计算，得到输入的图片中每个像素点对应的视觉显著度值，根据完成平滑处理后的图片中每个像素点具有的像素值，分别确定完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，颜色空间中包括：多个颜色区域，将每个像素点对应的视觉显著度值作为加权值获取多个颜色区域分别对应的统计值，以及根据多个颜色区域分别对应的统计值确定输入的图片的主色调，其中，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。本发明实施例中可以对图片进行平滑处理，以解决色调分散的像素点的干扰，通过每个像素点的视觉显著度值来给不同的颜色区域赋予相应的统计值，使得视觉显著度值的取值大的颜色区域能够被确定主色调，从而更精确的提取用户关注颜色区域的主色调，使得最后提取的主色调更符合用户的视觉需求，确定出的主色调更加真实准确。
图7是本发明实施例提供的一种服务器结构示意图，该服务器1100可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processingunits，CPU)1122(例如，一个或一个以上处理器)和存储器1132，一个或一个以上存储应用程序1142或数据1144的存储介质1130(例如一个或一个以上海量存储设备)。其中，存储器1132和存储介质1130可以是短暂存储或持久存储。存储在存储介质1130的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1122可以设置为与存储介质1130通信，在服务器1100上执行存储介质1130中的一系列指令操作。
服务器1100还可以包括一个或一个以上电源1126，一个或一个以上有线或无线网络接口1150，一个或一个以上输入输出接口1158，和/或，一个或一个以上操作系统1141，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。
上述实施例中由服务器所执行的图片的主色调提取的方法步骤可以基于该图7所示的服务器结构。
另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
综上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照上述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对上述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (12)

1.一种图片的主色调提取方法，其特征在于，包括：
对输入的图片进行平滑处理，得到完成平滑处理后的图片；
对所述输入的图片进行视觉显著度的计算，得到所述输入的图片中每个像素点对应的视觉显著度值；
根据所述完成平滑处理后的图片中每个像素点具有的像素值，分别确定所述完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，所述颜色空间中包括：多个颜色区域；
将所述每个像素点对应的视觉显著度值作为加权值获取所述多个颜色区域分别对应的统计值，以及根据所述多个颜色区域分别对应的统计值确定所述输入的图片的主色调，其中，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。
2.根据权利要求1所述的方法，其特征在于，所述对输入的图片进行平滑处理，包括：
使用L0范数梯度最小化的方式对输入的图片进行平滑处理。
3.根据权利要求1所述的方法，其特征在于，所述对所述输入的图片进行视觉显著度的计算，包括：
计算输入的图片中所有像素点的像素均值；
对所述输入的图片进行高斯平滑处理，得到完成高斯平滑处理后的图片；
根据所述完成高斯平滑处理后的图片中每个像素点的像素值与所述像素均值计算每个像素点的视觉显著度。
4.根据权利要求1所述的方法，其特征在于，所述将所述每个像素点对应的视觉显著度值作为加权值获取所述多个颜色区域分别对应的统计值，包括：
按照所述颜色空间中的每个颜色区域，对所述完成平滑处理后的图片中每个像素点分别进行加权的直方图统计，每个颜色区域对应的直方图中采用的加权值包括：相应的颜色区域内的所有像素点的视觉显著度值。
5.根据权利要求4所述的方法，其特征在于，所述根据所述多个颜色区域分别对应的统计值确定所述输入的图片的主色调，包括：
对每个颜色区域对应的直方图进行二值化处理，将坐标值大于或等于阈值的直方图对应的颜色区域作为所述输入的图片的主色调。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述对所述输入的图片进行视觉显著度的计算，得到所述输入的图片中每个像素点对应的视觉显著度值之后，所述方法还包括：
根据所述输入的图片中每个像素点对应的视觉显著度值作为每个像素点对应的灰度值，显示所述图片对应的灰度图像。
7.一种图片的主色调提取装置，其特征在于，包括：
平滑处理模块，用于对输入的图片进行平滑处理，得到完成平滑处理后的图片；
视觉显著度计算模块，用于对所述输入的图片进行视觉显著度的计算，得到所述输入的图片中每个像素点对应的视觉显著度值；
颜色区域划分模块，用于根据所述完成平滑处理后的图片中每个像素点具有的像素值，分别确定所述完成平滑处理后的图片中每个像素点所属的颜色空间中的颜色区域，所述颜色空间中包括：多个颜色区域；
主色调确定模块，用于将所述每个像素点对应的视觉显著度值作为加权值获取所述多个颜色区域分别对应的统计值，以及根据所述多个颜色区域分别对应的统计值确定所述输入的图片的主色调，其中，每个颜色区域对应的统计值包括：相应的颜色区域内的所有像素点的个数以及对应的视觉显著度值。
8.根据权利要求7所述的装置，其特征在于，所述平滑处理模块，具体用于使用L0范数梯度最小化的方式对输入的图片进行平滑处理。
9.根据权利要求7所述的装置，其特征在于，所述视觉显著度计算模块，具体用于计算输入的图片中所有像素点的像素均值；对所述输入的图片进行高斯平滑处理，得到完成高斯平滑处理后的图片；根据所述完成高斯平滑处理后的图片中每个像素点的像素值与所述像素均值计算每个像素点的视觉显著度。
10.根据权利要求7所述的装置，其特征在于，所述主色调确定模块，包括：
直方图统计模块，用于按照所述颜色空间中的每个颜色区域，对所述完成平滑处理后的图片中每个像素点分别进行加权的直方图统计，每个颜色区域对应的直方图中采用的加权值包括：相应的颜色区域内的所有像素点的视觉显著度值。
11.根据权利要求10所述的装置，其特征在于，所述主色调确定模块，还包括：二值化处理模块，用于对每个颜色区域对应的直方图进行二值化处理，将坐标值大于或等于阈值的直方图对应的颜色区域作为所述输入的图片的主色调。
12.根据权利要求7至11中任一项所述的装置，其特征在于，所述图片的主色调提取装置还包括：灰度处理模块，用于所述视觉显著度计算模块对所述输入的图片进行视觉显著度的计算，得到所述输入的图片中每个像素点对应的视觉显著度值之后，根据所述输入的图片中每个像素点对应的视觉显著度值作为每个像素点对应的灰度值，显示所述图片对应的灰度图像。
CN201710154483.4A 2017-03-15 2017-03-15 一种图片的主色调提取方法和装置 Active CN106898026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710154483.4A CN106898026B (zh) 2017-03-15 2017-03-15 一种图片的主色调提取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710154483.4A CN106898026B (zh) 2017-03-15 2017-03-15 一种图片的主色调提取方法和装置

Publications (2)

Publication Number Publication Date
CN106898026A true CN106898026A (zh) 2017-06-27
CN106898026B CN106898026B (zh) 2019-02-05

Family

ID=59193384

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710154483.4A Active CN106898026B (zh) 2017-03-15 2017-03-15 一种图片的主色调提取方法和装置

Country Status (1)

Country Link
CN (1) CN106898026B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108646995A (zh) * 2018-03-30 2018-10-12 维沃移动通信有限公司 一种显示色彩的控制方法、装置及移动终端
CN108921829A (zh) * 2018-06-20 2018-11-30 广州晖恒广告策划有限公司 一种基于视觉注意机制的广告设计客观评价方法
CN109686342A (zh) * 2018-12-25 2019-04-26 青岛海信电器股份有限公司 一种图像处理方法及装置
CN110120080A (zh) * 2019-04-12 2019-08-13 青岛九维华盾科技研究院有限公司 一种快速生成标准伪装迷彩主色的方法
CN110349223A (zh) * 2018-04-08 2019-10-18 中兴通讯股份有限公司 一种图像处理的方法及装置
CN110366030A (zh) * 2019-07-15 2019-10-22 深圳市易汇软件有限公司 一种沉浸式观影系统中机顶盒与氛围灯联动的方法
CN110503695A (zh) * 2018-05-17 2019-11-26 腾讯科技（深圳）有限公司 图片主要色的获取方法、装置、存储介质及电子装置
CN110825968A (zh) * 2019-11-04 2020-02-21 腾讯科技（深圳）有限公司 信息推送方法、装置、存储介质和计算机设备
CN111368767A (zh) * 2020-03-09 2020-07-03 广东三维家信息科技有限公司 家居素材色调的识别方法、装置及电子设备
CN111524198A (zh) * 2020-04-14 2020-08-11 广东三维家信息科技有限公司 图像主色调识别方法、装置、计算机设备和存储介质
CN113486271A (zh) * 2021-07-06 2021-10-08 网易（杭州）网络有限公司 一种图像主色调的确定方法、装置以及电子终端
CN113610185A (zh) * 2021-08-19 2021-11-05 江西应用技术职业学院 基于主色调识别的木材色选方法
CN113763486A (zh) * 2020-06-01 2021-12-07 北京达佳互联信息技术有限公司 主色调提取方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231757A (zh) * 2007-12-07 2008-07-30 北京搜狗科技发展有限公司 一种图片主色调分析方法、装置及其在图片搜索中的应用
CN102592272A (zh) * 2011-01-12 2012-07-18 腾讯科技（深圳）有限公司 一种图片主色调提取方法及装置
CN105069465A (zh) * 2015-07-21 2015-11-18 华南农业大学 一种基于l0梯度保持的颜色转换方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231757A (zh) * 2007-12-07 2008-07-30 北京搜狗科技发展有限公司 一种图片主色调分析方法、装置及其在图片搜索中的应用
CN102592272A (zh) * 2011-01-12 2012-07-18 腾讯科技（深圳）有限公司 一种图片主色调提取方法及装置
CN105069465A (zh) * 2015-07-21 2015-11-18 华南农业大学 一种基于l0梯度保持的颜色转换方法

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108646995A (zh) * 2018-03-30 2018-10-12 维沃移动通信有限公司 一种显示色彩的控制方法、装置及移动终端
CN110349223A (zh) * 2018-04-08 2019-10-18 中兴通讯股份有限公司 一种图像处理的方法及装置
CN110503695B (zh) * 2018-05-17 2023-05-30 腾讯科技（深圳）有限公司 图片主要色的获取方法、装置、存储介质及电子装置
CN110503695A (zh) * 2018-05-17 2019-11-26 腾讯科技（深圳）有限公司 图片主要色的获取方法、装置、存储介质及电子装置
CN108921829A (zh) * 2018-06-20 2018-11-30 广州晖恒广告策划有限公司 一种基于视觉注意机制的广告设计客观评价方法
CN109686342A (zh) * 2018-12-25 2019-04-26 青岛海信电器股份有限公司 一种图像处理方法及装置
CN110120080A (zh) * 2019-04-12 2019-08-13 青岛九维华盾科技研究院有限公司 一种快速生成标准伪装迷彩主色的方法
CN110120080B (zh) * 2019-04-12 2024-01-05 青岛九维华盾科技研究院有限公司 一种快速生成标准伪装迷彩主色的方法
CN110366030A (zh) * 2019-07-15 2019-10-22 深圳市易汇软件有限公司 一种沉浸式观影系统中机顶盒与氛围灯联动的方法
CN110825968A (zh) * 2019-11-04 2020-02-21 腾讯科技（深圳）有限公司 信息推送方法、装置、存储介质和计算机设备
CN110825968B (zh) * 2019-11-04 2024-02-13 腾讯科技（深圳）有限公司 信息推送方法、装置、存储介质和计算机设备
CN111368767A (zh) * 2020-03-09 2020-07-03 广东三维家信息科技有限公司 家居素材色调的识别方法、装置及电子设备
CN111368767B (zh) * 2020-03-09 2024-02-02 广东三维家信息科技有限公司 家居素材色调的识别方法、装置及电子设备
CN111524198A (zh) * 2020-04-14 2020-08-11 广东三维家信息科技有限公司 图像主色调识别方法、装置、计算机设备和存储介质
WO2021208922A1 (zh) * 2020-04-14 2021-10-21 广东三维家信息科技有限公司 图像主色调识别方法、装置、计算机设备和存储介质
CN111524198B (zh) * 2020-04-14 2024-04-09 广东三维家信息科技有限公司 图像主色调识别方法、装置、计算机设备和存储介质
CN113763486A (zh) * 2020-06-01 2021-12-07 北京达佳互联信息技术有限公司 主色调提取方法、装置、电子设备及存储介质
WO2021243955A1 (zh) * 2020-06-01 2021-12-09 北京达佳互联信息技术有限公司 主色调提取方法及装置
CN113763486B (zh) * 2020-06-01 2024-03-01 北京达佳互联信息技术有限公司 主色调提取方法、装置、电子设备及存储介质
CN113486271A (zh) * 2021-07-06 2021-10-08 网易（杭州）网络有限公司 一种图像主色调的确定方法、装置以及电子终端
CN113610185A (zh) * 2021-08-19 2021-11-05 江西应用技术职业学院 基于主色调识别的木材色选方法

Also Published As

Publication number Publication date
CN106898026B (zh) 2019-02-05

Similar Documents

Publication Publication Date Title
CN106898026A (zh) 一种图片的主色调提取方法和装置
JP7413400B2 (ja) 肌質測定方法、肌質等級分類方法、肌質測定装置、電子機器及び記憶媒体
Li et al. Fast multi-exposure image fusion with median filter and recursive filter
KR101140533B1 (ko) 이미지로부터 추정된 피부색에 기초해서 제품을 추천하는 컴퓨터 구현된 방법
CN1475969B (zh) 用于增强人像图像的方法和系统
Liu et al. Variable augmented neural network for decolorization and multi-exposure fusion
CN106504064A (zh) 基于深度卷积神经网络的服装分类与搭配推荐方法及系统
CN108305240A (zh) 图像质量检测方法及装置
CN105654436A (zh) 一种基于前景背景分离的背光图像增强去噪方法
CN103578098B (zh) 在商品图片中提取商品主体的方法和装置
CN107123088A (zh) 一种自动更换证件照背景颜色的方法
CN111696080B (zh) 一种基于静态纹理的人脸欺诈检测方法、系统及存储介质
CN112818732B (zh) 一种图像处理方法、装置、计算机设备和存储介质
CN104636759A (zh) 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐系统
CN106504104A (zh) 一种基于面部识别交友社交的方法
CN108830823A (zh) 基于空域结合频域分析的全参考型图像质量评价方法
CN110599554A (zh) 人脸肤色的识别方法和装置、存储介质及电子装置
CN110705634A (zh) 一种鞋跟型号识别方法、装置及存储介质
CN103577993B (zh) 颜色选取方法及装置
CN109903265A (zh) 一种图像变化区域侦测阀值设定方法、系统及其电子装置
US11682143B2 (en) System and method for hair analysis of user
CN110490711A (zh) 一种个性化形象设计平台
CN109409305A (zh) 一种人脸图像清晰度评价方法及装置
CN113052923A (zh) 色调映射方法、装置、电子设备和存储介质
CN108647605A (zh) 一种结合全局颜色与局部结构特征的人眼凝视点提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant