CN107430777B

CN107430777B - 确定织物制品的颜色值

Info

Publication number: CN107430777B
Application number: CN201680008510.0A
Authority: CN
Inventors: S·科文; S·E·德克尔; J·麦克
Original assignee: Dial Corp
Current assignee: Henkel AG and Co KGaA
Priority date: 2015-02-03
Filing date: 2016-01-27
Publication date: 2021-11-30
Anticipated expiration: 2036-01-27
Also published as: KR20170110658A; EP3254074A1; EP3254074B1; EP3254074A4; KR102486618B1; CN107430777A; US9412038B1; WO2016126470A1; US20160224860A1

Abstract

提供了用于确定织物制品的颜色值的方法和系统。确定织物制品的颜色值包括从移动设备获得具有校准卡的织物制品的数字图像，从数字图像计算用于织物制品的织物光度值，将织物光度值与校准光度值进行比较以创建比较，以及基于比较来确定织物制品的颜色值。

Description

确定织物制品的颜色值

相关申请的交叉引用

本申请要求于2015年2月3日提交的标题为“DETERMINING A COLOR VALUE OF ANARTICLE OF FABRIC”的美国实用新型申请14/612,792的优先权，该申请并入本文。

技术领域

本发明一般而言涉及确定织物制品的颜色值，更具体而言涉及确定在织物制品经受洗衣过程之前和之后织物制品的颜色值。

背景技术

织物制品可以包括衣服和床上用品。衣服和床上用品可以包括衬衫、裤子、毯子、床单和其它物品。在制造时，织物制品可以染成几种颜色，诸如黑色、蓝色、绿色或其它颜色。另外，织物制品在制造时可以被漂成白色，从而使织物制品呈白色外观。

因而，期望确定在织物制品经受洗衣过程之前和之后织物制品的颜色值，使得可以调节洗衣过程，以改善织物制品的颜色值。此外，本发明的其它期望的特征和特点将从下面结合附图和本发明背景的本发明和所附权利要求的详细描述中变得明显。

发明内容

提供了一种用于确定织物制品的颜色值的方法。该方法包括从移动设备获得具有校准卡的织物物品的数字图像，从数字图像计算织物物品的织物光度值，将织物光度值与校准光度值进行比较以创建比较，以及基于比较确定织物制品的颜色值。

用于确定织物制品的颜色值的系统包括处理器和通信耦合到处理器的计算机程序代码。计算机程序代码包括获得引擎，以从移动设备获得具有校准卡的织物制品的数字图像；识别引擎，以识别织物制品；校准计算引擎，以从数字图像计算校准光度值；织物计算引擎，以从数字图像计算织物制品的织物光度值；比较引擎，以将织物光度值与校准光度值进行比较，以创建比较；确定引擎，以基于比较来确定织物制品的颜色值；以及呈现引擎，以经由移动设备的用户界面(UI)呈现改善织物制品的颜色值的建议。

提供了一种用于确定织物制品的颜色值的计算机程序产品。计算机程序产品包括非暂态有形的计算机可读存储介质。有形计算机可读存储介质包括与其一起体现的计算机可读程序代码，该计算机可读程序代码包括程序指令，当被执行时，程序指令使处理器从数字图像计算校准光度值，从数字图像计算织物制品的织物光度值，将织物光度值与校准光度值进行比较以创建比较，基于比较确定织物制品的颜色值，以及经由移动设备的UI呈现改善织物制品的颜色值的建议。

附图说明

以下将结合以下附图描述本发明，其中相同的标号表示相同的元件，并且

图1是根据本文描述的原理的一个示例的、用于确定织物制品的颜色值的系统的图。

图2是根据本文描述的原理的一个示例的、用于确定织物制品的颜色值的系统的图。

图3是根据本文描述的原理的一个示例的、用于呈现改善织物制品的颜色值的建议的用户界面(UI)。

图4是根据本文描述的原理的一个示例的、用于呈现改善织物制品的颜色值的建议的UI。

图5是根据本文描述的原理的一个示例的、用于确定织物制品的颜色值的方法的流程图。

图6是根据本文描述的原理的一个示例的、用于确定织物的颜色值的方法的流程图。

图7是根据本文描述的原理的一个示例的确定系统的图。

图8是根据本文描述的原理的一个示例的确定系统的图。

具体实施方式

本发明的以下详细描述本质上仅仅是示例性的，并不意图限制本发明或本发明的应用和用途。此外，不意图受到本发明的前述背景或本发明的以下详细描述中呈现的任何理论的约束。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或介质)，用于使处理器执行本发明的各个方面。

计算机可读存储介质可以是可以保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如，但不限于，电子存储设备、磁存储设备、光学存储设备、电磁存储设备、半导体存储设备或上述的任意合适组合。计算机可读存储介质的更具体示例的非详尽列表包括以下：便携式计算机软盘、，硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用盘(DVD)、记忆棒、软盘、机械编码设备(诸如在其中记录有指令的凹槽中的穿孔卡或凸起结构)以及前述的任意合适组合。如本文所使用的，计算机可读存储介质不应当被解释为暂态信号本身，诸如无线电波或其它自由传播的电磁波、通过波导或其它传输介质传播的电磁波(例如，通过光纤电缆的光脉冲)或通过电线发送的电信号。

本文描述的计算机可读程序指令可以经由网络(例如，互联网、局域网、广域网和/或无线网)从计算机可读存储介质或向外部计算机或外部存储设备下载到相应的计算/处理设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令并转发计算机可读程序指令，用于存储在相应计算/处理设备内的计算机可读存储介质中。

用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集体系架构(ISA)指令、机器指令、依赖机器的指令、微代码、固件指令、状态设置数据，或者以一种或多种编程语言(包括面向对象的编程语言，诸如Smalltalk、C++等，以及常规的过程性编程语言，诸如“C”编程语言或类似的编程语言)的任何组合编写的或者源代码或者目标代码。计算机可读程序指令可以完全在用户的计算机上执行、部分地在用户的计算机上执行、作为独立的软件包执行、部分地在用户的计算机上且部分地在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户的计算机，或者可以连接到外部计算机(例如，通过使用互联网服务提供商的互联网)。在一些实施例中，电子电路系统(包括例如可编程逻辑电路系统、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA))可以通过利用计算机可读程序指令的状态信息个性化电子电路系统来执行计算机可读程序指令，以便执行本发明的各方面。

本文参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图来描述本发明的各方面。应当理解的是，流程图和/或框图的每个方框以及流程图和/或框图中的方框的组合可以由计算机可读程序指令来实现。

可以将这些计算机可读程序指令提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，以产生机器，使得指令在经由计算机或其它可编程数据处理装置的处理器执行时创建用于实现在流程图和/或框图的一个或多个方框中指定的功能/动作的单元。这些计算机可读程序指令还可以存储在计算机可读存储介质中，指令可以指导计算机、可编程数据处理装置和/或其它设备以特定方式工作，使得具有存储在其中的指令的计算机可读存储介质包括制造品，其包括实现在流程图和/或框图的一个或多个方框中指定的功能/动作的各方面的指令。

计算机可读程序指令还可以被加载到计算机、其它可编程数据处理装置或其它设备上，以使得在计算机、其它可编程装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其它可编程装置或其它设备上执行的指令实现在流程图和/或框图的一个或多个方框中指定的功能/动作。

附图中的流程图和框图图示了根据本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这方面，流程图或框图中的每个方框可以表示模块、片段或指令的一部分，其包括用于实现指定的(一个或多个)逻辑功能的一条或多条可执行指令。在一些替代实现中，方框中标注的功能可以不按图中标注的次序发生。例如，依次示出的两个方框实际上可以基本上并发地执行，或者有时候方框可以以相反的次序执行，这依赖于所涉及的功能。还要指出的是，框图和/或流程图图示的每个方框以及框图和/或流程图图示中方框的组合可以由执行指定功能或动作或者执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。

如上面所指出的，织物制品在制造时可以被漂成白色，从而使织物制品呈白色外观。另外，织物制品可以被染色，以使织物制品具有彩色外观。为了维持和/或改善织物制品的颜色外观并清洁织物制品，织物制品要接受洗衣过程。洗衣过程可以包括用洗衣机在具体的温度、用洗涤剂、利用洗衣机的具体设置或者其组合来清洗织物制品。另外，洗衣过程可以广泛地包括预处理、手洗、干洗和其它洗衣过程。

但是，随着时间的推移，织物制品会经受污渍、使用、非最佳的洗衣过程或者其组合。这会导致织物制品失去其彩色外观和/或白色外观。如果织物制品失去其太多的彩色外观和/或白色外观，织物制品常常被丢弃。

本文描述的原理包括用于确定织物制品的颜色值的系统和方法。这种系统和方法包括从移动设备获得具有校准卡的织物制品的数字图像，从数字图像计算织物制品的织物光度值，将织物光度值与校准光度值进行比较以创建比较，并且基于比较来确定织物制品的颜色值。这种方法和系统允许用户确定在织物制品经受洗衣过程之前和之后织物制品的颜色值。另外，可以呈现推荐，以允许用户改善织物制品的颜色值。

在说明书和所附权利要求中，术语“织物制品”是指可以经受洗衣过程的纺织品。织物制品可以包括衣服，诸如T恤、衬衫、裤子、大衣、毛衣、领带和其它衣服。另外，织物制品可以包括其它类型的纺织品，诸如片材、毯子、被子、沙发罩和可以经受洗衣过程的其它纺织品。

在说明书和所附权利要求中，术语“校准卡”是指用来计算校准光度值的机制，使得织物制品的颜色值是准确的。校准卡可以包括多个区域。这些区域可以包括黑色区域和白色区域。

在说明书和所附权利要求中，术语“织物光度值”是指表示与织物制品相关联的数字图像的样本区域的平均红绿蓝(RGB)值在零和二百五十五之间的数字。另外，当与校准光度值相比时，织物光度值可以用来确定颜色值。

在说明书和所附权利要求中，术语“校准光度值”是指表示数字图像中校准卡的白色区域或黑色区域的平均RGB值的零和二百五十五之间的数字。校准光度值可以基于与校准卡的白色区域和黑色区域相关联的数字图像的像素的分析。另外，与校准卡的白色区域相关联的校准光度值可以表示最大校准光度值。与校准卡的黑色区域相关联的校准光度值可以表示最小校准光度值。

在说明书和所附权利要求中，术语“比较”是指校准光度值与织物光度值之间的关系。比较可以用来确定织物制品的颜色值。

在说明书和所附权利要求中，术语“颜色值”是指织物制品的颜色的真实表示。颜色值可以基于校准光度值与织物光度值的比较。

在说明书和所附权利要求中，术语“推荐”是指可以用来改善织物制品的颜色值的过程或一系列步骤。推荐可以经由用户界面(UI)显示给用户。

在下面的描述中，为了解释，阐述了许多具体细节，以便提供对本系统和方法的透彻理解。但是，对于本领域技术人员将显而易见的是，可以在没有这些具体细节的情况下实践本装置、系统和方法。说明书中对“示例”或类似语言的引用是指结合那个示例描述的特定特征、结构或特点如所描述的那样被包括，但是可能不包括在其它示例中。

图1是根据本文描述的原理的一个示例的、用于确定织物制品的颜色值的系统的图。如下所述，确定系统与网络通信，以从移动设备获得具有校准卡的织物制品的数字图像。确定系统从数字图像计算织物制品的织物光度值。另外，确定系统将织物光度值与校准光度值进行比较，以创建比较。确定系统基于比较来确定织物制品的颜色值。下面将描述关于确定系统的更多信息。

如图1中所示，系统(100)包括移动设备(102)。移动设备(102)可以是允许用户捕获数字图像的手持设备。如将在本说明书的其它部分中描述的，移动设备(102)捕获具有校准卡(122)的织物制品(116)的数字图像。然后，数字图像由确定系统(110)接收，以确定织物制品(116)的颜色值。

如图1中所示，系统(100)包括确定系统(110)。确定系统(110)从移动设备(102)获得具有校准卡(122)的织物制品(116)的数字图像。这允许确定系统(110)获得一个数字图像，该数字图像包括在相同环境中同时经由移动设备(102)的相同相机拍摄的织物制品(116)和校准卡(122)。

确定系统(110)从数字图像计算织物制品(116)的织物光度值。如将在本说明书的其它部分中描述的，织物光度值可以是表示与织物制品(116)相关联的数字图像的样本区域的平均RGB值的零和二百五十五分之间的数字。

另外，确定系统(110)将织物光度值与校准光度值进行比较，以创建比较。该比较帮助确定系统(110)通过补偿移动设备(102)的相机质量、用户的技能以及环境因素来确定颜色值。环境因素可以包括影响数字图像的光的类型、光的强度、其它环境因素或其组合。

确定系统(110)还基于比较来确定织物制品(116)的颜色值。确定系统(110)可以利用确定引擎(114)基于比较来确定织物制品(116)的颜色值。颜色值可以存储在数据库(112)中，以允许确定系统(110)随着时间的推移和多次洗涤来跟踪织物制品(116)的颜色值的变化。通过随着时间的推移和多次洗涤跟踪颜色值，用户能够确定织物制品的颜色值是增加还是减少。这种系统(100)允许用户在一个或多个场合确定织物制品(116)经受洗衣过程之前和之后织物制品的颜色值。关于确定系统(110)的更多信息将在本说明书的其它部分中描述。

虽然已经参考位于网络上的确定系统描述了这个示例，但是确定系统可以位于任何适当的位置。例如，确定系统可以位于用户设备、数据库、移动设备、服务器、其它位置或其组合中。另外，虽然已经参考在数据库中存储颜色值描述了这个示例，但是该系统可以存储与织物制品相关的其它信息。例如，织物制品的图像可以存储在数据库中。因此，当织物制品经受更新织物的产品时，用户能够通过织物制品的数字图像可视地确定产品已经更新了织物制品。

虽然已经参考确定系统从诸如智能电话的移动设备获得数字图像描述了这个示例，但是确定系统可以从其它设备获得数字图像。其它设备可以包括具有相机以获得数字图像、诸如平板电脑、智能手表或其它设备的其它移动设备的洗衣机。

图2是根据本文描述的原理的一个示例的、用于确定织物制品的颜色值的系统的图。如上面所提到的，确定系统与网络通信，以从移动设备获得具有校准卡的织物制品的数字图像。确定系统从数字图像计算织物制品的织物光度值。另外，确定系统将织物光度值与校准光度值进行比较，以创建比较。确定系统基于比较来确定织物制品的颜色值。下面将描述关于确定系统的更多信息。

如图2中所示，系统(200)包括移动设备(202)。移动设备(202)可以包括多个特征。特征可以包括用于捕获校准卡(222)和织物(216)的数字图像的相机(204)。特征还可以包括在捕获数字图像的同时照射校准卡(222)和织物(216)的光源(208)。在一些环境中，自然照明可能差。差的自然照明会导致校准卡(222)和织物制品(216)的数字图像质量差。因此，可以在捕获数字图像的同时激活光源(208)，使得光源(208)照射校准卡(222)和织物制品(216)。这导致能够由确定系统(210)分析的可用的数字图像。

特征还可以包括UI(205)。如将在本说明书的其它部分中描述的，UI(205)可以允许确定系统(210)向用户呈现推荐。该推荐可以是可以被用来改善织物制品(216)的颜色值的过程或一系列步骤。

如图2中所示，系统(200)包括校准卡(222)。校准卡(222)包括黑色区域(215-1)和白色区域(215-2)。如下所述，当移动设备(202)捕获校准卡(222)的数字图像时，与黑色区域(215-1)和白色区域(215-2)相关联的数字图像的像素被分析，以确定校准光度值。因此，校准卡(222)帮助确定系统(210)校准数字图像，使得用于织物制品(216)的颜色值是准确的。在一些示例中，用户可能无法访问校准卡(222)。因此，可以代替地使用校准图像。校准图像可以是数据库(212)中预先存储的数字图像，其经由若干移动设备并在若干种环境中捕获织物制品(216)。另外，如上所述，校准图像可以补偿移动设备(202)的限制因素和环境因素。因此，校准图像可以给出类似于校准卡(222)的结果。

虽然已经参考包括黑色区域和白色区域的校准卡描述了这个示例，但是校准卡可以包括其它区域。例如，校准卡可以包括绿色区域、红色区域和蓝色区域。

如图所示，系统(200)包括数据库(212)。数据库(212)在存储器中存储与用户相关联的信息(226)。数据库(212)在存储器中存储信息(诸如关于与用户(226)相关联的织物制品(218)的信息)。如图所示，数据库(212)包括织物制品A(218-1)、织物制品B(218-2)和织物制品C(218-3)。织物制品A(218-1)可以包括用于T恤的信息。织物制品B(218-2)可以包括用于衬衫的信息。织物制品C(218-3)可以包括用于床上用品的信息。信息可以包括数字图像、名称、颜色值以及与织物制品(218)相关联的其它信息。

另外，数据库在存储器中存储与用户(226)相关联的元数据(220)。元数据(220)可以包括织物制品(218)的位置、用于清洗织物制品(218)的洗涤剂、洗衣机类型、用来清洗织物制品(218)的洗衣机的设置、清洗中使用的其它洗涤产品(包括预处理剂、洗衣助剂(诸如漂白或非漂白衣物助洗剂)、淀粉浆、织物柔顺剂、新鲜度增强剂、织物制品(218)的织物类型、混合物细节、购买数据、干衣机的使用、织物制品(218)被磨损和洗涤的次数，或其组合。关于元数据(220)的更多信息将在本说明书的其它部分中描述。

另外，数据库(210)可以在存储器中存储推荐(224)，以改善织物制品(218)的颜色值。如图所示，推荐(224)可以包括推荐A(224-1)和推荐B(224-2)。推荐A(224-1)可以是将水温加热，以便改善织物制品的颜色值。推荐B(224-2)可以是将产品X添加到后续的清洗中，以改善织物制品的颜色值。关于推荐(224)的更多信息将在本说明书的其它部分进行描述。

虽然已经参考数据库存储关于三种织物制品的信息描述了这个示例，但是数据库可以存储关于针对多个用户的多于三种织物制品的信息。因此，确定系统可以利用关于织物制品的信息作为精炼推荐的大样本尺寸。

如图所示，系统(200)包括确定系统(210)。确定系统(210)包括处理器(207)和计算机程序代码(208)。计算机程序代码(208)包括多个引擎(214)。引擎(214)是指执行指定功能的程序指令。程序代码(208)使处理器(207)执行引擎(214)的指定功能。如图所示，确定系统(210)包括获得引擎(214-1)、识别引擎(214-2)、校准计算引擎(214-3)，织物计算引擎(214-4)、比较引擎(214-5)、确定引擎(214-6)和呈现引擎(214-7)。

获得引擎(214-2)从移动设备(202)获得具有校准卡(222)的织物制品(216)的数字图像。因此，织物制品(216)和校准卡(222)被同时拍摄并遭受相同的阴影误差。阴影误差可以由于可用照明源的强度、角度和颜色而引入。照明源可以依赖于环境因素，诸如数字图像是在室内还是室外捕获、可用照明源是自然光还是人造光、光源(208)接通还是关闭、其它环境因素，或其组合。另外，由于织物制品(216)和校准卡(222)被同时拍摄，因此织物制品(216)和校准卡(222)的数字图像具有相同的质量。质量可以基于相机(204)的透镜的特点、相机(204)的数字传感器可以捕获的像素的数量、数字图像是否由于相机(204)的运动而模糊，或其组合。

识别引擎(214-2)识别织物制品(216)。织物制品(216)可以经由命名织物制品(216)的用户和接收织物制品(216)的名称的识别引擎(214-2)来识别。一旦识别引擎(214-2)接收到织物制品(216)的名称，识别引擎(214-2)就将织物制品(216)的名称与数据库(212)中织物制品(218)的其它名称进行比较，以确定是否找到匹配。例如，如果识别引擎(214-2)接收到作为T恤的织物制品(216)的名称，并且织物制品A(218-1)被命名为T恤，那么识别引擎(214-2)确定找到匹配。如果没有找到匹配，那么识别引擎(214-2)可以在数据库(212)中为织物制品(216)创建新条目并将与织物制品(216)相关联的信息存储在该新条目中。

织物制品(216)可以包括附连到织物制品(216)的具体标签，该标签在与其它织物制品相关联的其它标签中是独一无二的。在这个示例中，识别引擎(214-2)经由与织物制品(216)相关联的标签的数字图像来识别织物制品(216)。与织物制品(216)相关联的标签的数字图像可以经由移动设备(202)的相机(204)捕获。一旦识别引擎(214-2)接收到与织物制品(216)相关联的标签的数字图像，识别引擎(214-2)就将标签的数字图像与数据库(212)中与织物制品(218)相关联的标签的其它数字图像进行比较，以确定是否找到匹配。如果没有找到匹配，那么识别引擎(214-2)可以在数据库(212)中为织物制品(216)创建新条目并将与织物制品(216)相关联的信息存储在该新条目中。

图像识别可以用来帮助识别引擎(214-2)识别织物制品(216)。诸如衬衫的织物制品可以具有将衬衫与另一种织物制品(诸如T恤)区分开的特征。一旦识别引擎(214-2)接收到织物制品(216)的数字图像，识别引擎(214-2)就将织物制品(216)的数字图像与数据库(212)中织物制品(218)的数字图像进行比较，以确定是否找到匹配。如果没有找到匹配，那么识别引擎(214-2)可以在数据库(212)中为织物制品(216)创建新条目并将与织物制品(216)相关联的信息存储在该新条目中。

校准计算引擎(214-3)从数字图像计算校准光度值。校准计算引擎(214-3)通过分析与校准卡(222)的白色区域(215-2)和黑色区域(215-1)相关联的数字图像的像素来计算来自数字图像的校准光度值。校准计算引擎(214-3)通过循环通过与白色区域(215-2)相关联的像素并检索用于每个像素的各个RGB值来分析与白色区域(215-2)相关联的数字图像的像素。依赖于数字图像的质量，与用于白色区域(215-2)的数字图像相关联的像素可以是40×40像素，总共1600个像素。用于每个RGB值的有效范围是零到二十五十五之间的整数。另外，校准计算引擎(214-3)计算白色区域(215-2)内像素的子集上的平均组合RGB值。校准计算引擎(214-3)将RGB值相加到一起，以创建像素得分。当确定了用于白色区域(215-2)的像素得分时，校准计算引擎(214-3)将像素得分相加到一起并除以像素的数量，以计算用于白色区域的校准光度值(215-2)。用于白色区域(215-2)的校准光度值可以是表示可能的最高颜色值的最大校准光度值，例如一百。

类似地，校准计算引擎(214-3)通过循环穿过与黑色区域(215-1)相关联的像素并检索用于每个像素的各个RGB值来分析与黑色区域(215-1)相关联的数字图像的像素。依赖于数字图像的质量，与用于黑色区域(215-1)的数字图像相关联的像素可以是40×40像素，总共1600个像素。用于每个RGB值的有效范围是零到二十五十五之间的整数。另外，校准计算引擎(214-3)计算黑色区域(215-1)内像素的子集上的平均组合RGB值。校准计算引擎(214-3)将这些RGB值相加到一起，以创建像素得分。当确定了用于黑色区域(215-1)的所有像素得分时，校准计算引擎(214-3)将像素得分相加到一起并除以像素的数量，以计算用于黑色区域的校准光度值(215-1)。用于黑色区域(215-1)的校准光度值可以是表示可能的最低RGB值的最小校准光度值，诸如零。如果用于黑色区域(215-1)的校准光度值大于用于白色区域(215-2)的校准光度值，那么认为数字图像无效。

虽然已经参考具体数量的像素描述了这个示例，但是依赖于数字图像、相机和移动设备的质量，像素的数量可以变化。例如，像素的数量可以是100×100、2500×2500或其它像素数量。

织物计算引擎(214-4)从数字图像计算用于织物制品的织物光度值。计算引擎(214-4)通过确定与织物制品相关的数字图像的样本区域来从数字图像计算用于织物制品的织物光度值。与织物制品相关的数字图像的样本区域可以是数字图像的具体区域。与织物制品相关的数字图像的具体区域可以没有污渍。另外，样本区域可以包括与织物制品相关的整个数字图像。

织物计算引擎(214-4)通过进一步分析与与织物制品相关的数字图像的样本区域相关联的数字图像的像素来从数字图像计算用于织物制品的织物光度值。织物计算引擎(214-4)循环穿过与织物制品相关的数字图像的样本区域相关联的像素，并检索用于每个像素的各个RGB值。依赖于数字图像的质量，与用于样本区域的数字图像相关联的像素可以是100×100像素，总共10000个像素。用于每个RGB值的有效范围是零到二十五十五之间的整数。另外，织物计算引擎(214-4)计算样本区域内像素的子集上的平均组合RGB值。织物计算引擎(214-4)将这些RGB值相加在一起，以创建像素得分。当已经确定了用于样本区域的像素得分时，织物计算引擎(214-4)将像素得分相加在一起并除以像素的数量，以计算用于样本区域的织物光度值。

比较引擎(214-5)将织物光度值与校准光度值进行比较，以创建比较。用于样本区域的织物光度值应当在用于黑色区域(215-1)的校准光度值和用于白色区域(215-2)的校准光度值之间。

确定引擎(214-6)基于比较来确定织物制品的颜色值。颜色值可以是诸如零到一百的范围。例如，如果猜想织物制品是白色的，那么零可以指示织物制品是真正的黑色并且没有白色。一百可以指示织物制品是真正的白色并且没有黑色。另外，颜色值可以基于下面提供的等式(1)：

在等式(1)中，CV是指颜色值，FLV是指织物光度值，CLV_b是指黑色区域的校准光度值，并且CLV_w是指白色区域的校准光度值。这导致在零和一百之间的范围内的颜色值。另外，颜色值可以是符号，诸如不是白色、白色或实际白色。不是白色可以指示织物制品是真正的黑色并且没有白色。实际白色可以指示织物制品是真正的白色并且没有黑色。

呈现引擎(214-7)经由移动设备(202)的UI呈现改善织物制品的颜色值的推荐。该推荐可以基于将织物制品的颜色值与存储在数据库(212)中的织物制品的先前颜色值进行比较，以确定颜色值是增加了还是减少了。另外，推荐可以基于与织物制品相关联的元数据。元数据可以包括织物制品的位置、用来清洗织物制品的洗涤剂、洗衣机类型、用来清洗织物制品的洗衣机的设置，或其组合。

现在将描述系统(200)的整体示例。用户可以使用移动设备(202)捕获具有校准卡(222)的织物制品(216)的数字图像。数字图像可以是既包括织物制品(216)又包括校准卡(222)的单个图像。如上所述，获得引擎(214-2)从移动设备(202)获得具有校准卡(222)的织物制品(216)的数字图像。识别引擎(214-2)将织物制品识别为织物制品B(218-2)。织物制品B(218-2)可以是白色衬衫。如上所述，校准计算引擎(214-3)和织物计算引擎(214-4)分别从数字图像计算校准光度值和织物光度值。比较引擎(214-5)将织物光度值与校准光度值进行比较，以创建比较。确定引擎(214-6)基于比较来确定织物制品的颜色值。颜色值可以是九十。九十指示织物制品(216)是百分之九十的白色。呈现引擎(214-7)经由移动设备(202)的UI呈现改善织物制品(216)的颜色值的推荐。

虽然已经参考确定系统确定洗衣过程之前和之后织物制品的颜色值描述了这个示例，但是确定系统可以用在其它应用中。例如，确定系统可以用于匹配涂料(paint)颜色、匹配用于多个织物制品的颜色，或其组合。

图3是根据本文描述的原理的一个示例的、用于呈现改善织物制品的颜色值的推荐的UI。如上面所提到的，确定系统经由移动设备的UI呈现改善织物制品的颜色值的推荐。

如图所示，UI(302)可以向用户呈现改善织物制品的颜色值的推荐。推荐(304)推荐将水温加热，以便改善你的衬衫的白度。

图4是根据本文描述的原理的一个示例的、用于呈现改善织物制品的颜色值的推荐的UI。如上面所提到的，确定系统经由移动设备的UI呈现改善织物制品的颜色值的推荐。

如图所示，UI(402)可以向用户呈现改善织物制品的颜色值的推荐。推荐(404)推荐将产品X添加到后续的清洗中，以改善你的衬衫的白度。

图5是根据本文描述的原理的一个示例的、用于确定织物制品的颜色值的方法的流程图。方法(500)可以由图1的确定系统(110)执行。另外，方法(500)可以由其它系统(即，系统200、系统700和系统800)执行。在这个示例中，方法(500)包括从移动设备获得(501)具有校准卡的织物制品的数字图像，从数字图像计算(502)用于织物制品的织物光度值，将织物光度值与校准光度值进行比较(503)以创建比较，以及基于比较来确定(504)织物制品的颜色值。

如上面所提到的，方法(500)包括从移动设备获得(501)具有校准卡的织物制品的数字图像。方法(500)可以获得具有校准卡的织物制品的数字图像。方法(500)可以获得具有校准卡的多个织物制品的若干数字图像。

如上面所提到的，方法(500)包括从数字图像计算(502)织物制品的织物光度值。方法(500)包括通过确定与织物制品相关的数字图像的样本区域、分析样本区域的像素以及基于样本区域的像素来计算用于织物制品的织物光度值。如上所述，织物光度值可以基于零到二百五十五的范围。

如上面所提到的，方法(500)包括将织物光度值与校准光度值进行比较(503)，以创建比较。比较可以是校准光度值与织物光度值之间的关系。用于样本区域的织物光度值在用于黑色区域的校准光度值与用于白色区域的校准光度值之间。如果用于样本区域的织物光度值不在用于黑色区域的校准光度值和用于白色区域的校准光度值之间，那么数字图像可能无效。如果数字图像无效，那么方法(500)可以包括提示用户捕获具有校准卡的织物制品的另一个数字图像。

如上面所提到的，方法(500)包括基于比较来确定(504)织物制品的颜色值。织物制品的颜色值可以随着时间的推移被追踪。例如，可以在织物制品经受洗衣过程之前确定颜色值。然后可以在通过上述方法(500)对织物制品进行洗衣过程之后确定颜色值。可以为白色织物制品确定颜色值。另外，可以为与织物制品相关联的蓝色、绿色、红色、黑色或其它颜色确定颜色值。

如果织物光度值大于用于数字图像中校准卡的白色区域的校准光度值，那么方法(500)将颜色值指派给最大颜色值。最大颜色值可以是一百。

虽然已经参考使用校准卡的方法描述了这个示例，但是该方法可以利用其它技术。该方法可以在数据库中存储织物制品的样本的数字图像。数字图像可以在许多环境中、利用多个相机或其组合被捕获。因此，可以使用织物制品的样本的数字图像来计算校准光度值。

图6是根据本文描述的原理的一个示例的、用于确定织物制品的白度值的方法的流程图。方法(600)可以由图1的确定系统(110)执行。另外，方法(600)可以由其它系统(即，系统200、系统700和系统800)执行。方法(600)包括从移动设备获得(601)具有校准卡的织物制品的数字图像，识别(602)织物制品，从数字图像计算(603)校准光度值，从数字图像计算(604)织物制品的织物光度值，将织物光度值与校准光度值进行比较(605)以创建比较，基于比较来确定(606)织物制品的颜色值，经由移动设备的UI呈现(607)改善织物制品的颜色值的推荐。

如上面所提到的，方法(600)包括识别(602)织物制品。方法(600)可以通过接收与织物制品相关联的标签的数字图像、图像识别或允许用户手动识别织物制品或其组合来识别织物制品。

如上面所提到的，方法(600)包括从数字图像计算(603)校准光度值。从数字图像计算校准光度值包括分析与校准卡的白色区域和黑色区域相关联的数字图像的像素，并且基于像素确定与校准卡的白色区域和黑色区域相关联的校准光度值。

如上面所提到的，方法(600)包括经由移动设备的UI呈现(607)改善织物制品的颜色值的推荐。该推荐可以基于将织物制品的颜色值与存储在数据库中的织物制品的先前颜色值进行比较，以确定颜色值是增加了还是减小了。如果颜色值增加，那么推荐可以包括经由UI通知用户继续当前的洗衣过程。

推荐可以基于与织物制品相关联的元数据。元数据可以包括织物制品的位置。织物制品的位置可以允许方法(600)确定织物制品是否可以经受硬水。如果织物制品经受硬水，那么推荐可以包括安装水软化剂或使用针对硬水进行优化的洗涤剂。

元数据可以指示用于清洗织物制品的洗涤剂。一些洗涤剂可以增加织物制品的颜色值，而其它洗涤剂仅维持织物制品的颜色值。因此，推荐可以包括使用具体的洗涤剂。

另外，元数据可以指示洗衣机类型。一些洗衣机可以包括用于洗衣过程的设置。设置可以包括水温设置、时间设置、浸泡设置、旋转设置或其组合。可以调节用来清洗织物制品的洗衣机的设置，以改善织物制品的颜色值。在一个示例中，洗衣机的设置可以无线地发送到确定系统并作为元数据存储。

图7是根据本文描述的原理的确定系统的图。确定系统(700)包括处理器(707)和计算机程序代码(708)。计算机程序代码(708)包括多个引擎(714)。引擎(714)是指执行指定功能的程序指令。程序代码(708)使处理器(707)执行引擎的指定功能(714)。如图所示，确定系统(700)包括获得引擎(714-1)、识别引擎(714-2)、校准计算引擎(714-3)、织物计算引擎(714-4)、比较引擎(714-5)、确定引擎(714-6)和呈现引擎(714-7)。

获得引擎(714-1)从移动设备获得具有校准卡的织物制品的数字图像。获得引擎(714-1)可以获得具有校准卡的织物制品的一个数字图像。获得引擎(714-1)获得可以获得具有校准卡的多个织物制品的若干数字图像。

识别引擎(714-2)识别织物制品。识别引擎(714-2)可以经由上述方法识别数字图像中的若干织物制品。

校准计算引擎(714-3)从数字图像计算校准光度值。校准计算引擎(714-3)通过分析与校准卡的白色区域和黑色区域相关联的数字图像的像素并基于像素确定与校准卡的白色区域和黑色区域相关联的校准光度值来从数字图像计算校准光度值。

织物计算引擎(714-4)从数字图像计算用于织物制品的织物光度值。织物计算引擎(714-4)可以从多个数字图像计算用于多个织物制品的若干织物制品光度值。

比较引擎(714-5)将织物光度值与校准光度值进行比较，以创建比较。比较引擎(714-5)将织物光度值与与数字图像中的校准卡的白色区域相关联的最大校准光度值进行比较。比较引擎(714-5)将织物光度值与与数字图像中的校准卡的黑色区域相关联的最小校准光度值进行比较。

确定引擎(714-6)基于比较来确定织物制品的颜色值。织物制品的颜色值可以存储在数据库中并且随着时间被跟踪。

呈现引擎(714-7)经由移动设备的UI呈现改善织物制品的颜色值的推荐。呈现引擎(714-7)可以呈现改善织物制品的颜色值的若干推荐。

图8是根据本文描述的原理的确定系统的图。在这个示例中，确定系统(800)包括与存储器资源(804)通信的处理资源(802)。处理资源(802)包括用来处理编程指令的至少一个处理器和其它资源。存储器资源(804)一般表示能够存储数据(诸如由确定系统(800)使用的编程指令或数据结构)的任何存储器。

示为存储在存储器资源(804)中的编程指令包括数字图像获得器(806)、织物制品标识符(808)、校准光度值计算器(810)、织物光度值计算器(812)、光度值比较器(814)、颜色值确定器(816)和推荐呈现器(818)。

存储器资源(804)包括计算机可读存储介质，其包含计算机可读程序代码，以使处理资源执行任务(802)。计算机可读存储介质可以是有形和/或物理存储介质。计算机可读存储介质可以是非传输存储介质的任何合适的存储介质。计算机可读存储介质类型的非穷尽列表包括非易失性存储器、易失性存储器、随机存取存储器、只写存储器、闪速存储器、电可擦除程序只读存储器，或存储器类型或其组合。

数字图像获得器(806)表示编程的指令，当其被执行时，使处理资源(802)从移动设备获得具有校准卡的织物制品的数字图像。织物制品标识符(808)表示编程的指令，当其被执行时，使处理资源(802)识别织物制品。

校准光度值计算器(810)表示编程的指令，当其被执行时，使处理资源(802)从数字图像计算校准光度值。织物光度值计算器(812)表示编程的指令，当其被执行时，使处理资源(802)从数字图像计算用于织物制品的织物光度值。

光度值比较器(814)表示编程的指令，当其被执行时，使处理资源(802)将织物光度值与校准光度值进行比较，以创建比较。颜色值确定器(816)表示编程的指令，当其被执行时，使处理资源(802)基于比较来确定织物制品的颜色值。推荐呈现器(818)表示编程的指令，当其被执行时，使处理资源(802)经由移动设备的UI呈现提高织物制品的颜色值的推荐。

另外，存储器资源(804)可以是安装包的一部分。响应于安装安装包，可以从安装包的源(诸如便携式介质、服务器、远程网络位置、另一个位置，或其组合)下载存储器资源(804)的编程指令。与本文描述的原理兼容的便携式存储介质包括DVD、CD、闪存、便携式盘、磁盘、光盘、其它形式的便携式存储器，或其组合。在其它示例中，程序指令已经安装。在这里，存储器资源可以包括集成存储器，诸如硬盘驱动器、固态硬盘驱动器等。

在一些示例中，处理资源(802)和存储器资源(804)位于相同的物理组件(诸如服务器或网络组件)内。存储器资源(804)可以是物理组件的主存储器、高速缓存、寄存器、非易失性存储器或物理组件的存储器层级中其它地方的一部分。可替代地，存储器资源(804)可以经网络与处理资源(802)通信。另外，数据结构(诸如库)可以经网络连接从远程位置访问，而编程的指令位于本地。因此，确定系统(800)可以在用户设备上、在服务器上、在服务器的集合上实现，或其组合。

图8的确定系统(800)可以是通用计算机的一部分。但是，在替代示例中，确定系统(800)是专用集成电路的一部分。

已经呈现了前面的描述，以说明和描述所述原理的示例。这种描述并不意在是穷尽的，也不意在将这些原理限制到所公开的任何精确形式。鉴于上述教导，许多修改和变化是可能的。

附图中的流程图和框图图示了系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这方面，流程图或框图中的每个方框可以表示具有用于实现具体的(一个或多个)逻辑功能的多条可执行指令的模块、片段或代码部分。还应当指出的是，在一些替代实现中，方框中标注的功能可以不按图中标注的次序执行。例如，依次示出的两个方框实际上可以基本上并发地执行，或者有时候方框可以以相反的次序执行，这依赖于所涉及的功能。还要指出的是，框图和/或流程图图示的每个方框以及框图和/或流程图图示中方框的组合可以由执行指定功能或动作或者执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。

本文使用的术语是为了描述特定示例，而不是意在限制。如本文所使用的，单数形式“一个”和“该”意在也包括复数形式，除非上下文另有明确指示。还应当理解的是，当术语“包括”在说明书中使用时，其指定所述特征、整数、操作，元件和/或部件的存在，但不排除许多其它特征、整数、操作、元件、组件和/或其组合的存在或添加。

虽然在上面本发明的详细描述中已经呈现了至少一个示例性实施例，但应当认识到的是，存在大量的变型。还应当认识到的是，一个或多个示例性实施例仅仅是示例，并且不意在以任何方式限制本发明的范围、适用性或配置。相反，前面的详细描述将为本领域技术人员提供用于实现本发明的示例性实施例的方便的路线图，应当理解的是，可以在不背离如所附权利要求及其合法等同物中阐述的本发明的范围的情况下在示例性实施例中描述的元件的功能和布置中进行各种改变。

Claims

1.一种用于确定织物制品的颜色值的方法，包括：

从移动设备获得具有校准卡的织物物品的数字图像；

从数字图像计算织物物品的织物光度值；

将织物光度值与校准光度值进行比较以创建比较结果；

基于比较结果确定织物制品的颜色值；以及

经由移动设备的用户界面(UI)呈现改善织物制品的颜色值的推荐，推荐基于织物制品的确定的颜色值；

其中推荐是基于将织物制品的颜色值与存储在数据库中的织物制品的先前颜色值进行比较，以确定颜色值是增加了还是减小了。

2.如权利要求1所述的方法，还包括从数字图像计算校准光度值。

3.如权利要求2所述的方法，其中从数字图像计算校准光度值包括：

分析与校准卡的白色区域和黑色区域相关联的数字图像的像素；以及

基于像素确定与校准卡的白色区域和黑色区域相关联的校准光度值。

4.如权利要求1所述的方法，还包括识别织物制品。

5.如权利要求1所述的方法，其中推荐是基于与织物制品相关联的元数据，该元数据包括织物制品的位置、用于清洗织物制品的洗涤剂、洗衣机类型、用来清洗织物制品的洗衣机的设置或其组合。

6.如权利要求1所述的方法，其中从数字图像计算用于织物制品的织物光度值包括：

确定与织物制品相关的数字图像的样本区域；

分析样本区域的像素；以及

基于样本区域的像素确定织物光度值。

7.一种用于确定织物制品的颜色值的系统，所述系统包括：

处理器；

非暂态计算机可读存储介质，包括计算机程序代码，并且通信耦合到处理器，所述计算机程序代码包括：

获得引擎，从移动设备获得具有校准卡的织物制品的数字图像；

识别引擎，识别织物制品；

校准计算引擎，从数字图像计算校准光度值；

织物计算引擎，从数字图像计算织物制品的织物光度值；

比较引擎，将织物光度值与校准光度值进行比较，以创建比较；

确定引擎，基于比较来确定织物制品的颜色值；以及

呈现引擎，经由移动设备的用户界面(UI)呈现改善织物制品的颜色值的建议；

8.如权利要求7所述的系统，其中校准计算引擎通过以下来从数字图像计算校准光度值：

9.如权利要求7所述的系统，其中推荐是基于与织物制品相关联的元数据，该元数据包括织物制品的位置、用于清洗织物制品的洗涤剂、洗衣机的类型、用来清洗织物制品的所述洗衣机的设置或其组合。

10.如权利要求7所述的系统，其中织物计算引擎通过以下从数字图像来计算织物制品的织物光度值：

确定与织物制品相关的数字图像的样本区域；

分析样本区域的像素；以及

基于样本区域的像素确定织物光度值。

11.一种用于确定织物制品的颜色值的非暂态有形计算机可读存储介质，所述非暂态有形计算机可读存储介质包括：

与其一起体现的计算机可读程序代码，该计算机可读程序代码包括程序指令，当被执行时，该程序指令使处理器：

从数字图像计算校准光度值；

从数字图像计算织物制品的织物光度值；

将织物光度值与校准光度值进行比较以创建比较结果；

基于比较结果确定织物制品的颜色值；以及

经由移动设备的用户界面UI呈现改善织物制品的颜色值的推荐，推荐是基于将织物制品的颜色值与存储在数据库中的织物制品的先前颜色值进行比较，以确定颜色值是增加了还是减小了。

12.如权利要求11所述的非暂态有形计算机可读存储介质，还包括计算机可读程序代码，计算机可读程序代码包括程序指令，当该程序指令被执行时，使处理器从移动设备获得具有校准卡的织物制品的数字图像。

13.如权利要求11所述的非暂态有形计算机可读存储介质，还包括计算机可读程序代码，该计算机可读程序代码包括程序指令，当该程序指令被执行时，使处理器识别织物制品。

14.如权利要求11所述的非暂态有形计算机可读存储介质，其中推荐是基于与织物制品相关联的元数据，该元数据包括织物制品的位置、用于清洗织物制品的洗涤剂、洗衣机的类型、用来清洗织物制品的所述洗衣机的设置或其组合。

15.如权利要求11所述的非暂态有形计算机可读存储介质，还包括计算机可读程序代码，计算机可读程序代码包括程序指令，当该程序指令被执行时，使处理器：

16.如权利要求11所述的非暂态有形计算机可读存储介质，还包括计算机可读程序代码，该计算机可读程序代码包括程序指令，当该程序指令被执行时，使处理器：

确定与织物制品相关的数字图像的样本区域；

分析样本区域的像素；以及

基于样本区域的像素确定织物光度值。