CN110163217A - 用于配色或配色辅助的方法、装置以及计算机可读存储媒体 - Google Patents
用于配色或配色辅助的方法、装置以及计算机可读存储媒体 Download PDFInfo
- Publication number
- CN110163217A CN110163217A CN201910089902.XA CN201910089902A CN110163217A CN 110163217 A CN110163217 A CN 110163217A CN 201910089902 A CN201910089902 A CN 201910089902A CN 110163217 A CN110163217 A CN 110163217A
- Authority
- CN
- China
- Prior art keywords
- color
- color matching
- matching
- tone
- colors
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
公开了一种计算机实现的配色方法,包括:获取至少一个配色规则,获取至少一个参考配色,确定所述至少一个参考配色与所述至少一个配色规则是否匹配;响应于确定所述至少一个参考配色与所述至少一个配色规则匹配,对每个匹配的参考配色进行扩充。还公开了一种辅助配色方法,与配色有关的装置和计算机可读存储媒体。
Description
技术领域
本申请涉及配色,更具体地,涉及用于配色或配色辅助的方法、装置以及计算机可读存储媒体。
背景技术
要得到美观的图片,图片的配色往往需要专业设计人员的直接参与,费时耗力。尤其在移动、互联网领域,例如移动APP软件内、网站页面等大量出现并经常更新的包含主体、背景、广告文案、和/或宣传等的图片,将需要大量的专业设计人员的参与,这往往是不现实的。现有的自动配色方法往往以牺牲美感为代价,且配色规则数量有限。
发明内容
本发明的实施例提供了用于配色或配色辅助的方法、装置以及计算机可读存储媒体,至少部分地解决上面提及的问题。
根据本发明的第一方面,提供了一种计算机实现的配色方法,包括:获取至少一个配色规则,其中每个配色规则包括N个以基于色调的颜色空间表示的颜色的排列,每个颜色至少包括色调的值和所述颜色空间中至少一个其它分量的值,其中N为大于1的正整数;获取至少一个参考配色,其中每个参考配色包括N个参考颜色的排列,至少能够获取每个参考颜色的色调的值;确定所述至少一个参考配色与所述至少一个配色规则是否匹配;响应于确定所述至少一个参考配色与所述至少一个配色规则匹配,对每个匹配的参考配色进行扩充,其包括:将所述匹配的参考配色中的每个参考颜色的所述颜色空间中色调以外的至少一个分量的值指定为相匹配的对应配色规则中对应颜色的对应分量的值。
在一个实施例中,所述获取至少一个参考配色还包括:获取至少一个彩色参考图片,其中每个彩色参考图片具有的颜色个数不小于N;提取每个彩色参考图片中成分最大的N个颜色作为所述N个参考颜色,并将其生成个排列,作为个参考配色;将所述N个参考颜色进行转换,以获取其中每个参考颜色的色调的值。
在一个实施例中,所述提取基于K-means算法。
在一个实施例中,所述确定所述至少一个参考配色与所述至少一个配色规则是否匹配进一步包括:基于所述至少一个配色规则的色调分布,对所述至少一个配色规则进行衍生,这包括:对所述至少一个配色规则中的每个配色规则中的N个颜色的色调值同时旋转一个或多个度数零次、一次或多次,而保持所述颜色空间中的其它分量不变,从而不新增或新增至少一个或新增多个配色规则;获取所述至少一个参考配色的每个参考配色与经衍生的配色规则中的每个配色规则的误差,其中所述误差定义为:针对所述每个参考配色,其包括的N个参考颜色的排列所对应的色调值的排列{,j=0, 1, … N-1}与第i个配色规则的颜色的排列{,j=0, 1, … N-1}所对应的色调值的排列的对应值在同一色调表示方式下最短距离的平方之和,也即:
,其中,j=0, 1, … N-1,是第i个配色规则的N个颜色的色调,其中i的取值为连续正整数,最小为1,最大为经衍生的配色规则的个数;基于获取的所有误差,确定所述至少一个参考配色与所述经衍生的配色规则是否匹配。
在一个实施例中,配色方法进一步包括:基于获取的所有误差,确定其中M个最小误差;针对所述M个最小误差中的每个误差:确定其相关联的参考配色和其相关联的配色规则匹配。
在一个实施例中,其中所述确定可用参考配色还包括:对所述经扩充的参考配色进行选择,基于选择的所述经扩充的参考配色,确定所述可用参考配色。
在一个实施例中,其中所述确定可用参考配色还包括对选择的经扩充的参考配色进行衍生,这包括针对选择的经扩充的参考配色中的每个参考配色:对其在所述颜色空间中的N个色调值同时旋转一个或多个度数一次或多次,而保持所述颜色空间中的其它分量不变,以衍生出一个或多个新的参考配色;获取对经衍生的参考配色的选择;基于选择的经衍生的参考配色确定所述可用参考配色。
在一个实施例中,其中基于经扩充的参考配色对目标进行配色进一步包括:针对所述目标,基于所述目标与所述可用参考配色的参考颜色的排列中的位置的映射,检索所述位置的参考颜色与所述目标匹配的参考配色,以将与所述目标匹配的参考配色作为所述目标的配色。
在一个实施例中,配色方法还包括对所述与所述目标匹配的参考配色进行适应性调整,以将经调整的参考配色作为所述目标的配色。
在一个实施例中,配色方法进一步包括:将所述选择的经衍生的参考配色作为可推荐配色的,将未选择的经衍生的参考配色作为不可推荐配色;利用所述可推荐配色和所述不可推荐配色、基于机器学习生成判断模型,所述判断模型用于判断待定配色的可推荐性;利用所述判断模型判断所述待定配色的可推荐性。
在一个实施例中,所述N为3,所述N个参考颜色的排列包括主色、辅助色和对比色的排列。
在一个实施例中,上述方法还包括:基于经扩充的参考配色,确定可用参考配色;以及基于所述可用参考配色对目标进行配色。
根据本发明的第二方面,提供了一种计算机实现的辅助配色方法,包括:获取可推荐配色;获取不可推荐配色;利用所述可推荐配色和所述不可推荐配色,基于机器学习生成判断模型,所述判断模型用于判断待定配色的可推荐性;利用所述判断模型判断待定配色的可推荐性;其中:所述可推荐配色、不可推荐配色和待定配色均为N个颜色的排列,所述获取可推荐配色进一步包括:获取至少一个配色规则,其中每个配色规则包括N个以基于色调的颜色空间表示的颜色的排列,每个颜色至少包括色调的值和所述颜色空间中至少一个其它分量的值,其中N为大于1的正整数;获取至少一个参考配色,其中每个参考配色包括N个参考颜色的排列,至少能够获取每个参考颜色的色调的值;确定所述至少一个参考配色与所述至少一个配色规则是否匹配;响应于确定所述至少一个参考配色与所述至少一个配色规则匹配,对每个匹配的参考配色进行扩充,其包括:将所述匹配的参考配色中的每个参考颜色的所述颜色空间中色调以外的至少一个分量的值指定为相匹配的对应配色规则中对应颜色的对应分量的值;基于经扩充的参考配色而获取所述可推荐配色。
在一个实施例中,所述获取至少一个参考配色还包括:获取至少一个彩色参考图片,其中每个彩色参考图片具有的颜色个数不小于N;提取每个彩色参考图片中成分最大的N个颜色作为所述N个参考颜色,并将其生成个排列,作为个参考配色;将所述N个参考颜色进行转换,以获取其中每个参考颜色的色调的值。
在一个实施例中,所述提取基于K-means算法。
在一个实施例中,所述确定所述至少一个参考配色与所述至少一个配色规则是否匹配进一步包括:基于所述至少一个配色规则的色调分布,对所述至少一个配色规则进行衍生,这包括:对所述至少一个配色规则中的每个配色规则中的N个颜色的色调值同时旋转一个或多个度数零次、一次或多次,而保持所述颜色空间中的其它分量不变,从而不新增或新增至少一个或新增多个配色规则;获取所述至少一个参考配色的每个参考配色与经衍生的配色规则中的每个配色规则的误差,其中所述误差定义为:针对所述每个参考配色,其包括的N个参考颜色的排列所对应的色调值的排列{,j=0, 1, … N-1}与第i个配色规则的颜色的排列{,j=0, 1, … N-1}的对应值在同一色调表示方式下最短距离的平方之和,也即:
其中,j=0, 1, … N-1,是第i个配色规则的N个颜色的色调,其中i的取值为连续正整数,最小为1,最大为所述经衍生的配色规则的个数;基于获取的所有误差,确定所述至少一个参考配色与所述经衍生的配色规则是否匹配。
在一个实施例中,辅助配色方法进一步包括:基于获取的所有误差,确定其中M个最小误差;针对所述M个最小误差中的每个误差:确定其相关联的参考配色和其相关联的配色规则匹配。
在一个实施例中,其中所述获取可推荐配色还包括:对所述经扩充的参考配色进行选择,基于选择的经扩充的参考配色而获取所述可推荐配色。
在一个实施例中,其中所述获取可推荐配色还包括对选择的经扩充的参考配色进行衍生,这包括针对选择的经扩充的参考配色中的每个参考配色:对其在所述颜色空间中的N个色调值同时旋转一个或多个度数一次或多次,而保持所述颜色空间中的其它分量不变,以衍生出一个或多个新的参考配色;获取对经衍生的参考配色的选择;基于选择的经衍生的参考配色获取所述可推荐配色。
在一个实施例中,其中所述获取不可推荐配色还包括:基于未选择的经衍生的参考配色获取所述不可推荐配色。
在一个实施例中,其中所述获取不可推荐配色还包括:基于未选择的经扩充的参考配色而获取所述不可推荐配色。
在一个实施例中,辅助配色方法进一步包括,基于所述可推荐配色对目标进行配色。
在一个实施例中,其中所述可推荐配色和所述不可推荐配色以LCH颜色空间表示。
根据本发明的第三方面,提供了一种与配色有关的装置,包括:处理器;以及存储器,配置为在其上存储有计算机可执行指令,所述指令当在所述处理器中执行时使得实现如本发明第一方面任一所述的配色方法和第二方面任一所述的辅助配色方法。
根据上述实施例,通过配色规则和参考配色的匹配来确定可用参考配色从而对目标进行配色,确定的配色方案可能是多个,即同一目标可能存在多个优选的配色方案,例如同一主色可以得到多种美观的辅助色、对比色的配色,这可以极大地丰富图片的配色,为图片的千人千面、个性化制作提供了可能。由于对配色规则和参考配色都部分或全部地进行了衍生,因此对于任意的目标,都能得到较为匹配的辅色、对比色,这相比与仅仅依靠配色规则进行配色,大大扩展了配色范围。根据上述实施方式得到的判断模型,为非专业设计人员或者任意配色规则生成的配色的美观性提供自动判断,有助于优化配色。整体而言,上述实施例有助于图片配色进一步迈向自动化、批量化和智能化。帮助网页设计或APP应用界面的设计更加高效。
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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1图示了现有技术中颜色在LCH颜色空间中的表示。
图2图示了根据本发明实施例的计算机实现的配色方法的流程图。
图3图示了根据本发明实施例的计算机实现的配色方法的另一流程图。
图4图示了根据本发明实施例的计算机实现的辅助配色方法的流程图。
图5图示了根据本发明实施例的计算机实现的辅助配色方法的另一流程图。
图6图示了根据本发明实施例的与配色有关的硬件环境图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1图示了一种基于色调的颜色空间中颜色的表示方式。以LCH颜色空间为例,LCH颜色空间采用L表示明度值;C表示饱和度值及H表示色调角度值。最初的基本色调为红、橙、黄、绿、蓝、紫,在各色中间加插一两个中间色,其头尾色调。按光谱顺序为:红、橙色、黄橙、黄、黄绿、绿、绿蓝、蓝绿、蓝、蓝紫、紫。红紫、红和紫中再加个中间色,可制出十二基本色调,形成色调图。饱和度就是色彩的浓度,或者说是鲜艳程度。越鲜艳的色彩通常就被认为越饱和。明度也叫色度,指的是色彩的明暗程度。不同色彩有不同的明度,即使同一种色彩,其明度也有不同。如果把色调旋转一个角度,则只校正色偏,而对L和C不产生影响。LCH的颜色表示方式是用户友好的,用户容易根据视觉心理从颜色的明度、饱和度和色调上来把握颜色。
图2图示了根据本发明实施例的计算机实现的配色方法的流程图。根据本发明实施例的计算机实现的配色方法开始于步骤201。在其中,获取至少一个配色规则,其中每个配色规则包括N(N为大于1的正整数)个以基于色调的颜色空间表示的颜色的排列(permutation),每个颜色至少包括色调的值和该颜色空间中至少一个其它分量的值。
颜色空间也称彩色空间、颜色模型、彩色模型。其用途是在某些标准下用通常可接受的方式对彩色加以说明。常见的颜色空间有RGB、CIE CMY、HSV、HSI、HSL、LAB、LCH等。各种颜色空间的表示通常可以相互转化,例如RGB可以通过公式转化为LCH,等等。其中名称含有“H”的颜色空间,是具有色调分量的颜色空间,即,基于色调的颜色空间。
该配色规则可以通过人机接口由人员输入,可以经由网络接口经由网络获取,可以经由对本地存储器的访问而从本地获取,可以由其它颜色空间的表示转换而来等等,和/或以上或其他方式的组合。本发明并不限于这些获取方式。在一个示例中,该配色规则包括对图片的主色、辅助色和对比色的设置,此时N为3,而颜色在排列中的位置对应了其含义,诸如主色、辅助色还是对比色。例如,设定排列{P0,P1,P2}中P0代表主色、P1代表辅助色、P2代表对比色,则一个以LCH颜色空间表示的示例颜色的排列{{L0,C0,0o}, {L1,C1,90o}, {L2,C2,180o}}意味着在该示例中色调值为0o的颜色是主色,色调值为90o的颜色是辅助色,色调值为180o的颜色是对比色。主色、辅助色和对比色可以采用通常含义下人们的定义,例如图片中主体的颜色作为主色,诸如广告图片中商品的颜色,主色的同类色或近似色作为辅助色,诸如广告中烘托商品的颜色,其中同类色指与主色色调性质相同,但色度有深浅之分的颜色(是色调图中15°夹角内的颜色),近似色指与主色的色调性质相同,色度深浅比较明显(是指色调图中与主色夹角50°左右的颜色),对比色指在色调图上与主色调距120°-180°之间的颜色,对比是人的视觉感官所产生的一种生理现象,是视网膜对色彩的平衡作用,诸如通常作为背景而反衬商品的颜色。当然,本发明中的配色规则不限于主色、辅助色和对比色的设置,还可以包括成分第一多的颜色、成分第二多的颜色……成分第N多的颜色的设置,等等。
在一个示例中,该步骤中所述每个颜色至少包括色调的值和该颜色空间中所有其它分量的值。在另一个示例中,该步骤中所述每个颜色至少包括色调的值和该颜色空间中所有其它分量中的一部分分量的值,而对于未包括的分量的值,可以以其他方式获取和/或指定,本发明对此不作限定。
在步骤202,获取至少一个参考配色,其中每个参考配色包括N个参考颜色的排列,至少能够获取每个参考颜色的色调的值。该获取的参考配色不限于以配色规则中表示颜色所采用的颜色空间来表示,甚至不限于以基于色调的颜色空间来表示,而只要求能够获取到每个参考颜色的色调的值。例如获取的参考配色是以RGB表示的参考颜色的排列,则可以转换成以基于色调的颜色空间来表示,从而获取值每个参考颜色的色调值。
参考图3的步骤2021—2024,给出了一个示例下步骤202的进一步的细节。当然,步骤202不限于这一种获取方式,还可以是参考图片以外的任何其他合适的方式,或者所有合适的方式的任意组合。
在步骤2021中,获取至少一个彩色参考图片,其中每个彩色参考图片具有的颜色个数不小于N,即大于配色规则中的颜色的个数。在一个具体的实施例中,从https://dribbble.com/网站上获取了图片A和图片B。
在步骤2022中,提取每个彩色参考图片中成分最大的N个颜色作为所述N个参考颜色,并将其生成个排列,作为个参考配色。在一个示例中,需要提取主色、辅助色和对比色3个颜色,即N为3,则针对每个彩色参考图片,提取出成分最大的第一颜色,成分第二大的第二颜色和成分第三大的第三颜色。然而成分的多少并不决定其与参考图片的主色、辅助色和对比色的对应关系,且彩色参考图片的主色、辅助色和对比色的设定也并非这三种颜色的唯一优选配色。能够确定的是,这三种颜色是比较适合组合在一起的。因此将这三种颜色生成个排列,即6个排列。
在一个示例中,基于K-means算法进行提取。k-means算法通常的步骤如下(假设有M个样本,K个聚类中心):
步骤1:M个样本里随机取K个样本作为初始的K个聚类中心…, 每个聚类中心对应聚类集合…;
步骤2:对于某个样本,分别计算其到聚类中心…的欧式距离,然后把这个样本放到距离最小的中心所对应的集合;
步骤3:对所有样本应用步骤2;
步骤4:K个聚类集合中的样本分别加权取平均,作为新的K个聚类中心;
步骤6:将之前的K个聚类集合中样本清空;
步骤7:返回步骤2,依次执行直到K个聚类中心不再变化。
结合到本发明实施例,具体步骤如下:
首先使用k-means算法提取出所有像素的颜色,假设某张图有M个像素,也即有M个样本,每个像素均表示一个三维向量,其中i=1,2,……M。
然后使用k-means算法聚类,假设共有K个聚类,每个聚类中心都有一个向量,K个聚类中心共有K个向量,其中k=1,2,……,K. 这K个三维向量可以认为是这幅图像的主要颜色。
因为我们需要提取主色,辅助色,对比色三种颜色,所以K最小值为3,可以基于各种因素来确定K的最终取值,例如https://dribbble.com/网站上的每个图像已经被图像上传人员打上了主要色彩个数T=1,2,……,10标记,K的最后取值例如可以是3和T中的最大值。确定上述K个聚类中心的K个向量之后,按照每个聚类集合样本数量的多少进行排序,得到样本数量最多的3个聚类,将这3个聚类中心的3个RGB向量作为提取出的主色、辅助色和对比色。
当然,本发明不限于此算法,还可以基于其他数据挖掘算法。
在上述具体的实施例中,假定从图片A提取的主色、辅助色、对比色是[#ff7c34, #ffc73d, #0076bd], 从图片B提取的主色、辅助色、对比色是:[#78b910, #b9d600, #ffd757], 其中的颜色以十六进制颜色代码值表示,例如#ff7c34转换到RGB表示方式即RGB(255, 124, 52),这两种表示方式的转换为本领域所公知。
对提取的颜色进行6种排列后分别得到图片A提取的颜色的6种排列:[#ff7c34, #ffc73d, #0076bd], [#ff7c34, #0076bd, #ffc73d], [#ffc73d, #0076bd, #ff7c34],[#ffc73d, #ff7c34, #0076bd], [#0076bd, #ffc73d, #ff7c34], [#0076bd, #ff7c34,#ffc73d];以及图片B提取的颜色的6种排列:[#78b910, #b9d600, #ffd757], [#78b910,#ffd757, #b9d600], [#b9d600, #ffd757, #78b910], [#b9d600, #78b910, #ffd757],[#ffd757, #78b910, #b9d600], [#ffd757, #b9d600, #78b910]。
一般地,无法直接提取色调值,因而在步骤2023,将提取得到的N个参考颜色进行转换,转换到基于色调的颜色空间,包括但不限于结合图2描述的步骤201中表示配色规则的颜色所采用的颜色空间,只要能够获取其中每个参考颜色的色调的值。
在上述具体的实施例中,上面图片A、图片B提取的颜色排列分别转换到LCH空间,并且得到仅以色调表示的颜色排列。图片A的仅以色调表示的颜色排列A_H为: [52.6,84.1, 268.9], [52.6, 268.9, 84.1], [84.1, 268.9, 52.6], [84.1, 52.6, 268.9],[ 268.9,52.6, 84.1] ,[ 268.9, 84.1, 52.6],图片B的仅以色调表示的颜色排列B_H为:[122.8, 111.1, 89.6], [122.8, 89.6, 111.1], [111.1, 89.6, 122.8], [111.1,122.8, 89.6], [89.6, 122.8, 111.1], [89.6, 111.1, 122.8]。
现在回到图2,在步骤203,确定所述至少一个参考配色与所述至少一个配色规则是否匹配。参考图3的步骤2031—2034,给出了步骤203的进一步的实施例。当然,步骤203不限于这一种确定是否匹配的方式,还可以是任何其他合适的方式,或者所有合适的方式的任意组合。本发明对此不作限定。
在步骤2031中,基于所获取的配色规则的色调分布,对所获取的配色规则进行衍生。所述衍生包括:对每一个配色规则中的N个颜色的色调值同时旋转一个或多个度数零次(也即不进行衍生)、一次或多次,而保持所述颜色空间中的其它分量不变,从而不衍生或衍生出至少一个或衍生出多个新的配色规则。色调分布包括色调分布平均密度和色调分布均匀性。这样经过衍生,颜色的排列中的每一个位置上的色调分布的平均密度可能明显增加,也即配色规则的数量可能明显增加(例如在旋转多次的情况下),色调分布的均匀性也可能明显增加,也即色调分布也可能趋于均匀(例如把集中在一定角度范围内的色调通过旋转衍生出其他角度范围的色调)。在一个示例中,将每一个配色规则的N个颜色的色调值同时旋转1o,且旋转359次,这样经过衍生,新增359个配色,也即经过衍生得到360个配色,得到的配色规则的数量扩大到360倍。当然,如果获取的配色规则的色调分布平均密度足够大且分布足够均匀,例如各色调均匀分布在360o上且平均每一度范围内对应有多个配色规则,则可以不进行衍生。在步骤2032中,获取所获得的每个参考配色与经衍生的配色规则中的每一个配色规则的误差,其中所述误差定义为:针对每个参考配色,其包括的N个参考颜色的排列所对应的色调值的排列{,j=0, 1, … N-1}与第i个配色规则的颜色的排列所对应的色调值的排列{,j=0, 1, … N-1}的对应值的最短距离的平方之和,当然对应值都是同一色调表示方式下的值,这样才有意义,而色调的表示通常都是范围在[0,360)的度数,正如图1所示,也即:
,其中,j=0, 1, … N-1,是第i个配色规则的N个颜色的色调,其中i的取值为连续正整数,最小为1,最大为经衍生的配色规则的个数。
于是,与每个参考配色相关联的误差的个数为经衍生的配色规则的个数。最后得到的误差的总的个数为所获取的参考配色的个数与经衍生的配色规则的个数的乘积。
在上述具体的实施例中,假设有3个配色规则(均以色调表示)[45, 77, 261],[0, 10, 20],[300, 100, 200],将A_H和B_H匹配这3个规则依次得到A_H与规则的误差A_H_E:
0.9799999999999455, 20519.78000000001, 8537.779999999995;
21615.37999999999, 17015.78000000001, 8705.78;
12543.379999999994, 18275.78000000001, 2405.78;
2016.98, 21149.78000000001, 18617.77999999999;
12466.580000000002, 14141.78000000001, 4049.779999999999;
24058.58, 14771.78000000001, 10349.779999999999;
以及B_H与规则的误差B_H_E:
12685.609999999995, 1431.2099999999994, 18227.21;
20253.609999999993, 1001.2099999999994, 13927.21;
22447.21, 533.2099999999991, 16267.21;
11936.809999999998, 1197.209999999999, 22907.210000000003;
18128.809999999994, 337.20999999999964, 27207.21;
21071.209999999995, 103.20999999999987, 24867.21。
在步骤2033,基于上述计算得出的所有误差,确定其中的M个最小误差。显然,M不大于所获取的参考配色的个数与所经衍生的配色规则的个数的乘积。需注意,这里“经衍生的配色规则”从字面理解,应包括步骤201中所获取的配色规则以及在步骤2031中因对其衍生而新生成的配色规则。
在步骤2034,针对所确定的M个最小误差中的每个误差:确定与该误差相关联的参考配色和与该误差相关联的配色规则匹配。
在上述具体的实施例中,上面结果中只有A_H_E中有一个比较小的值0.9799999999999455,对应的A_H: [52.6, 84.1, 268.9],也就是主色、辅助色、对比色 A_H:[#ff7c34, #ffc73d, #0076bd]。现在回到图2,如果在步骤203中确定了所述至少一个参考配色与所述至少一个配色规则匹配,则在步骤204,对每个匹配的参考配色进行扩充,其包括:将匹配的参考配色中的每个参考颜色在表示配色规则中的颜色所采用的颜色空间中的色调以外的至少一个分量的值指定为相匹配的对应配色规则中对应颜色的对应分量的值。在一个示例中,参考配色的每个参考颜色在上述颜色空间中色调以外的所有分量都根据相匹配的对应配色规则中对应颜色的对应分量被赋值了。在另一个示例中,并非色调以外的所有分量都按照上述方式被赋值了,存在以任何其他合适的方式赋值的可能性。因此本发明对此并不作限定。而如果在步骤203没有找到任何匹配关系,则回到步骤201重新开始。
在步骤205,基于经扩充的参考配色,确定可用参考配色。在一个示例中,例如在步骤2051,考虑到基于色调的配色空间中其他分量的影响,需要进一步筛选。通过接收对经扩充的参考配色的选择,获取选择的经扩充的参考配色,将其作为可用参考配色。
在上述具体的实施例中,将主色、辅助色、对比色 A_H:[#ff7c34, #ffc73d, #0076bd]赋予相匹配的配色规则的明度值和色度值,例如交给设计师进行判断,假设设计师认为美,那么这一套具有色调、明度、和色度值的主色、辅助色、对比色可以作为可用参考配色。
在另一个示例中,例如在步骤2051后继续进行步骤2052,对上面获取的选择的经扩充的参考配色进行衍生,这包括针对选择的经扩充的参考配色中的每个参考配色:对其在表示配色规则中的颜色所采用的颜色空间中的N个色调值同时旋转一个或多个度数一次或多次,而保持该颜色空间中的其它分量不变,以衍生出一个或多个新的参考配色,将其作为可用参考配色。
在上述具体的示例中,将上面入库的规则[#ff7c34, #ffc73d, #0076bd],转换到LCH空间得到:主色 [66.46600498979555, 75.2690758675059, 52.655348392152575],辅助色[83.15120451792016, 72.41068553641719, 84.1018368759477],对比色[47.78894352937216, 44.858821196857676, 268.9219771055188],将其分别旋转24度得到:主色 [66.46600498979555, 75.2690758675059, 76.655348392152575],辅助色[83.15120451792016, 72.41068553641719, 108.1018368759477],对比色[47.78894352937216, 44.858821196857676, 292.9219771055188],再以同样方式将其旋转48度,以此类推,直至旋转了360度,便得到了多个衍生的配色规则。
在又一个示例中,例如在步骤2052后继续进行步骤2053,获取对经衍生的参考配色的选择。注意这里经衍生的参考配色包括衍生出的一个或多个新的参考配色以及步骤2051获取的选择的经扩充的参考配色。将选择的经衍生的参考配色作为可用参考配色。
在步骤206,基于步骤205得到的可用参考配色对目标进行配色。在一个示例中,这进一步包括在步骤2061,其中针对该目标,基于该目标与可用参考配色的参考颜色的排列中的位置的映射,检索所述位置的参考颜色与所述目标匹配的参考配色。例如,设定可用参考配色的参考颜色的排列{P0,P1,P2}中P0代表主色、P1代表辅助色、P2代表对比色,设定目标是主色,则在可用参考配色的参考颜色的排列的P0位置处检索该目标,找出P0与目标匹配的参考配色。该匹配可以是一个误差范围内的匹配,例如色调的匹配误差+0.5o或-0.5o,从而尽可能避免匹配失败。通过该步骤确定的匹配的参考配色可以是一个或多个,即同一目标可能存在多个优选的配色方案,例如同一主色可以得到多种美观的辅助色、对比色的配色,这可以极大地丰富图片的配色,为图片的千人千面、个性化制作提供了可能。
在进一步的示例中,还包括步骤2062,其中对与目标匹配的参考配色进行适应性调整。在一个示例中,该适应性调整是针对作为目标的主色进行的,例如作为目标的主色的色调是1o,而经检索参考配色{P0,P1,P2}的主色位置P0处与作为目标的主色匹配的色调是1.2o,则需要调整对应参考配色{P0,P1,P2}的所有参考颜色的色调,均降低0.2o,而保持该对应参考配色的颜色空间的其它分量的值不变。在另一个示例中,该适应性调整是基于其它规定做出的,例如规定了对比色一律用深色,但是匹配的参考配色与之不符,则需要将其中对比色调整为深色。
在一个具体的示例中,假设库里有2个有效规则。规则1(在LCH空间的表示):主色[66.46600498979555, 75.2690758675059, 52.655348392152575],辅助色[83.15120451792016, 72.41068553641719, 84.1018368759477],对比色[47.78894352937216, 44.858821196857676, 268.9219771055188]。规则2(在LCH空间的表示):主色[66.46600498979555, 75.2690758675059, 76.655348392152575],辅助色[83.15120451792016, 72.41068553641719, 108.1018368759477],对比色[47.78894352937216, 44.858821196857676, 292.9219771055188]。当输入主色的色调是50,显然规则1主色的H比规则2更接近50,并且50和52.655348392152575相差很小, 因此我们会使用规则1配色得到最后的颜色:主色 [66.46600498979555, 75.2690758675059,50],辅助色[83.15120451792016, 72.41068553641719, 81.44648848379512],对比色[47.78894352937216, 44.858821196857676, 266.26662871336623]。
可选地,在步骤207,还可以利用步骤205得到的可用参考配色基于机器学习生成判断模型。其中,可以将确定的可用参考配色作为可推荐配色,而将未被确定为可用参考配色的参考配色作为不可推荐配色,例如将步骤2053中的选择的经衍生的参考配色作为可推荐配色scikit-learn,将未选择的经衍生的参考配色作为不可推荐配色。而后利用可推荐配色和不可推荐配色、基于机器学习生成判断模型,所述判断模型用于判断待定配色的可推荐性。将可推荐配色和不可推荐配色均划分为训练数据和测试数据两部分,可以利用人工智能领域的各种机器学习算法模型函数,例如基于scikit-learn库中的多种机器学习算法模型函数,包括logistic regression,support vector machine,fully-connectednetwork, 可以参考 https://scikit-learn.org/stable/。其中fully-connectednetwork在测试数据上得到了较高的准确度。fully-connected network模型有三层或四层,分别是一个输入层、一个或两个隐藏层,以及一个输出层。在一个示例中,使用fully-connected network模型函数的参数可以是:可以在输入层输入主色、辅助色、对比色的LCH空间的向量,隐藏层可以只使用一个,隐藏层的单元数设定为10个,输出层采用softmax二分类方法输出。经过实验,这样的参数设置可以得到较高的准确度。
可选地,在步骤208,利用所述判断模型判断待定配色的可推荐性。这里的待定配色包括图2的方法获得的可用配色以外的其它配色,由于该其它配色与生成判断模型所基于的数据并不同源,因此判断结果具有一定的可靠性。这里的待定配色还包括步骤2062中对与目标匹配的参考配色进行适应性调整后的参考配色。
根据上述实施方式,通过配色规则和参考配色的匹配来确定可用参考配色从而对目标进行配色,确定的配色方案可能是多个,即同一目标可能存在多个优选的配色方案,例如同一主色可以得到多种美观的辅助色、对比色的配色,这可以极大地丰富图片的配色,为图片的千人千面、个性化制作提供了可能。由于对配色规则和参考配色都部分或全部地进行了衍生,因此对于任意的目标,都能得到较为匹配的辅色、对比色,这相比与仅仅依靠配色规则进行配色,大大扩展了配色范围。根据上述实施方式得到的判断模型,为非专业设计人员或者任意配色规则生成的配色的美观性提供自动判断,有助于优化配色。整体而言,上述实施例有助于图片配色进一步迈向自动化、批量化和智能化。帮助网页设计或APP应用界面的设计更加高效。
图4图示了根据本发明实施例的计算机实现的辅助配色方法的流程图。该计算机实现的辅助配色方法开始于步骤401,在其中,获取可推荐配色。并且在步骤402,获取不可推荐配色。上述可推荐配色、不可推荐配色均为N(N为大于1的整数)个颜色的排列。在一个示例中,可推荐配色和不可推荐配色以基于色调的颜色空间表示,例如以LCH颜色空间表示。
在一个示例中,参考图5,该可推荐配色可以是步骤205获取的可用参考配色。具体获取过程,即步骤201-205(包括2051-2053),可参见图2中对这些步骤的描述,在此不再赘述。在一个示例中,不可推荐配色的获取(步骤205’)与步骤205中可用参考配色的确定相关联。例如在步骤2051’,获取未选择的经扩充的参考配色,将其作为不可推荐配色。又例如在步骤2052’,获取未选择的经衍生的参考配色,将其作为不可推荐配色。
当然,本发明并不限于仅通过上述示例获取可推荐配色和获取不可推荐配色,还可以包括任何其他合适的方法,例如还可以包括直接获取由专业设计人员设置的一些配色作为可推荐配色,和/或直接获取由专业设计人员设置的另一些配色作为不可推荐配色。该获取可以是以任何合适的方式或者其组合。
而后在步骤403,利用可推荐配色和不可推荐配色,基于机器学习生成判断模型,所述判断模型用于判断待定配色的可推荐性。该判断模型的生成参见上面步骤207的描述,在此不再赘述。
在步骤404,利用上述判断模型判断待定配色的可推荐性。该判断步骤可以与上面的步骤208相同,在此不再赘述。
可选地,还包括步骤405,其中基于步骤401获取的可推荐配色对目标进行配色。关于该步骤的进一步描述可以参见上面对图2的步骤206的描述,在此不再赘述。
根据一个具体的示例,在步骤201,获取由专业设计人员设定的21个配色规则,每条规则记录了主色、辅色和对比色,在LCH颜色空间表示为:主色{l_0,c_0,h_0 }、辅色{l_1,c_1,h_1 }、对比色{l_2,c_2,h_2 }。在步骤202,具体地在步骤2021,获取参考图片,获取自https://dribbble.com/,这是一个设计网站,提供了很多美观的图片,例如从中爬取40000张参考图片,每张参考图片颜色成分在8种以内。 在步骤2022,使用K-means算法,从每个参考图片提取3种成分最大的颜色。在步骤2023,将从每张图片提取的3种颜色进行6种排列,这样每种排列对应不同的主色、辅色、对比色,即每张图片得到6个参考配色。在步骤2024,将每个参考配色转换到LCH空间,在步骤203,确定参考配色和21种规则是否匹配。确定是否匹配的方法详见上面步骤203(包括步骤2031-2034),其中在步骤2031对配色规则的所有色调均旋转1o并操作359次,这样参考配色和配色规则的色调值相差在1o以内,其中在步骤2033选择2000个最小误差,其对应2000个参考配色。在步骤204,对这2000个参考配色进行扩充,在步骤2051,基于专业设计人员对扩充后的2000条参考配色的评分,选择评分最高的900个扩充后的参考配色。在步骤2052,将这900条参考配色的色调值依次旋转15°的整数倍,得到13500个参考配色,而后在步骤2053,再次基于专业设计人员的评分,获取其中评分最高的2600条参考配色作为可用参考配色。在步骤2061,给定作为目标的主色的色调值,匹配得到与该主色最近的10个配色。在步骤2062,分别这10个配色的主色色调值与与作为目标的主色色调值的角度差,从而修正这10个配色的辅助色、对比色的角度,输出10种配色,作为该目标的配色方案。另外,在步骤207,将所得到的2600条配色规则作为可推荐配色,将其中2300条数据用来训练,300条用来测试,并将之前得到的13500条参考配色中的剩余其它配色(即13500-2600=10900条配色)作为不可推荐配色,按照同样的比例,9642条用来训练,1258条用来测试,采用scikit-learn库中的机器学习算法模型函数进行训练,包括logistic regression,support vector machine,fully-connected network, 其中fully-connected network在测试集上得到了较高的准确度。输出的可推荐性的数值的高低,可以作为配色美观度的一个衡量标准。
根据上述实施方式,通过配色规则和参考配色的匹配来确定可用参考配色从而对目标进行配色,确定的配色方案可能是多个,即同一目标可能存在多个优选的配色方案,例如同一主色可以得到多种美观的辅助色、对比色的配色,这可以极大地丰富图片的配色,为图片的千人千面、个性化制作提供了可能。由于对配色规则和参考配色都部分或全部地进行了衍生,因此对于任意的目标,都能得到较为匹配的辅色、对比色,这相比与仅仅依靠配色规则进行配色,大大扩展了配色范围。根据上述实施方式得到的判断模型,为非专业设计人员或者任意配色规则生成的配色的美观性提供自动判断,有助于优化配色。整体而言,上述实施例有助于图片配色进一步迈向自动化、批量化和智能化。帮助网页设计或APP应用界面的设计更加高效。
参见图6,在本发明的实施方式中,与配色有关的装置600包括处理器604,其中包括硬件原件610。处理器604例如包括一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其它等效集成或离散逻辑电路等一个或多个处理器。如本文中所使用的术语“处理器”可指上述结构或适合于实施本文中所描述的技术的任一其它结构中的任一者。另外,在一些方面中,本文描述的功能性可提供于经配置以用于配色和辅助配色的专用硬件和/或软件模块内,或并入在组合式的硬件和/或软件模块中。并且,可将所述技术完全实施于一个或多个电路或逻辑元件中。本公开中的方法可以在各种组件、模块或单元中实现,但不一定需要通过不同硬件单元来实现。而是,如上所述,各种组件、模块或单元可组合或由互操作硬件单元(包含如上所述的一个或多个处理器)的集合结合合适软件和/或固件来提供。
在一个或多个示例中,以上结合图2-图5所描述的方法步骤可以硬件、软件、固件或其任一组合来实施。如果以软件实施,那么功能可作为一个或多个指令或代码存储在计算机可读媒体上或经由计算机可读媒体606传输,且由基于硬件的处理器执行。计算机可读媒体606可包含对应于例如数据存储媒体等有形媒体的计算机可读存储媒体,或包含促进计算机程序例如根据通信协议从一处传送到另一处的任何媒体的通信媒体。以此方式,计算机可读媒体606通常可对应于(1)非暂时性的有形计算机可读存储媒体,或(2)例如信号或载波等通信媒体。数据存储媒体可为可由一个或多个计算机或者一个或多个处理器读取以检索用于实施本公开中描述的技术的指令、代码和/或数据结构的任何可用媒体。计算机程序产品可包含计算机可读媒体606。
举例来说且并非限制,此类计算机可读存储媒体可包括RAM、ROM、EEPROM、CD_ROM或其它光盘等存储器、磁盘存储器或其它磁性存储器、快闪存储器或可用来以指令或数据结构的形式存储所要程序代码且可由计算机读取的任何其它存储器612。而且,恰当地将任何连接称作计算机可读媒体606。举例来说,如果使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)或例如红外线、无线电及微波等无线技术从网站、服务器或其它远程源传输指令,则同轴电缆、光纤电缆、双绞线、DSL或例如红外线、无线电及微波等无线技术包含于媒体的定义中。然而应了解,计算机可读存储媒体和数据存储媒体不包含连接、载波、信号或其它瞬时媒体,而是针对非瞬时有形存储媒体。如本文中所使用,磁盘及光盘包含压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、软磁盘及蓝光光盘,其中磁盘通常以磁性方式再生数据,而光盘使用激光以光学方式再生数据。上文的组合也应包含在计算机可读媒体606的范围内。
与配色有关的装置600还可以包括用于传输数据的I/O接口、以及其他功能614。与配色有关的装置600可以包括在不同的装置中,诸如计算机616、移动装置618和电视620等等,以用于移动、互联网、电视等领域的例如移动APP软件内、网站页面、电视中等大量出现并经常更新的包含主体、背景、广告文案、和/或宣传等的图片。这些配置中的每个包括可以具有一般不同的构造和能力的设备,并且因此可以根据不同设备类别中的一个或多个配置与配色有关的装置600。此外本发明的技术还可以通过使用分布式系统、诸如通过如下所述的平台624在“云”622上全部或部分地实现。
云622包括和/或代表用于资源626的平台624。平台624抽象云622的硬件(例如,服务器)和软件资源的底层功能。资源626可以包括在远离计算设备602的服务器上执行计算机处理时可以使用的应用和/或数据。资源626还可以包括通过因特网和/或通过诸如蜂窝或Wi-Fi网络的订户网络提供的服务。
平台624可以抽象资源和功能以将计算设备602与其他计算设备连接。平台624还可以用于抽象资源的分级以提供遇到的对于经由平台624实现的资源626的需求的相应水平的分级。因此,在互连设备实施例中,本文描述的功能的实现可以分布在整个系统600内。例如,功能可以部分地在计算设备602上以及通过抽象云622的功能的平台624来实现。
需要说明,本公开中出现的“第一”、“第二”等表述不代表指示重要性或步骤的先后,仅是用于区分。方法步骤在没有特别说明或者没有前提约束(即一个步骤的执行需以另一个步骤的执行结果为前提)的情况下,方法步骤的描述先后不代表他们的执行先后,所描述的方法步骤可以以可能的、合理的顺序执行。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (15)
1.一种计算机实现的配色方法,包括:
获取至少一个配色规则,其中每个配色规则包括N个以基于色调的颜色空间表示的颜色的排列,每个颜色至少包括色调的值和所述颜色空间中至少一个其它分量的值,其中N为大于1的正整数;
获取至少一个参考配色,其中每个参考配色包括N个参考颜色的排列,至少能够获取每个参考颜色的色调的值;
确定所述至少一个参考配色与所述至少一个配色规则是否匹配;
响应于确定所述至少一个参考配色与所述至少一个配色规则匹配,对每个匹配的参考配色进行扩充,其包括:将所述匹配的参考配色中的每个参考颜色的所述颜色空间中色调以外的至少一个分量的值指定为相匹配的对应配色规则中对应颜色的对应分量的值。
2.如权利要求1所述的方法,所述获取至少一个参考配色还包括:
获取至少一个彩色参考图片,其中每个彩色参考图片具有的颜色个数不小于N;
提取每个彩色参考图片中成分最大的N个颜色作为所述N个参考颜色,并将其生成个排列,作为个参考配色;以及
将所述N个参考颜色进行转换,以获取其中每个参考颜色的色调的值。
3.如权利要求1所述的方法,所述确定所述至少一个参考配色与所述至少一个配色规则是否匹配进一步包括:
基于所述至少一个配色规则的色调分布,对所述至少一个配色规则进行衍生,这包括:对所述至少一个配色规则中的每个配色规则中的N个颜色的色调值同时旋转一个或多个度数零次、一次或多次,而保持所述颜色空间中的其它分量不变,从而不新增或新增至少一个或新增多个配色规则;
获取所述至少一个参考配色的每个参考配色与经衍生的配色规则中的每个配色规则的误差,其中所述误差定义为:针对所述每个参考配色,其包括的N个参考颜色的排列所对应的色调值的排列与第i个配色规则的颜色的排列所对应的色调值的排列二者中的对应值在同一色调表示方式下最短距离的平方之和;以及
基于获取的所有误差,确定所述至少一个参考配色与所述经衍生的配色规则是否匹配。
4.如权利要求3所述的方法,进一步包括:
基于获取的所有误差,确定其中M个最小误差;以及
针对所述M个最小误差中的每个误差:确定其相关联的参考配色和其相关联的配色规则匹配。
5.如权利要求1所述的方法,其中所述确定可用参考配色还包括:
对所述经扩充的参考配色进行选择,以及
基于选择的所述经扩充的参考配色,确定所述可用参考配色。
6.如权利要求5所述的方法,其中所述确定可用参考配色还包括对选择的经扩充的参考配色进行衍生,这包括针对选择的经扩充的参考配色中的每个参考配色:对其在所述颜色空间中的N个色调值同时旋转一个或多个度数一次或多次,而保持所述颜色空间中的其它分量不变,以衍生出一个或多个新的参考配色;
获取对经衍生的参考配色的选择;
基于选择的经衍生的参考配色确定所述可用参考配色。
7.如权利要求1所述的方法,其中基于经扩充的参考配色对目标进行配色进一步包括:
针对所述目标,基于所述目标与所述可用参考配色的参考颜色的排列中的位置的映射,检索所述位置的参考颜色与所述目标匹配的参考配色,以将与所述目标匹配的参考配色作为所述目标的配色。
8.如权利要求7所述的方法,
对所述与所述目标匹配的参考配色进行适应性调整,以将经调整的参考配色作为所述目标的配色。
9.如权利要求7所述的方法,进一步包括:
将所述选择的经衍生的参考配色作为可推荐配色的,将未选择的经衍生的参考配色作为不可推荐配色;
利用所述可推荐配色和所述不可推荐配色、基于机器学习生成判断模型,所述判断模型用于判断待定配色的可推荐性;以及
利用所述判断模型判断所述待定配色的可推荐性。
10.如权利要求1所述的方法,所述N为3,所述N个参考颜色的排列包括主色、辅助色和对比色的排列。
11.如权利要求1所述的方法,还包括:
基于经扩充的参考配色,确定可用参考配色;以及
基于所述可用参考配色对目标进行配色。
12.一种计算机实现的辅助配色方法,包括:
获取可推荐配色;
获取不可推荐配色;
利用所述可推荐配色和所述不可推荐配色,基于机器学习生成判断模型,所述判断模型用于判断待定配色的可推荐性;
利用所述判断模型判断待定配色的可推荐性;
其中:
所述可推荐配色、不可推荐配色和待定配色均为N个颜色的排列;
所述可推荐配色采用如下方式获得:
获取至少一个配色规则,其中每个配色规则包括N个以基于色调的颜色空间表示的颜色的排列,每个颜色至少包括色调的值和所述颜色空间中至少一个其它分量的值,其中N为大于1的正整数;
获取至少一个参考配色,其中每个参考配色包括N个参考颜色的排列,至少能够获取每个参考颜色的色调的值;
确定所述至少一个参考配色与所述至少一个配色规则是否匹配;
响应于确定所述至少一个参考配色与所述至少一个配色规则匹配,对每个匹配的参考配色进行扩充,其包括:将所述匹配的参考配色中的每个参考颜色的所述颜色空间中色调以外的至少一个分量的值指定为相匹配的对应配色规则中对应颜色的对应分量的值;以及
基于经扩充的参考配色而获取所述可推荐配色。
13.如权利要求12所述的方法,所述获取至少一个参考配色还包括:
获取至少一个彩色参考图片,其中每个彩色参考图片具有的颜色个数不小于N;
提取每个彩色参考图片中成分最大的N个颜色作为所述N个参考颜色,并将其生成个排列,作为个参考配色;以及
将所述N个参考颜色进行转换,以获取其中每个参考颜色的色调的值。
14.一种与配色有关的装置,包括:
处理器;以及
存储器,配置为在其上存储有计算机可执行指令,所述指令当在所述处理器中执行时使得实现如权利要求1-13中任一项所述的方法。
15.一种计算机可读存储媒体,其特征在于,所述计算机可读存储媒体中存储有指令,当所述计算机可读存储媒体在计算机上运行时,使得所述计算机实现如权利要求1-13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910089902.XA CN110163217A (zh) | 2019-01-18 | 2019-01-18 | 用于配色或配色辅助的方法、装置以及计算机可读存储媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910089902.XA CN110163217A (zh) | 2019-01-18 | 2019-01-18 | 用于配色或配色辅助的方法、装置以及计算机可读存储媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163217A true CN110163217A (zh) | 2019-08-23 |
Family
ID=67644843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910089902.XA Pending CN110163217A (zh) | 2019-01-18 | 2019-01-18 | 用于配色或配色辅助的方法、装置以及计算机可读存储媒体 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163217A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503656A (zh) * | 2019-08-28 | 2019-11-26 | 苏州大学 | 一种超像素分割方法及相关设备 |
CN111091607A (zh) * | 2019-12-24 | 2020-05-01 | 厦门美图之家科技有限公司 | 颜色搭配方法、装置、电子设备及存储介质 |
CN111626700A (zh) * | 2020-05-19 | 2020-09-04 | 东彩塑胶颜料(深圳)有限公司 | 塑胶样板的配色方案确定方法、终端和可读存储介质 |
CN113724341A (zh) * | 2021-08-02 | 2021-11-30 | 中移(杭州)信息技术有限公司 | 辅助色的确定方法、终端设备及介质 |
-
2019
- 2019-01-18 CN CN201910089902.XA patent/CN110163217A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503656A (zh) * | 2019-08-28 | 2019-11-26 | 苏州大学 | 一种超像素分割方法及相关设备 |
CN111091607A (zh) * | 2019-12-24 | 2020-05-01 | 厦门美图之家科技有限公司 | 颜色搭配方法、装置、电子设备及存储介质 |
CN111091607B (zh) * | 2019-12-24 | 2023-08-29 | 厦门美图之家科技有限公司 | 颜色搭配方法、装置、电子设备及存储介质 |
CN111626700A (zh) * | 2020-05-19 | 2020-09-04 | 东彩塑胶颜料(深圳)有限公司 | 塑胶样板的配色方案确定方法、终端和可读存储介质 |
CN111626700B (zh) * | 2020-05-19 | 2023-06-16 | 正显新材料科技(广东)有限公司 | 塑胶样板的配色方案确定方法、终端和可读存储介质 |
CN113724341A (zh) * | 2021-08-02 | 2021-11-30 | 中移(杭州)信息技术有限公司 | 辅助色的确定方法、终端设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163217A (zh) | 用于配色或配色辅助的方法、装置以及计算机可读存储媒体 | |
US20230153889A1 (en) | Product recommendation device and method based on image database analysis | |
CN109829849B (zh) | 一种训练数据的生成方法、装置和终端 | |
CN1977542B (zh) | 利用感知规律提取主色以产生来自视频内容的环境光 | |
Houser et al. | Tutorial: color rendering and its applications in lighting | |
CN105761283B (zh) | 一种图片主色提取方法及装置 | |
CN109344532A (zh) | 一种应用于地产的室内设计方法及装置 | |
US10068149B2 (en) | Image processing utilizing reference images | |
US20130300761A1 (en) | Method and system for color matching and color recommendation | |
AU2014202744B2 (en) | System and method for re-configuring a lighting arrangement | |
US20160048497A1 (en) | System and method for generating an interior design | |
Ruppertsberg et al. | Rendering complex scenes for psychophysics using RADIANCE: How accurate can you get? | |
US20100262551A1 (en) | Method and apparatus for digital coating project purchase | |
JP2023537262A (ja) | 空間イメージ分析基盤配色推薦装置及び方法 | |
US9019296B1 (en) | Customized color selection for a design project | |
US20160232688A1 (en) | System and method for color paint selection and acquisition | |
Diakite-Kortlever et al. | Forecast accuracy of existing luminance-related spectral sky models and their practical implications for the assessment of the non-image-forming effectiveness of daylight | |
CN110136087A (zh) | 显示终端的边框自适应调整方法及相关设备 | |
CN106605400A (zh) | 用于涂料颜色匹配的数字系统和方法 | |
Steinrücken et al. | Identification of optimal colours for maps from the web | |
Cariou et al. | Quadratic PLS regression applied to external preference mapping | |
CN110287343A (zh) | 图片生成方法及装置 | |
Yanagida et al. | Color scheme adjustment by fuzzy constraint satisfaction for color vision deficiencies | |
US20150039994A1 (en) | Color-based designs | |
CN107492143A (zh) | 控制图像合成中的补块使用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |