CN110969170B - 一种图像主题色提取方法、装置及电子设备 - Google Patents
一种图像主题色提取方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110969170B CN110969170B CN201911223052.4A CN201911223052A CN110969170B CN 110969170 B CN110969170 B CN 110969170B CN 201911223052 A CN201911223052 A CN 201911223052A CN 110969170 B CN110969170 B CN 110969170B
- Authority
- CN
- China
- Prior art keywords
- color
- clustering
- value
- image
- color value
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 239000003086 colorant Substances 0.000 abstract description 38
- 238000012545 processing Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000005484 gravity Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种图像主题色提取方法、装置及电子设备，涉及图像处理技术领域，包括：获得待提取主题色的图像；统计所述图像中各颜色值对应的像素点数量；根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果；根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定所述图像的主题色。由此可见，应用本发明实施例提供的方案提取图像的主题色，可以提高提取主题色的准确度。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像主题色提取方法、装置及电子设备。
背景技术
在向用户展示图像时，为了给用户带来较佳地沉浸式体验，可以提取图像的主题色，并根据图像的主题色调整展示上述图像的界面的背景颜色，然后在调整背景颜色后的界面上展示上述图像。
现有技术中，在提取图像的主题色时，一般计算图像中所有像素点颜色值的均值，将该均值作为图像的主题色。但是由于图像中可能存在过亮、过暗的区域，图像中也可能存在阴影、填充等区域，这些区域内像素点的颜色值会对上述均值带来影响，进而导致提取得到的主题色准确度低。
发明内容
本发明实施例的目的在于提供一种图像主题色提取方法、装置及电子设备，以提高提取图像主题色的准确度。具体技术方案如下：
第一方面，本发明实施例提供了一种图像主题色提取方法，所述方法包括：
获得待提取主题色的图像；
统计所述图像中各颜色值对应的像素点数量；
根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果；
根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定所述图像的主题色。
本发明的一个实施例中，所述根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果，包括：
确定对应的像素点数量最多、且互相之间差异值大于差异阈值的预设数量个颜色值作为聚类中心；
针对每一颜色值，将该颜色值加入相似聚类中心对应的聚类结果中，其中，所述相似聚类中心为：各个聚类中心中与该颜色值差异值最小的聚类中心；
计算每一聚类结果中所有颜色值的像素点的颜色均值，将所述聚类中心更新为计算得到的颜色均值，返回针对每一颜色值、将该颜色值加入相似聚类中心对应的聚类结果中步骤，直至达到预设的聚类结束规则，得到所述预设数量个聚类结果。
本发明的一个实施例中，所述聚类结束规则包括：
针对每一颜色值进行聚类的聚类次数达到预设的次数阈值；
和/或
每一聚类结果中，所有颜色值的像素点的颜色均值与聚类中心中每一数值的差异值小于预设的收敛阈值。
本发明的一个实施例中，所述统计所述图像中各颜色值对应的像素点数量，包括：
统计所述图像中颜色干扰区域之外的区域中每一颜色值的像素点数量。
本发明的一个实施例中，所述统计所述图像中各颜色值对应的像素点数量，包括：
统计所述图像中满足颜色提取规则的每一颜色值的像素点数量，其中，所述颜色提取规则为：针对像素点的明度、像素点的饱和度、像素点的色相、像素点数量中至少一种的提取规则。
第二方面，本发明实施例提供了一种图像主题色提取装置，所述装置包括：
图像获得模块，用于获得待提取主题色的图像；
数量统计模块，用于统计所述图像中各颜色值对应的像素点数量；
颜色聚类模块，用于根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果；
主题色确定模块，用于根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定所述图像的主题色。
本发明的一个实施例中，所述颜色聚类模块，具体用于：
确定对应的像素点数量最多、且互相之间差异值大于差异阈值的预设数量个颜色值作为聚类中心；
针对每一颜色值，将该颜色值加入相似聚类中心对应的聚类结果中，其中，所述相似聚类中心为：各个聚类中心中与该颜色值差异值最小的聚类中心；
计算每一聚类结果中所有颜色值的像素点的颜色均值，将所述聚类中心更新为计算得到的颜色均值，返回针对每一颜色值、将该颜色值加入相似聚类中心对应的聚类结果中步骤，直至达到预设的聚类结束规则，得到所述预设数量个聚类结果。
本发明的一个实施例中，所述聚类结束规则包括：
针对每一颜色值进行聚类的聚类次数达到预设的次数阈值；
和/或
每一聚类结果中，所有颜色值的像素点的颜色均值与聚类中心中每一数值的差异值小于预设的收敛阈值。
本发明的一个实施例中，所述数量统计模块，具体用于：
统计所述图像中颜色干扰区域之外的区域中每一颜色值的像素点数量。
本发明的一个实施例中，所述数量统计模块，具体用于：
统计所述图像中满足颜色提取规则的每一颜色值的像素点数量，其中，所述颜色提取规则为：针对像素点的明度、像素点的饱和度、像素点的色相、像素点数量中至少一种的提取规则。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面中任一所述的方法步骤。
本发明实施还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一图像主题色提取方法的步骤。
本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一图像主题色提取方法的步骤。
本发明实施例有益效果：
应用本发明实施例提供的方案进行图像主题色提取时，首先获得待提取主题色的图像，统计图像中各颜色值对应的像素点数量，根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果，根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定图像的主题色。每一聚类结果中包含与聚类中心相近的颜色值，因此可以理解为，按照聚类中心将图像中相近的颜色值聚为同一类，得到预设数量个聚类结果，每一聚类结果的颜色值可以用聚类中心来表征。再根据各个聚类结果中每一颜色值对应的像素点数量，可以得到该聚类结果包含的所有颜色值的像素点总数量，也就是可以得到该聚类结果在图像中所占的比重，进而得到该聚类中心所占的比重。根据各个聚类中心和每一聚类中心所占的比重来确定图像的主题色，可以减小图像中过明、过暗等少数像素点的颜色值对主题色的干扰。由此可见，应用本发明实施例提供的方案提取图像主题色，可以提高提取主题色的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明实施例提供的一种图像主题色提取方法的流程示意图；
图2为本发明实施例提供的另一种图像主题色提取方法的流程示意图；
图3为本发明实施例提供的一种图像颜色干扰区域的示意图；
图4为本发明实施例提供的一种图像主题色提取系统的结构示意图；
图5为本发明实施例提供的一种图像主题色提取系统的交互示意图；
图6为本发明实施例提供的一种图像主题色提取装置的结构示意图；
图7为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由于现有技术中存在提取图像主题色准确度低的问题，为解决这一技术问题，本发明实施例提供了一种图像主题色提取方法，该方法包括：
获得待提取主题色的图像；
统计图像中各颜色值对应的像素点数量；
根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果；
根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定图像的主题色。
应用本发明实施例提供的方案提取图像主题色，由于每一聚类结果中包含与聚类中心相近的颜色值，因此可以理解为，按照聚类中心将图像中相近的颜色值聚为同一类，得到预设数量个聚类结果，每一聚类结果的颜色值可以用聚类中心来表征。再根据各个聚类结果中每一颜色值对应的像素点数量，可以得到该聚类结果包含的所有颜色值的像素点总数量，也就是可以得到该聚类结果在图像中所占的比重，进而得到该聚类中心所占的比重。根据各个聚类中心和每一聚类中心所占的比重来确定图像的主题色，可以减小图像中过明、过暗等少数像素点的颜色值对主题色的干扰。由此可见，应用本发明实施例提供的方案提取图像主题色，可以提高提取主题色的准确度。
下面通过具体实施例对本发明实施例提供的图像主题色提取方法进行详细介绍。
参见图1，图1为本发明实施例提供的一种图像主题色提取方法的流程示意图，上述方法可以应用于电子设备，如计算机、手机、服务器等，还可以应用于软件客户端，如视频软件、图像软件等。
具体的，上述方法包括如下步骤101-步骤104。
步骤101，获得待提取主题色的图像。
其中，图像的主题色为：表征图像整体色彩的颜色。
具体的，可以将图像采集设备采集的图像作为待提取主题色的图像。上述图像采集设备可以是摄像头等。还可以从数据库中获得保存的图像作为待提取主题色的图像。
步骤102，统计图像中各颜色值对应的像素点数量。
其中，上述颜色值可以是表示像素点红、绿、蓝三种颜色通道的RGB颜色值，也可以是表示像素点色相、饱和度、明度的HSL颜色值等，本发明实施例并不对此进行限定。
每一颜色值对应的像素点数量为：为该颜色值的像素点的数量。例如，假设一张图像中有900个像素点，其中300个像素点的颜色值为X1，200个像素点的颜色值为X2，400个像素点的颜色值为X3，则X1颜色值对应的像素点数量为300，X2颜色值对应的像素点数量为200，X3颜色值对应的像素点数量为400。
步骤103，根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果。
具体的，可以根据各颜色值对应的像素点数量确定聚类中心，针对图像中每一颜色值，确定与该颜色值差异值最小的聚类中心，将该颜色值添加到所确定的聚类中心对应的聚类结果中。由于每一聚类结果中各个颜色值与聚类中心的差异值较小，也就是，同一聚类结果中，每一颜色值都与聚类中心相近。可以理解为，根据聚类中心将图像中相近的颜色值聚为同一类，得到预设数量个聚类结果。
其中，颜色值之间的差异值可以为：颜色值之间、同一颜色分量的差值之和的绝对值。
例如，假设一个RGB颜色值中R分量、G分量、B分量分别为：255、182、193，另一RGB颜色值中R分量、G分量、B分量分别为199、130、120，则上述两个颜色值之间的差异值为：
(255-199)+(182-130)+(193-120)＝181
假设一个HSL颜色值中H分量、S分量、L分量分别为240、80、75，另一个HSL颜色值中H分量、S分量、L分量分别为150、45、20，则上述两个颜色值之间的差异值为：
(240-150)+(80-45)+(75-20)＝180
步骤104，根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定图像的主题色。
具体的，每一聚类结果中包含与聚类中心最接近的颜色值，也就说明，每一聚类结果的聚类中心可以在一定程度上表征这一聚类结果中的各个颜色值。
每一聚类结果中包含颜色值，每一颜色值对应多个像素点，将聚类结果中每一颜色值对应的像素点数量相加，可以得到该聚类结果包含的各个颜色值对应的像素点数量之和，也就是该聚类结果对应的像素点数量。该聚类结果对应的像素点数量可以表征该聚类结果在图像中所占的比重，进一步地，可以表征该聚类结果的聚类中心的比重。
根据各个聚类结果中的聚类中心和每一聚类中心的比重，可以确定出图像的主题色。
本发明的一个实施例中，可以将聚类结果中对应的像素点数量最多的聚类结果的聚类中心作为图像的主题色。
对应的像素点数量最多的聚类结果在图像中所占的比重最大，而聚类中心可以表征该聚类结果中包含的颜色值，也就是，将所占比重最大的聚类中心作为图像的主题色。
本发明的一个实施例中，还可以对各个聚类结果的聚类中心进行加权计算，得到图像的主题色。
具体的，每一聚类结果的聚类中心的权重可以为：该聚类结果对应的像素点数量占总的像素点数量的比值。每一聚类结果的聚类中心的权重还可以为预设的权重值，其中，各个聚类结果的聚类中心的权重可以相等，也可以不相等。
可以理解为，根据每一聚类结果所占的比重对各个聚类结果的聚类中心进行加权计算，这样得到的主题色将图像中的颜色值都考虑了进去，更能表征图像中包含的颜色值。
应用上述实施例提供的方案进行图像主题色提取时，首先获得待提取主题色的图像，统计图像中各颜色值对应的像素点数量，根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果，根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定图像的主题色。每一聚类结果中包含与聚类中心相近的颜色值，因此可以理解为，按照聚类中心将图像中相近的颜色值聚为同一类，得到预设数量个聚类结果，每一聚类结果的颜色值可以用聚类中心来表征。再根据各个聚类结果中每一颜色值对应的像素点数量，可以得到该聚类结果包含的所有颜色值的像素点总数量，也就是可以得到该聚类结果在图像中所占的比重，进而得到该聚类中心所占的比重。根据各个聚类中心和每一聚类中心所占的比重来确定图像的主题色，可以减小图像中过明、过暗等少数像素点的颜色值对主题色的干扰。由此可见，应用上述实施例提供的方案提取图像主题色，可以提高提取主题色的准确度。
本发明的一个实施例中，参见图2，针对上述步骤103，可以通过以下步骤1031-步骤1033对各个颜色值进行聚类。
步骤1031，确定对应的像素点数量最多、且互相之间差异值大于差异阈值的预设数量个颜色值作为聚类中心。
其中，上述差异阈值可以是45、50、40等。上述预设数量可以是8、12、16等。
具体的，可以先将像素点数量最多的第一颜色值作为第一个聚类中心，将第一颜色值外像素点数量最多的第二颜色值与现有的聚类中心进行比较，在第二颜色值与每一聚类中心的差异值均大于差异阈值的情况下，将第二颜色值作为下一个聚类中心，根据上述第一颜色值和已经参与过比较的颜色值之外、数量最多的颜色值，更新上述第二颜色值，返回将第二颜色值与现有的聚类中心进行比较、在第二颜色值与每一聚类中心的差异值均大于差异阈值的情况下、将第二颜色值作为下一个聚类中心步骤，直至得到预设数量个聚类中心。
像素点数量最多的颜色值所占的比重最大，而以互相之间差异值大于差异阈值的颜色值作为聚类中心，可以尽可能地将图像中各个颜色值均匀分配到每一聚类中心的聚类结果中。这样以像素点数量最多、且互相之间差异值大于差异阈值的预设数量个颜色值作为初始的聚类中心，可以加快对颜色值进行聚类的收敛速度，提高运算效率。
例如，假设一张图像中有900个像素点，其中颜色值为Z1的像素点数量为400，颜色值为Z2的像素点数量为250，颜色值为Z3的像素点数量为150，颜色值为Z4的像素点数量为100，聚类中心的预设数量为3，差异阈值为50。
首先将Z1作为第一个聚类中心，再比较Z2与Z1的差异值，假设Z2与Z1的差异值为60，则将Z2作为第二个聚类中心，继续比较Z3与Z1、Z3与Z2的差异值，假设Z3与Z1的差异值为75，Z3与Z2的差异值为45，因此不将Z3作为第三个聚类中心，继续比较Z4与Z1、Z4与Z2的差异值，假设Z4与Z1的差异值为100，Z4与Z2的差异值为120，则将Z4作为第三个聚类中心。
步骤1032，针对每一颜色值，将该颜色值加入相似聚类中心对应的聚类结果中。
其中，相似聚类中心为：各个聚类中心中与该颜色值差异值最小的聚类中心。
对于每一个颜色值而言，由于相似聚类中心与该颜色值的差异值最小，也就是各个聚类中心中该相似聚类中心与上述颜色值最接近，因此将该颜色值加入到相似聚类中心对应的聚类结果中。
例如，假设聚类中心包括P1、P2、P3，该颜色值为Y1，Y1与P1之间的差异值为15，Y1与P2之间的差异值为20，Y1与P3之间的差异值为35，则对于颜色值Y1来说，相似聚类中心为P1。
这样，每一聚类中心可以表征一个聚类结果，该聚类结果中包含至少一个颜色值，每一颜色值与聚类中心的差异值均小于差异阈值。
步骤1033，计算每一聚类结果中所有颜色值的像素点的颜色均值，将聚类中心更新为计算得到的颜色均值，返回步骤1032，直至达到预设的聚类结束规则，得到预设数量个聚类结果。
其中，颜色均值可以是将该聚类结果中，每一颜色值与该颜色值的像素点数量作乘积，再将各个乘积相加，除以所有像素点数量之和，得到颜色均值。
例如，假设聚类结果中包含两个颜色值，其中，颜色值中H分量、S分量、L分量分别为240、80、75的像素点数量为100个，颜色值中H分量、S分量、L分量分别为150、45、20的像素点数量为150个，则颜色均值为：
将每一聚类结果中所有颜色值的像素点的颜色均值作为新的聚类中心，使得新的聚类中心更接近该聚类结果对应的像素点中每一像素点的颜色值，可以加快聚类收敛，最终得到的聚类结果的聚类中心也更能表征该聚类结果对应的像素点中每一像素点的颜色值。
本发明的一个实施例中，聚类结束规则包括如下规则A和规则B：
规则A，针对每一颜色值进行聚类的聚类次数达到预设的次数阈值。
其中，上述次数阈值可以为50、100、200等，本发明实施例并不对此进行限定。
具体的，当聚类次数达到次数阈值时，可以认为聚类收敛，因此结束聚类，得到预设数量个聚类结果。
规则B，每一聚类结果中，所有颜色值的像素点的颜色均值与聚类中心中每一数值的差异值小于预设的收敛阈值。
其中，上述收敛阈值可以是1、0.5、0.3等，本发明实施例并不对此进行限定。
例如，假设该聚类结果的聚类中心为(100，80，80)，该聚类结果中颜色均值为(101，80.5，81)，收敛阈值为1，颜色均值与聚类中心中每一数值的差异值分别为1、0.5、1，上述差异值均小于收敛阈值，因此认为上述聚类收敛，结束聚类。
本发明的一个实施例中，针对上述步骤102，在统计图像中各颜色值对应的像素点数量时，可以统计图像中颜色干扰区域之外的区域中每一颜色值的像素点数量。
其中，上述颜色干扰区域包括：图像中颜色过亮、过暗的区域、图像中阴影、填充的区域等，例如，上述颜色干扰区域可以是图像中的人像区域、灯光区域、文字区域等，例如，参见图3，图3中虚线框内的区域即为颜色干扰区域。
由于这类区域的颜色值与图像整体的颜色值通常差异较大，在统计图像中各颜色值对应的像素点数量时，如果将上述区域中各颜色值对应的像素点数量考虑进去，可能会对最终确定的图像主题色产生干扰。统计图像中颜色干扰区域之外的区域中每一颜色值的像素点数量，可以排除颜色干扰区域中像素点的颜色值带来的干扰，提高图像主题色提取的准确度。
本发明的一个实施例中，可以通过图像识别算法识别出图像中的颜色干扰区域，例如，识别出图像中的人像区域、边缘区域等，然后统计图像中颜色干扰区域之外的区域中每一颜色值的像素点数量。
其中，上述图像识别算法可以是人像识别算法、边缘识别算法等。
由于图像中的人像区域、边缘区域等通常属于颜色鲜明、突出的区域，这类区域的像素点的颜色值可能会对图像主题色产生干扰，因此将这类区域作为颜色干扰区域。而且图像中的人像区域等通常属于前景区域，而在实际应用过程中，图像的主题色通常用来对图像展示界面的背景颜色进行调整。为了使得展示界面的背景颜色与图像的背景更加接近，因此在提取图像主题色时通常忽略前景区域的像素点颜色值。
本发明的一个实施例中，还可以预先设定颜色干扰区域。
具体的，可以预先设定位于图像中预设位置、具有预设形状、预设面积的区域为颜色干扰区域。其中，上述预设位置可以是图像的中心位置，还可以是图像的上方位置，也可以是图像的右侧位置等；上述预设形状可以是圆形、矩形，还可以是与图像形状相似的形状；上述预设面积可以是预先设定大小的面积，也可以是与图像面积相差预设差值或者预设比例的面积。还可以预先设定距离图像边界的最小距离大于预设宽度的区域为颜色干扰区域。
由于获得的图像主题色，通常用于对展示图像的界面的背景颜色进行调整，来为用户带来较佳的沉浸式体验。而与上述界面距离相近的部分为图像的边界部分，因此根据上述实施例提供的方案提取图像边界部分的主题色，再根据边界部分的主题色调整上述界面的背景颜色，使得界面的背景颜色与图像边界颜色更接近，为用户带来更好地沉浸式体验。
本发明的一个实施例中，针对上述步骤102，在统计图像中各颜色值对应的像素点数量时，还可以统计图像中满足颜色提取规则的每一颜色值的像素点数量。
其中，颜色提取规则为：针对像素点的明度、像素点的饱和度、像素点的色相、像素点数量中至少一种的提取规则。
针对像素点的明度L：可以预先设定颜色的明度范围，统计处于明度范围内的颜色值的像素点，这样可以减小过明或者过暗的像素点颜色值带来的干扰。具体的，在上述颜色值为HSL颜色值的情况下，可以统计HSL值中L值处于上述明度范围的颜色值的像素点数量，在上述颜色值为RGB颜色值的情况下，可以将RGB颜色值转化为HSL颜色值，再进行统计。上述预先设定的明度范围可以是L小于90、L小于85、L大于3、L大于6等。
针对像素点的饱和度S：可以预先设定颜色的饱和度范围，统计处于饱和度范围内的颜色值的像素点，这样可以减小过于饱和或者过于不饱和的像素点颜色值带来的干扰。具体的，在上述颜色值为HSL颜色值的情况下，可以统计HSL值中S值处于上述饱和度范围的颜色值的像素点数量，在上述颜色值为RGB颜色值的情况下，可以将RGB颜色值转化为HSL颜色值，再进行统计。上述预先设定的饱和度范围可以是S小于90、S小于85、S大于3、S大于4等。
针对像素点的色相H：可以预先设定颜色的色相范围，统计处于色相范围内的颜色值的像素点，这样可以减小一些特定颜色的像素点颜色值带来的干扰。具体的，在上述颜色值为HSL颜色值的情况下，可以统计HSL值中H值处于上述色相范围的颜色值的像素点数量，在上述颜色值为RGB颜色值的情况下，可以将RGB颜色值转化为HSL颜色值，再进行统计。上述预先设定的色相范围可以是H小于350、H小于340、H大于30、H大于15等。
针对像素点的数量：可以预先设定颜色的数量范围，统计处于数量范围内的颜色值的像素点，也就是，过滤掉像素点数量小于上述数量范围的颜色值。由于图像中数量少于上述数量范围的像素点的颜色值对图像主题色的影响很小，过滤掉像素点数量较少的颜色值，减小这类像素点的颜色值带来的干扰，而且可以节省计算资源，提高图像主题色提取效率。具体的，可以在统计得到图像中各颜色值对应的像素点数量后，将像素点数量小于上述数量范围的颜色值过滤掉。上述数量范围可以是数量大于10、数量大于20、数量大于5等。
本发明的一个实施例中，针对上述颜色提取规则，还可以针对颜色值像素点数量占图像像素点总数的比例，在颜色值像素点数量占图像像素点总数的比例达到预设的比例阈值的情况下，记录该颜色值的像素点数量，在颜色值像素点数量占图像像素点总数的比例未达到预设的比例阈值的情况下，则过滤掉该颜色值。上述比例阈值可以是1％、2％、4％等。
本发明的一个实施例中，可以针对上述像素点的明度、像素点的饱和度、像素点的色相、像素点数量、像素点所占比例中的一种或者几种提取规则来进行颜色值像素点数量的统计。例如，上述颜色提取规则可以是L小于90且H小于340，也可以是S小于90且S大于3且数量大于5等。
应用本发明实施例中步骤101-步骤104提供的方案，可以依据颜色聚类得到图像的主题色，作为第一结果。除此之外，如下所示，还可以通过其他方式得到图像的主题色。
本发明的一个实施例中，在上述步骤102统计得到图像中各个颜色值对应的像素点数量后，还可以确定像素点数量最多的颜色值为图像的主题色，作为第二结果。
本发明的一个实施例中，在上述步骤102统计得到图像中各个颜色值对应的像素点数量后，还可以计算图像中所有像素点的颜色均值，将计算得到的颜色均值确定为图像的主题色，作为第三结果。
本发明的一个实施例中，对于一张图像，可以依据上述方案计算得到三个结果，将三个结果和图像输入到预先训练的主题色评分模型，由上述模型对三个结果进行评分，选择评分最高的结果作为图像的主题色。
其中，上述主题色评分模型可以根据以下方式训练得到：
选择预设的大量样本图像，针对每一样本图像，计算得到样本图像的第一结果、第二结果、第三结果，邀请本领域技术人员对上述三个结果分别进行评分，根据各个结果的评分对每一结果进行标注，将样本图像和标注后的三个结果输入初始的神经网络模型，经过预设的训练次数后，得到损失小于预设的损失阈值的主题色评分模型。
本发明的一个实施例中，在上述模型对三个结果进行评分得到的分数均小于预设的及格阈值的情况下，可以利用其他的主题色提取算法提取图像的主题色，根据上述主题色对三个结果进行补偿。
其中，上述其他的主题色提取算法可以是中位切分算法、八叉树颜色量化算法等。
在对三个结果进行补偿时，可以对上述主题色和三个结果中评分最高的结果进行加权计算，得到补偿后的主题色，其中，加权计算的权重可以由人工预先根据应用场景进行设定。
本发明实施例提供的图像主题色提取方案，除了应用在电子设备或者客户端之外，还可以应用在图像主题色提取系统中。
本发明的一个实施例中，如图4所示，图像主题色提取方法可以应用于由客户端和服务端组成的图像主题色提取系统中。具体的，参见图5：
客户端，用于向服务端发送主题色提取请求。
服务端，用于获得待进行主题色提取的图像。
其中，上述图像可以是客户端发送到服务端的图像，也可以是客户端将图像地址发送到服务端，服务端根据图像地址获得上述图像，上述图像地址可以是图像的网址等。
服务端，用于在获取图像后，统计图像中各颜色值对应的像素点数量，根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果，根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定图像的主题色，将所确定的主题色发送到客户端。
这样由服务端对图像进行主题色提取，将确定的主题色发送到客户端，可以节省客户端的运行资源，避免对客户端带来大量的内存占用和性能消耗而导致客户端迟缓卡顿的问题，为用户带来更好的体验。
应用上述实施例提供的方案进行图像主题色提取时，首先获得待提取主题色的图像，统计图像中各颜色值对应的像素点数量，根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果，根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定图像的主题色。每一聚类结果中包含与聚类中心相近的颜色值，因此可以理解为，按照聚类中心将图像中相近的颜色值聚为同一类，得到预设数量个聚类结果，每一聚类结果的颜色值可以用聚类中心来表征。再根据各个聚类结果中每一颜色值对应的像素点数量，可以得到该聚类结果包含的所有颜色值的像素点总数量，也就是可以得到该聚类结果在图像中所占的比重，进而得到该聚类中心所占的比重。根据各个聚类中心和每一聚类中心所占的比重来确定图像的主题色，可以减小图像中过明、过暗等少数像素点的颜色值对主题色的干扰。由此可见，应用上述实施例提供的方案提取图像主题色，可以提高提取主题色的准确度。
参见图6，图6为本发明实施例提供的一种图像主题色提取装置的结构示意图，所述装置包括：
图像获得模块601，用于获得待提取主题色的图像；
数量统计模块602，用于统计所述图像中各颜色值对应的像素点数量；
颜色聚类模块603，用于根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果；
主题色确定模块604，用于根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定所述图像的主题色。
本发明的一个实施例中，所述颜色聚类模块603，具体用于：
确定对应的像素点数量最多、且互相之间差异值大于差异阈值的预设数量个颜色值作为聚类中心；
针对每一颜色值，将该颜色值加入相似聚类中心对应的聚类结果中，其中，所述相似聚类中心为：各个聚类中心中与该颜色值差异值最小的聚类中心；
计算每一聚类结果中所有颜色值的像素点的颜色均值，将所述聚类中心更新为计算得到的颜色均值，返回针对每一颜色值、将该颜色值加入相似聚类中心对应的聚类结果中步骤，直至达到预设的聚类结束规则，得到所述预设数量个聚类结果。
本发明的一个实施例中，所述聚类结束规则包括：
针对每一颜色值进行聚类的聚类次数达到预设的次数阈值；
和/或
每一聚类结果中，所有颜色值的像素点的颜色均值与聚类中心中每一数值的差异值小于预设的收敛阈值。
本发明的一个实施例中，所述数量统计模块602，具体用于：
统计所述图像中颜色干扰区域之外的区域中每一颜色值的像素点数量。
本发明的一个实施例中，所述数量统计模块602，具体用于：
统计所述图像中满足颜色提取规则的每一颜色值的像素点数量，其中，所述颜色提取规则为：针对像素点的明度、像素点的饱和度、像素点的色相、像素点数量中至少一种的提取规则。
应用上述实施例提供的方案进行图像主题色提取时，首先获得待提取主题色的图像，统计图像中各颜色值对应的像素点数量，根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果，根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定图像的主题色。每一聚类结果中包含与聚类中心相近的颜色值，因此可以理解为，按照聚类中心将图像中相近的颜色值聚为同一类，得到预设数量个聚类结果，每一聚类结果的颜色值可以用聚类中心来表征。再根据各个聚类结果中每一颜色值对应的像素点数量，可以得到该聚类结果包含的所有颜色值的像素点总数量，也就是可以得到该聚类结果在图像中所占的比重，进而得到该聚类中心所占的比重。根据各个聚类中心和每一聚类中心所占的比重来确定图像的主题色，可以减小图像中过明、过暗等少数像素点的颜色值对主题色的干扰。由此可见，应用上述实施例提供的方案提取图像主题色，可以提高提取主题色的准确度。
本发明实施例还提供了一种电子设备，如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信，
存储器703，用于存放计算机程序；
处理器701，用于执行存储器703上所存放的程序时，实现如下步骤：
获得待提取主题色的图像；
统计所述图像中各颜色值对应的像素点数量；
根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果；
根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定所述图像的主题色。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一图像主题色提取方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一图像主题色提取方法。
应用上述实施例提供的方案进行图像主题色提取时，首先获得待提取主题色的图像，统计图像中各颜色值对应的像素点数量，根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果，根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定图像的主题色。每一聚类结果中包含与聚类中心相近的颜色值，因此可以理解为，按照聚类中心将图像中相近的颜色值聚为同一类，得到预设数量个聚类结果，每一聚类结果的颜色值可以用聚类中心来表征。再根据各个聚类结果中每一颜色值对应的像素点数量，可以得到该聚类结果包含的所有颜色值的像素点总数量，也就是可以得到该聚类结果在图像中所占的比重，进而得到该聚类中心所占的比重。根据各个聚类中心和每一聚类中心所占的比重来确定图像的主题色，可以减小图像中过明、过暗等少数像素点的颜色值对主题色的干扰。由此可见，应用上述实施例提供的方案提取图像主题色，可以提高提取主题色的准确度。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、电子设备实施例、计算机可读存储介质实施例、计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非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作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (9)
1.一种图像主题色提取方法，其特征在于，所述方法包括：
获得待提取主题色的图像；
统计所述图像中各颜色值对应的像素点数量；
根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果；
根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定所述图像的主题色；
所述根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果，包括：
确定对应的像素点数量最多、且互相之间差异值大于差异阈值的预设数量个颜色值作为聚类中心；
针对每一颜色值，将该颜色值加入相似聚类中心对应的聚类结果中，其中，所述相似聚类中心为：各个聚类中心中与该颜色值差异值最小的聚类中心；
计算每一聚类结果中所有颜色值的像素点的颜色均值，将所述聚类中心更新为计算得到的颜色均值，返回针对每一颜色值、将该颜色值加入相似聚类中心对应的聚类结果中步骤，直至达到预设的聚类结束规则，得到所述预设数量个聚类结果；
所述确定对应的像素点数量最多、且互相之间差异值大于差异阈值的预设数量个颜色值作为聚类中心，包括：
将像素点数量最多的第一颜色值作为第一个聚类中心；
将所述第一颜色值以外的像素点数量最多的第二颜色值与每一聚类中心进行比较；
若所述第二颜色值与所述每一聚类中心的差异值均大于差异阈值，则将所述第二颜色值作为下一个聚类中心；
根据所述第一颜色值以及与每一聚类中心进行过比较的颜色值之外的数量最多的颜色值，更新所述第二颜色值，返回所述将所述第一颜色值以外的像素点数量最多的第二颜色值与每一聚类中心进行比较，直至得到预设数量个聚类中心。
2.根据权利要求1所述的方法，其特征在于，所述聚类结束规则包括：
针对每一颜色值进行聚类的聚类次数达到预设的次数阈值；
和/或
每一聚类结果中，所有颜色值的像素点的颜色均值与聚类中心中每一数值的差异值小于预设的收敛阈值。
3.根据权利要求1-2中任一项所述的方法，其特征在于，所述统计所述图像中各颜色值对应的像素点数量，包括：
统计所述图像中颜色干扰区域之外的区域中每一颜色值的像素点数量。
4.根据权利要求1-2中任一项所述的方法，其特征在于，所述统计所述图像中各颜色值对应的像素点数量，包括：
统计所述图像中满足颜色提取规则的每一颜色值的像素点数量，其中，所述颜色提取规则为：针对像素点的明度、像素点的饱和度、像素点的色相、像素点数量中至少一种的提取规则。
5.一种图像主题色提取装置，其特征在于，所述装置包括：
图像获得模块，用于获得待提取主题色的图像；
数量统计模块，用于统计所述图像中各颜色值对应的像素点数量；
颜色聚类模块，用于根据各颜色值对应的像素点数量和颜色值之间的差异值，对各颜色值进行聚类，得到预设数量个聚类结果；
主题色确定模块，用于根据所得聚类结果和各个聚类结果中每一颜色值对应的像素点数量，确定所述图像的主题色；
所述颜色聚类模块，具体用于：
确定对应的像素点数量最多、且互相之间差异值大于差异阈值的预设数量个颜色值作为聚类中心；
针对每一颜色值，将该颜色值加入相似聚类中心对应的聚类结果中，其中，所述相似聚类中心为：各个聚类中心中与该颜色值差异值最小的聚类中心；
计算每一聚类结果中所有颜色值的像素点的颜色均值，将所述聚类中心更新为计算得到的颜色均值，返回针对每一颜色值、将该颜色值加入相似聚类中心对应的聚类结果中步骤，直至达到预设的聚类结束规则，得到所述预设数量个聚类结果；
所述颜色聚类模块，具体用于：将像素点数量最多的第一颜色值作为第一个聚类中心；将所述第一颜色值以外的像素点数量最多的第二颜色值与每一聚类中心进行比较；若所述第二颜色值与所述每一聚类中心的差异值均大于差异阈值，则将所述第二颜色值作为下一个聚类中心；根据所述第一颜色值以及与每一聚类中心进行过比较的颜色值之外的数量最多的颜色值，更新所述第二颜色值，返回所述将所述第一颜色值以外的像素点数量最多的第二颜色值与每一聚类中心进行比较，直至得到预设数量个聚类中心。
6.根据权利要求5所述的装置，其特征在于，所述聚类结束规则包括：
针对每一颜色值进行聚类的聚类次数达到预设的次数阈值；
和/或
每一聚类结果中，所有颜色值的像素点的颜色均值与聚类中心中每一数值的差异值小于预设的收敛阈值。
7.根据权利要求5-6中任一项所述的装置，其特征在于，所述数量统计模块，具体用于：
统计所述图像中颜色干扰区域之外的区域中每一颜色值的像素点数量。
8.根据权利要求5-6中任一项所述的装置，其特征在于，所述数量统计模块，具体用于：
统计所述图像中满足颜色提取规则的每一颜色值的像素点数量，其中，所述颜色提取规则为：针对像素点的明度、像素点的饱和度、像素点的色相、像素点数量中至少一种的提取规则。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-4任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911223052.4A CN110969170B (zh) | 2019-12-03 | 2019-12-03 | 一种图像主题色提取方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911223052.4A CN110969170B (zh) | 2019-12-03 | 2019-12-03 | 一种图像主题色提取方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110969170A CN110969170A (zh) | 2020-04-07 |
| CN110969170B true CN110969170B (zh) | 2024-03-08 |
Family
ID=70032697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911223052.4A Active CN110969170B (zh) | 2019-12-03 | 2019-12-03 | 一种图像主题色提取方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110969170B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111401316B (zh) * | 2020-04-13 | 2023-08-15 | 网易（杭州）网络有限公司 | 图像主色确定方法、装置、存储介质及电子设备 |
| CN111862271B (zh) * | 2020-07-24 | 2024-04-26 | 广州市百果园信息技术有限公司 | 显示区域填充方法、装置、设备及存储介质 |
| CN112328345B (zh) * | 2020-11-02 | 2024-05-14 | 百度(中国)有限公司 | 用于确定主题色的方法、装置、电子设备及可读存储介质 |
| CN115145442B (zh) * | 2022-06-07 | 2024-06-11 | 杭州海康汽车软件有限公司 | 一种环境图像的显示方法、装置、车载终端及存储介质 |
| CN116563395B (zh) * | 2023-07-12 | 2023-09-15 | 腾讯科技（深圳）有限公司 | 图像色彩特征提取方法、装置、存储介质及电子设备 |
| CN116703916B (zh) * | 2023-08-07 | 2023-10-20 | 山东正基药业有限公司 | 一种基于图像处理的洗化水质量监测方法 |
| CN117422795B (zh) * | 2023-12-18 | 2024-03-29 | 华南理工大学 | 基于数据处理的包装材料印刷图文自动生成方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101989302A (zh) * | 2010-10-22 | 2011-03-23 | 西安交通大学 | 一种基于多层位图颜色特征的图像检索方法 |
| CN104318570A (zh) * | 2014-10-29 | 2015-01-28 | 沈阳建筑大学 | 一种基于背景的自适应迷彩伪装设计方法 |
| CN107194348A (zh) * | 2017-05-19 | 2017-09-22 | 北京云识图信息技术有限公司 | 一种图像中目标物体的主颜色识别方法 |
| CN110198437A (zh) * | 2018-02-27 | 2019-09-03 | 腾讯科技（深圳）有限公司 | 图像的处理方法、装置、存储介质和电子装置 |
| CN110264471A (zh) * | 2019-05-21 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 一种图像分割方法、装置、存储介质及终端设备 |
| CN110322520A (zh) * | 2019-07-04 | 2019-10-11 | 厦门美图之家科技有限公司 | 图像主色提取方法、装置、电子设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103207879B (zh) * | 2012-01-17 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 图像索引的生成方法及设备 |
| EP2698764A1 (en) * | 2012-08-14 | 2014-02-19 | Thomson Licensing | Method of sampling colors of images of a video sequence, and application to color clustering |
-
2019
- 2019-12-03 CN CN201911223052.4A patent/CN110969170B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101989302A (zh) * | 2010-10-22 | 2011-03-23 | 西安交通大学 | 一种基于多层位图颜色特征的图像检索方法 |
| CN104318570A (zh) * | 2014-10-29 | 2015-01-28 | 沈阳建筑大学 | 一种基于背景的自适应迷彩伪装设计方法 |
| CN107194348A (zh) * | 2017-05-19 | 2017-09-22 | 北京云识图信息技术有限公司 | 一种图像中目标物体的主颜色识别方法 |
| CN110198437A (zh) * | 2018-02-27 | 2019-09-03 | 腾讯科技（深圳）有限公司 | 图像的处理方法、装置、存储介质和电子装置 |
| CN110264471A (zh) * | 2019-05-21 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 一种图像分割方法、装置、存储介质及终端设备 |
| CN110322520A (zh) * | 2019-07-04 | 2019-10-11 | 厦门美图之家科技有限公司 | 图像主色提取方法、装置、电子设备及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| Palette-based image recoloring using color decomposition optimization;Qing Zhang 等;《IEEE Transactions on Image Processing》;20170220;第26卷(第4期);第1952-1964页 * |
| Precoding Design for Drone Small Cells Cluster Network with Massive MIMO: A Game Theoretical Approach;Zhibin Xu 等;《2018 14th International Wireless Communications & Mobile Computing Conference (IWCMC)》;20180830;第1477-1482页 * |
| Tune Up Fuzzy C-Means for Big Data: Some Novel Hybrid Clustering Algorithms Based on Initial Selection and Incremental Clustering;Le Hoang Son 等;《International Journal of Fuzzy Systems》;20161003;第19卷;第 1585–1602页 * |
| 基于密度的K-means初始聚类中心选取算法;韩凌波 等;《电子科技》;20150715;第28卷(第7期);第105-107页 * |
| 基于密度的优化初始聚类中心K-means算法研究;何佳知 等;《微型机与应用》;20151010;第34卷(第17期);第17-19、23页 * |
| 基于颜色空间和优化初始中心的模糊c均值聚类算法;王婷婷 等;《山东师范大学学报(自然科学版)》;20130809;第28卷(第3期);第30-33页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110969170A (zh) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110969170B (zh) | 一种图像主题色提取方法、装置及电子设备 | |
| CN110233971B (zh) | 一种拍摄方法及终端、计算机可读存储介质 | |
| US20190228529A1 (en) | Image Segmentation Method, Apparatus, and Fully Convolutional Network System | |
| CN111935479B (zh) | 一种目标图像确定方法、装置、计算机设备及存储介质 | |
| CN106067177B (zh) | Hdr场景侦测方法和装置 | |
| CN109740721B (zh) | 麦穗计数方法及装置 | |
| CN110399842B (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
| CN108337551A (zh) | 一种屏幕录制方法、存储介质及终端设备 | |
| CN108198177A (zh) | 图像获取方法、装置、终端及存储介质 | |
| CN111310727B (zh) | 对象检测方法及装置、存储介质、电子装置 | |
| CN110458789B (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
| 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 | |
| JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
| CN109903265B (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 | |
| CN108806638B (zh) | 一种图像的显示方法及其装置 | |
| US8953877B2 (en) | Noise estimation for images | |
| CN112150368A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| US9940543B2 (en) | Control of computer vision pre-processing based on image matching using structural similarity | |
| CN110874835A (zh) | 作物叶部病害抗性鉴定方法、系统、电子设备及存储介质 | |
| CN110334606B (zh) | 画中画定位方法及装置 | |
| CN115311321A (zh) | 背景替换方法、装置、电子设备和存储介质 | |
| CN113705587A (zh) | 图像质量评分方法、装置、存储介质以及电子设备 | |
| CN109996017B (zh) | 一种图像的调整方法及其终端 | |
| US11113805B2 (en) | Automatic attaching 3D tempered glass screen protector attaching machine | |
| CN112712004B (zh) | 人脸检测系统及人脸检测方法、装置、电子设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |