CN111311697B - 图片色彩丰富度的检测方法及相关装置 - Google Patents
图片色彩丰富度的检测方法及相关装置 Download PDFInfo
- Publication number
- CN111311697B CN111311697B CN202010196566.1A CN202010196566A CN111311697B CN 111311697 B CN111311697 B CN 111311697B CN 202010196566 A CN202010196566 A CN 202010196566A CN 111311697 B CN111311697 B CN 111311697B
- Authority
- CN
- China
- Prior art keywords
- picture
- pixel values
- detected
- frequency
- target pixel
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 48
- 239000000049 pigment Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 239000003086 colorant Substances 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Abstract
本申请一种图片色彩丰富度的检测方法及相关装置,其中,所述图片色彩丰富度的检测方法,包括:获取待检测图片中的各个像素的像素值;根据每个所述像素值的频数,从获取到的所述像素值中确定出N个目标像素值;其中,N为正整数;所述目标像素值的频数大于任意一个不属于目标像素值的像素值的频数;计算获取到的所述像素值中的所述目标像素值的频数的总和;基于所述目标像素值的频数的总和,对所述待检测图片的色彩丰富度进行评估;其中,所述目标像素值的频数的总和越大,所述待检测图片的色彩丰富度越低。通过图片的各个像素的像素值,实现了一种简单又快速的图片色彩丰富度的检测方法。
Description
技术领域
本申请涉及图片分析技术领域,特别涉及一种图片色彩丰富度的检测方法及相关装置。
背景技术
现今,在新闻、网页、书籍等领域中,都需要用到图片作为封面或者插图等。由于,色彩丰富程度相较高的图片作为封面或插图,能有效地提高封面及插图的整体感观,从而能更好的提高用户的兴趣。特别对于封面而言,图片色彩的丰富程度尤为重要,所以通常都避免选用颜色较为单调的图片作为封面。
由于传统的方法只能检测出图片是否为灰度图,从而避免使用灰度图作为封面,但却不能很好的检测出图片的色彩丰富程度。因此,在深度学习技术正常快速发展的阶段,人们开始使用深度学习的方法检测图片的色彩丰富程度。
虽然深度学习的方法,能准确的检测出图片的色彩丰富程度,但是模型训练的过程需要大量的样本,而且训练过程不仅对技术要求高,而且耗时也相对较久,同时还存在检测速度较慢的问题。所以,急需一种简单又快速的方式对图片的色彩丰富程度进行检测。
发明内容
基于上述现有技术的不足,本发明提供了一种图片色彩丰富度的检测方法及相关装置,以解决现有检测图片的色彩丰富度的方法过于复杂和缓慢的问题。
为了实现上述目的,本发明提供了以下技术方案:
本申请第一方面提供了一种图片色彩丰富度的检测方法,包括:
获取待检测图片中的各个像素的像素值;
根据每个所述像素值的频数,从获取到的所述像素值中确定出N个目标像素值;其中,N为正整数;所述目标像素值的频数大于任意一个不属于目标像素值的像素值的频数;
计算获取到的所述像素值中的所述目标像素值的频数的总和;
基于所述目标像素值的频数的总和,对所述待检测图片的色彩丰富度进行评估;其中,所述目标像素值的频数的总和越大,所述待检测图片的色彩丰富度越低。
可选地,在上述的检测方法中,所述根据每个所述像素值的频数,从获取到的所述像素值中确定出N个目标像素值,包括:
确定获取到的每个所述像素值的频数;
根据频数从多到少的顺序,将获取到的各个所述像素值进行排序,得到排序结果;
将所述排序结果中的前N个像素值确定为所述目标像素值。
可选地,在上述的检测方法中,所述获取待检测图片中的各个像素的像素值,包括:
分别获取所述待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值;
将获取到的所述待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的集合,作为所述待检测图片中的各个像素的像素值。
可选地,在上述的检测方法中,所述基于所述目标像素值的频数的总和,对所述待检测图片的色彩丰富度进行评估,包括:
计算所述待检测图片的分辨率与3的乘积,得到获取到的各个所述像素值的频数的总和;
将所述目标像素值的频数的总和除以获取到的各个所述像素值的频数的总和,得到所述目标像素值的占比;
计算1减去所述目标像素值的占比的差值,得到所述待检测图片的图片色素丰富系数;其中,所述图片色素丰富系数越小,所述待检测图片的色彩丰富度越低。
本申请第二方面提供了一种图片色彩丰富度的检测装置,包括:
获取单元,用于获取待检测图片中的各个像素的像素值;
确定单元,用于根据每个所述像素值的频数,从获取到的所述像素值中确定出N个目标像素值;其中,N为正整数;所述目标像素值的频数大于任意一个不属于目标像素值的像素值的频数;
第一计算单元,用于计算获取到的所述像素值中的所述目标像素值的频数的总和;
评估单元,用于基于所述目标像素值的频数的总和,对所述待检测图片的色彩丰富度进行评估;其中,所述目标像素值的频数的总和越大,所述待检测图片的色彩丰富度越低。
可选地,在上述的检测装置中,所述确定单元,包括:
第一确定单元,用于确定获取到的每个所述像素值的频数;
排序单元,用于根据频数从多到少的顺序,将获取到的各个所述像素值进行排序,得到排序结果;
第二确定单元,用于将所述排序结果中的前N个像素值确定为所述目标像素值。
可选地,在上述的检测装置中,所述获取单元,包括:
获取子单元,用于分别获取所述待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值;
汇总单元,用于将获取到的所述待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值的集合,作为所述待检测图片中的各个像素的像素值。
可选地,在上述的检测装置中,所述评估单元,包括:
第二计算单元,用于计算所述待检测图片的分辨率与3的乘积,得到获取到的各个所述像素值的频数的总和;
第三计算单元,用于将所述目标像素值的频数的总和除以获取到的各个所述像素值的频数的总和,得到所述目标像素值的占比;
第四计算单元,用于计算1减去所述目标像素值的占比的差值,得到所述待检测图片的图片色素丰富系数;其中,所述图片色素丰富系数越小,所述待检测图片的色彩丰富度越低。
本申请第三方面提供了一种计算机存储介质,用于存储程序,所述程序被执行时,用于实现如上述中的任意一项所述的图片色彩丰富度的检测方法。
本申请第四方面提供了一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述中的任意一项所述的图片色彩丰富度的检测方法。
本申请提供的一种图片色彩丰富度的检测方法中,通过获取待检测图片中的各个像素的像素值,然后根据每个像素值的频数,从获取到的像素值中确定出N个目标像素值,其中,N为正整数,目标像素值的频数大于任意一个不属于目标像素值的像素值的频数。由于目标像素值的频数的总和越大,说明图片中存在色彩相同的像素越多,即目标像素值的频数的总和越大,所得到的待检测图片的色彩丰富度越低。因此,可以根据频数最大的N个目标像素值的频数的总和,对待检测图片的色彩丰富度进行评估,从而实现了一种简单又快速的图片色彩丰富度的检测方式。
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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种图片色彩丰富度的检测方法的流程示意图;
图2为本申请另一实施例提供的另一种图片色彩丰富度的检测方法的流程示意图;
图3为本申请另一实施例提供的另一种图片色彩丰富度的检测方法的流程示意图;
图4为本申请另一实施例提供的一种图片色彩丰富度的检测装置的结构示意图;
图5为本申请另一实施例提供的一种确定单元的结构示意图;
图6为本申请另一实施例提供的一种评估单元的结构示意图。
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。
在本申请中,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。
本申请实施例提供了一种图片色彩丰富度的检测方法,如图1所示,具体包括:
S101、获取待检测图片中的各个像素的像素值。
其中,像素值指的是原稿图像被数字化时由计算机所赋予的值,它代表了原稿图中的某一小方块的平均亮度信息。所以待检测图片在数字化时,图片中的每个像素都会被赋予相应的像素值。因为不同色彩的区域的平均亮度信息存在差异,所以不同色彩的像素所得到的像素值也不相同。因此待检测图片中的所有像素的像素值的总体差异程度越大,说明待检测图片的色彩丰富度越高,所以可以根据待检测图片中的各个像素的像素值,检测待检测图片的色彩丰富度。
因此,具体可以通过对待检测图片进行数字化,获取到待检测图片中的每个像素的像素值。具体的,可以是采用8位来表示每个像素的像素值,从而得到的每个像素的像素值为0~255中的一个数值。
S102、根据每个像素值的频数,从获取到的像素值中确定出N个目标像素值。
其中,N为正整数。目标像素值的频数大于任意一个不属于目标像素值的像素值的频数。
由于待检测图片中的各个像素的像素值的总体差异程度,可以反映出待检测图片的色彩丰富度,而若待检测图片的所有像素的像素值中,存在较大的频数的像素值,说明待检测图片的各个像素的像素值的总体差异程度较小。所以可以通过待检测图片中出现频数较大的像素值,反映出待检测图片中的各个像素的像素值的总差异程度。所以本申请在获取待检测图片中的各个像素的像素值后,根据每个像素值的频数,从获取到的像素值中确定出N个频数最大的像素值作为目标像素值,以通过目标像素值的频数评估待检测图片的色彩的丰富度。
需要说明,确定出的目标像素值的个数不宜过多,以免通过目标像素值的频数的总和,体现不出待检测图片中的各个像素的像素值的总差异程度,从而无法确定待检测图片的色彩丰富度。
所以可选地,目标像素值的个数可以设定为一个固定的较小数值,即N等于一个较小的常数。例如,可以设定N等于5,从而任意的图片在进行色彩丰富度检测时,都从中确定出5个目标像素值。当然,这只是其中一种可选地的方式,目标像素值的个数变量。例如,是用户进行图片色彩丰富度检测时,根据色彩的丰富度的要求进行相应地设置。又或者是目标像素值的个数,可以根据每次待检测的图片的像素的总数量确定,即根据待检测图片的分辨率确定目标像素值的个数。例如,将N设置为待检测图片的分辨率的0.1%。
可选地,本申请另一实施例中步骤S102的一种具体实施方式,如图2所示,包括:
S201、确定获取到的每个像素值的频数。
其中,获取到的像素值中某个像素值的频数指的是该像素值在获取到的所有像素值中出现的次数。
S202、根据频数从多到少的顺序,将获取到的各个像素值进行排序,得到排序结果。
S203、将排序结果中的前N个像素值确定为目标像素值。
由于排序结果是根据像素值的频数从大到小的顺序进行排序得到的,所以排序结果中排在前N为的像素值,即为获取到的像素值中频数最大的N个像素值,所以排序结果中的前N个像素值就是目标像素值。
S103、计算获取到的像素值中的目标像素值的频数的总和。
具体的,将确定出的N个目标像素值的频数进行累加,得到目标像素值的频数的总和。
S104、基于目标像素值的频数的总和,对待检测图片的色彩丰富度进行评估,目标像素值的频数的总和越大,待检测图片的色彩丰富度越低。
需要说明的是,由于不同的待检测图片的像素的数量不同,所以在目标像素值的频数的总和相同时,所反映出的待检测图片的各个像素的像素值的总体差异程度并相同。所以仅通过目标像素值的频数的总和,无法直接确定待检测图片的色彩丰富度。因此可选地,可以根据目标像素值的频数的总和占所有获取到的像素值的频数的总和的比重,确定待检测图片的色彩丰富度。其中,目标像素值的频数的总和占所有获取到的像素值的频数的总和的比重越大,待检测图片的色彩丰富度越低。
本申请实施例提供的一种图片色彩丰富度的检测方法,通过获取待检测图片中的各个像素的像素值,然后根据每个像素值的频数,从获取到的像素值中确定出N个目标像素值。其中,N为正整数,目标像素值的频数大于任意一个不属于目标像素值的像素值的频数。由于目标像素值的频数的总和越大,说明图片中存在色彩相同的像素越多,即目标像素值的频数的总和越大,所得到的待检测图片的色彩丰富度越低。因此,可以根据频数最大的N个目标像素值的频数的总和,对待检测图片的色彩丰富度进行评估。从而实现了一种简单又快速的图片色彩丰富度的检测方式。
本申请另一实施例提供了另一种图片色彩丰富度的检测方法,如图3所示,具体包括:
S301、分别获取待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值。
RGB色彩模式是工业界的一种颜色标准,是通过对红、绿、蓝三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,因此这个标准几乎包括了人类视力所能感知的所有颜色,是运用最广的颜色系统之一,所以本申请实施例中也采用这个标准对待检测图片进行检测。在该标准中,任何一个颜色都可以由一组RGB值来记录和表达,所以对于图片的一个像素都对应有三个的像素值。而在本申请实施例中,获取的就是待检测图片的每个像素对应的三个像素值。
S302、将获取到的待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值的集合,作为待检测图片中的各个像素的像素值。
具体的,为了便于统一利用获取的所有像素值对待检测图片的色彩丰富度进行评估进行,所以可以将获取到的所有像素值汇总为一个像素值集合,后续直接对像素值集合中的像素值进行处理,从而有效地提高对待检测图片的评估效率。当然,这只是其中一个可选地的方式,也可以是分别对三个通道的像素值进行处理,最后再将三个处理结果进行汇总,来评估待检测图片。
S303、根据每个像素值的频数,从像素值集合中确定出N个目标像素值。
其中,N为正整数。述目标像素值的频数大于任意一个不属于目标像素值的像素值的频数。
具体的,从像素值集合中确定出N个目标像素值的具体实施方式,可相应地参考上述方法实施例中的步骤S201~步骤S203,此处不再赘述。
S304、计算目标像素值的频数的总和。
同样,确定每个目标像素值的频数,并将所有目标像素值的频数进行累加。
S305、计算待检测图片的分辨率与3的乘积,得到获取到的各个像素值的频数的总和。
需要说明的是,待检测图片的像素大小等于待检测图片的分辨率的大小,而本申请实施例是分别获取的了三个通道上的像素值,所以获取到的总的像素值的数量的和,即获取到的各个像素值的频数的总和,等于待检测图片的分别率与3的乘积。
S306、将目标像素值的频数的总和除以获取到的各个像素值的频数的总和,得到目标像素值的占比。
由于,目标像素值为获取像素值中频数最大的前N个像素值,所以若目标像素值的频数的总和占获取到的各个像素值的频数的总和的比重过大,说明待检测图片中存在大量色彩相同的像素,因此待检测图片的色彩丰富度较低。即所得到目标像素值越大,待检测图片的色彩丰富度越低。所以,通过目标像素值的占比可以确定出待检测图片的色彩丰富度。
为了使得所得到的计算结果,与色彩丰富度具有同向性,即计算结果越小,待检测图片的色彩丰富度越低,从而便于用于通过计算结果更加直观地知道待检测图片的色彩丰富度,所以在本申请实施例中,在执行步骤S306后,执行步骤S307。
S307、计算1减去目标像素值的占比的差值,得到待检测图片的图片色素丰富系数。
其中,图片色素丰富系数越小,待检测图片的色彩丰富度越低。
本申请实施例提供的一种图片色彩丰富度的检测方法,通过获取待检测图片的各个像素在红色通道、绿色通道和蓝色通道上的像素值,并将所有像素值汇总为一个像素值集合,然后根据每个像素值的频数,从像素值集合中确定出N个目标像素值。其中,N为正整数,目标像素值的频数大于任意一个不属于目标像素值的像素值的频数。由于目标像素值的频数的总和越大,说明图片中存在色彩相同的像素越多,即目标像素值的频数的总和越大,所得到的待检测图片的色彩丰富度越低。因此,可以根据频数最大的N个目标像素值的频数的总和占所有的像素值的频数的总和的比重,对待检测图片的色彩丰富度进行评估。从而实现了一种简单又快速的图片色彩丰富度的检测方式。
本申请另一实施例提供了一种图片色彩丰富度的检测装置,如图4所示,具体包括:
获取单元401,用于获取待检测图片中的各个像素的像素值。
确定单元402,用于根据每个像素值的频数,从获取到的像素值中确定出N个目标像素值。
其中,N为正整数。目标像素值的频数大于任意一个不属于目标像素值的像素值的频数。
第一计算单元403,用于计算获取到的像素值中的目标像素值的频数的总和。
评估单元404,用于基于目标像素值的频数的总和,对待检测图片的色彩丰富度进行评估。
其中,目标像素值的频数的总和越大,待检测图片的色彩丰富度越低。
需要说明的是,本申请实施例中的上述单元的具体工作过程可相应地参考上述方法实施例中的步骤S101~步骤S104,此处不再赘述。
可选地,在本申请另一实施例中,确定单元401,如图5所示,包括:
第一确定单元501,用于确定获取到的每个像素值的频数。
排序单元502,用于根据频数从多到少的顺序,将获取到的各个像素值进行排序,得到排序结果。
第二确定单元503,用于将排序结果中的前N个像素值确定为目标像素值。
需要说明的是,本申请实施例中的上述单元的具体工作过程可相应地参考上述方法实施例中的步骤S201~步骤S203,此处不再赘述。
可选地,在本申请另一实施例中,获取单元401,包括:
获取子单元,用于分别获取待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值。
需要说明的是,获取子单元的具体工作过程可相应地参考上述方法实施例中的步骤S301,此处不再赘述。
汇总单元,用于将获取到的待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值的集合,作为待检测图片中的各个像素的像素值。
需要说明的是,汇总单元的具体工作过程可相应地参考上述方法实施例中的步骤S302,此处不再赘述。
可选地,在本申请另一实施例中,如图6所示,评估单元404,包括:
第二计算单元601,用于计算待检测图片的分辨率与3的乘积,得到获取到的各个像素值的频数的总和。
第三计算单元602,用于将目标像素值的频数的总和除以获取到的各个像素值的频数的总和,得到目标像素值的占比。
第四计算单元603,用于计算1减去目标像素值的占比的差值,得到待检测图片的图片色素丰富系数。
其中,图片色素丰富系数越小,待检测图片的色彩丰富度越低。
需要说明的是,本申请实施例中的上述单元的具体工作过程可相应地参考上述方法实施例中的步骤S305~步骤S307,此处不再赘述。
本申请实施例提供了一种图片色彩丰富度的装置方法,通过获取单元获取待检测图片中的各个像素的像素值,然后确定单元根据每个像素值的频数,从获取到的像素值中确定出N个目标像素值。其中,N为正整数,目标像素值的频数大于任意一个不属于目标像素值的像素值的频数。由于目标像素值的频数的总和越大,说明图片中存在色彩相同的像素越多,即目标像素值的频数的总和越大,所得到的待检测图片的色彩丰富度越低。因此,由评估单元可以根据频数最大的N个目标像素值的频数的总和,对待检测图片的色彩丰富度进行评估。从而实现了一种简单又快速的图片色彩丰富度的检测装置。
本申请另一实施例提供了一种计算机存储介质,用于存储程序,程序被执行时,用于实现如上述中的任意一个方法实施例中的图片色彩丰富度的辨识方法。
本申请另一实施例提供了一种电子设备,包括:
一个或多个处理器以及存储装置,其上存储有一个或多个程序。
当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现如上述中的任意一个方法实施例中的图片色彩丰富度的辨识方法。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种图片色彩丰富度的检测方法,其特征在于,包括:
分别获取待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值;
将获取到的所述待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值的集合,作为所述待检测图片中的各个像素的像素值;
根据每个所述像素值的频数,从获取到的所述像素值中确定出N个目标像素值;其中,N为正整数;所述目标像素值的频数大于任意一个不属于目标像素值的像素值的频数;
计算获取到的所述像素值中的所述目标像素值的频数的总和;
计算所述待检测图片的分辨率与3的乘积,得到获取到的各个所述像素值的频数的总和;
将所述目标像素值的频数的总和除以获取到的各个所述像素值的频数的总和,得到所述目标像素值的占比;
计算1减去所述目标像素值的占比的差值,得到所述待检测图片的图片色素丰富系数;其中,所述图片色素丰富系数越小,所述待检测图片的色彩丰富度越低;所述目标像素值的频数的总和越大,所述待检测图片的色彩丰富度越低。
2.根据权利要求1所述的检测方法,其特征在于,所述根据每个所述像素值的频数,从获取到的所述像素值中确定出N个目标像素值,包括:
确定获取到的每个所述像素值的频数;
根据频数从多到少的顺序,将获取到的各个所述像素值进行排序,得到排序结果;
将所述排序结果中的前N个像素值确定为所述目标像素值。
3.一种图片色彩丰富度的检测装置,其特征在于,包括:
获取单元,用于获取待检测图片中的各个像素的像素值;
确定单元,用于根据每个所述像素值的频数,从获取到的所述像素值中确定出N个目标像素值;其中,N为正整数;所述目标像素值的频数大于任意一个不属于目标像素值的像素值的频数;
第一计算单元,用于计算获取到的所述像素值中的所述目标像素值的频数的总和;
评估单元,用于基于所述目标像素值的频数的总和,对所述待检测图片的色彩丰富度进行评估;其中,所述目标像素值的频数的总和越大,所述待检测图片的色彩丰富度越低;
所述获取单元,包括:
获取子单元,用于分别获取待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的像素值;
汇总单元,用于将获取到的所述待检测图片中的各个像素在红色通道、绿色通道和蓝色通道上的集合,作为所述待检测图片中的各个像素的像素值;
所述评估单元,包括:
第二计算单元,用于计算所述待检测图片的分辨率与3的乘积,得到获取到的各个所述像素值的频数的总和;
第三计算单元,用于将所述目标像素值的频数的总和除以获取到的各个所述像素值的频数的总和,得到所述目标像素值的占比;
第四计算单元,用于计算1减去所述目标像素值的占比的差值,得到所述待检测图片的图片色素丰富系数;其中,所述图片色素丰富系数越小,所述待检测图片的色彩丰富度越低。
4.根据权利要求3所述的检测装置,其特征在于,所述确定单元,包括:
第一确定单元,用于确定获取到的每个所述像素值的频数;
排序单元,用于根据频数从多到少的顺序,将获取到的各个所述像素值进行排序,得到排序结果;
第二确定单元,用于将所述排序结果中的前N个像素值确定为所述目标像素值。
5.一种计算机存储介质,其特征在于,用于存储程序,所述程序被执行时,用于实现如权利要求1至2任意一项所述的图片色彩丰富度的检测方法。
6.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至2任意一项所述的图片色彩丰富度的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196566.1A CN111311697B (zh) | 2020-03-19 | 2020-03-19 | 图片色彩丰富度的检测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196566.1A CN111311697B (zh) | 2020-03-19 | 2020-03-19 | 图片色彩丰富度的检测方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311697A CN111311697A (zh) | 2020-06-19 |
CN111311697B true CN111311697B (zh) | 2023-11-17 |
Family
ID=71145902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010196566.1A Active CN111311697B (zh) | 2020-03-19 | 2020-03-19 | 图片色彩丰富度的检测方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311697B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1591957A1 (fr) * | 2004-04-30 | 2005-11-02 | Sagem SA | Procédé et système de traitement d'image par filtrage de blocs de pixels de l'image |
CN1812481A (zh) * | 2005-01-27 | 2006-08-02 | 佳能株式会社 | 图像处理装置及其方法 |
CN102129693A (zh) * | 2011-03-15 | 2011-07-20 | 清华大学 | 基于色彩直方图和全局对比度的图像视觉显著性计算方法 |
CN106610987A (zh) * | 2015-10-22 | 2017-05-03 | 杭州海康威视数字技术股份有限公司 | 视频图像检索方法、装置及系统 |
CN107146258A (zh) * | 2017-04-26 | 2017-09-08 | 清华大学深圳研究生院 | 一种图像显著区域检测方法 |
CN108805872A (zh) * | 2018-07-23 | 2018-11-13 | 珠海格力智能装备有限公司 | 产品的检测方法和装置 |
CN110163835A (zh) * | 2018-07-03 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 检测截图的方法、装置、设备及计算机可读存储介质 |
CN110532947A (zh) * | 2019-08-28 | 2019-12-03 | 上海眼控科技股份有限公司 | 一种用于车检表格的去偏色处理的方法及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2437338A (en) * | 2006-04-21 | 2007-10-24 | Snell & Wilcox Ltd | Detecting monochrome images from the skew of a statistical distribution of pixel values |
KR101575803B1 (ko) * | 2010-01-15 | 2015-12-09 | 삼성전자 주식회사 | 저조도 환경에서의 고감도 영상 생성 방법 및 그 장치 |
-
2020
- 2020-03-19 CN CN202010196566.1A patent/CN111311697B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1591957A1 (fr) * | 2004-04-30 | 2005-11-02 | Sagem SA | Procédé et système de traitement d'image par filtrage de blocs de pixels de l'image |
CN1812481A (zh) * | 2005-01-27 | 2006-08-02 | 佳能株式会社 | 图像处理装置及其方法 |
CN102129693A (zh) * | 2011-03-15 | 2011-07-20 | 清华大学 | 基于色彩直方图和全局对比度的图像视觉显著性计算方法 |
CN106610987A (zh) * | 2015-10-22 | 2017-05-03 | 杭州海康威视数字技术股份有限公司 | 视频图像检索方法、装置及系统 |
CN107146258A (zh) * | 2017-04-26 | 2017-09-08 | 清华大学深圳研究生院 | 一种图像显著区域检测方法 |
CN110163835A (zh) * | 2018-07-03 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 检测截图的方法、装置、设备及计算机可读存储介质 |
CN108805872A (zh) * | 2018-07-23 | 2018-11-13 | 珠海格力智能装备有限公司 | 产品的检测方法和装置 |
CN110532947A (zh) * | 2019-08-28 | 2019-12-03 | 上海眼控科技股份有限公司 | 一种用于车检表格的去偏色处理的方法及设备 |
Non-Patent Citations (2)
Title |
---|
张洋 ; 普杰信 ; 梁灵飞 ; 张蕾 ; .基于超像素的印刷品色差在线检测方法.测控技术.2017,(09),全文. * |
林景亮 ; 陈岳林 ; .多摄像机图像拼接自动色彩均衡算法.计算机应用.2010,(12),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111311697A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108052980B (zh) | 基于图像的空气质量等级检测方法 | |
Ren et al. | Fusion of intensity and inter-component chromatic difference for effective and robust colour edge detection | |
CN108764352B (zh) | 重复页面内容检测方法和装置 | |
CN109939432B (zh) | 一种智能跳绳计数方法 | |
CN105657547B (zh) | 一种相似视频和盗版视频的检测方法及装置 | |
CN106575223A (zh) | 图像分类方法和图像分类装置 | |
CN110572636B (zh) | 摄像头脏污检测方法、装置、存储介质及电子设备 | |
CN106358029A (zh) | 一种视频图像处理方法和装置 | |
CN110188730A (zh) | 基于mtcnn的人脸检测与对齐方法 | |
CN105184823A (zh) | 基于视觉感知的运动目标检测算法性能的评价方法 | |
CN112153373A (zh) | 明厨亮灶设备的故障识别方法、装置及存储介质 | |
CN103514595B (zh) | 图像显著区域检测方法 | |
CN102903100A (zh) | 一种数字照片图像压缩历史的检测方法 | |
CN111311697B (zh) | 图片色彩丰富度的检测方法及相关装置 | |
CN109472257B (zh) | 一种字符版面确定方法及装置 | |
CN110782392B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111402189B (zh) | 一种视频图像偏色检测装置及方法 | |
TW200402006A (en) | Digital image display method and system | |
Murali et al. | Detection of copy-create image forgery using luminance level techniques | |
CN111818331B (zh) | 弹幕显示流畅性的检测方法、装置、设备和介质 | |
CN114339203A (zh) | 相机性能检测方法、设备和存储介质 | |
CN112770080B (zh) | 一种抄表方法、抄表装置及电子设备 | |
CN111083468B (zh) | 一种基于图像梯度的短视频质量评价方法及系统 | |
CN113284198A (zh) | 图像自动配色方法及装置 | |
CN101441653A (zh) | 内容过滤方法及内容过滤装置 |
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 |