CN111368767B - 家居素材色调的识别方法、装置及电子设备 - Google Patents

家居素材色调的识别方法、装置及电子设备 Download PDF

Info

Publication number
CN111368767B
CN111368767B CN202010159609.9A CN202010159609A CN111368767B CN 111368767 B CN111368767 B CN 111368767B CN 202010159609 A CN202010159609 A CN 202010159609A CN 111368767 B CN111368767 B CN 111368767B
Authority
CN
China
Prior art keywords
color
pixel point
household
value
area
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
Application number
CN202010159609.9A
Other languages
English (en)
Other versions
CN111368767A (zh
Inventor
王璐
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.)
Guangdong 3vjia Information Technology Co Ltd
Original Assignee
Guangdong 3vjia Information Technology 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 Guangdong 3vjia Information Technology Co Ltd filed Critical Guangdong 3vjia Information Technology Co Ltd
Priority to CN202010159609.9A priority Critical patent/CN111368767B/zh
Publication of CN111368767A publication Critical patent/CN111368767A/zh
Application granted granted Critical
Publication of CN111368767B publication Critical patent/CN111368767B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • 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)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种家居素材色调的识别方法、装置及电子设备，包括：获取待识别的家居素材图像；如果家居素材图像不存在透明度通道，提取家居素材图像中家居素材所在的素材区域；统计素材区域中各个像素点对应的颜色值所处的颜色区间，得到素材区域的第一颜色直方图；其中，第一颜色直方图用于表征各个颜色区间中像素点的数量；基于第一颜色直方图中各个颜色区间的比例，确定家居素材图像中家居素材的色调。本发明可以较好地识别家居素材模型的颜色。

Description

家居素材色调的识别方法、装置及电子设备
技术领域
本发明涉及家装设计技术领域，尤其是涉及一种家居素材色调的识别方法、装置及电子设备。
背景技术
目前在家装设计领域，用户或家装设计师利用家装软件进行家装设计，家装软件中存储有众多可选的家居素材模型，家装设计师可以根据所需的款式或风格等从家居素材模型中选择目标家居素材模型，从而将选择的目标家居素材模型放置于虚拟的空间场景中，以模拟真实情况下的设计效果。然而在进行家装设计的过程中，仅基于家居素材模型的风格或款式进行搭配，可能导致家装设计的效果较差，通常还需结合家居素材模型的颜色，然而发明人研究发现，现有技术无法较好地对家居素材模型的颜色进行识别。
发明内容
有鉴于此，本发明的目的在于提供一种家居素材色调的识别方法、装置及电子设备，可以较好地识别家居素材模型的颜色。
第一方面，本发明实施例提供了一种家居素材色调的识别方法，包括：获取待识别的家居素材图像；如果所述家居素材图像不存在透明度通道，提取所述家居素材图像中家居素材所在的素材区域；统计所述素材区域中各个像素点对应的颜色值所处的颜色区间，得到所述素材区域的第一颜色直方图；其中，所述第一颜色直方图用于表征各个所述颜色区间中像素点的数量；基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调。
在一种实施方式中，所述提取所述家居素材图像中家居素材所在的素材区域的步骤，包括：将所述家居素材图像转换为灰度图；针对所述灰度图中的每个像素点，计算该像素点与所述灰度图中各个像素点之间的对比度；基于各个所述像素点对应的对比度，设置所述灰度图中各个所述像素点对应的掩模值；根据所述灰度图中指定区域内各个所述像素点对应的掩模值，判断所述灰度图是否存在边缘区域；如果否，根据所述指定区域中各个所述像素点对应的颜色值，提取所述灰度图中家居素材所在的素材区域。
在一种实施方式中，所述基于各个所述像素点对应的对比度，设置所述灰度图中各个所述像素点对应的掩模值的步骤，包括：如果所述像素点对应的对比度大于对比度阈值，将该像素点对应的掩模值设置为第一掩模值；其中，所述第一掩模值表征所述像素点处于所述家居素材图像的素材区域；如果所述像素点对应的对比度小于或等于所述对比度阈值，将该像素点对应的掩模值设置为第二掩模值；其中，所述第二掩模值表征所述像素点处于所述家居素材图像的边缘区域。
在一种实施方式中，所述指定区域包括所述灰度图的左上方区域、左下方区域、右上方区域和右下方区域中的至少两个；所述根据所述灰度图中指定区域内各个所述像素点对应的掩模值，判断所述灰度图是否存在边缘区域的步骤，包括：计算所述灰度图中的各个指定区域内的像素点对应的掩膜值的和值；如果所述和值大于预设值，确定所述灰度图存在边缘区域。
在一种实施方式中，所述根据所述指定区域中各个所述像素点对应的颜色值，提取所述灰度图中家居素材所在的素材区域的步骤，包括：根据所述指定区域中各个所述像素点对应的颜色值，计算所述指定区域的RGB均值；其中，所述RGB均值包括R值平均值、G值平均值和B值平均值中的一种或多种；根据预设的均值阈值和所述指定区域对应的RGB均值，计算背景颜色范围；如果所述像素点对应的颜色值处于所述背景颜色范围，将所述像素点对应的掩模值调整为所述第二掩模值；如果所述像素点对应的颜色值不处于所述背景颜色范围，将所述像素点对应的掩模值调整为所述第一掩模值；提取所述第一掩模值对应的像素点所在的区域，得到素材区域。
在一种实施方式中，所述统计所述素材区域中各个像素点对应的颜色值所处的颜色区间，得到所述素材区域的第一颜色直方图的步骤，包括：如果所述家居素材图像的格式为RGB格式，计算所述素材区域中各个所述像素点的RGB值对应的HSV值；统计所述像素区域中各个所述像素点对应的HSV值所处的颜色区间，得到所述素材区域的第一颜色直方图；所述基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调；所述基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调的步骤，包括：将所述第一颜色直方图中比例最大的颜色区间对应的颜色，确定为所述家居素材图像中家居素材的色调；或，如果所述第一颜色直方图中所述颜色区间的比例满足预设条件，且满足所述预设条件的颜色区域的个数大于预设的区间个数阈值，确定所述家居素材图像中家居素材的色调为彩色色调；其中，所述预设条件包括所述颜色区间的比例大于第一比例阈值且所述颜色区间的比例小于第二比例阈值。
在一种实施方式中，所述方法还包括：如果所述家居素材图像存在透明度通道，或，如果所述家居素材图像存在边缘区域，统计所述家居素材图像中各个像素点的颜色值所处的颜色区间，得到所述家居素材图像的第二颜色直方图；基于所述第二颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调。
第二方面，本发明实施例还提供一种家居素材色调的识别装置，包括：图像获取模块，用于获取待识别的家居素材图像；区域提取模块，用于如果所述家居素材图像不存在透明度通道，提取所述家居素材图像中家居素材所在的素材区域；直方图统计模块，用于统计所述素材区域中各个像素点对应的颜色值所处的颜色区间，得到所述素材区域的第一颜色直方图；其中，所述第一颜色直方图用于表征各个所述颜色区间中像素点的数量；色调确定模块，用于基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调。
第三方面，本发明实施例还提供一种电子设备，包括处理器和存储器；所述存储器上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如第一方面提供的任一项所述的方法。
第四方面，本发明实施例还提供一种计算机存储介质，用于储存为第一方面提供的任一项所述方法所用的计算机软件指令。
本发明实施例提供的一种家居素材色调的识别方法、装置及电子设备，首先获取待识别的家居素材图像，如果家居素材图像不存在透明度通道，提取家居素材图像中家居素材所在的素材区域，并统计素材区域中各个像素点对应的颜色值所处的颜色区间，得到素材区域的第一颜色直方图(用于表征各个颜色区间中像素点的数量)，然后基于第一颜色直方图中各个颜色区间的比例，确定家居素材图像中家居素材的色调。上述方法针对不存在透明通道的家居素材图像统计素材区域中各个像素点对应的颜色值所处的颜色区间，得到第一颜色直方图，进而利用第一颜色直方图中各个颜色区间的比例得到家居素材的色调，较好地实现家居素材模型的颜色识别。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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家居素材色调的识别方法的流程示意图；
图2为本发明实施例提供的一种家居素材色调的识别方法的流程示意图；
图3为本发明实施例提供的另一种家居素材色调的识别方法的流程示意图；
图4为本发明实施例提供的一种家居素材模型图的示意图；
图5为本发明实施例提供的另一种家居素材模型图的示意图；
图6为本发明实施例提供的一种家居素材色调的识别装置的结构示意图；
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
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
目前，一方面，为家居素材增加颜色标签，可以方便用户在进行室内设计时，减少对家居素材的人工筛选，通过点击不同颜色类别标签，就可以达到筛选家居素材的作用；另外，对众多家居产品的商家而言，在自身素材模型图片数据库的管理过程中，对家居素材模型颜色的自动分类工作，可以大大减少人工处理的工作时间。另一方面，在空间素材推荐中(如白色的桌子和灰色的椅子较为匹配)，需要通过素材模型的颜色标签进行推荐，以提高用户的设计效率，由上述可知家居素材的颜色识别是其他智能化的基础，然而现有技术中无法较好的对家居素材的颜色进行识别，在一定程度上影响了其他智能化。基于此，本发明实施提供的一种家居素材色调的识别方法、装置及电子设备，可以较好地识别家居素材模型的颜色。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种家居素材色调的识别方法进行详细介绍，参见图1所示的一种家居素材色调的识别方法的流程示意图，该方法可以包括以下步骤S102至步骤S108：
步骤S102，获取待识别的家居素材图像。
其中，家居素材图像可以为家居素材模型的图像或纹理图像。在一种实施方式中，可以从家居素材库中获取待识别的家居素材图像，也可以为用户提供图像上传通道，并将用户上传的图像作为待识别的家居素材图像。
步骤S104，如果家居素材图像不存在透明度通道，提取家居素材图像中家居素材所在的素材区域。
其中，透明度通道用于判断家居素材图像的背景是否为透明，如果家居素材图像存在透明度通道，则确定家居素材图像的背景透明，此时可以直接对家居素材图像中的家居素材的色调进行识别；如果家居素材图像不存在透明度通道，则确定家居素材图像的背景不透明，此时需要对家居素材图像进一步处理，也即提取家居素材图像中家居素材所在的素材区域，进而对该素材区域的色调进行识别。
步骤S106，统计素材区域中各个像素点对应的颜色值所处的颜色区间，得到素材区域的第一颜色直方图。
其中，第一颜色直方图用于表征各个颜色区间中像素点的数量。在具体实现时，可以根据家居素材图像的格式预先配置多个颜色区间，诸如，将颜色区间划分为红橙黄绿青蓝紫等多个颜色区间。如果家居素材图像的格式为RGB(RED-GREEN-BLUE)格式，在一种实施方式中，可确定各个颜色区域对应的RGB值，从而统计素材区域中各个像素点对应的RGB值所处的颜色区间，在另一种实施方式中，可以对家居素材图像的格式进行转换，例如，将RGB格式转换为HSV(Hue,Saturation,Value)格式，基于预先确定各个颜色区域对应的HSV值，对素材区间内各个像素对应的HSV值所处颜色区间进行统计；如果家居素材图像的格式为HSV格式，也可直接基于预先确定各个颜色区域对应的HSV值，对素材区间内各个像素对应的HSV值所处颜色区间进行统计，得到第一颜色直方图。
步骤S108，基于第一颜色直方图中各个颜色区间的比例，确定家居素材图像中家居素材的色调。
在一种实施方式中，如果某个颜色区间的比例占比最大，则可以将该颜色区间对应色调确定为该家居素材图像中家居素材的色调，例如，第一颜色直方图中红色区间占比最大，则家居素材图像中的家居素材为红色色调。在另一种实施方式中，如果第一颜色直方图中多个颜色区间占比均较大，例如，红色区间占比30％、黄色区间占比35％、绿色区间占比30％和蓝色区间占比5％，其中，红色区间、黄色区间和绿色区间的占比均较大，所以可以将该家居素材图像中家居素材的色调确定为彩色。
本发明实施例提供的上述家居素材色调的识别方法，首先获取待识别的家居素材图像，如果家居素材图像不存在透明度通道，提取家居素材图像中家居素材所在的素材区域，并统计素材区域中各个像素点对应的颜色值所处的颜色区间，得到素材区域的第一颜色直方图(用于表征各个颜色区间中像素点的数量)，然后基于第一颜色直方图中各个颜色区间的比例，确定家居素材图像中家居素材的色调。上述方法针对不存在透明通道的家居素材图像统计素材区域中各个像素点对应的颜色值所处的颜色区间，得到第一颜色直方图，进而利用第一颜色直方图中各个颜色区间的比例得到家居素材的色调，较好地实现家居素材模型的颜色识别。
为较好地执行上述步骤S104，本发明实施例提供了一种判断家居素材图像是否存在透明度通道的方法。
首先，假定家居素材图像为I，其长为h和宽为w。提取家居素材图像的RGBA-Red,Green,Blue,Alpha通道，其中，前三个值的颜色范围为0-255之间的整数，分别描述了红、绿、蓝三原色在色彩中的量，第四个值Alpha制定了色彩的透明度/不透明度，范围在0.0-1.0之间，当Alpha＝0时，表示该像素为透明的。
然后，判定家居素材图像的维度是RGB(Red,Green,Blue)还是RGBA(Red,Green,Blue,Alpha)。当维度是RGB时，即图像大小为(h,w,3)时，则该图像不包含Alpha通道，即背景是不透明的；若维度是RGBA时，即图像大小为(h,w,4)时，则该图像包含Alpha通道，该素材的背景是透明的。
为便于对上述步骤S104进行理解，本发明实施例提供了一种提取家居素材图像中家居素材所在的素材区域的具体实施方式，可参见如下步骤1至步骤5：
步骤1，将家居素材图像转换为灰度图。在一种实施方式中，如果家居素材图像为RGB格式的图像，则可以将RGB的家居素材图像图像I转换为灰度图，灰度图中各个像素点度对应的灰度值Igrey表示为：
Igrey＝0.299×IR+0.587×IG+0.114×IB。
其中，IR表示R通道图，IG表示G通道图，IB表示B通道图。
步骤2，针对灰度图中的每个像素点，计算该像素点与灰度图中各个像素点之间的对比度。其中，各个像素之间的对比度可以理解为ROI(Region of interest)概率值，其中，每个像素点用I[i,j]表示，则像素点i∈[0,h],j∈[0,w]的ROI概率值被表示为：
其中，i表示该像素点的纵坐标，j表示该像素点的横坐标，h表示家居素材图像的高，w表示家居素材图像的宽，p表示家居素材图像中任意像素点的纵坐标，q表示家居素材图像中任意像素点的横坐标。
对各个像素点的ROI概率值进行归一化处理，归一化处理后的ROI概率值表示为：
步骤3，基于各个像素点对应的对比度，设置灰度图中各个像素点对应的掩模值。在一种实施方式中，可按照如下步骤3.1至步骤3.2执行基于各个像素点对应的对比度，设置灰度图中各个像素点对应的掩模值的步骤：
步骤3.1，如果像素点对应的对比度大于对比度阈值，将该像素点对应的掩模值设置为第一掩模值。其中，第一掩模值表征像素点处于家居素材图像的素材区域，在具体实现时，第一掩模值可以设置为1。
步骤3.2，如果像素点对应的对比度小于或等于对比度阈值，将该像素点对应的掩模值设置为第二掩模值。其中，第二掩模值表征像素点处于家居素材图像的边缘区域，在具体实现时，第一掩模值可以设置为0。
上述步骤3.1至步骤3.2利用公式可以表示为：
其中，ROIMask为掩模值，i∈[0,h],j∈[0,w]。
步骤4，根据灰度图中指定区域内各个像素点对应的掩模值，判断灰度图是否存在边缘区域。其中，指定区域包括灰度图的左上方区域、左下方区域、右上方区域和右下方区域中的至少两个，例如，将左上方区域设定为areaA,将左下方区域设定为areaB,将右上方区域设定为areaC和将右下方区域设定为areaD。在此基础上，为根据灰度图中指定区域内各个像素点对应的掩模值，判断灰度图是否存在边缘区域，可以参照如下步骤4.1至步骤4.2：
步骤4.1，计算灰度图中的各个指定区域内的像素点对应的掩膜值的和值。如果指定区域包括左上方区域areaA、左下方区域areaB、右上方区域areaC和右下方区域areaD，则和值表示为areaA+areaB++areaC+areaD。
步骤4.2，如果和值大于预设值，确定灰度图存在边缘区域。也即，如果上述areaA+areaB++areaC+areaD>0，则家居素材图像存在边缘区域；如果areaA+areaB++areaC+areaD＝0，则家居素材图像不存在边缘区域。
步骤5，如果否，根据指定区域中各个像素点对应的颜色值，提取灰度图中家居素材所在的素材区域。如果家居素材图像不存在边缘区域，则可以按照如下步骤5.1至步骤5.5提取灰度图中家居素材所在的素材区域：
步骤5.1，根据指定区域中各个像素点对应的颜色值，计算指定区域的RGB均值。其中，RGB均值包括R值平均值、G值平均值和B值平均值中的一种或多种。如果指定区域包括上述左上方区域areaA、左下方区域areaB、右上方区域areaC和右下方区域areaD，在一种实施方式中，可按照如下公式计算各个指定区域的RGB平均值：
其中，N表示指定区域中像素点的总个数。
步骤5.2，根据预设的均值阈值和指定区域对应的RGB均值，计算背景颜色范围。假设均值阈值设定为15，则背景颜色范围可以为：meanR-15≤I[i,j]R≤meanR+15，且meanG-15≤I[i,j]G≤meanG+15,且meanB-15≤I[i,j]B≤meanB+15。
步骤5.3，如果像素点对应的颜色值处于背景颜色范围，将像素点对应的掩模值调整为第二掩模值。在一种实施方式中，如果像素点对应的颜色值满足上述步骤5.2中的要求，则将该像素点的掩模值调整为0。
步骤5.4，如果像素点对应的颜色值不处于背景颜色范围，将像素点对应的掩模值调整为第一掩模值。在一种实施方式中，如果像素点对应的颜色值不满足上述步骤5.2中的要求，则将该像素点的掩模值调整为1。具体的，可参见如下公式：
且i∈[0,h],j∈[0,w]。
步骤5.5，提取第一掩模值对应的像素点所在的区域，得到素材区域。
如果家居素材图像存在边缘区域，则可直接将家居素材图像对应的灰度图的掩模值设置为1，也即Mask[i,j]＝1,i∈[0,h],j∈[0,w]，其中，当掩模值为1时，家居素材图像可以有效显示，当掩模值为0时，家居素材图像无法有效显示，相当于家居素材图像为透明图像，而为了提取出包含边缘区域的家居素材图像中各个像素点的颜色值，需要将该家居素材图像中各个像素点的掩模值均设置为1，以使该家居素材图像有效显示。
对于上述步骤S106，本发明实施例提供了一种统计素材区域中各个像素点对应的颜色值所处的颜色区间，得到素材区域的第一颜色直方图的具体实施方式，参见如下步骤(一)至步骤(三)：
步骤(一)，如果家居素材图像的格式为RGB格式，计算素材区域中各个像素点的RGB值对应的HSV值。为了方便色彩归类，本发明实施例采用HSV色彩通道划分颜色区间，因此在确定家居素材图像中各个像素点对应的颜色值所处的颜色区间，需要计算RGB格式的家居素材图像中素材区域中各个像素点的RGB值对应的HSV值，在一种实施方式中，可按如下公式计算素材区域中各个像素点的RGB值对应的HSV值IHSV：
V＝max(R,G,B)。
步骤(二)，统计像素区域中各个像素点对应的HSV值所处的颜色区间，得到素材区域的第一颜色直方图。本发明实施例示例性提供了一种第一颜色直方图的划分区间，具体如表1所示：
表1
其中，黑(black)区间内的像素个数被表示为CountBlack、灰(grey)区间内的像素个数被表示为CountGrey、银(silver)区间内的像素个数被表示为CountSilver、白(white)区间内的像素个数被表示为CountWhite、红(red)区间内的像素个数被表示为CountRed、粉(pink)区间内的像素个数被表示为CountPink、米白(cream)区间内的像素个数被表示为CountCream、橙(orange)区间内的像素个数被表示为CountOrange、咖啡(coffee)区间内的像素个数被表示为CountCoffee、黄(yellow)区间内的像素个数被表示为CountYellow、绿(green)区间内的像素个数被表示为CountGreen、蓝(blue)区间内的像素个数被表示为CountBlue、紫(purple)区间内的像素个数被表示为CountPurple。
本发明在颜色分类上，为归纳相似颜色并控制颜色类别数量，人为地划分颜色为13个类别，黑色、灰色、浅灰色、白色、红色、粉色、米白色、橙色、咖啡色、黄色、绿色、蓝色、紫色。并根据素材模型，统计13个颜色区间的直方图。数值较大的区间为该素材模型的主色调，即该素材模型的颜色类别。此外，由于对独立的色彩进行了归类，相近颜色可以归为同一个类别，减少了单独色彩对结果的影响，因此可以较好的提升算法的鲁棒性。
特别的，第14个类别为“彩色”类。在该类中，计算13个固定颜色的直方图之间的比值，以阈值的方式确定该素材模型的颜色类别是否为“彩色”。
步骤(三)，基于第一颜色直方图中各个颜色区间的比例，确定家居素材图像中家居素材的色调基于第一颜色直方图中各个颜色区间的比例，确定家居素材图像中家居素材的色调。本发明实施例提供了一种基于第一颜色直方图中各个颜色区间的比例，确定家居素材图像中家居素材的色调的具体实施方式，参见如下方式一和方式二：
方式一，将第一颜色直方图中比例最大的颜色区间对应的颜色，确定为家居素材图像中家居素材的色调。例如，假设红色区间占比最大，则该家居素材图像中家居素材的色调为红色。
方式二，如果第一颜色直方图中颜色区间的比例满足预设条件，且满足预设条件的颜色区域的个数大于预设的区间个数阈值，确定家居素材图像中家居素材的色调为彩色色调。其中，预设条件包括颜色区间的比例大于第一比例阈值且颜色区间的比例小于第二比例阈值。具体的，可以统计掩模值为1的像素点(也即，可以有效显示的像素点)的个数，可按照如下公式统计有效像素点的个数：
Count＝CountBlack+CountGrey+CountSilver+CountWhite+CountRed+CountPink+CountCream+CountOrange+CountCoffee+CountYellow+CountGreen+CountBlue+CountPurple。
计算每个颜色区间所占总体像素的百分比ratio：
当最大主色调max(Ratio)<0.6，且剔除了较少颜色的影响，Ratio<0.01的颜色区间后。计算两两颜色区间之间的百分比比值，如：
若比值在1到1.8之间的颜色区间种类大于3个，则判定该素材模型为“彩色”。
另外，如果家居素材图像存在透明度通道，或，如果家居素材图像存在边缘区域，则可直接统计家居素材图像中各个像素点的颜色值所处的颜色区间，得到家居素材图像的第二颜色直方图，并基于第二颜色直方图中各个颜色区间的比例，确定家居素材图像中家居素材的色调。其中，如果家居素材图像存在透明度通道，则家居素材图像中的背景区域透明，且素材区域可以有效显示，因此可直接统计家居素材区域中各个像素点的颜色值所处的颜色区间；如果家居素材图像存在边缘区域，说明在家居素材图像的边缘区域包含有家居素材，也即家居素材图像整张图像均为素材区域，因此也可直接统计家居素材区域中各个像素点的颜色值所处的颜色区间。
本发明实施例针对背景透明的素材，提取图像中每个像素的透明度，获取素材模型；针对非透明背景区域的素材，通过计算整张图的像素之间的对比度，提取视觉感兴趣区域(也即，素材区域)，生成该图的掩模图像ROIMask(感兴趣区域的掩模值设定为1，非感兴趣区域的掩模值设定为0)。通过判定掩模图像的边角区域，进而判定该图为全图模型还是局部模型。全图素材模型的素材模型即为整张图像，在进行颜色判定时，需要将整张图像进行判定；在局部素材模型中，根据素材图像边角区域的颜色设定颜色范围去除背景，提取到素材模型，以便素材模型的颜色判定。
在一种实施方式中，上述家居素材色调的识别方法可以由诸如电脑等电子设备执行，为便于对上述实施例提供的家居素材色调的识别方法进行历劫，本发明实施例提供了一种识别家居素材色调的交互示意图，如图2所示，首先获取家居素材模型图(也即，上述家居素材图像)，如果家居素材模型图为透明底色素材图则可以直接提取家居素材模型图的颜色信息，如果家居素材模型图不是透明底色素材图，但是该家居素材模型图为全图素材(也即，家居素材模型图存在边缘区域)，则可以直接提取家居素材模型图的颜色信息，如果家居素材模型图不是透明底色素材图，且该家居素材模型图为局部素材(也即，家居素材模型图不存在边缘区域)，则需要提取局部素材中的局部信息(也即，素材区域)，进而提取家居素材模型图的颜色信息，得到家居素材模型图的色调。
在上述图2的基础上，本发明实施例还提供了另一种家居素材色调的识别方法，参见图3所示的另一种家居素材色调的识别方法的流程示意图，该方法主要包括以下步骤S302至步骤S318：
步骤S302，获取家居素材模型图。考虑到家居素材模型图中存在无法打开的损坏图像，因此为了获取质量完好的图像，需要对家居素材模型图进行筛选，以去除损坏的家居素材模型图。
步骤S304，对家居素材模型图进行标准化处理。在一种实施方式中，可以对家居素材模型图的名称进行统一命名，诸如“家居素材编号”；也可以统一家居素材模型图的格式，诸如jpeg格式。
步骤S306，判断家居素材模型图是否为透明背景。如果是，执行步骤S314；如果否，执行步骤S308。如图4所示的一种家居素材模型图的示意图，其中，(4a)和(4c)是肉眼可观的透明背景图，(4b)和(4d)是其图像实际的色彩值，即将整张图像的背景透明度设置为1后的图像。在(4a)和(4c)中，其目标素材模型所对应的Alpha值为1，即素材模型可以有效的显示出来，图像背景区域所对应的Alpha值为0，即显示为透明。
步骤S308，对家居素材模型图的感兴趣区域进行判定。其中，感兴趣区域也即上述素材区域，在一种实施方式中，可以计算家居素材模型图中每个像素在整个家居素材模型图中的全局对比度(也即，上述各个所述像素点对应的对比度)，生成感兴趣区域的ROIMask(也即，家居素材图像内各个像素点对应的掩模值)。
步骤S310，判断家居素材模型图是否为全图素材。如果是，执行步骤S314；如果否，执行步骤S312。在具体实现时，可参考前述步骤4所述的方法对家居素材模型图是否为全图素材进行判断，也即按照如下公式判断家居素材模型图是否为全图素材：
另外，本发明实施例通过图5示意出了另一种家居素材模型图的示意图，其中，(5a)和(5b)是全图素材，(5c)是局部素材，(5d)为(5a)对应的黑白图，(5e)为(5b)对应的黑白图，(5f)为(5c)对应的黑白图。
步骤S312，提取家居素材模型图中的素材模型(也即，上述素材区域)。在一种实施方式中，可以根据家居素材模型图的边缘区域，计算每个像素的颜色有效性。其中，当像素点对应的掩模值为1时，确定该像素点有效。
步骤S314，对素材模型进行颜色分类。在一种实施方式中，可以根据掩模图提取素材模型的颜色信息，统计色彩区域直方图(也即，上述第一颜色直方图或第二颜色直方图)。
步骤S316，对素材模型是否为彩色进行判定。在一种实施方式中，可以根据第二颜色直方图中各个颜色区间的比例，判定该素材模型是否为“彩色”，具体可参见前述方式二，此处不再赘述。
步骤S318，对家居素材模型图添加颜色标签。
综上所述，本发明方法的实施过程主要分以下几个部分：(1)数据获取：对家居素材图进行筛选，去除损坏的素材图；(2)数据标准化：将所有的家居素材图进行统一整理、重新命名；(3)分类是/否透明背景：根据RGBA的读取，实现对透明背景的判定，若透明背景，获取掩模图像；(4)提取感兴趣区域的概率：计算图像中每个像素在整个图像上的全局对比度，判定ROIMask；(5)分类是/否全局素材模型：对提取到的ROIMask进行判断，判定素材是否占据全图，若占据全图，获取掩模图像；(6)提取局部素材模型：对原图的边角区域进行判定，提取图像中的局部素材模型；(7)颜色分类结果：统计有效像素的直方图，根据掩模图，提取素材图像中相应区域的颜色信息，并判定其是否为“彩色”，得到最后颜色分类结果。
由于家居素材模型基本囊括了日常生活中家居物品的所有类目，因此本发明实施例在进行颜色判定时，上述实施例提供的方法普适性较强；其次，家居素材模型本身的颜色参差不齐，同一个家居素材模型可能拥有差距较大的两种或多种色彩，而本发明实施例采用上述方法可以较为准确的提取出素材模型，并对提取出的素材模型的色调进行识别。基于此，本发明实施例至少具有以下特点：
(1)实现了家居行业中，众多且繁杂的家居素材模型颜色的自动分类工作，大大解放了家居产品行业内，商家自身素材模型图片与设计方案管理过程中的人工劳动。
(2)家居素材的颜色识别是其他智能化的基础，如，在空间素材推荐中(如白色的桌子和灰色的椅子较为匹配)，需要通过素材模型的颜色标签进行推荐，以提高用户的设计效率。本发明为实现家居领域智能化应用提供了重要保障。
(3)从图片获取到最后的素材颜色分类识别以及解析文件的产生，实现了完整化的，端到端的流程。
对于前述实施例提供的上述家居素材色调的识别方法，本发明实施例提供了一种家居素材色调的识别装置，参见图6所示的一种家居素材色调的识别装置的结构示意图，该装置主要包括以下部分：
图像获取模块602，用于获取待识别的家居素材图像。
区域提取模块604，用于如果家居素材图像不存在透明度通道，提取家居素材图像中家居素材所在的素材区域。
直方图统计模块606，用于统计素材区域中各个像素点对应的颜色值所处的颜色区间，得到素材区域的第一颜色直方图；其中，第一颜色直方图用于表征各个颜色区间中像素点的数量。
色调确定模块608，用于基于第一颜色直方图中各个颜色区间的比例，确定家居素材图像中家居素材的色调。
本发明实施例提供的上述家居素材色调的识别装置，针对不存在透明通道的家居素材图像统计素材区域中各个像素点对应的颜色值所处的颜色区间，得到第一颜色直方图，进而利用第一颜色直方图中各个颜色区间的比例得到家居素材的色调，较好地实现家居素材模型的颜色识别。
在一种实施方式中，所述区域提取模块604还用于：将所述家居素材图像转换为灰度图；针对所述灰度图中的每个像素点，计算该像素点与所述灰度图中各个像素点之间的对比度；基于各个所述像素点对应的对比度，设置所述灰度图中各个所述像素点对应的掩模值；根据所述灰度图中指定区域内各个所述像素点对应的掩模值，判断所述灰度图是否存在边缘区域；如果否，根据所述指定区域中各个所述像素点对应的颜色值，提取所述灰度图中家居素材所在的素材区域。
在一种实施方式中，所述区域提取模块604还用于：如果所述像素点对应的对比度大于对比度阈值，将该像素点对应的掩模值设置为第一掩模值；其中，所述第一掩模值表征所述像素点处于所述家居素材图像的素材区域；如果所述像素点对应的对比度小于或等于所述对比度阈值，将该像素点对应的掩模值设置为第二掩模值；其中，所述第二掩模值表征所述像素点处于所述家居素材图像的边缘区域。
在一种实施方式中，所述指定区域包括所述灰度图的左上方区域、左下方区域、右上方区域和右下方区域中的至少两个；所述区域提取模块604还用于：计算所述灰度图中的各个指定区域内的像素点对应的掩膜值的和值；如果所述和值大于预设值，确定所述灰度图存在边缘区域。
在一种实施方式中，所述区域提取模块604还用于：根据所述指定区域中各个所述像素点对应的颜色值，计算所述指定区域的RGB均值；其中，所述RGB均值包括R值平均值、G值平均值和B值平均值中的一种或多种；根据预设的均值阈值和所述指定区域对应的RGB均值，计算背景颜色范围；如果所述像素点对应的颜色值处于所述背景颜色范围，将所述像素点对应的掩模值调整为所述第二掩模值；如果所述像素点对应的颜色值不处于所述背景颜色范围，将所述像素点对应的掩模值调整为所述第一掩模值；提取所述第一掩模值对应的像素点所在的区域，得到素材区域。
在一种实施方式中，所述统计所述素材区域中各个像素点对应的颜色值所处的颜色区间，得到所述素材区域的第一颜色直方图的步骤，包括：如果所述家居素材图像的格式为RGB格式，计算所述素材区域中各个所述像素点的RGB值对应的HSV值；统计所述像素区域中各个所述像素点对应的HSV值所处的颜色区间，得到所述素材区域的第一颜色直方图；所述基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调；所述基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调的步骤，包括：将所述第一颜色直方图中比例最大的颜色区间对应的颜色，确定为所述家居素材图像中家居素材的色调；或，如果所述第一颜色直方图中所述颜色区间的比例满足预设条件，且满足所述预设条件的颜色区域的个数大于预设的区间个数阈值，确定所述家居素材图像中家居素材的色调为彩色色调；其中，所述预设条件包括所述颜色区间的比例大于第一比例阈值且所述颜色区间的比例小于第二比例阈值。
在一种实施方式中，所述色调确定模块还用于：如果所述家居素材图像存在透明度通道，或，如果所述家居素材图像存在边缘区域，统计所述家居素材图像中各个像素点的颜色值所处的颜色区间，得到所述家居素材图像的第二颜色直方图；基于所述第二颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明实施例提供了一种电子设备，具体的，该电子设备包括处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图7为本发明实施例提供的一种电子设备的结构示意图，该电子设备100包括：处理器70，存储器71，总线72和通信接口73，所述处理器70、通信接口73和存储器71通过总线72连接；处理器70用于执行存储器71中存储的可执行模块，例如计算机程序。
其中，存储器71可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口73(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线72可以是ISA总线、PCI总线或EISA总线等。所述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7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器71用于存储程序，所述处理器70在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器70中，或者由处理器70实现。
处理器70可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器70中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器70可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71，处理器70读取存储器71中的信息，结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见前述方法实施例，在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：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)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (7)

1.一种家居素材色调的识别方法，其特征在于，包括：
获取待识别的家居素材图像；
如果所述家居素材图像不存在透明度通道，提取所述家居素材图像中家居素材所在的素材区域；
统计所述素材区域中各个像素点对应的颜色值所处的颜色区间，得到所述素材区域的第一颜色直方图；其中，所述第一颜色直方图用于表征各个所述颜色区间中像素点的数量；
基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调；
所述提取所述家居素材图像中家居素材所在的素材区域的步骤，包括：
将所述家居素材图像转换为灰度图；
针对所述灰度图中的每个像素点，计算该像素点与所述灰度图中各个像素点之间的对比度；
基于各个所述像素点对应的对比度，设置所述灰度图中各个所述像素点对应的掩模值；
根据所述灰度图中指定区域内各个所述像素点对应的掩模值，判断所述灰度图是否存在边缘区域；
如果否，根据所述指定区域中各个所述像素点对应的颜色值，提取所述灰度图中家居素材所在的素材区域；
其中，各个像素之间的对比度为ROI概率值，每个像素点用I[i,j]表示，则像素点i∈[0,h],j∈[0,w]的ROI概率值被表示为：
其中，i表示该像素点的纵坐标，j表示该像素点的横坐标，h表示家居素材图像的高，w表示家居素材图像的宽，p表示家居素材图像中任意像素点的纵坐标，q表示家居素材图像中任意像素点的横坐标；
对各个像素点的ROI概率值进行归一化处理，归一化处理后的ROI概率值表示为：
所述基于各个所述像素点对应的对比度，设置所述灰度图中各个所述像素点对应的掩模值的步骤，包括：
如果所述像素点对应的对比度大于对比度阈值，将该像素点对应的掩模值设置为第一掩模值；其中，所述第一掩模值表征所述像素点处于所述家居素材图像的素材区域；
如果所述像素点对应的对比度小于或等于所述对比度阈值，将该像素点对应的掩模值设置为第二掩模值；其中，所述第二掩模值表征所述像素点处于所述家居素材图像的边缘区域；
所述根据所述指定区域中各个所述像素点对应的颜色值，提取所述灰度图中家居素材所在的素材区域的步骤，包括：
根据所述指定区域中各个所述像素点对应的颜色值，计算所述指定区域的RGB均值；其中，所述RGB均值包括R值平均值、G值平均值和B值平均值中的一种或多种；
根据预设的均值阈值和所述指定区域对应的RGB均值，计算背景颜色范围；
如果所述像素点对应的颜色值处于所述背景颜色范围，将所述像素点对应的掩模值调整为所述第二掩模值；
如果所述像素点对应的颜色值不处于所述背景颜色范围，将所述像素点对应的掩模值调整为所述第一掩模值；
提取所述第一掩模值对应的像素点所在的区域，得到素材区域。
2.根据权利要求1所述的方法，其特征在于，所述指定区域包括所述灰度图的左上方区域、左下方区域、右上方区域和右下方区域中的至少两个；
所述根据所述灰度图中指定区域内各个所述像素点对应的掩模值，判断所述灰度图是否存在边缘区域的步骤，包括：
计算所述灰度图中的各个指定区域内的像素点对应的掩膜值的和值；
如果所述和值大于预设值，确定所述灰度图存在边缘区域。
3.根据权利要求1所述的方法，其特征在于，所述统计所述素材区域中各个像素点对应的颜色值所处的颜色区间，得到所述素材区域的第一颜色直方图的步骤，包括：
如果所述家居素材图像的格式为RGB格式，计算所述素材区域中各个所述像素点的RGB值对应的HSV值；
统计像素区域中各个所述像素点对应的HSV值所处的颜色区间，得到所述素材区域的第一颜色直方图；
所述基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调；
所述基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调的步骤，包括：
将所述第一颜色直方图中比例最大的颜色区间对应的颜色，确定为所述家居素材图像中家居素材的色调；
或，
如果所述第一颜色直方图中所述颜色区间的比例满足预设条件，且满足所述预设条件的颜色区域的个数大于预设的区间个数阈值，确定所述家居素材图像中家居素材的色调为彩色色调；其中，所述预设条件包括所述颜色区间的比例大于第一比例阈值且所述颜色区间的比例小于第二比例阈值。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
如果所述家居素材图像存在透明度通道，或，如果所述家居素材图像存在边缘区域，统计所述家居素材图像中各个像素点的颜色值所处的颜色区间，得到所述家居素材图像的第二颜色直方图；
基于所述第二颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调。
5.一种家居素材色调的识别装置，其特征在于，包括：
图像获取模块，用于获取待识别的家居素材图像；
区域提取模块，用于如果所述家居素材图像不存在透明度通道，提取所述家居素材图像中家居素材所在的素材区域；
直方图统计模块，用于统计所述素材区域中各个像素点对应的颜色值所处的颜色区间，得到所述素材区域的第一颜色直方图；其中，所述第一颜色直方图用于表征各个所述颜色区间中像素点的数量；
色调确定模块，用于基于所述第一颜色直方图中各个所述颜色区间的比例，确定所述家居素材图像中家居素材的色调；
所述区域提取模块还用于：
将所述家居素材图像转换为灰度图；
针对所述灰度图中的每个像素点，计算该像素点与所述灰度图中各个像素点之间的对比度；
基于各个所述像素点对应的对比度，设置所述灰度图中各个所述像素点对应的掩模值；
根据所述灰度图中指定区域内各个所述像素点对应的掩模值，判断所述灰度图是否存在边缘区域；
如果否，根据所述指定区域中各个所述像素点对应的颜色值，提取所述灰度图中家居素材所在的素材区域；
其中，各个像素之间的对比度为ROI概率值，每个像素点用I[i,j]表示，则像素点i∈[0,h],j∈[0,w]的ROI概率值被表示为：
其中，i表示该像素点的纵坐标，j表示该像素点的横坐标，h表示家居素材图像的高，w表示家居素材图像的宽，p表示家居素材图像中任意像素点的纵坐标，q表示家居素材图像中任意像素点的横坐标；
对各个像素点的ROI概率值进行归一化处理，归一化处理后的ROI概率值表示为：
所述区域提取模块还用于：
如果所述像素点对应的对比度大于对比度阈值，将该像素点对应的掩模值设置为第一掩模值；其中，所述第一掩模值表征所述像素点处于所述家居素材图像的素材区域；
如果所述像素点对应的对比度小于或等于所述对比度阈值，将该像素点对应的掩模值设置为第二掩模值；其中，所述第二掩模值表征所述像素点处于所述家居素材图像的边缘区域；
所述区域提取模块还用于：
根据所述指定区域中各个所述像素点对应的颜色值，计算所述指定区域的RGB均值；其中，所述RGB均值包括R值平均值、G值平均值和B值平均值中的一种或多种；
根据预设的均值阈值和所述指定区域对应的RGB均值，计算背景颜色范围；
如果所述像素点对应的颜色值处于所述背景颜色范围，将所述像素点对应的掩模值调整为所述第二掩模值；
如果所述像素点对应的颜色值不处于所述背景颜色范围，将所述像素点对应的掩模值调整为所述第一掩模值；
提取所述第一掩模值对应的像素点所在的区域，得到素材区域。
6.一种电子设备，其特征在于，包括处理器和存储器；
所述存储器上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至4任一项所述的方法。
7.一种计算机存储介质，其特征在于，用于储存为权利要求1至4任一项所述方法所用的计算机软件指令。
CN202010159609.9A 2020-03-09 2020-03-09 家居素材色调的识别方法、装置及电子设备 Active CN111368767B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010159609.9A CN111368767B (zh) 2020-03-09 2020-03-09 家居素材色调的识别方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010159609.9A CN111368767B (zh) 2020-03-09 2020-03-09 家居素材色调的识别方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111368767A CN111368767A (zh) 2020-07-03
CN111368767B true CN111368767B (zh) 2024-02-02

Family

ID=71206756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010159609.9A Active CN111368767B (zh) 2020-03-09 2020-03-09 家居素材色调的识别方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111368767B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651101B (zh) * 2020-10-09 2022-11-22 广州工商学院 基于Web技术橡胶颗粒自由组合地垫图案仿真系统
CN112489230B (zh) * 2020-12-09 2023-03-24 贝壳技术有限公司 用于面片模型的色彩匹配方法、装置以及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106898026A (zh) * 2017-03-15 2017-06-27 腾讯科技（深圳）有限公司 一种图片的主色调提取方法和装置
CN108062554A (zh) * 2017-12-12 2018-05-22 苏州科达科技股份有限公司 一种车辆年检标签颜色的识别方法及装置
CN108345867A (zh) * 2018-03-09 2018-07-31 南京邮电大学 面向智能家居场景的手势识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106898026A (zh) * 2017-03-15 2017-06-27 腾讯科技（深圳）有限公司 一种图片的主色调提取方法和装置
CN108062554A (zh) * 2017-12-12 2018-05-22 苏州科达科技股份有限公司 一种车辆年检标签颜色的识别方法及装置
CN108345867A (zh) * 2018-03-09 2018-07-31 南京邮电大学 面向智能家居场景的手势识别方法

Also Published As

Publication number Publication date
CN111368767A (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
Mendoza et al. Colour and image texture analysis in classification of commercial potato chips
Luo et al. A physical model-based approach to detecting sky in photographic images
US8385638B2 (en) Detecting skin tone in images
CN109862394A (zh) 视频内容的审核方法、装置、设备和存储介质
Mavridaki et al. A comprehensive aesthetic quality assessment method for natural images using basic rules of photography
CN109829914A (zh) 检测产品缺陷的方法和装置
CN110163810B (zh) 一种图像处理方法、装置以及终端
JP5181955B2 (ja) 画像分類装置および画像処理装置
CN111368767B (zh) 家居素材色调的识别方法、装置及电子设备
CN103578098B (zh) 在商品图片中提取商品主体的方法和装置
CN109740572A (zh) 一种基于局部彩色纹理特征的人脸活体检测方法
CN107292307A (zh) 一种倒置汉字验证码自动识别方法及系统
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
CN108460390A (zh) 一种基于特征学习的敏感图像识别方法
CN110956184B (zh) 一种基于hsi-lbp特征的抽象图方向确定方法
CN112419214A (zh) 一种标注图像生成方法、装置、可读存储介质及终端设备
CN113743378B (zh) 一种基于视频的火情监测方法和装置
CN111768402A (zh) 一种基于mu-svm的冰鲜鲳鱼新鲜度评估方法
CN113392819B (zh) 一种批量化学术图像自动分割标注装置和方法
Bergman et al. Perceptual segmentation: Combining image segmentation with object tagging
CN101802844B (zh) 用于将分割引擎应用于数字图像的不同映射的方法和设备
Zhang Color feature extraction
Amarante et al. Determination of Ripening Stages and Nutritional Content of Tomatoes Using Color Space Conversion Algorithm, Processed Through Raspberry Pi
KR20030091471A (ko) ＹＣｒＣｂ 칼라 기반 얼굴 영역 추출 방법
CN111402189B (zh) 一种视频图像偏色检测装置及方法

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