CN111754595A - 可根据输入图片生成特定色度图或伪彩映射函数的方法 - Google Patents
可根据输入图片生成特定色度图或伪彩映射函数的方法 Download PDFInfo
- Publication number
- CN111754595A CN111754595A CN202010421154.3A CN202010421154A CN111754595A CN 111754595 A CN111754595 A CN 111754595A CN 202010421154 A CN202010421154 A CN 202010421154A CN 111754595 A CN111754595 A CN 111754595A
- Authority
- CN
- China
- Prior art keywords
- color
- chromaticity diagram
- mapping function
- picture
- pseudo
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
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)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明公开了一种可根据输入图片生成特定色度图或伪彩映射函数的方法,通过输入一张彩色图片,将其转换到LAB色彩空间后,通过某种分类方法,提取一定数量特征颜色,将特征色按照亮度进行排序,并将排序后的特征色的亮度进行线性化,随后在特征色之间使用特定方法进行插值完成特征色之间的颜色过渡,最终生成随亮度变化的一张色度图或者色度变化的对应关系。由于生成色度图或伪彩映射函数需要输入一张彩色图片,因此根据输入不同配色方案的彩色图片快速输出对应的色度图或伪彩映射函数,从而针对不同的情况生成最合适的色度图或伪彩映射函数,解决了因为固定的色度图或伪彩映射函数造成的不同情况下的伪彩效果差异巨大的问题。
Description
技术领域
本发明涉及图像生成领域,特别是涉及一种可根据输入图片生成特定色度图或伪彩映射函数的方法。
背景技术
在实际工程中,人眼可观测的波长范围有限,只占电磁波谱的很小一部分,观测肉眼不可见波长部分的图像往往需要借助相应的传感器采集,再通过将传感器采集到的数据转换成人们肉眼可见的图像数据,但是传感器采集到的原始数据组成的图像大多数是单通道图像(例如红外图像数据,图像每个点仅表示温度高低),仅能将其转换成灰度图像,而人眼对灰度的分辨不敏感,只能分辨二十多种灰度,即便是高分辨率的灰度图,人眼仍然难以分辨灰度图中的细节,从而损失大量的信息,显示效果差。但人眼对色彩的分辨能够达到几千种,所以通常的做法是将传感器采集到的原始数据转换成灰度图,再将灰度图转换成伪彩图像,这样将高分辨率的灰度映射为彩色图像,从而让人眼能够分辨的细节大大增加。但是要得到很好显示效果的伪彩,那么伪彩的色彩搭配及其亮暗变化十分重要,一张好的伪彩应该是拥有符合人眼视觉习惯的色彩搭配和亮暗变化的。由于将灰度图像转换成伪彩图像需要指定一种灰度到彩色的映射关系,因此决定生成的伪彩图像效果好坏的关键就是制作一个符合人眼视觉习惯的色度图(表示这种映射关系的图像称之为色度图)或伪彩映射函数。
目前,针对上述情况,一般是选择常见色度图,或者重新设计生成适用于当前工程的特殊色度图或伪彩映射函数,对于第一种选择,由于使用现有的色度图,色度图映射关系固定,仅能适用于少数情况,应用面狭窄,显示效果不理想;对于第二种选择,需要设计色度图的人员具备色彩学和数学方面的专业知识,还需要设计人员具备相当高的审美素养,并且设计色度图或伪彩映射函数的周期长,调整困难。
发明内容
针对上述问题,本发明提供了一种可根据输入图片生成特定色度图或伪彩映射函数的方法,具有色度图或伪彩映射函数的设计周期短,设计难度低,转换精确的优点。
本发明的技术方案是:
一种可根据输入图片生成特定色度图或伪彩映射函数的方法,包括以下步骤:
S1、读取彩色图片;
S2、将该图片从其对应的色彩空间转换到LAB色彩空间;
S3、对转换成LAB色彩空间的图片的颜色使用聚类算法处理,提取出图片中使用最多的N种LAB颜色作为特征色;
S4、对提取出的N种特征色,按照亮度的大小进行排序,并将N种特征色的亮度线性化;
S5、在N种特征色之间使用线性插值或二次样条插值方法生成过渡颜色;
S6、将特征颜色及过渡颜色按照亮度变化排序生成LAB色彩空间的色度图;
S7、将LAB色彩空间的色度图转化成原彩色图片的色彩空间的色度图或伪彩映射函数。
上述技术方案的工作原理如下:
本发明通过输入一张彩色图片,将其转换到LAB色彩空间后,通过某种分类方法,提取一定数量特征颜色,将特征色按照亮度进行排序,并将排序后的特征色的亮度进行线性化,随后在特征色之间使用特定方法进行插值完成特征色之间的颜色过渡,最终生成随亮度变化的一张色度图或者色度变化的对应关系。
由于生成色度图或伪彩映射函数需要输入一张彩色图片,因此根据输入不同配色方案的彩色图片快速输出对应的色度图或伪彩映射函数,从而针对不同的情况生成最合适的色度图或伪彩映射函数,解决了因为固定的色度图或伪彩映射函数造成的不同情况下的伪彩效果差异巨大的问题。
此外,利用输入图片本身已经在色彩上搭配和谐的特点,可以不依赖于使用人员的专业色彩知识,就可以形成具有输入图片配色风格的配色方案。因此只需要选择合适的输入图片即可得到色彩搭配和谐的色度图片或伪彩映射函数,极大的缩短了设计色度图或伪彩映射函数的时间周期,降低了设计难度。
而且,由于生成的色度图的颜色能够在输入彩色图中直观看到,因此能够快速将所需要的颜色直接精确的转换成对应的色度图或伪彩映射函数,从而达到预期所选颜色的效果。
在进一步的技术方案中,步骤S1中彩色图片的色彩空间优选为RGB色彩空间,但不限于RGB色彩空间。
在进一步的技术方案中,步骤S3中的聚类算法优选为k-means聚类算法,但不限于k-means聚类算法。
本发明的有益效果是:
1、由于生成色度图或伪彩映射函数需要输入一张彩色图片,因此根据输入不同配色方案的彩色图片快速输出对应的色度图或伪彩映射函数,从而针对不同的情况生成最合适的色度图或伪彩映射函数,解决了因为固定的色度图或伪彩映射函数造成的不同情况下的伪彩效果差异巨大的问题。
2、利用输入图片本身已经在色彩上搭配和谐的特点,可以不依赖于使用人员的专业色彩知识,就可以形成具有输入图片配色风格的配色方案。因此只需要选择合适的输入图片即可得到色彩搭配和谐的色度图片或伪彩映射函数,极大的缩短了设计色度图或伪彩映射函数的时间周期,降低了设计难度。
3、由于生成的色度图的颜色能够在输入彩色图中直观看到,因此能够快速将所需要的颜色直接精确的转换成对应的色度图或伪彩映射函数,从而达到预期所选颜色的效果。
附图说明
图1是本发明实施例所述可根据输入图片生成特定色度图或伪彩映射函数的方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步说明。
实施例:
如图1所示,一种可根据输入图片生成特定色度图或伪彩映射函数的方法,包括以下步骤:
S1、读取彩色图片;
S2、将该图片从其对应的色彩空间转换到LAB色彩空间;
S3、对转换成LAB色彩空间的图片的颜色使用聚类算法处理,提取出图片中使用最多的N种LAB颜色作为特征色;
S4、对提取出的N种特征色,按照亮度的大小进行排序,并将N种特征色的亮度线性化;
S5、在N种特征色之间使用线性插值或二次样条插值方法生成过渡颜色;
S6、将特征颜色及过渡颜色按照亮度变化排序生成LAB色彩空间的色度图;
S7、将LAB色彩空间的色度图转化成原彩色图片的色彩空间的色度图或伪彩映射函数。
上述技术方案的工作原理如下:
本发明通过输入一张彩色图片,将其转换到LAB色彩空间后,通过某种分类方法,提取一定数量特征颜色,将特征色按照亮度进行排序,并将排序后的特征色的亮度进行线性化,随后在特征色之间使用特定方法进行插值完成特征色之间的颜色过渡,最终生成随亮度变化的一张色度图或者色度变化的对应关系。
由于生成色度图或伪彩映射函数需要输入一张彩色图片,因此根据输入不同配色方案的彩色图片快速输出对应的色度图或伪彩映射函数,从而针对不同的情况生成最合适的色度图或伪彩映射函数,解决了因为固定的色度图或伪彩映射函数造成的不同情况下的伪彩效果差异巨大的问题。
此外,利用输入图片本身已经在色彩上搭配和谐的特点,可以不依赖于使用人员的专业色彩知识,就可以形成具有输入图片配色风格的配色方案。因此只需要选择合适的输入图片即可得到色彩搭配和谐的色度图片或伪彩映射函数,极大的缩短了设计色度图或伪彩映射函数的时间周期,降低了设计难度。
而且,由于生成的色度图的颜色能够在输入彩色图中直观看到,因此能够快速将所需要的颜色直接精确的转换成对应的色度图或伪彩映射函数,从而达到预期所选颜色的效果。
在另外一个实施例中,步骤S1中彩色图片的色彩空间优选为RGB色彩空间,但不限于RGB色彩空间。
在另外一个实施例中,步骤S3中的聚类算法优选为k-means聚类算法,但不限于k-means聚类算法。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (3)
1.一种可根据输入图片生成特定色度图或伪彩映射函数的方法,其特征在于,包括以下步骤:
S1、读取彩色图片;
S2、将该图片从其对应的色彩空间转换到LAB色彩空间;
S3、对转换成LAB色彩空间的图片的颜色使用聚类算法处理,提取出图片中使用最多的N种LAB颜色作为特征色;
S4、对提取出的N种特征色,按照亮度的大小进行排序,并将N种特征色的亮度线性化;
S5、在N种特征色之间使用线性插值或二次样条插值方法生成过渡颜色;
S6、将特征颜色及过渡颜色按照亮度变化排序生成LAB色彩空间的色度图;
S7、将LAB色彩空间的色度图转化成原彩色图片的色彩空间的色度图或伪彩映射函数。
2.根据权利要求1所述的可根据输入图片生成特定色度图或伪彩映射函数的方法,其特征在于,步骤S1中彩色图片的色彩空间为RGB色彩空间。
3.根据权利要求1所述的可根据输入图片生成特定色度图或伪彩映射函数的方法,其特征在于,步骤S3中的聚类算法为k-means聚类算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010421154.3A CN111754595A (zh) | 2020-05-18 | 2020-05-18 | 可根据输入图片生成特定色度图或伪彩映射函数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010421154.3A CN111754595A (zh) | 2020-05-18 | 2020-05-18 | 可根据输入图片生成特定色度图或伪彩映射函数的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111754595A true CN111754595A (zh) | 2020-10-09 |
Family
ID=72673416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010421154.3A Pending CN111754595A (zh) | 2020-05-18 | 2020-05-18 | 可根据输入图片生成特定色度图或伪彩映射函数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754595A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666523A (zh) * | 2022-03-30 | 2022-06-24 | 湖南格为科技有限公司 | 一种可自动适应人眼亮度节能液晶电视 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020105505A1 (en) * | 2000-06-06 | 2002-08-08 | Fuji Photo Film Co., Ltd. | Fluorescent-light image display method and apparatus therefor |
CN101912274A (zh) * | 2010-07-30 | 2010-12-15 | 深圳市理邦精密仪器股份有限公司 | 一种全数字超声图像伪彩变换的方法及相应装置 |
CN102231264A (zh) * | 2011-06-28 | 2011-11-02 | 王洪剑 | 动态对比度增强装置和方法 |
CN108846869A (zh) * | 2018-05-24 | 2018-11-20 | 浙江传媒学院 | 一种基于自然图像色彩的服装自动配色方法 |
CN109146982A (zh) * | 2017-06-15 | 2019-01-04 | 黑魔法设计私人有限公司 | 原始图像处理系统及方法 |
-
2020
- 2020-05-18 CN CN202010421154.3A patent/CN111754595A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020105505A1 (en) * | 2000-06-06 | 2002-08-08 | Fuji Photo Film Co., Ltd. | Fluorescent-light image display method and apparatus therefor |
CN101912274A (zh) * | 2010-07-30 | 2010-12-15 | 深圳市理邦精密仪器股份有限公司 | 一种全数字超声图像伪彩变换的方法及相应装置 |
CN102231264A (zh) * | 2011-06-28 | 2011-11-02 | 王洪剑 | 动态对比度增强装置和方法 |
CN109146982A (zh) * | 2017-06-15 | 2019-01-04 | 黑魔法设计私人有限公司 | 原始图像处理系统及方法 |
CN108846869A (zh) * | 2018-05-24 | 2018-11-20 | 浙江传媒学院 | 一种基于自然图像色彩的服装自动配色方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666523A (zh) * | 2022-03-30 | 2022-06-24 | 湖南格为科技有限公司 | 一种可自动适应人眼亮度节能液晶电视 |
CN114666523B (zh) * | 2022-03-30 | 2023-10-27 | 湖南格为科技有限公司 | 一种可自动适应人眼亮度节能液晶电视 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8044969B2 (en) | Reflectance spectra estimation and colour space conversion using reference reflectance spectra | |
US8891860B2 (en) | Color name determination device, color name determination method, information recording medium, and program | |
JP2003333355A (ja) | 色評価装置及び方法 | |
López-Álvarez et al. | Selecting algorithms, sensors, and linear bases for optimum spectral recovery of skylight | |
JP4775572B2 (ja) | 顔料同定方法 | |
EP3113050A1 (en) | Product search device, product search system, server system, and product search method | |
CN111754595A (zh) | 可根据输入图片生成特定色度图或伪彩映射函数的方法 | |
KR20220012797A (ko) | 공간 이미지 분석 기반 배색 추천 장치 및 방법 | |
US11763777B2 (en) | Image display device, image display system, image display method, and computer program for providing a low-luminance grayscale standard display function (GSDF) display | |
Tahir | A system based on ratio images and quick probabilistic neural network for continuous cloud classification | |
JP2018128950A (ja) | 画像処理装置及びプログラム | |
Jobson et al. | Spatial aspect of color and scientific implications of retinex image processing | |
WO2015162748A1 (ja) | データ変換装置およびデータ変換方法 | |
JP4974030B2 (ja) | 画像処理装置および画像処理方法 | |
WO2016027542A1 (ja) | 閾値決定方法、画像処理方法および画像処理装置 | |
JP5061870B2 (ja) | コンテンツ検索システム、コンテンツ検索方法及びコンテンツ検索プログラム | |
CN107133990B (zh) | 颜色处理装置、颜色处理系统和颜色处理方法 | |
US20080144114A1 (en) | Method and system for dynamic printer profiling | |
JP6769185B2 (ja) | 色処理装置、色処理システム、及び色処理プログラム | |
Nagoor et al. | Data painter: A tool for colormap interaction | |
KR100803604B1 (ko) | 그레이 스케일 이미지를 위한 라인 씨닝 방법 및 시스템 | |
CN112651932A (zh) | 标定同色异谱最大灰度等量替代范围的方法 | |
JP4831019B2 (ja) | 画像処理装置、画像処理方法、画像処理印刷プログラム | |
JP4352328B2 (ja) | 情報処理装置および情報処理方法、並びに、プログラム | |
Chatzis et al. | Spectral characterization of digital cameras using genetic algorithms |
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 |