CN112598570A - 一种Banner背景自适应色彩迁移方法与系统 - Google Patents
一种Banner背景自适应色彩迁移方法与系统 Download PDFInfo
- Publication number
- CN112598570A CN112598570A CN202011576729.5A CN202011576729A CN112598570A CN 112598570 A CN112598570 A CN 112598570A CN 202011576729 A CN202011576729 A CN 202011576729A CN 112598570 A CN112598570 A CN 112598570A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- brightness
- palette
- original image
- 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.)
- Granted
Links
- 230000005012 migration Effects 0.000 title claims abstract description 49
- 238000013508 migration Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000003086 colorant Substances 0.000 claims abstract description 42
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000003064 k means clustering Methods 0.000 claims description 9
- 230000001174 ascending effect Effects 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (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)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种Banner背景自适应色彩迁移方法，其特征在于，包括准备原始图像和色彩风格图像，分别提取图像直方图，使用加权K‑means聚类得到原始图像调色板与色彩风格图像调色板；预设原始图像调色板的亮度变化规则，将所述亮度变化规则应用于转换后的图像；对原始图像调色板与色彩风格图像调色板中的每种颜色按照占比大小一一对应，对属于同类的所有颜色进行转换，且满足相同映射。达到高效平滑地完成色彩迁移，且迁移之后的图像色彩过渡平滑，与实际设计的图像几乎没有差别的效果，整个过程只需要提供原始图像与色彩风格图像即可完成，中间不需要设计师的参与。
Description
技术领域
本发明涉及计算机机器学习领域，特别是涉及一种Banner背景自适应色彩迁移方法与系统。
背景技术
在一些小型的设计公司或一些电商平台里，经常需要设计各种各样的Banner，即横幅广告，每种Banner都有不同的主题，因此会有不同色彩搭配的背景作为衬托，但是Banner背景库数量有限，有时候设计师会通过改变一张背景的配色来生成更多的背景来扩充背景库，不仅对设计师的能力提高没有帮助，且会消耗大量时间与成本。
色彩迁移就是用于解决背景库扩充的方案之一。所谓色彩迁移，就是给定原始图像A和色彩风格图像B(或给定的风格调色板)，提取色彩风格图像B的调色板，其中包含色彩风格图像B的几种主要颜色，然后将调色板迁移到原始图像A而不改变原始图像A的图像内容，只改变其颜色分布，得到调整后的图像。
专利CN201711129007-一种基于权值优化的最优传输图像颜色迁移方法，该方法通过求解使得原始图像与色彩风格图像KL散度最小的优化问题来更新颜色值权重信息，最优两者之间的映射。但是没有考虑到原始图像色彩的亮度差异，且计算量较大，不符合实际应用场景。
专利CN201510611925-一种场景自适应的色调迁移方法，该方法通过提取并映射色彩风格图像中的色调特征，利用这些数据完成色彩风格图像到原始图像的色调迁移。此方案虽然利用不同亮度带来解决亮度分布问题，但是亮度区域数量的选择依赖聚类算法，数量受限，会导致部分像素亮度失调。
专利CN201510233170-一种基于lαβ空间场景迁移的多曝光图像融合方法，将同一场景多幅具有不同曝光参数的图像融合为一幅高亮度动态范围图像。该方法色彩迁移步骤仅按照三种不同亮度，在lαβ三种色彩轴按照常规量化方法进行色彩迁移，鲁棒性差。
专利CN201610077777.7-一种彩色图像颜色迁移方法，提取色彩风格图像的颜色特征，根据这些特征构建中间图像，以此中间图像代替原始图像进行颜色迁移。该方法在rgb色彩空间上提取颜色特征，忽略了独立的亮度信息，其次对图像进行分割分别迁移，忽略了整体色彩协调性。
因此，为了克服现有技术的不足，需要一种更高效可靠的Banner背景自适应色彩迁移方法与系统。
发明内容
本发明所要解决的技术问题是克服现有技术的不足，提供一种Banner背景自适应色彩迁移的方法与系统。
为解决上述技术问题，本发明提供一种Banner背景自适应色彩迁移的方法，其特征在于，包括如下步骤：
步骤一：准备原始图像和用于转换的色彩风格图像，分别提取图像直方图，对图像直方图使用加权K-means聚类，得到原始图像调色板与色彩风格图像调色板的聚类结果，所述聚类结果包括颜色的种类和在所属图像上的对应占比；
步骤二：预设原始图像调色板的颜色种类的亮度变化规则，将所述亮度变化规则应用于转换后的图像；所述亮度变化规则具体为：对于原始图像调色板中的不同种类颜色按亮度值的高低关系升序排列，保持所述亮度值的高低关系在转换后的图像中不变化，如果原始图像调色板中某种颜色的亮度最高，则在转换后该颜色亮度依然最高，如果原始图像调色板中某种颜色的亮度最低，则在转换后该颜色亮度依然最低；
步骤三：将原始图像调色板与色彩风格图像调色板中的每种颜色按照占比的大小顺序一一对应，将原始图像调色板中的颜色转换为色彩风格图像调色板中的对应颜色，调整颜色的亮度使其满足亮度变化规则，且满足相同映射关系，所述映射关系包括转换前的原始图像与转换后的图像中，单个像素的颜色差值与对应聚类中心的颜色差值相同。
所述步骤一中，所述原始图像和色彩风格图像为三通道图像，将原始背景图像RGB值归一化到[0,1]，对每个通道进行直方图统计，选择b个直方图柱，得到b3个统计直方图柱，这样对于尺寸较小的图像计算量几乎没有影响，而对尺寸较大的图像，可以大大减少计算量，缩短计算时间，这也是在预处理过程中与现有技术差别最大的地方；使用加权K-means聚类提取其占比最大的m种颜色，将其转换至LAB色彩空间，得到原始图像调色板，所述加权K-means聚类的权重为每个统计直方图柱在所属图像中包含的像素点个数，其中加权K-means聚类的k值自适应地设置为m，初始类簇中心点设置为点c1，c2，...,cm；对色彩风格图像进行相同操作，得到色彩风格调色板。
所述步骤三中，调整颜色的亮度使其满足亮度变化规则具体是：对原始图像调色板，从聚类结果中获取各个种类颜色的聚类中心，根据聚类中心的亮度值L的大小，对颜色的种类进行排序，以对应原始图像中各个种类颜色相互间的亮度值高低关系，对于从色彩风格图像调色板中转换的颜色种类j，调整亮度值满足式
其中，L'i表示调整后的颜色种类j的亮度值，
表示调整前的颜色种类j的亮度值，L'j-1表示调整前在亮度排序中更低的一类颜色的亮度，调整后的图像对应颜色亮度取原始颜色亮度与上一类颜色亮度的最大值，即调整后的图像中各类颜色亮度依旧按升序排列。
所述步骤三中，对于原始图像调色板与色彩风格图像调色板中对应的一类颜色C和C’，满足映射关系C'＝f1(C)，对于原始图像与调整后的图像的每个像素，也要满足映射关系x'＝f1(x)，其中x为原始图像像素的颜色，x'为调整后的图像像素对应的颜色，x'未超出色域，如当x'超出色域，则将x'设置为边界值xb，转换后的x'将满足下式：
其中，Cb为两个调色板对应颜色的连接延长线到色域边界的交点。
一种Banner背景自适应色彩迁移系统，其特征在于：包括同时与图像调色板提取模块相连的亮度迁移模块和色彩迁移模块；
所述图像调色板提取模块，用于利用加权K-means聚类提取原始图像与色彩风格图像的调色板；
所述亮度迁移模块，用于根据原始图像调色板的亮度变化规则，计算迁移后图像调色板的亮度；
所述色彩迁移模块，用于根据原始图像调色板和色彩风格调色板的一一对应关系，建立映射函数，对每个颜色进行迁移。
本发明所达到的有益效果:根据提供的需要进行色彩迁移的原始Banner背景图像，与需要映射的色彩风格图像(或者直接提供需要映射的调色板)，利用K-means提取原始图像调色板与色彩风格调色板，然后根据调色板颜色的对应关系，首先计算变换前后图像的亮度规则，然后计算色彩映射，从而实现原始Banner背景图像的色彩迁移。该方法能够高效平滑地完成色彩迁移，且迁移之后的图像色彩过渡平滑，与实际设计的图像几乎没有差别。整个过程只需要提供原始图像与色彩风格图像即可完成，中间不需要设计师的参与。
附图说明
图1为本发明的示例性实施例中一种Banner背景色彩迁移方法的流程示意图；
图2为本发明的示例性实施例中一种Banner背景色彩迁移系统的结构示意图。
具体实施方式
在实际应用场景中，对原始图像进行色彩迁移，因为色彩风格图像中的颜色与亮度与原始图像不统一，会有可能出现只迁移了颜色，但亮度值未得到合理的处理，与画面中其他颜色的亮度对比失调，调整后的图像与原始图像的颜色的亮度比例不一致，呈现出的效果不符合预期，因此也需要对色彩迁移中的亮度调整方案进行规划设计。
下面结合附图和示例性实施例对本发明作进一步的说明：
如图1所示，本发明公开一种Banner背景自适应色彩迁移方法，包括：
步骤11：准备原始背景图像和色彩风格图像，首先将图像RGB值归一化到[0,1]，对每个通道提取直方图统计，选择b个直方图柱，得到b3个统计直方图柱，然后使用加权K-means提取其占比最大的m种颜色，并将其转换至LAB色彩空间，分别聚类得到调色板，K-means的权重为每个统计直方图柱在图中包含的像素点个数，其中K-means的k值自适应地设置为m，K-means的初始类簇中心点设置为直方图颜色数量最多且彼此最不相似的点c1，c2，...,cm。对色彩风格图像进行相同操作，得到色彩风格调色板(若给定风格调色板，则无需计算)。该方法能够显著降低K-means算法的计算复杂度，减少计算时间，其中k值，即m值可根据图像颜色占比阈值来确定，阈值越高m越小，阈值越低m越大。对于聚类得到的m类颜色，按照聚类在所属图像上的对应占比进行排序。聚类中心本质上也是一个颜色，某一类颜色的rgb值都与这个聚类中心的颜色相差不大(例如品红、粉红与红，橘黄、鹅黄与黄，墨绿、草绿与绿的关系)，所以它们被归为一类。假设原始图像含有2万种颜色，聚类得到10类颜色，那么则对这10种颜色的聚类中心再按照亮度进行排序。统一来说，只有通过k-means聚类得到的调色板，是以某类颜色为单位，其他在原图上的操作都可以按照像素点来进行，所以可以认为是指单个像素的操作，单个像素以一个颜色为单位。
步骤12：根据原始调色板与风格调色板，计算两者的亮度变化规则；对得到的原始图像调色板，再根据亮度值大小，对m种颜色按亮度升序排列，对应了原图中各个颜色的亮度变化关系，调整之后的颜色亮度满足式
其中L'i表示修改后的颜色亮度，
表示对应原始颜色的亮度，L'j-1表示调色板上一个颜色的亮度，调整后图像对应颜色亮度取原始颜色亮度与上一个颜色亮度的最大值，即调整后的调色板亮度依旧按升序排列。该方法可以使得调整前后图像的整体亮度可以同原图一样平滑，符合人眼视觉美学。
步骤13：根据加权K-means得到的原始调色板与色彩风格调色板，有相同的数量m，按照色彩一一对应关系计算色彩映射，将原始图像调色板中的颜色转换为色彩风格图像调色板中的对应颜色，且满足相同映射关系，所述映射关系包括调整前后色彩差值与对应聚类中心的颜色差值相同，使得颜色转换之后很少甚至不会发生某种颜色相差很大的情况。对于其中一类颜色C和C’，假设满足映射关系x'＝f1(x)，其中x为原始颜色，x'为转换后的颜色，如果C和C’相差50，则对属于该类的每个像素，都要满足x和x’相差50，x'未超出色域，当x'超出色域，即LAB色彩空间里，转换后原始图像A或色彩风格图像B的颜色值超过范围，则将x'设置为边界值xb，因此，转换后的x'将满足下式：
其中Cb为两个调色板对应颜色的连接延长线到色域边界的交点。
该方法以简单直观而高效的方法来进行色彩迁移，且可以很好地解决迁移后色彩超出色域的情况。
如图2所示，本发明公开一种基于机器学习的Banner背景自适应色彩迁移系统，主要包括：依次相连的图像调色板提取模块21、亮度迁移模块22和色彩迁移模块23。
所述图像调色板提取模块21，用于对原始背景图像和色彩风格图像分别提取调色板作为色彩迁移的原料。其中包括4个子模块：归一化子模块211、直方图统计子模块212、色彩空间转换子模块213、计算调色板模块214；
所述归一化子模块211，用于对原始图像的RGB值归一化到[0,1]；
所述直方图统计子模块212，用于对每个通道进行统计，得到所有颜色组合的统计图，获取占比最大几种颜色；
所述色彩空间转换子模块213，用于将RGB色彩空间转换至LAB色彩空间，更方便地进行亮度、色彩转换；
所述计算调色板模块214，用于根据统计信息以及加权K-means算法计算调色板；
所述亮度迁移模块22，用于根据原始图像调色板的亮度变化规则，计算迁移后图像调色板的亮度。其中包括2个子模块：亮度排序子模块221、计算亮度子模块222；
所述亮度排序子模块221，用于对调色板中的所有颜色按亮度升序排列；
所述计算亮度子模块222，用于计算调整后背景图像的亮度规则；
所述色彩迁移模块23，用于根据原始图像调色板和色彩风格调色板的一一对应关系，建立映射函数，对每类颜色进行迁移。其中包括2个子模块：色彩映射子模块231、超色域处理子模块232；
所述色彩映射子模块231，用于建立映射关系，将颜色进行一对一迁移；
所述超色域处理子模块232，用于处理当色彩迁移时发生颜色超出色域的情况。
本发明主要用于提供一种Banner背景自适应色彩迁移的方法及系统，根据提供的需要进行色彩迁移的原始Banner背景图像，与需要映射的色彩风格图像(或者直接提供需要映射的调色板)，利用K-means提取原始图像调色板与色彩风格调色板，然后根据调色板颜色的对应关系，首先计算变换前后图像的亮度规则，然后计算色彩映射，从而实现原始Banner背景图像的色彩迁移。该方法能够高效地完成Banner背景的色彩迁移，且迁移之后的图像颜色及亮度过渡平滑，与实际设计的图像几乎没有差别，符合设计预期。整个过程只需要提供原始图像与色彩风格图像即可完成，中间不需要设计师的参与。
以上实施例不以任何方式限定本发明，凡是对以上实施例以等效变换方式做出的其它改进与应用，都属于本发明的保护范围。
Claims (5)
1.一种Banner背景自适应色彩迁移方法，其特征在于，包括如下步骤：
步骤一：准备原始图像和用于转换的色彩风格图像，分别提取图像直方图，对图像直方图使用加权K-means聚类，得到原始图像调色板与色彩风格图像调色板的聚类结果，所述聚类结果包括颜色的种类和在所属图像上的对应占比；
步骤二：预设原始图像调色板的颜色种类的亮度变化规则，将所述亮度变化规则应用于转换后的图像；所述亮度变化规则具体为：对于原始图像调色板中的不同种类颜色按亮度值的高低关系升序排列，保持所述亮度值的高低关系在转换后的图像中不变化，如果原始图像调色板中某种颜色的亮度最高，则在转换后该颜色亮度依然最高，如果原始图像调色板中某种颜色的亮度最低，则在转换后该颜色亮度依然最低；
步骤三：将原始图像调色板与色彩风格图像调色板中的每种颜色按照占比的大小顺序一一对应，将原始图像调色板中的颜色转换为色彩风格图像调色板中的对应颜色，调整颜色的亮度使其满足亮度变化规则，且满足相同映射关系，所述映射关系包括转换前的原始图像与转换后的图像中，单个像素的颜色差值与对应聚类中心的颜色差值相同。
2.如权利要求1所述的一种Banner背景自适应色彩迁移方法，其特征在于：所述步骤一中，所述原始图像和色彩风格图像为三通道图像，将原始背景图像RGB值归一化到[0,1]，对每个通道进行直方图统计，选择b个直方图柱，得到b3个统计直方图柱，使用加权K-means聚类提取其占比最大的m种颜色，将其转换至LAB色彩空间，得到原始图像调色板，所述加权K-means聚类的权重为每个统计直方图柱在所属图像中包含的像素点个数，其中加权K-means聚类的k值自适应地设置为m，初始类簇中心点设置为点c1，c2，...,cm；对色彩风格图像进行相同操作，得到色彩风格调色板。
3.如权利要求2所述的一种Banner背景自适应色彩迁移方法，其特征在于：所述步骤三中，调整颜色的亮度使其满足亮度变化规则具体是：对原始图像调色板，从聚类结果中获取各个种类颜色的聚类中心，根据聚类中心的亮度值L的大小，对颜色的种类进行排序，以对应原始图像中各个种类颜色相互间的亮度值高低关系，对于从色彩风格图像调色板中转换的颜色种类j，调整亮度值满足式
其中，L'i表示调整后的颜色种类j的亮度值，
表示调整前的颜色种类j的亮度值，L'j-1表示调整前在亮度排序中更低的一类颜色的亮度。
4.如权利要求3所述的一种Banner背景自适应色彩迁移方法，其特征在于：所述步骤三中，对于原始图像调色板与色彩风格图像调色板中对应的一类颜色C和C’，满足映射关系C'＝f1(C)，对于原始图像与调整后的图像的每个像素，也要满足映射关系x'＝f1(x)，其中x为原始图像像素的颜色，x'为调整后的图像像素对应的颜色，x'未超出色域，如当x'超出色域，则将x'设置为边界值xb，转换后的x'将满足下式：
其中，Cb为两个调色板对应颜色的连接延长线到色域边界的交点。
5.一种根据权利要求1-4之一所述方法运行的Banner背景自适应色彩迁移系统，其特征在于：包括同时与图像调色板提取模块相连的亮度迁移模块和色彩迁移模块；
所述图像调色板提取模块，用于利用加权K-means聚类提取原始图像与色彩风格图像的调色板；
所述亮度迁移模块，用于根据原始图像调色板的亮度变化规则，计算迁移后图像调色板的亮度；
所述色彩迁移模块，用于根据原始图像调色板和色彩风格调色板的一一对应关系，建立映射函数，对每个颜色进行迁移。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011576729.5A CN112598570B (zh) | 2020-12-28 | 2020-12-28 | 一种Banner背景自适应色彩迁移方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011576729.5A CN112598570B (zh) | 2020-12-28 | 2020-12-28 | 一种Banner背景自适应色彩迁移方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112598570A true CN112598570A (zh) | 2021-04-02 |
| CN112598570B CN112598570B (zh) | 2022-03-04 |
Family
ID=75203589
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011576729.5A Active CN112598570B (zh) | 2020-12-28 | 2020-12-28 | 一种Banner背景自适应色彩迁移方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112598570B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117376718A (zh) * | 2023-12-08 | 2024-01-09 | 深圳市尊正数字视频有限公司 | 基于摄像机输出信号进行实时色彩调整方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105261046A (zh) * | 2015-09-23 | 2016-01-20 | 北京航空航天大学 | 一种场景自适应的色调迁移方法 |
| US20170139572A1 (en) * | 2015-11-17 | 2017-05-18 | Adobe Systems Incorporated | Image Color and Tone Style Transfer |
-
2020
- 2020-12-28 CN CN202011576729.5A patent/CN112598570B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105261046A (zh) * | 2015-09-23 | 2016-01-20 | 北京航空航天大学 | 一种场景自适应的色调迁移方法 |
| US20170139572A1 (en) * | 2015-11-17 | 2017-05-18 | Adobe Systems Incorporated | Image Color and Tone Style Transfer |
Non-Patent Citations (1)
| Title |
|---|
| 陶金鑫等: "基于超像素的图像语义区域引导的色彩迁移", 《计算机应用研究》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117376718A (zh) * | 2023-12-08 | 2024-01-09 | 深圳市尊正数字视频有限公司 | 基于摄像机输出信号进行实时色彩调整方法及系统 |
| CN117376718B (zh) * | 2023-12-08 | 2024-03-26 | 深圳市尊正数字视频有限公司 | 基于摄像机输出信号进行实时色彩调整方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112598570B (zh) | 2022-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11537873B2 (en) | Processing method and system for convolutional neural network, and storage medium | |
| CN110555465B (zh) | 一种基于cnn与多特征融合的天气图像识别方法 | |
| CN108804397B (zh) | 一种基于少量目标字体的汉字字体转换生成的方法 | |
| CN103593830B (zh) | 一种低照度视频图像增强方法 | |
| CN112614060A (zh) | 人脸图像头发渲染方法、装置、电子设备和介质 | |
| CN101416220A (zh) | 用于增强压缩的图像数据预处理 | |
| CN107292307B (zh) | 一种倒置汉字验证码自动识别方法及系统 | |
| CN110197463A (zh) | 基于深度学习的高动态范围图像色调映射方法及其系统 | |
| CN109145964B (zh) | 一种实现图像颜色聚类的方法和系统 | |
| CN112598570B (zh) | 一种Banner背景自适应色彩迁移方法与系统 | |
| US7466856B2 (en) | Image retrieval method and apparatus independent of illumination change | |
| CN109102457B (zh) | 一种基于卷积神经网络的智能化变色系统及方法 | |
| CN110889718A (zh) | 方案筛选方法、方案筛选装置、介质以及电子设备 | |
| CN104240197B (zh) | 一种保持对比度、颜色一致性和灰度像素特征的消色方法 | |
| CN115601744B (zh) | 一种车身与车牌颜色相近的车牌检测方法 | |
| Periasamy et al. | A Common Palette Creation Algorithm for Multiple Images with Transparency Information | |
| Chitwong et al. | Enhancement of color image obtained from PCA-FCM technique using local area histogram equalization | |
| CN112434660B (zh) | 一种基于分割算法的高分遥感影像地类数据集制作方法 | |
| US8068669B2 (en) | Text and graphic separation method and text enhancement method | |
| CN106713924A (zh) | 用于文字分层压缩方法和装置 | |
| CN112434757A (zh) | 一种基于用户偏好的商标自动生成方法及系统 | |
| CN113657183A (zh) | 一种基于多层特征的光滑神经网络下车辆24色识别方法 | |
| CN113436094A (zh) | 一种基于多视角注意力机制的灰度图像自动上色方法 | |
| Huang et al. | Video inverse tone mapping network with luma and chroma mapping | |
| JP2003309727A (ja) | 画像符号化装置、画像符号化方法 |
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 |