CN112598761A - 一种纺织服装色彩搭配协同设计与智能推荐方法 - Google Patents

一种纺织服装色彩搭配协同设计与智能推荐方法 Download PDF

Info

Publication number
CN112598761A
CN112598761A CN202011596579.4A CN202011596579A CN112598761A CN 112598761 A CN112598761 A CN 112598761A CN 202011596579 A CN202011596579 A CN 202011596579A CN 112598761 A CN112598761 A CN 112598761A
Authority
CN
China
Prior art keywords
color
image
hue
matching
collocation
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
Application number
CN202011596579.4A
Other languages
English (en)
Other versions
CN112598761B (zh
Inventor
周立亚
王雪
董爱华
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.)
Donghua University
Original Assignee
Donghua University
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 Donghua University filed Critical Donghua University
Priority to CN202011596579.4A priority Critical patent/CN112598761B/zh
Publication of CN112598761A publication Critical patent/CN112598761A/zh
Application granted granted Critical
Publication of CN112598761B publication Critical patent/CN112598761B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明公开一种纺织服装色彩搭配协同设计与智能推荐方法，包括以下步骤：色彩搭配量化分析、色彩搭配协同设计和色彩搭配策略推荐；本发明采用图像信息处理技术，在HSV色彩空间的基础上，通过K均值聚类算法实现图像色彩的聚类，结合相关色彩搭配理论，实现色彩搭配关系的客观量化分析，并形成一种可用于分析判断纺织服装色彩搭配关系的方法，结合色彩流行趋势及色彩搭配设计意象主题进行现有配色与色彩流行趋势之间的协同设计，并在现有配色主客观量化结果的基础上，结合目标色彩意象进行色彩搭配设计，实现色彩搭配的智能推荐，从而对纺织服装色彩搭配进行推荐和指导，为色彩设计者提供了参考，满足了消费者情感需求和色彩准确量化。

Description

一种纺织服装色彩搭配协同设计与智能推荐方法
技术领域
本发明涉及纺织服装色彩设计与搭配技术领域，尤其涉及一种纺织服装色彩搭配协同设计与智能推荐方法。
背景技术
目前，随着信息技术的快速发展，大数据搭配、智能搭配等研究领域已经取得了令人瞩目的进展，从数据处理角度来讲，色彩搭配的数字化研究已经有了相应的发展实力，并且在进行色彩搭配推荐时，最重要的是了解色彩的搭配关系，在进行纺织服装色彩设计时，首先是基于品牌形象和流行色，在色彩心理意象层面进行配色概念的梳理，之后确定配色调色盘，进行配色方案的制作和选择；
而目前在设计和实际生产的过程中，设计师或生产者仍主要依据自身经验进行色彩的搭配和调整，缺乏客观准确的色彩搭配指导和推荐，该过程仍处于相对感性的层面，对色彩的选择难以解释，而且其精度有限，难以量化，尽管目前色彩量化在纺织服装领域已经得到了广泛的应用，但是基于色彩流行趋势和色彩意象的色彩搭配协同设计及智能推荐等相关研究仍相对较少，因此，本发明提出一种纺织服装色彩搭配协同设计与智能推荐方法以解决现有技术中存在的问题。
发明内容
针对上述问题，本发明的目的在于提出一种纺织服装色彩搭配协同设计与智能推荐方法，该方法提供基于图像信息的纺织服装色彩搭配关系主客观量化表征，并基于流行色的目标色彩意象以及现有配色的色彩意象进行协同设计和智能推荐的方法，能够结合色彩流行趋势和色彩情感意象，实现色彩搭配协同设计和智能推荐。
为了实现本发明的目的，本发明通过以下技术方案实现：一种纺织服装色彩搭配协同设计与智能推荐方法，包括以下步骤：
步骤一：色彩搭配量化分析
先采用图像信息处理技术，基于HSV色彩空间，并通过K均值聚类算法实现图像色彩的聚类，同时获取聚类中心的色相、明度以及饱和度值，再根据聚类中心的HSV值进行色彩判断，若图像为有彩色搭配，则通过原始图像的颜色直方图判断图像的主要搭配方式是以色相为主还是以色调为主，接着根据图像的主要搭配方式以及色彩判别的主要依据进行色彩关系分析；
步骤二：色彩搭配协同设计
先结合每年最新的色彩流行趋势，并选定目标色彩搭配效果所使用的色彩种类对现有的配色进行调整和优化，使其色彩搭配效果符合流行趋势；
步骤三：色彩搭配策略推荐
先在色彩搭配关系量化分析的基础上获取现有配色及色彩意象的相关信息，并结合色彩流行趋势和设计需求明确目标配色意象，再将上述信息作为色彩搭配推荐的输入信息，接着根据色彩意象与色彩客观属性相关性分析结果，判断影响色彩意象的设计元素的优先级，并以此为依据进行色调变化等级的划分，最后实现色彩搭配变化从弱到强的推荐以及基于流行趋势的色彩搭配智能推荐。
进一步改进在于：所述步骤一中，色彩判断的规则为：所有S值小于0.12且V值大于0.83的颜色为白色，所有V值小于0.18的颜色为黑色，除了白色和黑色以外都为有彩色。
进一步改进在于：所述步骤一中，色相和色调的判断原则为：若H直方图存在多个峰值，S和V直方图只有单一峰值，则判定图像色彩搭配主要以色相为主，若H和S直方图存在多个峰值，V只有单一峰值，则图像色彩搭配主要以色相和饱和度为主，则判定图像色彩搭配以色相和色调为主,若H、S、V直方图都存在多个峰值，则判定图像色彩搭配以色相和色调为主。
进一步改进在于：所述步骤一中，进行色彩关系分析时，若图像色彩是以色相为主的搭配方式，则根据H直方图的分布情况进行颜色关系的分析，先以24色相环为判断基础，再通过颜色相距的角度进行区分，在24色相环上15°以内、30°以内、30～60°、60°～90°、90°～120°、120°～150°和150°～180°的色彩组合分别为同种色、邻近色、类似色、中差色、对比色、近补色和互补色搭配关系。
进一步改进在于：所述步骤一中，进行色彩关系分析时，若图像色彩是以色调为主的搭配方式，则将提取出的色彩明度和饱和度对应于PCCS色调图中，通过判断色彩在色调图中的空间位置，实现色调搭配关系的分析，先以PCCS色调图为判断基础，再通过分析色彩之间的空间位置进行判断，主要分为同类色调、类似色调和对比色调三种。
进一步改进在于：所述步骤一中，进行色彩关系分析时，对聚类后重新构建的新图像进行多次二值化处理，并通过bwconncomp函数来标记二值图像的连通域，函数公式为：
CC＝bwconncomp(BW，CONN)
其中CC为检查的结果，主要包括连接体的数目，bwconncomp表示找出二值图像中连通的区域，通过将连通域结果的面积大小与规定的三种位置分布情况的尺寸相比较，实现点状、条状和块状3种色彩分布形式判定，其中设图像尺寸的短边长度的0.05倍的平方值作为点状尺寸，图像尺寸的短边长度的0.1倍的平方值作为块状尺寸，图像尺寸的短边长度的0.1倍与长边长度的0.2倍乘积值作为条状尺寸。
进一步改进在于：所述步骤二中，在进行色彩搭配协同设计时，在考虑色彩种类变化的同时考虑色彩位置分布与色彩比例关系对色彩搭配效果的影响，使其在符合当前流行趋势的前提下实现色彩搭配的和谐统一。
本发明的有益效果为：本发明采用图像信息处理技术，在HSV色彩空间的基础上，通过K均值聚类算法实现图像色彩的聚类，结合相关色彩搭配理论，实现色彩搭配关系的客观量化分析，形成了一种可用于分析判断纺织服装色彩搭配关系的方法，结合色彩流行趋势及色彩搭配设计意象主题进行现有配色与色彩流行趋势之间的协同设计，并在现有配色主客观量化结果的基础上，结合目标色彩意象进行色彩搭配设计，实现色彩搭配的智能推荐，从而对纺织服装色彩搭配进行推荐和指导，为色彩设计者提供了参考，满足了消费者情感需求和色彩准确量化。
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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的方法流程图。
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作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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”、“第四”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
参见图1，一种纺织服装色彩搭配协同设计与智能推荐方法，包括以下步骤：
步骤一：色彩搭配量化分析
先采用图像信息处理技术，基于HSV色彩空间，并通过K均值聚类算法实现图像色彩的聚类，同时获取聚类中心的色相、明度以及饱和度值，再根据聚类中心的HSV值进行色彩判断，若图像为有彩色搭配，则通过原始图像的颜色直方图判断图像的主要搭配方式是以色相为主还是以色调为主，接着根据图像的主要搭配方式以及色彩判别的主要依据进行色彩关系分析，其中色彩判断的规则为：所有S值小于0.12且V值大于0.83的颜色为白色，所有V值小于0.18的颜色为黑色，除了白色和黑色以外都为有彩色，其中色相和色调的判断原则为：若H直方图存在多个峰值，S和V直方图只有单一峰值，则判定图像色彩搭配主要以色相为主，若H和S直方图存在多个峰值，V只有单一峰值，则图像色彩搭配主要以色相和饱和度为主，则判定图像色彩搭配以色相和色调为主,若H、S、V直方图都存在多个峰值，则判定图像色彩搭配以色相和色调为主，进行色彩关系分析时，若图像色彩是以色相为主的搭配方式，则根据H直方图的分布情况进行颜色关系的分析，先以24色相环为判断基础，再通过颜色相距的角度进行区分，在24色相环上15°以内、30°以内、30～60°、60°～90°、90°～120°、120°～150°和150°～180°的色彩组合分别为同种色、邻近色、类似色、中差色、对比色、近补色和互补色搭配关系；若图像色彩是以色调为主的搭配方式，则将提取出的色彩明度和饱和度对应于PCCS色调图中，通过判断色彩在色调图中的空间位置，实现色调搭配关系的分析，先以PCCS色调图为判断基础，再通过分析色彩之间的空间位置进行判断，主要分为同类色调、类似色调和对比色调三种；对聚类后重新构建的新图像进行多次二值化处理，并通过bwconncomp函数来标记二值图像的连通域，函数公式为：
CC＝bwconncomp(BW，CONN)
其中CC为检查的结果，主要包括连接体的数目，bwconncomp表示找出二值图像中连通的区域，通过将连通域结果的面积大小与规定的三种位置分布情况的尺寸相比较，实现点状、条状和块状3种色彩分布形式判定，其中设图像尺寸的短边长度的0.05倍的平方值作为点状尺寸，图像尺寸的短边长度的0.1倍的平方值作为块状尺寸，图像尺寸的短边长度的0.1倍与长边长度的0.2倍乘积值作为条状尺寸；
步骤二：色彩搭配协同设计
先结合每年最新的色彩流行趋势，并选定目标色彩搭配效果所使用的色彩种类对现有的配色进行调整和优化，使其色彩搭配效果符合流行趋势，在进行色彩搭配协同设计时，在考虑色彩种类变化的同时考虑色彩位置分布与色彩比例关系对色彩搭配效果的影响，使其在符合当前流行趋势的前提下实现色彩搭配的和谐统一；
步骤三：色彩搭配策略推荐
先在色彩搭配关系量化分析的基础上获取现有配色及色彩意象的相关信息，并结合色彩流行趋势和设计需求明确目标配色意象，再将上述信息作为色彩搭配推荐的输入信息，接着根据色彩意象与色彩客观属性相关性分析结果，判断影响色彩意象的设计元素的优先级，并以此为依据进行色调变化等级的划分，最后实现色彩搭配变化从弱到强的推荐以及基于流行趋势的色彩搭配智能推荐。
本发明还提供一种纺织服装色彩搭配协同设计与智能推荐方法的实施例：
第一步，基于图像信息对服装现有配色进行主客观量化分析，主要包括色彩搭配的色相和色调搭配类型分析，以及色彩搭配意象的判断分析。其中，通过色彩搭配关系量化分析方法提取出两种搭配色彩所对应的HSV值及其使用比例，由此判断出该服装搭配类型由橙色和蓝色两种颜色构成，且橙色为色彩搭配主色，蓝色为辅助色。将两种颜色对应于色相环中，根据两种颜色在色相环中的夹角计算得出其色相搭配类型为互补色搭配；根据每种颜色的S和V值，将其对应于PCCS色调图，得出两种颜色的色调分布为浅色调和明亮色调，根据色调搭配关系判断分析二者色调搭配类型为类似色调搭配；另外，通过连通域函数判断其色彩位置分布情况为块状分布。综上，该服装色彩搭配类型为互补色+类似色调搭配，并且色彩以块状形式分布。
第二步，结合最新的色彩流行趋势，确定两组目标色彩搭配效果所使用的色彩种类，对现有的配色进行调整。首先要明确每个颜色组合中两种颜色的主次关系，然后根据等级划分标准对目标色彩与现有色彩之间的色调差值进行划分，确定每种推荐结果的色相及色调值，按照最新的H、S、V值进行组合产生最终的色彩搭配推荐结果。另外，在进行色彩搭配协同设计时，除了色彩种类的变化以外，也考虑了色彩位置分布与色彩比例关系对色彩搭配效果的影响，使其在符合当前流行趋势的前提下，也能实现色彩搭配的和谐统一。
第三步，根据现有配色的主客观量化结果，获取服装现有配色所产生的色彩意象所属区域。之后结合色彩意象流行趋势和设计意象需求指定目标配色意象，如动感。根据色彩搭配意象标准色块的数据分析结果，明确最高及次高使用频率的色相、明度、饱和度以及三要素对比形式，任意选取其中的色彩属性值及其对比形式，作为目标搭配的色彩属性值及搭配形式。根据色彩意象与色彩客观属性相关性分析结果，判断影响色彩意象的设计元素以色调为主，因此根据等级划分标准，保持原有色相不变，对现有配色与目标配色之间的色调差值进行2等级划分，以此确定最终色彩推荐结果的各色彩属性值，从而实现色彩搭配变化从弱到强的推荐，实现基于流行趋势的色彩搭配智能推荐。
该纺织服装色彩搭配协同设计与智能推荐方法采用图像信息处理技术，在HSV色彩空间的基础上，通过K均值聚类算法实现图像色彩的聚类，结合相关色彩搭配理论，实现色彩搭配关系的客观量化分析，并形成了一种可用于分析判断纺织服装色彩搭配关系的方法，结合色彩流行趋势及色彩搭配设计意象主题进行现有配色与色彩流行趋势之间的协同设计，并在现有配色主客观量化结果的基础上，结合目标色彩意象进行色彩搭配设计，实现色彩搭配的智能推荐，从而对纺织服装色彩搭配进行推荐和指导，为色彩设计者提供了参考，满足了消费者情感需求和色彩准确量化。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。

Claims (7)

1.一种纺织服装色彩搭配协同设计与智能推荐方法，其特征在于：包括以下步骤：
步骤一：色彩搭配量化分析
先采用图像信息处理技术，基于HSV色彩空间，并通过K均值聚类算法实现图像色彩的聚类，同时获取聚类中心的色相、明度以及饱和度值，再根据聚类中心的HSV值进行色彩判断，若图像为有彩色搭配，则通过原始图像的颜色直方图判断图像的主要搭配方式是以色相为主还是以色调为主，接着根据图像的主要搭配方式以及色彩判别的主要依据进行色彩关系分析；
步骤二：色彩搭配协同设计
先结合每年最新的色彩流行趋势，并选定目标色彩搭配效果所使用的色彩种类对现有的配色进行调整和优化，使其色彩搭配效果符合流行趋势；
步骤三：色彩搭配策略推荐
先在色彩搭配关系量化分析的基础上获取现有配色及色彩意象的相关信息，并结合色彩流行趋势和设计需求明确目标配色意象，再将上述信息作为色彩搭配推荐的输入信息，接着根据色彩意象与色彩客观属性相关性分析结果，判断影响色彩意象的设计元素的优先级，并以此为依据进行色调变化等级的划分，最后实现色彩搭配变化从弱到强的推荐以及基于流行趋势的色彩搭配智能推荐。
2.根据权利要求1所述的一种纺织服装色彩搭配协同设计与智能推荐方法，其特征在于：所述步骤一中，色彩判断的规则为：所有S值小于0.12且V值大于0.83的颜色为白色，所有V值小于0.18的颜色为黑色，除了白色和黑色以外都为有彩色。
3.根据权利要求1所述的一种纺织服装色彩搭配协同设计与智能推荐方法，其特征在于：所述步骤一中，色相和色调的判断原则为：若H直方图存在多个峰值，S和V直方图只有单一峰值，则判定图像色彩搭配主要以色相为主，若H和S直方图存在多个峰值，V只有单一峰值，则图像色彩搭配主要以色相和饱和度为主，则判定图像色彩搭配以色相和色调为主,若H、S、V直方图都存在多个峰值，则判定图像色彩搭配以色相和色调为主。
4.根据权利要求1所述的一种纺织服装色彩搭配协同设计与智能推荐方法，其特征在于：所述步骤一中，进行色彩关系分析时，若图像色彩是以色相为主的搭配方式，则根据H直方图的分布情况进行颜色关系的分析，先以24色相环为判断基础，再通过颜色相距的角度进行区分，在24色相环上15°以内、30°以内、30～60°、60°～90°、90°～120°、120°～150°和150°～180°的色彩组合分别为同种色、邻近色、类似色、中差色、对比色、近补色和互补色搭配关系。
5.根据权利要求1所述的一种纺织服装色彩搭配协同设计与智能推荐方法，其特征在于：所述步骤一中，进行色彩关系分析时，若图像色彩是以色调为主的搭配方式，则将提取出的色彩明度和饱和度对应于PCCS色调图中，通过判断色彩在色调图中的空间位置，实现色调搭配关系的分析，先以PCCS色调图为判断基础，再通过分析色彩之间的空间位置进行判断，主要分为同类色调、类似色调和对比色调三种。
6.根据权利要求1所述的一种纺织服装色彩搭配协同设计与智能推荐方法，其特征在于：所述步骤一中，进行色彩关系分析时，对聚类后重新构建的新图像进行多次二值化处理，并通过bwconncomp函数来标记二值图像的连通域，函数公式为：
CC＝bwconncomp(BW，CONN)
其中CC为检查的结果，主要包括连接体的数目，bwconncomp表示找出二值图像中连通的区域，通过将连通域结果的面积大小与规定的三种位置分布情况的尺寸相比较，实现点状、条状和块状3种色彩分布形式判定，其中设图像尺寸的短边长度的0.05倍的平方值作为点状尺寸，图像尺寸的短边长度的0.1倍的平方值作为块状尺寸，图像尺寸的短边长度的0.1倍与长边长度的0.2倍乘积值作为条状尺寸。
7.根据权利要求1所述的一种纺织服装色彩搭配协同设计与智能推荐方法，其特征在于：所述步骤二中，在进行色彩搭配协同设计时，在考虑色彩种类变化的同时考虑色彩位置分布与色彩比例关系对色彩搭配效果的影响，使其在符合当前流行趋势的前提下实现色彩搭配的和谐统一。
CN202011596579.4A 2020-12-30 2020-12-30 一种纺织服装色彩搭配协同设计与智能推荐方法 Active CN112598761B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011596579.4A CN112598761B (zh) 2020-12-30 2020-12-30 一种纺织服装色彩搭配协同设计与智能推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011596579.4A CN112598761B (zh) 2020-12-30 2020-12-30 一种纺织服装色彩搭配协同设计与智能推荐方法

Publications (2)

Publication Number Publication Date
CN112598761A true CN112598761A (zh) 2021-04-02
CN112598761B CN112598761B (zh) 2023-06-16

Family

ID=75203499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011596579.4A Active CN112598761B (zh) 2020-12-30 2020-12-30 一种纺织服装色彩搭配协同设计与智能推荐方法

Country Status (1)

Country Link
CN (1) CN112598761B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222971A (zh) * 2021-05-31 2021-08-06 深圳市蝶讯网科技股份有限公司 一种色彩和搭配浏览款式的方法、计算机设备及存储介质
CN113470125A (zh) * 2021-07-21 2021-10-01 杭州万事利丝绸文化股份有限公司 一种对图案进行颜色搭配的方法及系统
CN113743109A (zh) * 2021-09-09 2021-12-03 浙江工业大学 一种基于用户情感的产品智能化配色设计系统
CN114611169A (zh) * 2022-02-11 2022-06-10 广东时谛智能科技有限公司 基于大数据的可选配色方案自动生成方法和装置
TWI811080B (zh) * 2022-08-26 2023-08-01 國立臺灣師範大學 最佳化調和性色彩指派系統及其方法
CN116738717A (zh) * 2023-06-13 2023-09-12 南京航空航天大学 一种基于色彩意象迁移的产品配色设计方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102637236A (zh) * 2012-05-03 2012-08-15 杭州慕锐网络技术有限公司 一种纺织图案的智能配色方法
CN109472832A (zh) * 2018-10-15 2019-03-15 广东智媒云图科技股份有限公司 一种配色方案生成方法、装置及智能机器人
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
CN110232253A (zh) * 2019-06-20 2019-09-13 杭州时趣信息技术有限公司 生成服饰搭配方案的计算机装置、设备、存储介质及方法
CN110413727A (zh) * 2019-06-18 2019-11-05 东华大学 基于pccs体系通过色域判断服装风格类别的方法
CN111292394A (zh) * 2020-02-07 2020-06-16 腾讯科技（深圳）有限公司 一种图像配色关系确定方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102637236A (zh) * 2012-05-03 2012-08-15 杭州慕锐网络技术有限公司 一种纺织图案的智能配色方法
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
CN109472832A (zh) * 2018-10-15 2019-03-15 广东智媒云图科技股份有限公司 一种配色方案生成方法、装置及智能机器人
CN110413727A (zh) * 2019-06-18 2019-11-05 东华大学 基于pccs体系通过色域判断服装风格类别的方法
CN110232253A (zh) * 2019-06-20 2019-09-13 杭州时趣信息技术有限公司 生成服饰搭配方案的计算机装置、设备、存储介质及方法
CN111292394A (zh) * 2020-02-07 2020-06-16 腾讯科技（深圳）有限公司 一种图像配色关系确定方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
滕兆媛;: "基于风格语义定位系统的针织男装配色研究", 毛纺科技 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222971A (zh) * 2021-05-31 2021-08-06 深圳市蝶讯网科技股份有限公司 一种色彩和搭配浏览款式的方法、计算机设备及存储介质
CN113470125A (zh) * 2021-07-21 2021-10-01 杭州万事利丝绸文化股份有限公司 一种对图案进行颜色搭配的方法及系统
CN113470125B (zh) * 2021-07-21 2024-01-12 杭州万事利丝绸文化股份有限公司 一种对图案进行颜色搭配的方法及系统
CN113743109A (zh) * 2021-09-09 2021-12-03 浙江工业大学 一种基于用户情感的产品智能化配色设计系统
CN113743109B (zh) * 2021-09-09 2024-03-29 浙江工业大学 一种基于用户情感的产品智能化配色设计系统
CN114611169A (zh) * 2022-02-11 2022-06-10 广东时谛智能科技有限公司 基于大数据的可选配色方案自动生成方法和装置
TWI811080B (zh) * 2022-08-26 2023-08-01 國立臺灣師範大學 最佳化調和性色彩指派系統及其方法
CN116738717A (zh) * 2023-06-13 2023-09-12 南京航空航天大学 一种基于色彩意象迁移的产品配色设计方法及系统
CN116738717B (zh) * 2023-06-13 2024-03-22 南京航空航天大学 一种基于色彩意象迁移的产品配色设计方法及系统

Also Published As

Publication number Publication date
CN112598761B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
CN112598761A (zh) 一种纺织服装色彩搭配协同设计与智能推荐方法
CN100568283C (zh) 一种图片主色调分析方法及其装置
CN106529429B (zh) 一种基于图像识别的面部皮肤分析系统
Mojsilovic A computational model for color naming and describing color composition of images
US8774503B2 (en) Method for color feature extraction
CN103034838B (zh) 一种基于图像特征的特种车辆仪表类型识别与标定方法
JP4557390B2 (ja) 認知光源とハイライトとを利用した照明色度推定及び変換装置及びそのための方法並びにそのためのプログラムを記録したコンピュータが読める記録媒体
CN107392968B (zh) 融合颜色对比图和颜色空间分布图的图像显著性检测方法
JP5181955B2 (ja) 画像分類装置および画像処理装置
CN104636759B (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
CN107180439B (zh) 一种基于Lab色度空间的色偏特征提取和色偏检测方法
CN101324955A (zh) 基于颜色特征的植物根系图像分割方法
CN107392904A (zh) 一种基于数学形态学的医学图像的分割算法
CN103559712B (zh) 黑瓜子色选方法
Chen et al. Automated bridge coating defect recognition using adaptive ellipse approach
Mohammed et al. Image segmentation for skin detection
Berbar Novel colors correction approaches for natural scenes and skin detection techniques
Srividhya et al. The color blindness removal technique in image by using gradient map method
Hu et al. No reference quality assessment for Thangka color image based on superpixel
CN104720813B (zh) 用于表示肤色的标准色卡的获取方法及其应用
CN114926661B (zh) 一种纺织品表面颜色数据处理、识别方法及系统
Shamoi et al. Perceptual color space: Motivations, methodology, applications
Wong et al. Single image realism assessment and recoloring by color compatibility
CN112951427B (zh) 异常细胞的分级系统
Cao et al. Comparison of grayscale image colorization methods in different color spaces

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