CN116597038B - 一种基于大数据的智能调色方法及系统 - Google Patents

Abstract

本发明涉及图像处理调节技术领域，具体公开了一种基于大数据的智能调色方法及系统，所述方法包括接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征；根据所述色值特征确定含有重要值的中心点；基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组；显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片。本发明对待调图片进行缩进，对缩进后的图片进行分析，判定各像素点的重要性；基于判定结果在待调图片中选取中心点，再以中心点为中心，对待调图片进行分区，采用不同的滤镜对不同分区进行色值调整，极大地丰富了色值调整过程，扩大了用户的选取范围，提高了便捷性。

Description

一种基于大数据的智能调色方法及系统

技术领域

本发明涉及图像处理调节技术领域，具体是一种基于大数据的智能调色方法及系统。

背景技术

随着图像获取设备的普及，每个人都可以记录生活，在记录生活的过程中，有些用户会想要对图片进行处理，但是，专业处理需要大量的艺术知识，普通人难以具备，因此，出现了一种辅助处理功能，滤镜就是一种用于调整色值的辅助处理选项。

滤镜主要是用来实现图像的各种特殊效果，在使用时只需要从该菜单中执行这命令即可；操作是非常简单，但是真正用起来却很难恰到好处。滤镜通常需要同通道、图层等联合使用，才能取得最佳艺术效果。如果想在最适当的时候应用滤镜到最适当的位置，除了平常的美术功底之外，还需要用户对滤镜的熟悉和操控能力，甚至需要具有很丰富的想象力。这样，才能有的放矢的应用滤镜，发挥出艺术才华。

现有的滤镜大都是预设的滤镜，采用同一组参数对所有像素点进行处理，这一过程与图像本身无关，调色过程与图像的匹配度有可能很低，难以满足用户的要求。

发明内容

本发明的目的在于提供一种基于大数据的智能调色方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的智能调色方法，所述方法包括：

接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征；所述色值特征为矩阵组；

根据所述色值特征确定含有重要值的中心点；

基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组；

显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片。

作为本发明进一步的方案：所述接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征的步骤包括：

接收用户上传的待调图片，获取待调图片的边界尺寸；

根据所述边界尺寸选取缩进步长；

基于所述缩进步长对待调图片进行切分，得到切分单元；

根据预设的拟合算法拟合切分单元中像素点的色值，得到拟合值；

统计拟合值，生成以拟合次数为索引的拟合图片；

将拟合图片作为新的待调图片，并循环执行上述内容直至拟合图片的像素点总数小于预设的总数阈值；

统计循环执行过程中生成的拟合图片，将拟合图片映射为矩阵，得到矩阵组。

作为本发明进一步的方案：所述根据所述色值特征确定含有重要值的中心点的步骤包括：

读取矩阵组，根据拟合次数的降序依次读取拟合矩阵；

将所述拟合矩阵输入训练好的色值评价模型，得到各元素的评分；

查询拟合过程中各像素点的对应关系，根据所述对应关系查询待调图片中各像素点对应的所有评分；

基于所有评分确定各像素点的重要值；

将所述重要值与预设的阈值进行比对，根据比对结果在像素点中选取中心点。

作为本发明进一步的方案：所述基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组的步骤包括：

依次选取中心点，计算待调图片中各像素点与中心点之间的色值差异量；

当所述色值差异量符合预设的差异条件时，将像素点与对应的中心点归为同一子区；

在预设的滤镜库中随机提取滤镜，对各个子区进行色值调整，得到已调图片组。

作为本发明进一步的方案：所述差异条件包括以中心点为中点，由二维高斯分布模型确定的差异量。

作为本发明进一步的方案：所述显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片的步骤包括：

显示已调图片组，接收用户输入的选取信息；

接收用户输入的分区调节信息，根据所述分区调节信息调节已调图片中的子区尺寸；

基于所述子区尺寸同步调节色值调整过程，得到目标图片。

本发明技术方案还提供了一种基于大数据的智能调色系统，所述系统包括：

色值特征确定模块，用于接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征；所述色值特征为矩阵组；

中心点确定模块，用于根据所述色值特征确定含有重要值的中心点；

色值调整模块，用于基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组；

显示选取模块，用于显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片。

作为本发明进一步的方案：所述色值特征确定模块包括：

边界尺寸获取单元，用于接收用户上传的待调图片，获取待调图片的边界尺寸；

缩进步长选取单元，用于根据所述边界尺寸选取缩进步长；

图片切分单元，用于基于所述缩进步长对待调图片进行切分，得到切分单元；

拟合值计算单元，用于根据预设的拟合算法拟合切分单元中像素点的色值，得到拟合值；

拟合执行单元，用于统计拟合值，生成以拟合次数为索引的拟合图片；

循环执行单元，用于将拟合图片作为新的待调图片，并循环执行上述内容直至拟合图片的像素点总数小于预设的总数阈值；

统计映射单元，用于统计循环执行过程中生成的拟合图片，将拟合图片映射为矩阵，得到矩阵组。

作为本发明进一步的方案：所述中心点确定模块包括：

拟合矩阵读取单元，用于读取矩阵组，根据拟合次数的降序依次读取拟合矩阵；

评分生成单元，用于将所述拟合矩阵输入训练好的色值评价模型，得到各元素的评分；

评分查询单元，用于查询拟合过程中各像素点的对应关系，根据所述对应关系查询待调图片中各像素点对应的所有评分；

评分应用单元，用于基于所有评分确定各像素点的重要值；

选取执行单元，用于将所述重要值与预设的阈值进行比对，根据比对结果在像素点中选取中心点。

作为本发明进一步的方案：所述色值调整模块包括：

差异常查询单元，用于依次选取中心点，计算待调图片中各像素点与中心点之间的色值差异量；

点位归纳单元，用于当所述色值差异量符合预设的差异条件时，将像素点与对应的中心点归为同一子区；

滤镜应用单元，用于在预设的滤镜库中随机提取滤镜，对各个子区进行色值调整，得到已调图片组。

与现有技术相比，本发明的有益效果是：本发明对待调图片进行缩进，对缩进后的图片进行分析，判定各像素点的重要性；基于判定结果在待调图片中选取中心点，再以中心点为中心，对待调图片进行分区，采用不同的滤镜对不同分区进行色值调整，极大地丰富了色值调整过程，扩大了用户的选取范围，提高了便捷性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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。

图1为基于大数据的智能调色方法的流程框图。

图2为基于大数据的智能调色方法的第一子流程框图。

图3为基于大数据的智能调色方法的第二子流程框图。

图4为基于大数据的智能调色系统的组成结构框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1为基于大数据的智能调色方法的流程框图，本发明实施例中，一种基于大数据的智能调色方法，所述方法包括：

步骤S100：接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征；所述色值特征为矩阵组；

待调图片由用户输入，所述待调图片的格式为常规格式，比如Png格式等；待调图片由像素点组成，不同像素点对应不同的色值，所述色值一般是RGB色值，当然，也可以是其他颜色空间内的色值；根据待调图片中各像素点的色值可以确定待调图片的色值特征；所述色值特征用于表征待调图片的色值分布情况。

步骤S200：根据所述色值特征确定含有重要值的中心点；

对所述色值特征进行分析，确定各像素点的重要性，所述重要性用一个数值表示，该数值即为重要值；当重要值达到预设的重要值阈值时，对应的像素点就标记为中心点。

步骤S300：基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组；

以中心点为中心，对待调图片中的各个像素点进行聚类，可以得到不同的区域，得到的区域就是分区结果；对含有分区结果的待调图片进行色值调节，可以得到已调图片；所述色值调节过程采用滤镜叠加的方式，不同的色值调节对应不同的滤镜，采用的滤镜不同，得到的已调图片不同；统计所有的已调图片，可以得到已调图片组。

步骤S400：显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片；

已调图片组的数量达到一定程度时，依次显示已调图片组中的已调图片，接收用户输入的选取信息，可以得到用户的意向图片，所述意向图片中含有分区结果以及各分区的滤镜叠加状态，基于此，用户输入分区调节信息，改变不同区域的范围，即可对同一张图片进行不同位置的分离式调节。

作为本发明技术方案的一个优选实施例，所述接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征的步骤包括：

步骤S101：接收用户上传的待调图片，获取待调图片的边界尺寸；

待调图片一般是规则图形，包括矩形和圆形，其边界尺寸容易获取，由像素点数量表示。

步骤S102：根据所述边界尺寸选取缩进步长；

本方法的执行主体会预先设置缩进步长表，在所述缩进步长表中，每一个边界尺寸的范围都对应一个缩进步长，所述缩进步长用于对待调图片进行缩进。

步骤S103：基于所述缩进步长对待调图片进行切分，得到切分单元；

由缩进步长可以确定切分单元，比如，如果缩进步长是2＊2像素，那么切分过程就是生成一个单元尺寸为2＊2像素的网格，由网格对待调图片进行切分，即可得到切分单元。

步骤S104：根据预设的拟合算法拟合切分单元中像素点的色值，得到拟合值；

以上述内容为例，2＊2网格单元内的像素点的色值，需要拟合为一个色值，拟合规则有很多，最简单的方式就是计算均值，这样，即可得到一个用于代表2＊2网格单元内像素点色值的值，称为拟合值。

需要说明的是，所述拟合算法不限定为计算均值，还可以引入权重参数等，具体由工作人员视情况而定。

步骤S105：统计拟合值，生成以拟合次数为索引的拟合图片；

统计拟合值，可以得到待调图片的“上层图片”，称为拟合图片，由拟合次数区分不同的拟合图片。

步骤S106：将拟合图片作为新的待调图片，并循环执行上述内容直至拟合图片的像素点总数小于预设的总数阈值；

以拟合图片为新的待调图片，循环执行步骤S101至步骤S105，即可得到多张以拟合次数为索引的拟合图片；当拟合图片足够小时(像素点总数小于预设的总数阈值)，跳出循环。

步骤S107：统计循环执行过程中生成的拟合图片，将拟合图片映射为矩阵，得到矩阵组；

图片实际上就是一个二维矩阵，将拟合图片转换为矩阵的过程并不困难，一张待调图片可以拟合出多张以拟合次数为索引的拟合图像，对应的矩阵是一个矩阵组。

作为本发明技术方案的一个优选实施例，所述根据所述色值特征确定含有重要值的中心点的步骤包括：

步骤S201：读取矩阵组，根据拟合次数的降序依次读取拟合矩阵；

步骤S202：将所述拟合矩阵输入训练好的色值评价模型，得到各元素的评分；

读取不同的拟合矩阵，输入色值评价模型，所述色值评价模型用于对拟合矩阵中的各元素(对应像素点的色值)进行分析，确定其分布情况，通过评分这一参数确定各元素的重要性；最简单的评分过程为，计算各元素值与元素众数或元素均值之间的差异量，将差异量转换为评分。

步骤S203：查询拟合过程中各像素点的对应关系，根据所述对应关系查询待调图片中各像素点对应的所有评分；

拟合次数高的拟合矩阵为上层矩阵，最上层矩阵中的一个像素点，对应最下层矩阵中的一片区域；对于最下层矩阵(所述待调图片)中的某一像素点，查询其在不同层矩阵中对应的像素点，并读取其评分，可得到针对于该像素点的所有评分。

步骤S204：基于所有评分确定各像素点的重要值；

根据预设的转换规则将所述评分转换为重要值，所述转换规则由工作人员视情况而定，一般情况下，会涉及到均值、众数、方差等统计学参数。

步骤S205：将所述重要值与预设的阈值进行比对，根据比对结果在像素点中选取中心点；

将重要值与预设的阈值进行比对，即可挑选出中心点。

图2为基于大数据的智能调色方法的第一子流程框图，所述基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组的步骤包括：

步骤S301：依次选取中心点，计算待调图片中各像素点与中心点之间的色值差异量；

步骤S302：当所述色值差异量符合预设的差异条件时，将像素点与对应的中心点归为同一子区；

步骤S303：在预设的滤镜库中随机提取滤镜，对各个子区进行色值调整，得到已调图片组。

在本发明技术方案的一个实例中，以中心点为中心，对不同的像素点进行聚类，得到各个区域；然后，对各个区域进行色值调整，进行色值调整的方式采用滤镜叠加方式，由预设的滤镜对各个区域进行叠加；需要说明的是，步骤S303是“提取”滤镜，并不是“读取”滤镜，所述滤镜库为拷贝库，在提取过程中，拷贝库中的滤镜数量逐渐减少，此时，可以使得不同区域对应的滤镜不同。

作为本发明技术方案的一个实施例，所述差异条件包括以中心点为中点，由二维高斯分布模型确定的差异量。

在待调图片中，随着空间距离的变化，对应的像素点色值本身就会发生变化，这一变化情况由高斯分布模型确定，如果某一像素点符合某一中心点的高斯分布模型，或者基本符合，那么也可以将它归纳为该中心点对应的区域。

图3为基于大数据的智能调色方法的第二子流程框图，所述显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片的步骤包括：

步骤S401：显示已调图片组，接收用户输入的选取信息；

步骤S402：接收用户输入的分区调节信息，根据所述分区调节信息调节已调图片中的子区尺寸；

步骤S403：基于所述子区尺寸同步调节色值调整过程，得到目标图片。

显示调节过程分为两步，一是选取已调图片，二是对已调图片中的分区结果进行调整；需要说明的是，分区结果变化时，色值调整过程同步变化。

图4为基于大数据的智能调色系统的组成结构框图，本发明实施例中，一种基于大数据的智能调色系统，所述系统10包括：

色值特征确定模块11，用于接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征；所述色值特征为矩阵组；

中心点确定模块12，用于根据所述色值特征确定含有重要值的中心点；

色值调整模块13，用于基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组；

显示选取模块14，用于显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片。

所述色值特征确定模块11包括：

边界尺寸获取单元，用于接收用户上传的待调图片，获取待调图片的边界尺寸；

缩进步长选取单元，用于根据所述边界尺寸选取缩进步长；

图片切分单元，用于基于所述缩进步长对待调图片进行切分，得到切分单元；

拟合值计算单元，用于根据预设的拟合算法拟合切分单元中像素点的色值，得到拟合值；

拟合执行单元，用于统计拟合值，生成以拟合次数为索引的拟合图片；

循环执行单元，用于将拟合图片作为新的待调图片，并循环执行上述内容直至拟合图片的像素点总数小于预设的总数阈值；

统计映射单元，用于统计循环执行过程中生成的拟合图片，将拟合图片映射为矩阵，得到矩阵组。

所述中心点确定模块12包括：

拟合矩阵读取单元，用于读取矩阵组，根据拟合次数的降序依次读取拟合矩阵；

评分生成单元，用于将所述拟合矩阵输入训练好的色值评价模型，得到各元素的评分；

评分查询单元，用于查询拟合过程中各像素点的对应关系，根据所述对应关系查询待调图片中各像素点对应的所有评分；

评分应用单元，用于基于所有评分确定各像素点的重要值；

选取执行单元，用于将所述重要值与预设的阈值进行比对，根据比对结果在像素点中选取中心点。

所述色值调整模块13包括：

差异常查询单元，用于依次选取中心点，计算待调图片中各像素点与中心点之间的色值差异量；

点位归纳单元，用于当所述色值差异量符合预设的差异条件时，将像素点与对应的中心点归为同一子区；

滤镜应用单元，用于在预设的滤镜库中随机提取滤镜，对各个子区进行色值调整，得到已调图片组。

作为本发明技术方案的一个优选实施例，提供了一种基于大数据的智能调色平台，所述的基于大数据的智能调色平台内置处理器，可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器利用各种接口和线路连接取各个部件，通过运行或执行存储在存储器内的程序或者单元，以及调用存储在存储器内的数据，以执行基于大数据的智能调色各种功能和处理数据；

存储器用于存储程序代码和各种数据，安装在基于大数据的智能调色平台中，并在运行过程中实现高速、自动地完成程序或数据的存取。

所述存储器包括只读存储器(Read－Only Memory，ROM)，随机存储器(RandomAccessMemory，RAM)、可编程只读存储器(Programmable Read－Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read－Only Memory，EPROM)、一次可编程只读存储器(One－time Programmable Read－Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically－Erasable Programmable Read－Only Memory，EEPROM)、只读光盘(Compact Disc Read－Only Memory，CD－ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

为实现上述目的，本发明还提供一种计算机可读取存储介质，所述计算机可读取存储介质存储有基于大数据的智能调色平台控制程序，所述的基于大数据的智能调色平台控制程序，实现所述的基于大数据的智能调色方法步骤。

在本发明的实施方式的描述中，需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读取介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。

另外，计算机可读取介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

作为本发明技术方案的一个优选实施例，为实现上述目的，本发明还提供一种芯片系统，所述芯片系统包括至少一个处理器，当程序指令在所述至少一个处理器中执行时，使得所述芯片系统执行所述的基于大数据的智能调色方法步骤。

本领域普通技术人员可以意识到，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、或者计算机软件和电子硬件的结合来实现。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申请的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

Claims (8)

1.一种基于大数据的智能调色方法，其特征在于，所述方法包括：

接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征；所述色值特征为矩阵组；

根据所述色值特征确定含有重要值的中心点；

基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组；

显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片；

所述根据所述色值特征确定含有重要值的中心点的步骤包括：

读取矩阵组，根据拟合次数的降序依次读取拟合矩阵；

将所述拟合矩阵输入训练好的色值评价模型，得到各元素的评分；

查询拟合过程中各像素点的对应关系，根据所述对应关系查询待调图片中各像素点对应的所有评分；

基于所有评分确定各像素点的重要值；

将所述重要值与预设的阈值进行比对，根据比对结果在像素点中选取中心点。

2.根据权利要求1所述的基于大数据的智能调色方法，其特征在于，所述接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征的步骤包括：

接收用户上传的待调图片，获取待调图片的边界尺寸；

根据所述边界尺寸选取缩进步长；

基于所述缩进步长对待调图片进行切分，得到切分单元；

根据预设的拟合算法拟合切分单元中像素点的色值，得到拟合值；

统计拟合值，生成以拟合次数为索引的拟合图片；

将拟合图片作为新的待调图片，并循环执行上述内容直至拟合图片的像素点总数小于预设的总数阈值；

统计循环执行过程中生成的拟合图片，将拟合图片映射为矩阵，得到矩阵组。

3.根据权利要求1所述的基于大数据的智能调色方法，其特征在于，所述基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组的步骤包括：

依次选取中心点，计算待调图片中各像素点与中心点之间的色值差异量；

当所述色值差异量符合预设的差异条件时，将像素点与对应的中心点归为同一子区；

在预设的滤镜库中随机提取滤镜，对各个子区进行色值调整，得到已调图片组。

4.根据权利要求3所述的基于大数据的智能调色方法，其特征在于，所述差异条件包括以中心点为中点，由二维高斯分布模型确定的差异量。

5.根据权利要求1所述的基于大数据的智能调色方法，其特征在于，所述显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片的步骤包括：

显示已调图片组，接收用户输入的选取信息；

接收用户输入的分区调节信息，根据所述分区调节信息调节已调图片中的子区尺寸；

基于所述子区尺寸同步调节色值调整过程，得到目标图片。

6.一种基于大数据的智能调色系统，其特征在于，所述系统包括：

色值特征确定模块，用于接收用户上传的待调图片，根据预设的缩进步长确定待调图片的色值特征；所述色值特征为矩阵组；

中心点确定模块，用于根据所述色值特征确定含有重要值的中心点；

色值调整模块，用于基于所述中心点对待调图片进行分区，对分区后的待调图片进行色值调整，得到已调图片组；

显示选取模块，用于显示已调图片组，接收用户输入的选取信息和分区调节信息，得到目标图片；

所述中心点确定模块包括：

拟合矩阵读取单元，用于读取矩阵组，根据拟合次数的降序依次读取拟合矩阵；

评分生成单元，用于将所述拟合矩阵输入训练好的色值评价模型，得到各元素的评分；

评分查询单元，用于查询拟合过程中各像素点的对应关系，根据所述对应关系查询待调图片中各像素点对应的所有评分；

评分应用单元，用于基于所有评分确定各像素点的重要值；

选取执行单元，用于将所述重要值与预设的阈值进行比对，根据比对结果在像素点中选取中心点。

7.根据权利要求6所述的基于大数据的智能调色系统，其特征在于，所述色值特征确定模块包括：

边界尺寸获取单元，用于接收用户上传的待调图片，获取待调图片的边界尺寸；

缩进步长选取单元，用于根据所述边界尺寸选取缩进步长；

图片切分单元，用于基于所述缩进步长对待调图片进行切分，得到切分单元；

拟合值计算单元，用于根据预设的拟合算法拟合切分单元中像素点的色值，得到拟合值；

拟合执行单元，用于统计拟合值，生成以拟合次数为索引的拟合图片；

循环执行单元，用于将拟合图片作为新的待调图片，并循环执行上述内容直至拟合图片的像素点总数小于预设的总数阈值；

统计映射单元，用于统计循环执行过程中生成的拟合图片，将拟合图片映射为矩阵，得到矩阵组。

8.根据权利要求6所述的基于大数据的智能调色系统，其特征在于，所述色值调整模块包括：

差异常查询单元，用于依次选取中心点，计算待调图片中各像素点与中心点之间的色值差异量；

点位归纳单元，用于当所述色值差异量符合预设的差异条件时，将像素点与对应的中心点归为同一子区；

滤镜应用单元，用于在预设的滤镜库中随机提取滤镜，对各个子区进行色值调整，得到已调图片组。