CN116977450A - 色彩单元确定方法、装置、电子设备及存储介质 - Google Patents
色彩单元确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116977450A CN116977450A CN202210393606.0A CN202210393606A CN116977450A CN 116977450 A CN116977450 A CN 116977450A CN 202210393606 A CN202210393606 A CN 202210393606A CN 116977450 A CN116977450 A CN 116977450A
- Authority
- CN
- China
- Prior art keywords
- color
- initial
- unit
- value
- category
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 239000003086 colorant Substances 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 6
- 230000016776 visual perception Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 24
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000003672 processing method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供一种色彩单元确定方法、装置、电子设备及存储介质。该方法包括:获取多个初始色彩单元的颜色值范围及其包括的各个颜色;根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值;若所述各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色;若所述各个初始色彩单元的最大色差值满足所述预设条件,则将所述各个初始色彩单元确定为各个目标色彩单元。该方法可以获得更加准确的目标色彩单元,从而提高根据目标色彩单元进行色彩匹配的准确性,提升颜色相关的任务的匹配效果。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种色彩单元确定方法、装置、电子设备及存储介质。
背景技术
在现代化服装行业中,数字化是服装销售的重要渠道。颜色作为视觉的重要来源,是服装各属性中的重要维度之一。服装在线销售时可以基于颜色进行检索,在线搭配推送业务中也可以基于颜色进行时尚单品匹配,因此服饰图像的颜色信息对与服饰图像的颜色相关的任务起到了重要作用。
在相关技术的服饰图像的匹配中,通常是根据识别获得的服饰图像的颜色直接匹配的,匹配效果较差、准确性较低。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种色彩单元确定方法、装置、电子设备及存储介质,该方法可以获得更加准确的目标色彩单元,从而提高根据目标色彩单元进行色彩匹配的准确性,提升颜色相关的任务的匹配效果。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
本公开实施例提供一种色彩单元确定方法,包括:获取多个初始色彩单元的颜色值范围及其包括的各个颜色;根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值;若所述各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色;若所述各个初始色彩单元的最大色差值满足所述预设条件,则将所述各个初始色彩单元确定为各个目标色彩单元。
在本公开一些示例性实施例中,根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值,包括:获取所述初始色彩单元包括的各个颜色在HSV颜色空间下的HSV值;将各个颜色在HSV颜色空间下的HSV值转换为在Lab颜色空间下的Lab值;根据所述各个颜色在Lab颜色空间下的Lab值确定所述初始色彩单元中每两个颜色之间的色差值;根据所述初始色彩单元中每两个颜色之间的色差值确定所述初始色彩单元的最大色差值。
在本公开一些示例性实施例中,若所述各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色,包括:确定所述各个初始色彩单元的最大色差值的平均值;若所述平均值大于或等于预设阈值,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色;其中,若所述各个初始色彩单元的最大色差值满足所述预设条件,则将所述各个初始色彩单元确定为各个目标色彩单元,包括:若所述平均值小于所述预设阈值,则将所述各个初始色彩单元确定为各个目标色彩单元。
在本公开一些示例性实施例中,上述方法还包括:获取在HSV颜色空间下的初始颜色;根据视觉感知对所述初始颜色进行聚类,获得所述多个初始色彩单元。
在本公开一些示例性实施例中,上述方法还包括:获取与时装相关的预设颜色集合;根据所述预设颜色集合,对所述多个初始色彩单元进行筛选,以获得与时装相关的多个初始色彩单元。
在本公开一些示例性实施例中,上述方法还包括:分别确定各个目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,其中所述第二层色彩类别的色彩粒度比所述第一层色彩类别的色彩粒度细,所述第三层色彩类别的色彩粒度比所述第二层色彩类别的色彩粒度细;根据各个目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,获得具有层级结构的时装色彩体系。
本公开实施例提供一种服饰图像处理方法,包括:获取待处理服饰图像;识别所述待处理服饰图像,获得所述待处理服饰图像的颜色值;确定所述待处理服饰图像的颜色值所属的目标色彩单元,其中所述目标色彩单元是根据上述色彩单元确定方法得到的;获得所述待处理服饰图像的颜色值所属的目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别;根据所述第一层色彩类别、所述第二层色彩类别和所述第三层色彩类别,匹配获得目标服饰图像。
本公开实施例提供一种色彩单元确定装置,包括:初始色彩单元获取模块,用于获取多个初始色彩单元的颜色值范围及其包括的各个颜色;确定模块,用于根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值;初始色彩单元调整模块,用于若所述各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色;目标色彩单元确定模块,用于若所述各个初始色彩单元的最大色差值满足所述预设条件,则将所述各个初始色彩单元确定为各个目标色彩单元。
本公开实施例提供的服饰图像处理方法,识别获得待处理服饰图像的颜色值,确定待处理服饰图像的颜色值所属的目标色彩单元,其中目标色彩单元是根据上述色彩单元确定方法获得的,根据目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,匹配获得目标服饰图像;该方法可以获得与待处理服饰图像的颜色相关的目标服饰图像,提高基于颜色进行服饰图像匹配的准确性,从而提高用户体验。
本公开实施例提供一种电子设备,包括:至少一个处理器;存储装置,用于存储至少一个程序,当所述至少一个程序被所述至少一个处理器执行时,使得所述至少一个处理器实现如上述任一种方法。
本公开实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述任一种方法。
本公开实施例提供的色彩单元确定方法,根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值;若各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色,直至各个初始色彩单元的最大色差值满足预设条件,将各个初始色彩单元确定为各个目标色彩单元;该方法通过迭代调整初始色彩单元的颜色值范围,可以使得获得的各个目标色彩单元中的颜色的颜色值更加接近,即可以获得更加准确的目标色彩单元。此外,该方法可以提高根据目标色彩单元进行色彩匹配的准确性,从而提升颜色相关的任务的匹配效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了可以应用本公开实施例的服饰图像处理方法的示例性系统架构的示意图。
图2是根据一示例性实施方式示出的一种色彩单元确定方法的流程图。
图3是根据一示例性实施例示出的一种确定目标色彩单元的示意图。
图4示出了HSV空间中颜色分布的示意图。
图5是根据一示例性实施例示出的一种三层时装色彩体系的示意图。
图6是根据一示例性实施例示出的另一种色彩单元确定方法的流程图。
图7是根据一示例性实施例示出的一种服饰图像处理方法的流程图。
图8是根据一示例性实施例示出的主色调类别的示意图。
图9是根据一示例性实施例示出的通用色彩体系的示意图。
图10是根据一示例性实施例示出的细粒度色彩单元的示意图。
图11是根据一示例性实施方式示出的一种色彩单元确定装置的框图。
图12根据一示例性实施方式示出的一种电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
此外,在本公开的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
图1示出了可以应用本公开实施例的服饰图像处理方法的示例性系统架构的示意图。
如图1所示,该系统架构可以包括服务器101、网络102和终端设备103。网络102用以在终端设备103和服务器101之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
本公开实施例中,服务器101可以是提供各种服务的服务器,例如对用户利用终端设备103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理,并将处理结果反馈给终端设备103。
本公开实施例中,终端设备103可以是智能手机、平板电脑、电子书阅读器、智能眼镜、智能家居设备、AR(Augmented Reality,增强现实)设备、VR(Virtual Reality,虚拟现实)设备等移动终端,或者,终端120也可以是个人计算机(Personal Computer,PC),比如膝上型便携计算机和台式计算机等等。
本公开实施例中,用户例如可以通过终端设备103输入待处理服饰图像;服务器101例如可以获取待处理服饰图像;识别待处理服饰图像,获得待处理服饰图像的颜色值;确定待处理服饰图像的颜色值所属的目标色彩单元;获得待处理服饰图像的颜色值所属的目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别;根据所述第一层色彩类别、第二层色彩类别和第三层色彩类别,匹配获得目标服饰图像;服务器101例如可以将匹配获得的目标服饰图像发送至终端设备103进行展示。
应该理解,图1中的终端设备103、网络102和服务器101的数目仅仅是示意性的,服务器101可以是一个实体的服务器,还可以为多个服务器组成的服务器集群,还可以是云端服务器,根据实际需要,可以具有任意数目的终端设备、网络和服务器。
下面,将结合附图及实施例对本公开示例实施例中的色彩单元确定方法的各个步骤进行更详细的说明。
图2是根据一示例性实施方式示出的一种色彩单元确定方法的流程图。
如图2所示,本公开实施例提供的色彩单元确定方法可以包括以下步骤。
在步骤S202中,获取多个初始色彩单元的颜色值范围及其包括的各个颜色。
本公开实施例中,可以先获取在HSV(Hue Saturation Value,色调、饱和度、明度)颜色空间(也可称为色彩空间)下的初始颜色;根据视觉感知对初始颜色进行聚类,获得多个初始色彩单元。
其中,每个初始色彩单元中包括多个颜色,每个初始色彩单元对应一个颜色值范围,每个初始色彩单元中包括的多个颜色的颜色值属于该初始色彩单元的颜色值范围内。
本公开实施例中,可以将HSV颜色空间中的各个颜色显示出来,由具有时尚背景的目标对象(例如设计师)将HSV颜色空间中的各个颜色进行归类,以获得各个初始色彩单元。
图3是根据一示例性实施例示出的一种确定目标色彩单元的示意图。
参考图3,例如可以通过视觉感知对HSV颜色空间下的初始颜色301进行聚类,获得多个初始色彩单元302(也可称为初始最小色彩单元)。
例如在HSB颜色空间(也可称为HSV颜色空间)中,当S=100、B=100(即饱和度为100、亮度为100)时,多个初始色彩单元可以包括:红色:[348,10)、橙红色:[11,18)、橙色:[19,34)、橙黄色:[35,47)、黄色:[48,63)……
图4示出了HSV空间中颜色分布的示意图。
参考图4,左侧矩形401的纵向表示V值(即明度值),右侧矩形402的横向表示HS值,右侧矩形402表示随着V值和HS值的变化,每个像素点呈现的颜色;图4中的不规则框表示不同的颜色(例如不规则框4021表示绿色),可以看出,颜色在数字化色彩空间中具有不连续性和不均匀性,例如,在V值达到一定值后,不管HS值怎么变化,像素点的颜色都是黑色。
在示例性实施例中,该方法还可以包括:获取与时装相关的预设颜色集合;根据预设颜色集合,对多个初始色彩单元进行筛选,以获得与时装相关的多个初始色彩单元。
本公开实施例中,参考图3,预设颜色集合例如可以是公认的时装颜色Pantone(潘通)颜色的集合303,可以由具有时尚背景的目标对象(例如设计师)找出Pantone颜色中相似的颜色304,将这些相似的颜色304进行合并,得到合并后的Pantone颜色集合305。
本公开实施例中,可以根据合并后的预设颜色集合对上述多个初始色彩单元进行筛选(例如可以将包含Pantone颜色集合中的颜色的初始色彩单元保留,将不包含Pantone颜色集合中的颜色的初始色彩单元剔除),以保证合并后的预设颜色集合可以分别映射到初始色彩单元中。
本公开实施例中,由于预设颜色集合是与时装相关的,由此筛选后的多个初始色彩单元也是与时装相关的。
在步骤S204中,根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值。
本公开实施例中,以各个初始色彩单元中的一个初始色彩单元为例,可以根据该初始色彩单元包括的各个颜色的颜色值,确定每两个颜色之间的色差值,将每两个颜色之间的色差值中最大的色差值确定为该初始色彩单元的最大色差值的,具体实施方式可参照图6。
在步骤S206中,若各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色。
其中,预设条件可以根据实际情况设置,本公开对此不做限制。
例如可以设置最大色差值阈值,各个初始色彩单元的最大色差值不满足预设条件即为各个初始色彩单元的最大色差值大于或等于最大色差值阈值;各个初始色彩单元的最大色差值满足预设条件即为各个初始色彩单元的最大色差值小于最大色差值阈值。
又例如可以设置最大色差值的平均值的阈值,各个初始色彩单元的最大色差值不满足预设条件即为各个初始色彩单元的最大色差值的平均值大于或等于平均值的阈值;各个初始色彩单元的最大色差值满足预设条件即为各个初始色彩单元的最大色差值的平均值小于平均值的阈值。
在示例性实施例中,若各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色,包括:确定各个初始色彩单元的最大色差值的平均值;若平均值大于或等于预设阈值,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色。
本公开实施例中,调整各个初始色彩单元的颜色值范围可以为等步长调整。
例如,以初始色彩单元为橙红色:[11,18)和橙色:[19,34)为例,对其进行等步长调整,调整后的初始色彩单元为橙红色:[11+μ,18+μ)和橙色:[19+μ,34+μ),其中,μ表示步长,步长可以根据实际情况设置,本公开对此不做限制。
本公开实施例中,在对各个初始色彩单元的颜色值范围及其包括的各个颜色进行调整后,继续执行步骤S204中,即根据调整后的各个初始色彩单元包括的各个颜色的颜色值,确定调整后的各个初始色彩单元的最大色差值,然后判断调整后的各个初始色彩单元的最大色差值是否满足预设条件,若调整后的各个初始色彩单元的最大色差值是否满足不预设条件,则继续调整各个初始色彩单元的颜色值范围及其包括的各个颜色,直至各个初始色彩单元的最大色差值满足预设条件。
在步骤S208中,若各个初始色彩单元的最大色差值满足预设条件,则将各个初始色彩单元确定为各个目标色彩单元。
其中,目标色彩单元也可以称为目标最小色彩单元。
在示例性实施例中,若各个初始色彩单元的最大色差值满足预设条件,则将各个初始色彩单元确定为各个目标色彩单元,包括:若平均值小于预设阈值,则将各个初始色彩单元确定为各个目标色彩单元。
在示例性实施例中,在确定出各个目标色彩单元之后,该方法还包括:分别确定各个目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,其中第二层色彩类别的色彩粒度比第一层色彩类别的色彩粒度细,第三层色彩类别的色彩粒度比第二层色彩类别的色彩粒度细;根据各个目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,获得具有层级结构的时装色彩体系。
本公开实施例中,在获得目标色彩单元(也可称为目标最小色彩单元)之后,可以按照时装色彩需求,确定出具有层级结构的时装色彩体系。
例如,在服装设计时时装色彩需求可以为色彩的色度、饱和度和亮度,在服装搭配时时装色彩需求可以为色系,在时装网购或者retail(零售)时时装色彩需求可以为主色调。
图5是根据一示例性实施例示出的一种三层时装色彩体系的示意图。
本公开实施例中,参考图5,具有层级结构的时装色彩体系可以包括第一层色彩类别501、第二层色彩类别502和第三层色彩类别503。其中,第一层色彩类别例如可以为主色调类别,第二层色彩类别例如可以为通用色系体系,第三层色彩类别例如可以为细粒度色彩单元。
其中,主色调类别可以提供时装粗粒度色相选择,以改善在线购物平台色彩选项设定;通用色系体系可以提供系列通用色系组合,以帮助实现在线色系识别,为搭配相关任务与功能提供支持;细粒度色彩单元可以将不均匀且连续的色彩空间映射为多个离散的等距单元,方便数字化度量颜色距离。
本公开实施例中,该层级式的时装色彩体系可以用于在线色彩匹配、服饰搭配、及服饰推荐等领域。
本公开实施例提供的色彩单元确定方法,根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值;若各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色,直至各个初始色彩单元的最大色差值满足预设条件,将各个初始色彩单元确定为各个目标色彩单元;该方法通过迭代调整初始色彩单元的颜色值范围,可以使得获得的各个目标色彩单元中的颜色的颜色值更加接近,即可以获得更加准确的目标色彩单元。此外,该方法可以提高根据目标色彩单元进行色彩匹配的准确性,从而提升颜色相关的任务的匹配效果。
在一些实施例中,初始色彩单元是根据与时装相关的预设颜色集合确定的,使得根据该方法获得的目标色彩单元更适应于服饰图像中颜色的识别和匹配中,从而提高服饰图像中颜色的识别和匹配的准确性。
图6是根据一示例性实施例示出的另一种色彩单元确定方法的流程图。
如图6所示,上述图2实施例中的步骤S204可以进一步包括以下步骤。
在步骤S602中,获取初始色彩单元包括的各个颜色在HSV颜色空间下的HSV值。
本公开实施例中,以一个初始色彩单元包括M个颜色为例,其中M为大于1的整数;可以获取这M个颜色在HSV颜色空间下的HSV值。
在步骤S604中,将各个颜色在HSV颜色空间下的HSV值转换为在Lab颜色空间下的Lab值。
本公开实施例中,可以将这M个颜色在HSV颜色空间下的HSV值转换为在Lab颜色空间下的Lab值。
在步骤S606中,根据各个颜色在Lab颜色空间下的Lab值确定初始色彩单元中每两个颜色之间的色差值。
在步骤S608中,根据初始色彩单元中每两个颜色之间的色差值确定初始色彩单元的最大色差值。
本公开实施例中,以M个颜色中的一个颜色为例,可以通过色差公式分别计算该颜色的Lab值与其他(M-1)个颜色的Lab值的色差值,由此获得该颜色与其他(M-1)个颜色的(M-1)个色差值。
通过上述方法计算每个颜色与其他(M-1)个颜色的(M-1)个色差值,可以获得M(M-1)个色差值,将这M(M-1)个色差值中最大的色差值作为该初始色彩单元的最大色差值。
本公开实施例中,上述色差公式可以为:
其中,ΔE00为两个颜色的色差值,KL、KC、KH为权重系数(常量参数),SL、SC、SH为权重函数,用于校正颜色空间均匀性,ΔL′为两个颜色的亮度差,ΔC′ab为两个颜色的色度差,ΔH′ab为两个颜色的色相差,RT为旋转函数,用于校正色空间蓝色区域容差椭圆主轴方向偏转。
可以通过以下公式计算L*、a*、b*和
其中,L*表示颜色的亮度,a*表示红色/品红色和绿色之间的位置,b*黄色和蓝色之间的位置,表示色度。
可以通过以下公式计算L′、a′、b′、C′ab和h′ab:
其中,G为标识CIELAB颜色空间的轴的调整因子。
可以通过以下公式计算SL、SC、SH、T、RT和RC,其中T是色相角函数,RC是根据彩度变化的旋转角度,Δθ是由色调决定的旋转角。
图7是根据一示例性实施例示出的一种服饰图像处理方法的流程图。
如图7所示,本公开实施例提供的色彩单元确定方法可以包括以下步骤。
在步骤S702中,获取待处理服饰图像。
本公开实施例中,待处理服饰图像可以是用户在购物平台输入或搜索的服饰图像,也可以是待匹配服饰图像。
本公开实施例中,服饰可以为服装、配饰、鞋子等,服装可以为上衣、裤子、半裙、连衣裙等,配饰可以为眼镜、耳环、项链、手链、帽子、箱包(手提包、单肩包、双肩包、斜跨包)等,鞋子可以为皮鞋、运动鞋、帆布鞋、靴子等,但本公开并不限定于此。
在步骤S704中,识别待处理服饰图像,获得待处理服饰图像的颜色值。
本公开实施例中,可以对待处理服饰图像进行识别,获得待处理服饰图像的一个或多个颜色的颜色值。
在步骤S706中,确定待处理服饰图像的颜色值所属的目标色彩单元。
其中目标色彩单元可以是根据上述色彩单元确定方法得到的。
本公开实施例中,可以根据识别出的待处理服饰图像的颜色值确定其所属的一个或多个目标色彩单元。
在步骤S708中,获得待处理服饰图像的颜色值所属的目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别。
本公开实施例中,可以根据时装色彩体系确定出目标色彩单元对应的第一层色彩类别(即主色调类别)、第二层色彩类别(即通用色系体系)和第三层色彩类别(即细粒度色彩单元)。
在步骤S710中,根据第一层色彩类别、第二层色彩类别和第三层色彩类别,匹配获得目标服饰图像。
本公开实施例中,可以根据第一层色彩类别、第二层色彩类别和第三层色彩类别中包括的颜色匹配获得目标服饰图像。
例如,待处理服饰图像为用户在购物平台输入或搜索的服饰图像,则可以根据该方法匹配获得与待处理服饰图像的颜色相关的目标服饰图像,向用户推送匹配获得的目标服饰图像。
又例如,待处理图像为待匹配服饰图像(例如上衣图像),则可以根据该方法匹配获得与待匹配服饰图像的颜色相关的其他类型的目标服饰图像(例如下衣图像),可以将待匹配服饰图像和目标服饰图像搭配成一套服饰图像。
图8是根据一示例性实施例示出的主色调类别的示意图。
图9是根据一示例性实施例示出的通用色彩体系的示意图。
图10是根据一示例性实施例示出的细粒度色彩单元的示意图。
例如,根据上述方法识别获得待处理服饰图像所属的主色调类别为绿色,则根据该主色调类别匹配获得的目标服饰图像可以如图8所示;例如,根据上述方法识别获得待处理服饰图像所属的通用色系为马卡龙色系,则根据该通用色系匹配获得的目标服饰图像可以如图9所示;例如,根据上述方法识别获得待处理服饰图像所属的细粒度色彩单元为红色,则根据该细粒度色彩单元匹配获得的目标服饰图像可以如图10所示。
本公开实施例提供的服饰图像处理方法,识别获得待处理服饰图像的颜色值,确定待处理服饰图像的颜色值所属的目标色彩单元,其中目标色彩单元是根据上述色彩单元确定方法获得的,根据目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,匹配获得目标服饰图像;该方法可以获得与待处理服饰图像的颜色相关的目标服饰图像,提高基于颜色进行服饰图像匹配的准确性,从而提高用户体验。
需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图11是根据一示例性实施方式示出的一种色彩单元确定装置的框图。
如图11所示,色彩单元确定装置1100可以包括:初始色彩单元获取模块1102、确定模块1104、色彩单元调整模块1106和目标色彩单元确定模块1108。
其中,初始色彩单元获取模块1102用于获取多个初始色彩单元的颜色值范围及其包括的各个颜色;确定模块1104用于根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值;初始色彩单元调整模块1106用于若所述各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色;目标色彩单元确定模块1108用于若所述各个初始色彩单元的最大色差值满足所述预设条件,则将所述各个初始色彩单元确定为各个目标色彩单元。
在本公开一些示例性实施例中,确定模块1104用于获取所述初始色彩单元包括的各个颜色在HSV颜色空间下的HSV值;将各个颜色在HSV颜色空间下的HSV值转换为在Lab颜色空间下的Lab值;根据所述各个颜色在Lab颜色空间下的Lab值确定所述初始色彩单元中每两个颜色之间的色差值;根据所述初始色彩单元中每两个颜色之间的色差值确定所述初始色彩单元的最大色差值。
在本公开一些示例性实施例中,初始色彩单元调整模块1106用于确定所述各个初始色彩单元的最大色差值的平均值;若所述平均值大于或等于预设阈值,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色;目标色彩单元确定模块1108用于若所述平均值小于所述预设阈值,则将所述各个初始色彩单元确定为各个目标色彩单元。
在本公开一些示例性实施例中,色彩单元确定装置1100还可以包括:获取模块,用于获取在HSV颜色空间下的初始颜色;聚类模块,用于根据视觉感知对所述初始颜色进行聚类,获得所述多个初始色彩单元。
在本公开一些示例性实施例中,色彩单元确定装置1100还可以包括:获取模块,用于获取与时装相关的预设颜色集合;筛选模块,用于根据所述预设颜色集合,对所述多个初始色彩单元进行筛选,以获得与时装相关的多个初始色彩单元。
在本公开一些示例性实施例中,色彩单元确定装置1100还可以包括:确定模块,用于分别确定各个目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,其中所述第二层色彩类别的色彩粒度比所述第一层色彩类别的色彩粒度细,所述第三层色彩类别的色彩粒度比所述第二层色彩类别的色彩粒度细;根据各个目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,获得具有层级结构的时装色彩体系。
本公开实施例提供一种服饰图像处理装置,包括:图像获取模块,用于获取待处理服饰图像;识别模块,用于识别所述待处理服饰图像,获得所述待处理服饰图像的颜色值;确定模块,用于确定所述待处理服饰图像的颜色值所属的目标色彩单元,其中所述目标色彩单元是根据上述色彩单元确定方法得到的;获得模块,用于获得所述待处理服饰图像的颜色值所属的目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别;匹配模块,用于根据所述第一层色彩类别、所述第二层色彩类别和所述第三层色彩类别,匹配获得目标服饰图像。
需要注意的是,上述附图中所示的框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图12是根据一示例性实施方式示出的一种电子设备的结构示意图。需要说明的是,图12示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图12所示,电子设备1200包括中央处理单元(CPU)1201,其可以根据存储在只读存储器(ROM)1202中的程序或者从存储部分1208加载到随机访问存储器(RAM)1203中的程序而执行各种适当的动作和处理。在RAM 1203中,还存储有系统1200操作所需的各种程序和数据。CPU 1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
以下部件连接至I/O接口1205:包括键盘、鼠标等的输入部分1206;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1207;包括硬盘等的存储部分1208;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至I/O接口1205。可拆卸介质1211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1210上,以便于从其上读出的计算机程序根据需要被安装入存储部分1208。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1209从网络上被下载和安装,和/或从可拆卸介质1211被安装。在该计算机程序被中央处理单元(CPU)1201执行时,执行本公开的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如上述实施例中所述的方法。例如,所述的电子设备可以实现如图2所示的各个步骤。
根据本公开的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例的各种可选实现方式中提供的方法。
需要理解的是,在本公开附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种色彩单元确定方法,其特征在于,包括:
获取多个初始色彩单元的颜色值范围及其包括的各个颜色;
根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值;
若所述各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色;
若所述各个初始色彩单元的最大色差值满足所述预设条件,则将所述各个初始色彩单元确定为各个目标色彩单元。
2.根据权利要求1所述的方法,其特征在于,根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值,包括:
获取所述初始色彩单元包括的各个颜色在HSV颜色空间下的HSV值;
将各个颜色在HSV颜色空间下的HSV值转换为在Lab颜色空间下的Lab值;
根据所述各个颜色在Lab颜色空间下的Lab值确定所述初始色彩单元中每两个颜色之间的色差值;
根据所述初始色彩单元中每两个颜色之间的色差值确定所述初始色彩单元的最大色差值。
3.根据权利要求1或2所述的方法,其特征在于,若所述各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色,包括:
确定所述各个初始色彩单元的最大色差值的平均值;
若所述平均值大于或等于预设阈值,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色;
其中,若所述各个初始色彩单元的最大色差值满足所述预设条件,则将所述各个初始色彩单元确定为各个目标色彩单元,包括:
若所述平均值小于所述预设阈值,则将所述各个初始色彩单元确定为各个目标色彩单元。
4.根据权利要求1或2所述的方法,其特征在于,还包括:
获取在HSV颜色空间下的初始颜色;
根据视觉感知对所述初始颜色进行聚类,获得所述多个初始色彩单元。
5.根据权利要求4所述的方法,其特征在于,还包括:
获取与时装相关的预设颜色集合;
根据所述预设颜色集合,对所述多个初始色彩单元进行筛选,以获得与时装相关的多个初始色彩单元。
6.根据权利要求5所述的方法,其特征在于,还包括:
分别确定各个目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,其中所述第二层色彩类别的色彩粒度比所述第一层色彩类别的色彩粒度细,所述第三层色彩类别的色彩粒度比所述第二层色彩类别的色彩粒度细;
根据各个目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别,获得具有层级结构的时装色彩体系。
7.一种服饰图像处理方法,其特征在于,包括:
获取待处理服饰图像;
识别所述待处理服饰图像,获得所述待处理服饰图像的颜色值;
确定所述待处理服饰图像的颜色值所属的目标色彩单元,其中所述目标色彩单元是根据权利要求1至6中任一项所述的方法得到的;
获得所述待处理服饰图像的颜色值所属的目标色彩单元对应的第一层色彩类别、第二层色彩类别和第三层色彩类别;
根据所述第一层色彩类别、所述第二层色彩类别和所述第三层色彩类别,匹配获得目标服饰图像。
8.一种色彩单元确定装置,其特征在于,包括:
初始色彩单元获取模块,用于获取多个初始色彩单元的颜色值范围及其包括的各个颜色;
确定模块,用于根据各个初始色彩单元包括的各个颜色的颜色值,确定各个初始色彩单元的最大色差值;
初始色彩单元调整模块,用于若所述各个初始色彩单元的最大色差值不满足预设条件,则调整各个初始色彩单元的颜色值范围及其包括的各个颜色;
目标色彩单元确定模块,用于若所述各个初始色彩单元的最大色差值满足所述预设条件,则将所述各个初始色彩单元确定为各个目标色彩单元。
9.一种电子设备,其特征在于,包括:
至少一个处理器;
存储装置,用于存储至少一个程序,当所述至少一个程序被所述至少一个处理器执行时,使得所述至少一个处理器实现如权利要求1至6中任一项所述的方法或者如权利要求7所述的方法。
10.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,所述可执行指令被处理器执行时实现如权利要求1至6中任一项所述的方法或者如权利要求7所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210393606.0A CN116977450A (zh) | 2022-04-14 | 2022-04-14 | 色彩单元确定方法、装置、电子设备及存储介质 |
PCT/CN2023/087607 WO2023198054A1 (zh) | 2022-04-14 | 2023-04-11 | 色彩单元确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210393606.0A CN116977450A (zh) | 2022-04-14 | 2022-04-14 | 色彩单元确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116977450A true CN116977450A (zh) | 2023-10-31 |
Family
ID=88328936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210393606.0A Pending CN116977450A (zh) | 2022-04-14 | 2022-04-14 | 色彩单元确定方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116977450A (zh) |
WO (1) | WO2023198054A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPO960297A0 (en) * | 1997-10-03 | 1997-10-30 | Canon Information Systems Research Australia Pty Ltd | Colour advising and selection method |
CN101655983B (zh) * | 2008-08-18 | 2012-12-12 | 索尼(中国)有限公司 | 主颜色提取装置和方法 |
JP6318513B2 (ja) * | 2013-09-17 | 2018-05-09 | 株式会社リコー | 代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体 |
US10672049B1 (en) * | 2014-09-23 | 2020-06-02 | Amazon Technologies, Inc. | Sample color selection for online retail items |
CN111798526B (zh) * | 2020-01-10 | 2022-04-19 | 中国人民解放军国防科技大学 | 基于聚类空间映射的彩色图像主色快速提取方法及系统 |
-
2022
- 2022-04-14 CN CN202210393606.0A patent/CN116977450A/zh active Pending
-
2023
- 2023-04-11 WO PCT/CN2023/087607 patent/WO2023198054A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023198054A9 (zh) | 2023-12-14 |
WO2023198054A1 (zh) | 2023-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109903256B (zh) | 模型训练方法、色差校正方法、装置、介质和电子设备 | |
CN110544258B (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
Ma et al. | Objective quality assessment for color-to-gray image conversion | |
KR101140533B1 (ko) | 이미지로부터 추정된 피부색에 기초해서 제품을 추천하는 컴퓨터 구현된 방법 | |
CN106898026B (zh) | 一种图片的主色调提取方法和装置 | |
US9542595B2 (en) | Systems and methods for recommending cosmetic products for users with mobile devices | |
CN112598761B (zh) | 一种纺织服装色彩搭配协同设计与智能推荐方法 | |
CN109102484B (zh) | 用于处理图像的方法和装置 | |
KR101624801B1 (ko) | 전경 물체 추출을 위한 매팅 방법 및 이를 수행하는 장치 | |
Luzón-González et al. | Recovering of weather degraded images based on RGB response ratio constancy | |
CN109344752A (zh) | 用于处理嘴部图像的方法和装置 | |
CN114997956B (zh) | 基于大数据的母婴产品智能推荐系统 | |
CN109903265A (zh) | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 | |
CN108764067A (zh) | 基于人脸识别的视频截取方法、终端、设备及可读介质 | |
WO2022120799A9 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US20180302536A1 (en) | Image processing apparatus and control method thereof | |
CN116977450A (zh) | 色彩单元确定方法、装置、电子设备及存储介质 | |
CN109523564B (zh) | 用于处理图像的方法和装置 | |
CN113642358A (zh) | 肤色检测方法、装置、终端和存储介质 | |
CN116708756A (zh) | 传感器的精度检测方法、检测装置、电子设备和存储介质 | |
CN113837181B (zh) | 一种筛选方法、装置、计算机设备及计算机可读存储介质 | |
US10397483B2 (en) | Image processing device, image processing system and non-transitory computer readable medium storing program | |
CN112215237B (zh) | 图像处理方法及装置、电子设备和计算机可读存储介质 | |
CN112132000B (zh) | 一种活体检测方法、装置、计算机可读介质及电子设备 | |
Chae et al. | Color navigation by qualitative attributes for fashion recommendation |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40095394 Country of ref document: HK |