RU2637876C2 - Способ, устройство сервера и устройство терминала для предоставления изображения - Google Patents
Способ, устройство сервера и устройство терминала для предоставления изображения Download PDFInfo
- Publication number
- RU2637876C2 RU2637876C2 RU2015153562A RU2015153562A RU2637876C2 RU 2637876 C2 RU2637876 C2 RU 2637876C2 RU 2015153562 A RU2015153562 A RU 2015153562A RU 2015153562 A RU2015153562 A RU 2015153562A RU 2637876 C2 RU2637876 C2 RU 2637876C2
- Authority
- RU
- Russia
- Prior art keywords
- image
- images
- groups
- color
- main
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 76
- 239000003086 colorant Substances 0.000 claims abstract description 32
- 238000000926 separation method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 2
- 235000019646 color tone Nutrition 0.000 abstract 1
- 238000002716 delivery method Methods 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06046—Constructional details
- G06K19/06056—Constructional details the marking comprising a further embedded marking, e.g. a 1D bar code with the black bars containing a smaller sized coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K2019/06215—Aspects not covered by other subgroups
- G06K2019/06225—Aspects not covered by other subgroups using wavelength selection, e.g. colour code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Abstract
Изобретение относится к средствам предоставления изображения, которые позволяют выполнять поиск изображения в соответствии с цветом. Технический результат заключается в расширении арсенала технических средств предоставления изображений. Указанный результат достигается за счет применения способа предоставления изображения, причем сервер принимает данные анализа основных компонентов цвета изображения, которые содержат идентификации предварительно заданного числа цветов основных компонентов в отношении изображения и пропорции соответствующих цветов основных компонентов; сервер сравнивает данные анализа основных компонентов цвета изображения, с данными анализа основных компонентов цвета множества изображений в базе данных изображения и передает идентификации множества изображений, которые имеют наивысшую степень сходства основного цветового тона с изображением на устройство терминала. Терминал принимает данные анализа основных компонентов цвета множества изображений, при этом образ разделения основных компонентов цвета в отношении изображения в базе данных изображений является таким же, как образ разделения основных компонентов цвета в отношении изображения. 3 н. и 12 з.п. ф-лы, 4 ил.
Description
Область техники
Изобретение относится к способу, устройству сервера и устройству терминала для предоставления изображения.
Уровень техники
В электронной коммерции покупатель может искать продукт по названию, производителю, номеру модели, цене продукта и т. п. В отношении продукта определенного типа покупатель более заинтересован в цвете продукта, например одежды, косметики и т.п. В такой ситуации сложно сделать так, чтобы покупатель получал продукт желаемого цвета подобно поиску по имени, производителю, номеру модели и цене продукта.
Сущность изобретения
Ввиду этого изобретение относится к способу, устройству сервера и устройству терминала для предоставления изображения, которые могут допускать поиск изображения в соответствии с цветом, помогают делать так, чтобы пользователь получал изображение желаемого цвета и могут помогать покупателю получать продукт желаемого цвета сравнительно точным образом при применении в области электронной коммерции.
Для того чтобы достигнуть вышеуказанной цели, согласно одному из аспектов изобретения, представлен способ предоставления изображения.
Способ предоставления изображения согласно изобретению содержит: сервер, принимающий данные анализа основных компонентов цвета изображения, подлежащего запросу, которые передают посредством устройства терминала, данные анализа основных компонентов цвета содержат идентификацию предварительно заданного числа цветов основных компонентов с учетом изображения, подлежащего запросу, и пропорции соответствующих цветов основных компонентов; сервер, который сравнивает данные анализа основных компонентов цвета изображения, подлежащего запросу, с данными анализа основных компонентов цвета множества изображений в базе данных изображений, и передает идентификацию множества изображений, которые имеют наивысшую степень сходства основного цветового тона с изображением, подлежащим запросу, в базе данных изображений, на устройство терминала с тем, чтобы устройство терминала получало изображения в соответствии с идентификацией; данные анализа основных компонентов цвета изображения в базе данных изображений содержат идентификацию предварительно заданного числа основных компонентов цвета с учетом изображения и пропорций соответствующих основных компонентов цвета, и образ разделения основных компонентов цвета в отношении изображения в базе данных изображений является таким же, как образ разделения основных компонентов цвета в отношении изображения, подлежащего запросу.
Необязательно, перед стадией приема сервером данных анализа основных компонентов цвета изображения, подлежащего запросу, которые передает устройство терминала, способ дополнительно включает выполнение следующих стадий в отношении множества изображений в базе данных изображений: фильтрация изображений, которые не имеют белого фона в соответствии с предварительно заданным порогом RGB; выполнение масштабирующей обработки для того, чтобы придать ширине и высоте изображения точно определенные значения; выполнение извлечения переднего плана; выполнение анализа основных компонентов цвета; и выполнение обработки по дедупликации изображений, которые имеют схожие основные компоненты цвета.
Необязательно, стадия выполнения извлечения переднего плана включает: начиная от каждого пикселя из группы противоположных границ изображения, поиск первой группы пикселей, которые являются ближайшими и имеют свои RGB значения меньше, чем предварительно заданное значение, к середине изображения в направлении, перпендикулярном группе границ; и начиная от центральной линии изображения, параллельной границам, поиск второй группы пикселей, которые являются ближайшими и имеют свои значения RGB меньше, чем предварительно заданное значение, к обеим сторонам в направлении, перпендикулярном центральной линии; и использование области между первой группой пикселей и второй группой пикселей в качестве переднего плана изображения.
Необязательно стадия выполнения анализа основных компонентов цвета включает: разделение цветового пространства HSV на множество групп; выполнение анализа HSV компонентов цвета в соответствии с пикселями переднего плана с учетом изображения и распределение пикселей переднего плана по соответствующим группам; вычисление пропорций числа пикселей соответствующих групп в сумме пикселей изображения переднего плана; и использование идентификации предварительно заданного числа групп, имеющих наибольшие пропорции, в качестве идентификации цветов основных компонентов.
Необязательно стадия выполнения обработки по дедупликации изображений, имеющих схожие основные компоненты цвета, включает: удаление групп, которые имеют пропорции меньше, чем предварительно заданный порог пропорции, из предварительно заданного числа групп, которые имеют наибольшие пропорции, в соответствии с результатом анализа основных компонентов цвета; и сравнение каждых двух из остающихся изображений, которые имеют одинаковое число групп, и принятие решения о том, что два изображения схожи, и выполнение дедупликации, если выполняется какое-либо одно из следующих условий: a) после того как осуществляют установление последовательности в соответствии с пропорцией, и идентификации групп и пропорции соответствующих групп двух изображений являются одинаковыми; b) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, числа меньше, чем половина предварительно заданного числа, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию двух изображений, не больше, чем первое предварительно заданное значение разности; и c) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, оба числа не меньше, чем половина предварительно заданного числа, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию двух изображений, не больше, чем второе предварительно заданное значение разности, где второе предварительно заданное значение разности больше, чем первое предварительно заданное значение разности.
Необязательно, степень сходства основного цветового тона вычисляют в соответствии со следующими уравнениями:
где sim(i) обозначает степень сходства основного цветового тона между изображением, подлежащим запросу, и i-м изображением в базе данных изображений; N обозначает предварительно заданное число; Query(Rj) обозначает пропорцию j-го основного компонента цвета изображения, подлежащего запросу; Databasei(Rk) обозначает пропорцию k-го основного компонента цвета i-го изображения в базе данных изображений; и W обозначает предварительно заданное положительное число меньше 1.
Согласно другому аспекту изобретения, представлено устройство сервера для предоставления изображения.
Устройство сервера для предоставления изображения согласно изобретению содержит: принимающий модуль для приема данных анализа основных компонентов цвета изображения, подлежащего запросу, которые передает устройство терминала, данные анализа основных компонентов цвета содержат идентификации предварительно заданного числа цветов основных компонентов в отношении изображения, подлежащего запросу, и пропорции соответствующих цветов основных компонентов; и передающий модуль для сравнения данных анализа основных компонентов цвета изображения, подлежащего запросу, с данными анализа основных компонентов цвета множества изображений в базе данных изображений, и передачи идентификаций множества изображений, которые имеют наивысшую степень сходства основного цветового тона с изображением, подлежащим запросу, в базе данных изображений, на устройство терминала с тем, чтобы устройство терминала получало изображения в соответствии с идентификациями; данные анализа основных компонентов цвета изображения в базе данных изображений содержат идентификации предварительно заданного числа основных компонентов цвета в отношении изображения и пропорции соответствующих основных компонентов цвета, и образ разделения основных компонентов цвета в отношении изображения в базе данных изображений является таким же, как образ разделения основных компонентов цвета в отношении изображения, подлежащего запросу.
Необязательно устройство сервера дополнительно содержит: модуль фильтрации фона для фильтрации изображений, не имеющих белого фона, в отношении множества изображений в базе данных изображений в соответствии с предварительно заданным порогом RGB; модуль масштабирования изображения для осуществления масштабирующей обработки в отношении множества изображений в базе данных изображений для того, чтобы ширине и высоте изображения придавать точно определенные значения; модуль извлечения переднего плана для осуществления извлечения переднего плана в отношении множества изображений в базе данных изображений; модуль анализа основных компонентов цвета для осуществления анализа основных компонентов цвета в отношении множества изображений в базе данных изображений; и модуль дедупликации для осуществления обработки по дедупликации изображений, которые имеют схожие основные компоненты цвета, в отношении множества изображений в базе данных изображений.
Необязательно, модуль извлечения переднего плана дополнительно используют: начиная от каждого пикселя из группы противоположных границ изображения, для поиска первой группы пикселей, которые являются ближайшими и имеют свои значения RGB меньше, чем предварительно заданное значение, к середине изображения в направлении, перпендикулярном группе границ; и, начиная от центральной линии изображения, параллельной границам, для поиска второй группы пикселей, которые являются ближайшими и имеют свои значения RGB меньше, чем предварительно заданное значение, к обеим сторонам в направлении, перпендикулярном центральной линии; и для использования области между первой группой пикселей и второй группой пикселей в качестве переднего плана изображения.
Необязательно модуль анализа основных компонентов цвета дополнительно используют: для разделения цветового пространства HSV на множество групп; для выполнения анализа HSV компонентов цвета в соответствии с пикселями переднего плана в отношении изображения и распределения пикселей переднего плана по соответствующим группам; для вычисления пропорций числа пикселей соответствующих групп в сумме пикселей изображения переднего плана; и для использования идентификаций предварительно заданного числа групп, которые имеют наибольшие пропорции, в качестве идентификаций цветов основных компонентов.
Необязательно модуль дедупликации дополнительно используют: для удаления групп, которые имеют пропорции меньше, чем предварительно заданный порог пропорции, из предварительно заданного числа групп, которые имеют наибольшие пропорции в соответствии с результатом анализа основных компонентов цвета; и для сравнения каждых двух из остающихся изображений, которые имеют одинаковое число групп, и принятия решения о том, что два изображения схожи, и выполнения дедупликации, если выполняется какое-либо одно из следующих условий: a) после того как осуществляют установление последовательности в соответствии с пропорцией, и идентификации групп и пропорции соответствующих групп двух изображений являются одинаковыми; b) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, числа групп меньше, чем половина предварительно заданного числа, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию двух изображений, не больше, чем первое предварительно заданное значение разности; и c) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, оба числа групп не меньше, чем половина предварительно заданного числа, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию, двух изображений не больше, чем второе предварительно заданное значение разности, где второе предварительно заданное значение разности больше, чем первое предварительно заданное значение разности.
Необязательно передающий модуль дополнительно используют для вычисления степени сходства основного цветового тона в соответствии со следующими уравнениями:
где sim(i) обозначает степень сходства основного цветового тона между изображением, подлежащим запросу, и i-м изображением в базе данных изображений; N обозначает предварительно заданное число; Query(Rj) обозначает пропорцию j-го основного компонента цвета изображения, подлежащего запросу; Databasei(Rk) обозначает пропорцию k-го основного компонента цвета i-го изображения в базе данных изображений; и W обозначает предварительно заданное положительное число меньше 1.
В соответствии с техническим решением согласно изобретению, анализ основных компонентов цвета осуществляют в отношении изображения в базе данных изображений, а анализ основных компонентов цвета осуществляют в отношении изображения, предоставляемого посредством устройства терминала, посредством чего изображение продукта, имеющего основной цветовой тон, близкий к цвету, который точно определяет пользователь, насколько возможно, находят в базе данных изображений. Такой образ действий позволяет дает поиск изображения в соответствии с цветом, помогает делать так, чтобы пользователь получал изображение желаемого цвета, и помогает покупателю получать продукт желаемого цвета сравнительно точным образом при применении в области электронной коммерции.
Краткое описание фигур
Фигуры используют для лучшего понимания изобретения, и они не создают ненадлежащих ограничений изобретения.
На фиг.1 представлено схематическое изображение способа предоставления изображения согласно одному из вариантов осуществления изобретения.
На фиг.2 представлено схематическое изображение извлечения переднего плана согласно одному из вариантов осуществления изобретения.
На фиг.3 представлено схематическое изображение базовой структуры устройства сервера согласно одному из вариантов осуществления изобретения.
На фиг.4 представлено схематическое изображение базовой структуры устройства терминала для предоставления изображения согласно одному из вариантов осуществления изобретения.
Подробное описание
В содержании далее приведено описание образцовых вариантов осуществления изобретения с учетом фигур, и, чтобы содействовать пониманию, содержание включает различные детали вариантов осуществления изобретения, которые следует толковать только в качестве примеров. Таким образом, специалистам в данной области следует понимать, что варианты осуществления, описанные в настоящем документе, можно менять и модифицировать различным образом, не отступая от объема и сущности изобретения. Аналогичным образом, для прозрачности и лаконизма, описания обыкновенных функций и структур не приведены в нижеследующем описании.
Техническое решение варианта осуществления изобретения преимущественно применяют к смартфону, после того, как пользователь использует камеру телефона для того, чтобы нацеливать ее на желаемый цвет для поиска, и выполняет операцию захвата цвета, программное обеспечение в смартфоне активирует камеру для того, чтобы получать изображение в видеокадре, использует это изображение в качестве изображения, подлежащего запросу, выполняет анализ основных компонентов цвета в отношении изображения, получает цвета основных компонентов изображения, подлежащего запросу, и соответствующие пропорции числа пикселей, относящихся к соответствующим цветам основных компонентов в общем числе пикселях изображения, т. е. пропорции соответствующих цветов основных компонентов. Смартфон передает результат анализа на сервер, сервер проводит поиск продукта, который имеет цвет, близкий к цвету на изображении, насколько это возможно, в базе данных изображений продукта в соответствии с изображением и передает идентификации изображений на смартфон, используемый пользователем, и указанное выше программное обеспечение загружает изображения из сетевого элемента, хранящего указанную выше базу данных изображений, в соответствии с идентификациями.
В отношении указанного выше сервера, он предварительно выполняет тот же анализ основных компонентов цвета в отношении изображений в базе данных изображений для того, чтобы получать цвета основных компонентов соответствующих изображений и пропорции соответствующих цветов основных компонентов. Далее в содержании приведены подробные описания способа предоставления изображения в одном из вариантов осуществления изобретения, принимая во внимание фиг.1. На фиг.1 представлено схематическое изображение способа предоставления изображения согласно одному из вариантов осуществления изобретения. Способ осуществляют посредством указанного выше сервера.
Стадия S11: фильтрация изображений, не имеющих белого фона, в отношении изображений в базе данных изображений, в соответствии с предварительно заданным порогом RGB. Изображения в базе данных изображений формально имеют стандартизацию, которая преимущественно отражена в том, что продукт расположен в центре изображения и имеет белый фон. Выполнение анализа цвета в отношении такого изображения позволяет получать сравнительно точные характеристики цвета продукта. На сегодняшний день, в области электронной коммерции, изображения в базе данных изображений продукта может быть из различных каналов, например, покупатель продукта, так что некоторые изображения продукта могут быть не очень стандартными, и эта стадия просто выполняет обработку с учетом такого обстоятельства, и отбрасывает изображения, не имеющие белого фона в базе данных изображений. Во время данной обработки можно проверять самый внешний круг пикселей изображения, и если значения R, G, B пикселей выходят за пределы определенной пропорции, например, 80% среди этих пикселей больше, чем предварительно заданный порог RGB, полагают, что фон является белым. Порог RGB в настоящем документе представляет собой сравнительно большое значение, но меньше чем 255, например, 220, т. е., пиксели, близкие к белым, также считают белыми, и преимущественно считают, что фон едва ли может быть полностью белым во время съемки.
Стадия S12: выполнение масштабирующей обработки в отношении изображений в базе данных изображений для того, чтобы ширине и высоте изображения придавать точно определенные значения. Поскольку многие изображения в базе данных изображений подлежат конечному отображению на устройстве терминала, для сравнительно хорошего эффекта отображения, изображения можно подвергать масштабирующей обработке с тем, чтобы унифицировать размеры изображений.
Стадия S13: выполнение извлечения переднего плана в отношении изображений в базе данных изображений. В отношении некоторых продуктов, геометрические формы продуктов содержат кольцевую форму, внутренняя часть кольцевой формы все же является фоном, и цвет фона (т.е. белый, как рассмотрено на стадии S11) не может служить в качестве цвета самого продукта, и, таким образом, его следует удалять. С учетом этого, вариант осуществления может выполнять обработку следующим образом: сначала, начиная от каждого пикселя из группы противоположных границ изображения, искать первую группу пикселей, которые являются ближайшими и имеют значения RGB меньше, чем предварительно заданное значение, к середине изображения в направлении, перпендикулярном группе границ; и, начиная от центральной линии изображения, параллельной границам, искать вторую группу пикселей, которые являются ближайшими и имеют значение RGB меньше, чем предварительно заданное значение, к обеим сторонам в направлении, перпендикулярном центральной линии; и затем использовать область между первой группой пикселей и второй группой пикселей в качестве переднего плана изображения. Далее в содержании приведено описание с помощью примеров, принимая во внимание фиг.2. На фиг.2 представлено схематическое изображение извлечения переднего плана согласно одному из вариантов осуществления изобретения.
Как показано на фиг.2, начиная от соответствующих пикселей на одной границе 21 изображения 20, выполняют поиск в направлении центральной линии 23, например, ищут один пиксель 241, который имеет значение RGB больше чем порог, в направлении стрелки 251; аналогичным образом, начиная от соответствующих пикселей на границе 22, выполняют поиск в направлении центральной линии 23, например, ищут один пиксель 242, который имеет значение RGB больше чем порог, в направлении стрелки 252; и пиксели, например, пиксели 241, 242, найденные, когда начинали от границ 21, 22, служат в качестве первой группы пикселей. Выполняют поиск от соответствующих пикселей на центральной линии 23 в направлении границ 21, 22, например, начиная от пикселя 231, ищут один пиксель 243, который имеет значение RGB больше чем порог, в направлении стрелки 253; аналогичным образом, начиная от пикселя 232, ищут один пиксель 244, который имеет значение RGB больше, чем порог, в направлении стрелки 254; и пиксели, например, пиксели 243, 244, которые найдены, начиная от центральной линии 23, служат в качестве второй группы пикселей. Область между двумя группами пикселей представляет собой просто передний план.
Стадия S14: выполнение анализа основных компонентов цвета в отношении изображений в базе данных изображений. В определенном варианте осуществления анализ осуществляют в цветовом пространстве HSV и, в частности, он состоит в том, чтобы сначала разделить цветовое пространство HSV на множество групп; затем выполнять анализ HSV компонентов цвета в соответствии с пикселями переднего плана в отношении изображения; распределять пиксели переднего плана по соответствующим группам; затем вычислять пропорции числа пикселей соответствующих групп в сумме пикселей изображения переднего плана; и использовать идентификации предварительно заданного числа групп, которые имеют наибольшие пропорции, в качестве идентификации цветов основных компонентов, т.е. берут несколько компонентов цвета, имеющих преобладающие пропорции, в качестве цветов основных компонентов изображения.
В определенном варианте осуществления цвета основных компонентов выражают в форме (M, N), где M обозначает идентификации цветов основных компонентов, т. е., идентификации групп, получаемых посредством разделения цветового пространства HSV, и N обозначает указанную выше пропорцию цвета основного компонента M. Например, цветовое пространство HSV разделяют на 65 групп, и результат, полученный посредством выполнения анализа основных компонентов цвета в отношении определенного изображения, представляет собой следующее (только часть результатов перечислена в настоящем документе):
(0, 0,008); (1, 0,002); (2, 0,01); (3, 0,035); (4, 0,001); … (63, 0,006); (64, 0,38).
Стадия S15: выполнение обработки по дедупликации изображений, которые имеют схожие основные компоненты цвета, в отношении изображений в базе данных изображений в соответствии с результатом анализа на стадии S14. В определенном варианте осуществления, она состоит в том, чтобы сначала удалять группы, которые имеют пропорции меньше, чем предварительно заданный порог пропорции, из предварительно заданного числа групп, которые имеют наибольшие пропорции, в соответствии с результатом анализа основных компонентов цвета; и затем сравнивать каждые два из остающихся изображений, имеющих одинаковое число групп, и принимать решение о том, что два изображения схожи, и выполнять дедупликацию, если выполняется какое-либо одно из следующих условий:
a) после того как осуществляют установление последовательности в соответствии с пропорцией, и идентификации групп и пропорции соответствующих групп двух изображений являются одинаковыми;
b) после того, как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, число групп меньше, чем половина предварительно заданного числа, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию двух изображений, не больше, чем первое предварительно заданное значение разности; и
c) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, оба числа групп не меньше, чем половина предварительно заданного числа, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию двух изображений, не больше, чем второе предварительно заданное значение разности,
где второе предварительно заданное значение разности больше, чем первое предварительно заданное значение разности.
Далее в содержании приведены описания, принимая во внимание примеры. Например, берут 4 цвета в качестве основных компонентов цвета изображения, например, берут группы, которые имеют главные четыре пропорции, например, в отношении пяти изображений A, B, C, D, E, группы, которые имеют главные четыре части, соответственно, представляют собой следующее:
Изображение A: (64, 0,38), (7, 0,21), (26, 0,15), (33, 0,06);
Изображение B: (64, 0,35), (7, 0,23), (26, 0,15), (45, 0,08);
Изображение C: (64, 0,39), (7, 0,19), (26, 0,03), (54, 0,02);
Изображение D: (22, 0,43), (32, 0,32), (45, 0,02), (49, 0,016);
Изображение E: (22, 0,43), (32, 0,31), (47, 0,02), (44, 0,016).
Сначала удаляют группы, которые имеют пропорции меньше, чем предварительно заданный порог пропорции, например, порог пропорции составляет 0,1, и результат представляет собой следующее:
Изображение A: (64, 0,38), (7, 0,21), (26, 0,15);
Изображение B: (64, 0,35), (7, 0,23), (26, 0,15);
Изображение C: (64, 0,39), (7, 0,19);
Изображение D: (22, 0,43), (32, 0,32);
Изображение E: (22, 0,43), (32, 0,31).
Для изображения A и изображения B осталось по 3 группы, эти два изображения сравнивают, поскольку 3 группы больше, чем половина от 4 групп (2 группы), это показывает, что продукт сравнительно богат цветом, и в этот момент принимают сравнительно расплывчатый порог 0,4, так что пропорции, соответствующие группе 64, составляют 0,38 и 0,35, соответственно, и значение разности составляет 0,03, что меньше, чем 0,4; аналогичным образом, значения разности между пропорциями, соответствующими группе 7 и группе 26, составляют 0,02 и 0, соответственно, оба они меньше чем 0,4. В этот момент полагают, что основные компоненты цвета изображения A и изображения B схожи, и одно из изображения A и изображения B следует удалить.
В другом случае, для всех изображений C, D, E осталось по 2 группы, и 2 группы это больше чем половина от 4 групп, так что указывает на то, что продукт сравнительно однороден по цвету, и в этот момент следует принимать сравнительно жесткий порог, например, 0,2. Таким образом, поскольку группы изображения C отличаются от таковых для изображений D, E, основные компоненты цвета очевидно различны; и, в отношении изображения D и изображения E, группы являются одинаковыми и разность пропорций в одной и той же группе меньше 0,2, так что полагают, что изображение D и изображение E имеют схожие основные компоненты цвета, и одно из изображения D и изображение E следует удалять.
Указанные выше соответствующие стадии выполняют предварительно, перед тем как сервер принимает изображение, подлежащее запросу. После стадии S15 можно принимать запрос посредством устройства терминала, т.е. входят в стадию S16.
Стадия S16: прием результата анализа основных компонентов изображения, передаваемого устройством терминала. Результат также имеет указанную выше форму (M, N), и подобно результату анализа в базе данных изображений, берут группы, которые имеют главные четыре пропорции.
Стадия S17: вычисление степени сходства основного цветового тона между изображением в базе данных изображений и изображением, подлежащим запросу, в соответствии с уравнением (1) и уравнением (2).
Уравнение (1):
Уравнение (2):
где sim(i) обозначает степень сходства основного цветового тона между изображением, подлежащим запросу, и i-м изображением в базе данных изображений; N обозначает предварительно заданное число; Query(Rj) обозначает пропорцию j-го основного компонента цвета изображения, подлежащего запросу; Databasei(Rk) обозначает пропорцию k-го основного компонента цвета i-го изображения в базе данных изображений; и W обозначает предварительно заданное положительное число меньше 1. W задают здесь по той причине, что учитывают влияние последовательности пропорций основных компонентов цвета на цветовую разность между двумя изображениями.
Например, результат анализа основных компонентов изображения, подлежащего запросу, передаваемого устройством терминала, представляет собой следующее: (7, 0,29), (64, 0,31), (36, 0,14), (58, 0,01), тогда в этот момент N в уравнении (1) равен 4. В соответствии с уравнением (2), по сравнению с указанным выше изображением A, т.е. (64, 0,38), (7, 0,21), (26, 0,15), (33, 0,06), например, берут W=5, уравнение (1) раскрывается следующим образом: sim(i)=0,29×0,21×0,5|1-2|+0,31×0,38×0,5|2-1|=0,044675. Изображение, подлежащее запросу, и изображение A содержат цвета групп 7, 64, так что пропорции этих двух групп участвуют в вычислении, и поскольку другие группы, содержащиеся в изображениях, являются различающимися, они относятся к другим условиям в уравнении (2), и 0 берут в качестве значения f(j, k). В соответствии с результатом вычисления получают, что степень сходства основного цветового тона между изображением, подлежащим запросу, и указанным выше изображением A, составляет 0,044675.
Каждое изображение в базе данных изображений подвергают указанному выше вычислению для того, чтобы получать степень сходства основного цветового тона между каждым изображением и изображением, подлежащим запросу. Затем входят в стадию S18.
Стадия S18: берут несколько изображений в базе данных изображений, которые имеют преобладающие степени сходства, и передают идентификации изображений на устройство терминала. Идентификации в настоящем документе, например серийные номера изображений, могут представлять собой номера изделий для продуктов на изображениях в электронной коммерции. Таким образом, устройство терминала может загружать соответствующие изображения из сети в соответствии с идентификациями и отображать изображения пользователю.
Далее в содержании приведены описания принципа работы устройства терминала. Устройство терминала может представлять собой смартфон, программное обеспечение в нем активирует камеру смартфона, чтобы тем самым получать видеокадр, и получают блок изображения из центрального положения видеокадра. В этот момент пользователь должен нацелиться на объект, который имеет цвет, подлежащий запросу. Размер блока изображения может составлять 16×16 пикселей. Затем блок изображения подвергают анализу основных компонентов цвета таким образом, который схож с указанным выше образом на стадии S14, и различие состоит только в том, что блок изображения в этот момент полностью используют в качестве мишени переднего плана.
Строго говоря, объект, на который нацеливается пользователь, имеет множество цветов из-за лучей света или самого объекта, и для того, чтобы позволить пользователю подтвердить условия для цвета, на которые он нацелился, основные цвета блока изображения можно анализировать и затем представлять пользователю. Во время анализа сначала учитывают, больше ли пропорция группы, которая ранжирована первой в блоке изображения после анализа цвета, чем сравнительно большое предварительно заданное значение T1 или нет, и если так, указывают на то, что в блоке изображения имеет место очевидно превалирующий цвет, и тогда цвет можно использовать в качестве основного цвета блока изображения; и если пропорция группы, которая ранжирована первой, меньше T1, но больше, чем другое предварительно заданное значение T2, основной цвет, имеющий цвет, ближайший к цвету пикселя в центральном положении блока изображения, используют в качестве основного цвета блока изображения. С учетом других обстоятельств, цвет пикселя в центральном положении блока изображения используют в качестве основного цвета блока изображения. Указанный выше анализ проводят образом, показанным в уравнении (3)
где S(i) обозначает значения R, G, B основного цвета блока изображения; Mean(Uj) обозначает среднее значение R, G, B всех пикселей в j-м цвете основного компонента блока изображения; R0 обозначает пропорцию первого цвета основного компонента; dis(*,*) обозначает эвклидово расстояние между векторами; и T1 и T2 обозначают предварительно заданные пороги пропорций.
После того как получают основной цвет блока изображения, устройство терминала может выводить цветной блок, и его цвет просто представляет собой полученный основной цвет, так что пользователь может подтверждать цвет, на основании которого пользователь проводит поиск. В соответствии со стадией на фиг.1, некоторые изображения имеют основные компоненты цвета, близкие к цветному блоку, насколько это возможно, в базе данных изображений, и все эти изображения представляют собой фотографии или рисунки продукта. Полагают, что в действительности пользователь преимущественно ищет продукты определенного типа, так что на стадии S17 изображения в базе данных изображений предпочтительно представляют собой поднабор всех изображений в базе данных изображений, и поднабор представляет собой фотографии или рисунки продуктов того типа, который предварительно точно определен пользователем.
В содержании далее приведены описания устройства сервера и устройства терминала в определенном варианте осуществления изобретения. На фиг.3 представлено схематическое изображение базовой структуры устройства сервера согласно одному из вариантов осуществления изобретения. Устройство сервера может быть расположено на указанном выше сервере. Как показано на фиг.3, устройство 30 сервера для предоставления изображения преимущественно содержит принимающий модуль 31 и передающий модуль 32.
Принимающий модуль 31 используют для приема данных анализа основных компонентов цвета изображения, подлежащего запросу, которые передает устройство терминала, данные анализа основных компонентов цвета содержат идентификации предварительно заданного числа цветов основных компонентов в отношении изображения, подлежащего запросу, и пропорции соответствующих цветов основных компонентов; и передающий модуль 32 используют для сравнения данных анализа основных компонентов цвета изображения, подлежащего запросу, с данными анализа основных компонентов цвета множества изображений в базе данных изображений, и передачи идентификаций множества изображений, которые имеют наивысшую степень сходства основного цветового тона с изображением, подлежащим запросу, в базе данных изображений, на устройство терминала с тем, чтобы устройство терминала запрашивало изображения в соответствии с идентификациями; данные анализа основных компонентов цвета изображения в базе данных изображений содержат идентификации предварительно заданного числа основных компонентов цвета в отношении изображения и пропорции соответствующих основных компонентов цвета, и образ разделения основных компонентов цвета в отношении изображения в базе данных изображений является таким же, как образ разделения основных компонентов цвета в отношении изображения, подлежащего запросу.
Устройство 30 сервера для предоставления изображения дополнительно может содержать следующие модули (не показано): модуль фильтрации фона для фильтрации изображений, которые не имеют белого фона, в отношении множества изображений в базе данных изображений в соответствии с предварительно заданным порогом RGB; модуль масштабирования изображения для осуществления масштабирующей обработки в отношении множества изображений в базе данных изображений для того, чтобы ширине и высоте изображения придавать точно определенные значения; модуль извлечения переднего плана для осуществления извлечения переднего плана в отношении множества изображений в базе данных изображений; модуль анализа основных компонентов цвета для осуществления анализа основных компонентов цвета в отношении множества изображений в базе данных изображений; и модуль дедупликации для осуществления обработки по дедупликации изображений, которые имеют схожие основные компоненты цвета в отношении множества изображений в базе данных изображений.
Модуль извлечения переднего плана дополнительно можно использовать: начиная от каждого пикселя из группы противоположных границ изображения, для поиска первой группы пикселей, которые являются ближайшими и имеют значения RGB меньше, чем предварительно заданное значение, к середине изображения в направлении, перпендикулярном группе границ; и начиная от центральной линии изображения, параллельной граница, для поиска второй группы пикселей, которые являются ближайшими и имеют значения RGB меньше, чем предварительно заданное значение к обеим сторонам в направлении, перпендикулярном центральной линии; и для использования области между первой группой пикселей и второй группой пикселей в качестве переднего плана изображения.
Модуль анализа основных компонентов цвета дополнительно можно использовать: для разделения цветового пространства HSV на множество групп; для выполнения анализа HSV компонентов цвета в соответствии с пикселями переднего плана в отношении изображения и распределения пикселей переднего плана по соответствующим группам; для вычисления пропорций числа пикселей соответствующих групп в сумме пикселей изображения переднего плана; и для использования идентификаций предварительно заданного числа групп, которые имеют наибольшие пропорции, в качестве идентификаций цветов основных компонентов.
Модуль дедупликации дополнительно можно использовать: для удаления групп, которые имеют пропорции меньше предварительно заданного порога пропорции, из предварительно заданного числа групп, которые имеют наибольшие пропорции в соответствии с результатом анализа основных компонентов цвета; и для сравнения каждых двух из остающихся изображений, которые имеют то же число групп, и принятия решения о том, что два изображения схожи, и выполнения дедупликации, если выполняется какое-либо одно из следующих условий:
a) после того как осуществляют установление последовательности в соответствии с пропорцией, и идентификации групп и пропорции соответствующих групп двух изображений являются одинаковыми;
b) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, число групп меньше, чем половина предварительно заданного числа, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию двух изображений, не больше, чем первое предварительно заданное значение разности; и
c) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, оба числа групп не меньше, чем половина предварительно заданного числа, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию, двух изображений не больше, чем второе предварительно заданное значение разности,
где второе предварительно заданное значение разности больше, чем первое предварительно заданное значение разности.
Передающий модуль дополнительно можно использовать для вычисления степени сходства основного цветового тона в соответствии с уравнением (1) и уравнением (2).
На фиг.4 представлено схематическое изображение базовой структуры устройства терминала для предоставления изображения согласно одному из вариантов осуществления изобретения. Устройство терминала для предоставления изображения согласно варианту осуществления изобретения может быть расположено в указанном выше смартфоне. Как показано на фиг.4, устройство 40 терминала для предоставления изображения преимущественно содержит получающий блок изображения модуль 41, анализирующий цвет модуль 42, передающий модуль 43, принимающий модуль 44 и получающий изображение модуль 45.
Получающий блок изображения модуль 41 используют для получения блока изображения из видеокадра; анализирующий цвет модуль 42 используют для осуществления анализа основных компонентов цвета в отношении изображения блок, чтобы тем самым получать идентификации предварительно заданного числа основных компонентов цвета и пропорции соответствующих основных компонентов цвета; передающий модуль 43 используют для передачи результата анализа с помощью анализирующего цвет модуля на сервер; принимающий модуль 44 используют для приема идентификаций изображения, передаваемых сервером, изображение представляет собой изображение в базе данных изображений, которое имеет основной цветовой тон, имеющий наивысшую степень сходства с основным цветовым тоном блока изображения, получаемым сервером, который сравнивает результат анализа с данными анализа основных компонентов цвета множества изображений в базе данных изображений; и получающий изображение модуль 45 используют для получения изображения в соответствии с идентификацией изображения, передаваемой сервером.
Анализирующий цвет модуль дополнительно можно использовать: для разделения цветового пространства HSV на множество групп; для выполнения анализа HSV компонентов цвета в отношении блока изображения и распределения пикселей в блоке изображения по соответствующим группам; для вычисления пропорций числа пикселей соответствующих групп в сумме пикселей блока изображения; и для использования идентификаций предварительно заданного числа групп, которые имеют наибольшие пропорции, в качестве идентификаций цветов основных компонентов.
Устройство 40 терминала для предоставления изображения дополнительно может содержать основной анализирующий цвет модуль и модуль вывода (не показано), где основной анализирующий цвет модуль используют для получения основного цвета блока изображения в соответствии с уравнением (3), а модуль вывода используют для вывода цветного блока основного цвета с тем, чтобы пользователь подтверждал цвет, подлежащий запросу.
В соответствии с техническим решением согласно изобретению, анализ основных компонентов цвета осуществляют в отношении изображения в базе данных изображений, и анализ основных компонентов цвета осуществляют в отношении изображения, предоставляемого посредством устройства терминала, посредством чего изображение продукта, имеющего основной цветовой тон, близкий к цвету, точно определяемому пользователем, насколько возможно, находят в базе данных изображений. Таким образом выполняют поиск изображения в соответствии с цветом, помогая сделать так, чтобы пользователь получал изображение желаемого цвета, и помогая покупателю получать продукт желаемого цвета сравнительно точным образом при применении в области электронной коммерции.
В содержании, описанном выше, описан основной принцип изобретения с учетом вариантов осуществления, но следует отметить, что специалисты в данной области могут понять все или какие-либо стадии или компоненты способа и устройства согласно изобретению, и могут добиться успеха на каком-либо вычислительном устройстве (содержащем процессор, запоминающую среду и т.д.) или сеть вычислительных устройств с аппаратным обеспечением, встроенным программным обеспечением, программным обеспечением или их сочетанием. Этого специалисты в данной области могут достичь только используя свои базовые навыки в программировании, в случае прочтения описания изобретения.
Таким образом, цель изобретения дополнительно можно достичь посредством запуска программы или группы программ на каком-либо вычислительном устройстве. Вычислительное устройство может представлять собой обыкновенное универсальное устройство. Таким образом, цель изобретения также может быть достигнута только посредством предоставления программного продукта, который содержит программный код для получения способа или устройства. То есть такой программный продукт также формирует изобретение, и запоминающая среда, хранящая такой программный продукт, также формирует изобретение. Очевидно, запоминающая среда может представлять собой какую-либо общую запоминающую среду или какую-либо запоминающую среду, которая будет разработана в будущем.
Кроме того, следует отметить, что в устройстве и в способе согласно изобретению очевидно, что соответствующие компоненты или соответствующие стадии можно разделять и/или комбинировать заново. Эти ситуации и/или рекомбинации следует рассматривать как эквивалентные решения согласно изобретению. Кроме того, стадии для осуществления указанной выше последовательности обработки можно естественным образом выполнять в хронологически описанном порядке, но выполнять их хронологически не обязательно. Некоторые стадии можно осуществлять параллельно или независимо друг от друга.
Приведенные выше варианты осуществления не образуют ограничений для объема защиты изобретения. Специалистам в данной области техники следует понимать, что в зависимости от требований к конструкции и других факторов, могут возникать различные модификации, комбинации, подкомбинации и замены. Любая модификация, эквивалентная замена, усовершенствование и т.п., выполненные в соответствии с сущностью и идеей изобретения, должна входить в объем охраны изобретения.
Claims (76)
1. Способ предоставления изображения, отличающийся тем, что способ содержит:
сервер, который принимает данные анализа основных компонентов цвета изображения, подлежащего запросу, которые передает устройство терминала, причем данные анализа основных компонентов цвета содержат идентификации предварительно заданного числа цветов основных компонентов в отношении изображения, подлежащего запросу, и пропорции соответствующих цветов основных компонентов;
сервер сравнивает данные анализа основных компонентов цвета изображения, подлежащего запросу, с данными анализа основных компонентов цвета множества изображений в базе данных изображения и передает идентификации множества изображений, которые имеют наивысшую степень сходства основного цветового тона с изображением, подлежащим запросу, в базе данных изображений, на устройство терминала с тем, чтобы устройство терминала получало множество изображений в соответствии с идентификациями;
причем данные анализа основных компонентов цвета множества изображений в базе данных изображений содержат идентификации предварительно заданного числа основных компонентов цвета в отношении изображения и пропорции соответствующих основных компонентов цвета, и образ разделения основных компонентов цвета в отношении изображения в базе данных изображений является таким же, как образ разделения основных компонентов цвета в отношении изображения, подлежащего запросу.
2. Способ по п.1, отличающийся тем, что перед стадией приема сервером данных анализа основных компонентов цвета изображения, подлежащего запросу, которые передает устройство терминала, способ дополнительно содержит выполнение следующих стадий в отношении множества изображений в базе данных изображений:
фильтрация изображений, которые не имеют белого фона, в соответствии с предварительно заданным порогом RGB;
выполнение масштабирующей обработки для того, чтобы ширине и высоте изображения придавать точно определенные значения;
выполнение извлечения переднего плана;
выполнение анализа основных компонентов цвета; и
выполнение обработки по дедупликации изображений, которые имеют схожие основные компоненты цвета.
3. Способ по п.2, отличающийся тем, что стадия выполнения извлечения переднего плана содержит:
начиная от каждого пикселя из группы противоположных границ изображения, поиск первой группы пикселей, которые являются ближайшими в RGB значениях, и значения RGB меньше, чем предварительно заданное значение, к середине изображения в направлении, перпендикулярном группе границ; и
начиная от центральной линии изображения, параллельной границам, поиск второй группы пикселей, которые являются ближайшими в RGB значениях, и значения RGB меньше, чем предварительно заданное значение, к обеим сторонам в направлении, перпендикулярном центральной линии; и
использование области между первой группой пикселей и второй группой пикселей в качестве переднего плана изображения.
4. Способ по п.2, отличающийся тем, что стадия выполнения анализа основных компонентов цвета содержит:
разделение цветового пространства HSV на множество групп;
выполнение анализа HSV компонентов цвета в соответствии с пикселями переднего плана в отношении изображения и назначение пикселей переднего плана соответствующим группам;
вычисление пропорций числа пикселей каждой группы в сумме пикселей изображения переднего плана; и
использование идентификаций предварительно заданного числа групп, которые имеют наибольшие пропорции, в качестве идентификаций цветов основных компонентов.
5. Способ по п.4, отличающийся тем, что стадия выполнения обработки по дедупликации изображений, имеющих схожие основные компоненты цвета, содержит:
удаление групп, которые имеют пропорции меньше, чем предварительно заданный порог пропорции, из предварительно заданного числа групп, которые имеют наибольшие пропорции в соответствии с результатом анализа основных компонентов цвета; и
сравнение каждых двух из изображений, которые имеют одинаковое число групп в оставшихся группах, и принятие решения о том, что два изображения схожи, и выполнение дедупликации, если выполняется какое-либо одно из следующих условий:
a) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп и пропорции соответствующих групп двух изображений являются одинаковыми;
b) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, число групп является меньшим, чем половина предварительно заданного числа групп, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию, двух изображений не больше, чем первое предварительно заданное значение разности; и
c) после того) как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, число групп не меньше, чем половина предварительно заданного числа групп, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию, двух изображений не больше, чем второе предварительно заданное значение разности,
причем второе предварительно заданное значение разности больше, чем первое предварительно заданное значение разности.
6. Способ по любому из пп. 1-5, отличающийся тем, что степень сходства основного цветового тона вычисляют в соответствии со следующими уравнениями:
где sim(i) обозначает степень сходства основного цветового тона между изображением, подлежащим запросу, и i-м изображением в базе данных изображений; N обозначает предварительно заданное число; Query(Rj) обозначает пропорцию j-го основного компонента цвета изображения, подлежащего запросу; Databasei(Rk) обозначает пропорцию k-го основного компонента цвета i-го изображения в базе данных изображений; и W обозначает предварительно заданное положительное число меньше 1.
7. Устройство сервера для предоставления изображения, отличающееся тем, что содержит:
принимающий модуль для приема данных анализа основных компонентов цвета изображения, подлежащего запросу, которые передает устройство терминала, причем данные анализа основных компонентов цвета содержат идентификации предварительно заданного числа цветов основных компонентов в отношении изображения, подлежащего запросу, и пропорции соответствующих цветов основных компонентов; и
передающий модуль для сравнения данных анализа основных компонентов цвета изображения, подлежащего запросу, с данными анализа основных компонентов цвета множества изображений в базе данных изображений и передачи идентификаций множества изображений, которые имеют наивысшую степень сходства основного цветового тона с изображением, подлежащим запросу, в базе данных изображений, на устройство терминала с тем, чтобы устройство терминала получало множество изображений в соответствии с идентификациями;
причем данные анализа основных компонентов цвета множества изображений в базе данных изображений содержат идентификации предварительно заданного числа основных компонентов цвета в отношении изображения и пропорции соответствующих основных компонентов цвета, и образ разделения основных компонентов цвета в отношении изображения в базе данных изображений является таким же, как образ разделения основных компонентов цвета в отношении изображения, подлежащего запросу.
8. Устройство сервера по п.7, отличающееся тем, что дополнительно содержит:
модуль фильтрации фона для фильтрации изображений, которые не имеют белого фона, в отношении множества изображений в базе данных изображений в соответствии с предварительно заданным порогом RGB;
модуль масштабирования изображения для осуществления масштабирующей обработки в отношении множества изображений в базе данных изображений для того, чтобы ширине и высоте изображения придавать точно определенные значения;
модуль извлечения переднего плана для осуществления извлечения переднего плана в отношении множества изображений в базе данных изображений;
модуль анализа основных компонентов цвета для осуществления анализа основных компонентов цвета в отношении множества изображений в базе данных изображений; и
модуль дедупликации для осуществления обработки по дедупликации изображений, которые имеют схожие основные компоненты цвета, в отношении множества изображений в базе данных изображений.
9. Устройство сервера по п.8, отличающееся тем, что модуль извлечения переднего плана дополнительно используют:
начиная от каждого пикселя из группы противоположных границ изображения, для поиска первой группы пикселей, которые являются ближайшими в RGB значениях и значения RGB меньше, чем предварительно заданное значение, к середине изображения в направлении, перпендикулярном группе границ; и
начиная от центральной линии изображения, параллельной границам, для поиска второй группы пикселей, которые являются ближайшими в RGB значениях, и значения RGB меньше, чем предварительно заданное значение к обеим сторонам в направлении, перпендикулярном центральной линии; и
для использования области между первой группой пикселей и второй группой пикселей в качестве переднего плана изображения.
10. Устройство сервера по п.8, отличающееся тем, что модуль анализа основных компонентов цвета дополнительно используют для:
разделения цветового пространства HSV на множество групп;
выполнения анализа HSV компонентов цвета в соответствии с пикселями переднего плана в отношении изображения и назначение пикселей переднего плана соответствующим группам;
вычисления пропорций числа пикселей соответствующих групп в сумме пикселей изображения переднего плана; и
использования идентификаций предварительно заданного числа групп, которые имеют наибольшие пропорции, в качестве идентификаций цветов основных компонентов.
11. Устройство сервера по п.10, отличающееся тем, что модуль дедупликации дополнительно используют для:
удаления групп, которые имеют пропорции меньше, чем предварительно заданный порог пропорции, из предварительно заданного числа групп, которые имеют наибольшие пропорции, в соответствии с результатом анализа основных компонентов цвета; и
сравнения каждых двух из изображений, которые имеют одинаковое число в оставшейся группе, и принятия решения о том, что два изображения схожи, и выполнения дедупликации, если выполняется какое-либо одно из следующих условий:
a) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп и пропорции соответствующих групп двух изображений являются одинаковыми;
b) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, число групп меньше, чем половина предварительно заданного числа групп, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию, двух изображений не больше, чем первое предварительно заданное значение разности; и
c) после того как осуществляют установление последовательности в соответствии с пропорцией, идентификации групп двух изображений являются одинаковыми, число групп не меньше, чем половина предварительно заданного числа групп, и абсолютное значение разности между пропорциями групп, которые имеют одинаковую идентификацию, двух изображений не больше, чем второе предварительно заданное значение разности,
причем второе предварительно заданное значение разности больше, чем первое предварительно заданное значение разности.
12. Устройство сервера по любому из пп. 7-11, отличающееся тем, что передающий модуль дополнительно используют для вычисления степени сходства основного цветового тона в соответствии со следующими уравнениями:
где sim(i) обозначает степень сходства основного цветового тона между изображением, подлежащим запросу, и i-м изображением в базе данных изображений; N обозначает предварительно заданное число; Query(Rj) обозначает пропорцию j-го основного компонента цвета изображения, подлежащего запросу; Databasei(Rk) обозначает пропорцию k-го основного компонента цвета i-го изображения в базе данных изображений; и W обозначает предварительно заданное положительное число меньше 1.
13. Устройство терминала для предоставления изображения, отличающееся тем, что содержит:
получающий блок изображения модуль, для получения блока изображения из видеокадра;
анализирующий цвет модуль, для осуществления анализа основных компонентов цвета в отношении блока изображения, чтобы тем самым получать идентификации предварительно заданного числа основных компонентов цвета и пропорции соответствующих основных компонентов цвета;
передающий модуль, для передачи результата анализа анализирующего цвет модуля на сервер;
принимающий модуль, для приема идентификации изображения, передаваемой сервером, причем изображение представляет собой изображение в базе данных изображений, которое имеет основной цветовой тон, имеющий наивысшую степень сходства с основным цветовым тоном блока изображения, получаемого сервером, который сравнивает результат анализа с данными анализа основных компонентов цвета множества изображений в базе данных изображений; и
получающий изображение модуль, для получения изображения в соответствии с идентификацией изображения, передаваемой сервером.
14. Устройство терминала по п.13, отличающееся тем, что анализирующий цвет модуль дополнительно используют для:
разделения цветового пространства HSV на множество групп;
выполнения анализа HSV компонентов цвета в отношении блока изображения и назначение пикселей в блоке изображения соответствующим группам;
вычисления пропорций числа пикселей соответствующих групп в сумме пикселей блока изображения; и
использования идентификаций предварительно заданного числа групп, которые имеют наибольшие пропорции, в качестве идентификаций цветов основных компонентов.
15. Устройство терминала по п.13, отличающееся тем, что дополнительно содержит основной анализирующий цвет модуль и модуль вывода, причем
основной анализирующий цвет модуль используют для получения основного цвета блока изображения в соответствии со следующим уравнением:
где S(i) обозначает значения R, G, B основного цвета i-го блока изображения; Mean(Uj) обозначает среднее значение R, G, B всех пикселей в j-м цвете основного компонента i-го блока изображения; R0 обозначает пропорцию первого цвета основного компонента; dis(*,*) обозначает эвклидово расстояние между векторами; и T1 и T2 обозначают предварительно заданные пороги пропорций; Centre0 обозначает основной цвет пикселя в центральном положении i-го блока изображения; и
модуль вывода используют для вывода цвета блок основного цвета.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310181762.1A CN103268338B (zh) | 2013-05-16 | 2013-05-16 | 一种提供图像的方法和服务器装置以及终端装置 |
| CN201310181762.1 | 2013-05-16 | ||
| PCT/CN2014/077186 WO2014183591A1 (zh) | 2013-05-16 | 2014-05-09 | 一种提供图像的方法和服务器装置以及终端装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2015153562A RU2015153562A (ru) | 2017-06-23 |
| RU2637876C2 true RU2637876C2 (ru) | 2017-12-07 |
Family
ID=49011967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2015153562A RU2637876C2 (ru) | 2013-05-16 | 2014-05-09 | Способ, устройство сервера и устройство терминала для предоставления изображения |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9734164B2 (ru) |
| CN (1) | CN103268338B (ru) |
| AU (1) | AU2014267925B2 (ru) |
| RU (1) | RU2637876C2 (ru) |
| WO (1) | WO2014183591A1 (ru) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268338B (zh) * | 2013-05-16 | 2016-03-30 | 北京京东尚科信息技术有限公司 | 一种提供图像的方法和服务器装置以及终端装置 |
| CN105224680A (zh) * | 2015-10-19 | 2016-01-06 | 深圳市金立通信设备有限公司 | 一种搜索应用程序的方法以及终端 |
| CN105354275A (zh) * | 2015-10-29 | 2016-02-24 | 努比亚技术有限公司 | 一种信息处理方法及装置、终端 |
| CN108073934A (zh) * | 2016-11-17 | 2018-05-25 | 北京京东尚科信息技术有限公司 | 近重复图像检测方法与装置 |
| CN106846244A (zh) * | 2017-01-04 | 2017-06-13 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像数据处理方法、设备及终端 |
| WO2019183347A1 (en) | 2018-03-21 | 2019-09-26 | Walmart Apollo, Llc | Product image evaluation system and method |
| CN110941731A (zh) * | 2018-09-21 | 2020-03-31 | 阿里巴巴集团控股有限公司 | 颜色确定方法、面料定制方法及装置 |
| KR102114223B1 (ko) * | 2019-12-10 | 2020-05-22 | 셀렉트스타 주식회사 | 딥러닝 기반 유사 이미지를 필터링하는 방법 및 그를 이용한 장치 |
| CN111986089A (zh) * | 2020-08-28 | 2020-11-24 | 计易数据科技(上海)有限公司 | 特征值整数化的图像存储与比对方法、装置、设备和介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2349957C1 (ru) * | 2004-11-05 | 2009-03-20 | Колорзип Медиа, Инк. | Смешанный код, и способ и устройство для его генерирования, и способ и устройство для его декодирования |
| US20110184950A1 (en) * | 2010-01-26 | 2011-07-28 | Xerox Corporation | System for creative image navigation and exploration |
| CN102722880A (zh) * | 2011-03-29 | 2012-10-10 | 阿里巴巴集团控股有限公司 | 图像主颜色的识别方法、装置及图像匹配方法和服务器 |
| RU2510935C2 (ru) * | 2011-09-23 | 2014-04-10 | Артем Константинович Игнатов | Способ индексации и поиска цифровых изображений |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3234064B2 (ja) * | 1993-09-02 | 2001-12-04 | キヤノン株式会社 | 画像検索方法並びにその装置 |
| US7551771B2 (en) * | 2005-09-20 | 2009-06-23 | Deltasphere, Inc. | Methods, systems, and computer program products for acquiring three-dimensional range information |
| US20080046424A1 (en) * | 2006-06-23 | 2008-02-21 | Horton Richard B | System and method of selecting images according to color content |
| ES2304225B1 (es) * | 2007-03-15 | 2009-10-01 | Vicente Atares Martinez | Procedimiento para la confeccion de mosaicos. |
| CN100568283C (zh) * | 2007-12-07 | 2009-12-09 | 北京搜狗科技发展有限公司 | 一种图片主色调分析方法及其装置 |
| CN100578508C (zh) * | 2008-01-14 | 2010-01-06 | 上海博康智能信息技术有限公司 | 交互式图像搜索系统和方法 |
| CN102122389A (zh) | 2010-01-12 | 2011-07-13 | 阿里巴巴集团控股有限公司 | 一种图像相似性判断的方法及装置 |
| CN103268338B (zh) | 2013-05-16 | 2016-03-30 | 北京京东尚科信息技术有限公司 | 一种提供图像的方法和服务器装置以及终端装置 |
-
2013
- 2013-05-16 CN CN201310181762.1A patent/CN103268338B/zh active Active
-
2014
- 2014-05-09 WO PCT/CN2014/077186 patent/WO2014183591A1/zh active Application Filing
- 2014-05-09 RU RU2015153562A patent/RU2637876C2/ru active
- 2014-05-09 US US14/891,547 patent/US9734164B2/en active Active
- 2014-05-09 AU AU2014267925A patent/AU2014267925B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2349957C1 (ru) * | 2004-11-05 | 2009-03-20 | Колорзип Медиа, Инк. | Смешанный код, и способ и устройство для его генерирования, и способ и устройство для его декодирования |
| US20110184950A1 (en) * | 2010-01-26 | 2011-07-28 | Xerox Corporation | System for creative image navigation and exploration |
| CN102722880A (zh) * | 2011-03-29 | 2012-10-10 | 阿里巴巴集团控股有限公司 | 图像主颜色的识别方法、装置及图像匹配方法和服务器 |
| RU2510935C2 (ru) * | 2011-09-23 | 2014-04-10 | Артем Константинович Игнатов | Способ индексации и поиска цифровых изображений |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103268338A (zh) | 2013-08-28 |
| AU2014267925A1 (en) | 2015-12-03 |
| WO2014183591A1 (zh) | 2014-11-20 |
| US9734164B2 (en) | 2017-08-15 |
| US20160092445A1 (en) | 2016-03-31 |
| CN103268338B (zh) | 2016-03-30 |
| AU2014267925B2 (en) | 2017-08-24 |
| RU2015153562A (ru) | 2017-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2637876C2 (ru) | Способ, устройство сервера и устройство терминала для предоставления изображения | |
| US20240070214A1 (en) | Image searching method and apparatus | |
| US9176989B2 (en) | Image quality analysis for searches | |
| US8724910B1 (en) | Selection of representative images | |
| CN106547744B (zh) | 一种图像检索方法及系统 | |
| TWI506459B (zh) | 基於內容之圖像搜尋 | |
| US20170364536A1 (en) | Image processing and matching | |
| US20180025002A1 (en) | Hue-based color naming for an image | |
| US9349152B2 (en) | Image identifiers and methods and systems of presenting image identifiers | |
| WO2017181892A1 (zh) | 前景分割方法及装置 | |
| US20170193296A1 (en) | Image integration search based on human visual pathway model | |
| TWI781554B (zh) | 物品名稱確定方法、裝置、電腦設備及儲存媒體 | |
| US10192131B2 (en) | Logo image indentification system | |
| Chude-Olisah et al. | Illumination normalization for edge-based face recognition using the fusion of RGB normalization and gamma correction | |
| CN112232203A (zh) | 行人识别方法、装置、电子设备及存储介质 | |
| US8885952B1 (en) | Method and system for presenting similar photos based on homographies | |
| Lizarraga-Morales et al. | Integration of color and texture cues in a rough set–based segmentation method | |
| Schumann et al. | Person re-identification in uav videos using relevance feedback | |
| Sarin et al. | Holistic feature extraction for automatic image annotation | |
| Chamasemani et al. | Region-based surveillance video retrieval with effective object representation | |
| Han et al. | Image retrieval using CBIR including light position analysis | |
| Thakur et al. | A MOBILE APP FOR REMOVING DUPLICATE MULTIMEDIA IMAGES. | |
| WO2015162027A2 (en) | Method, device, user equipment and computer program for object extraction from multimedia content | |
| CN117011868A (zh) | 一种基于笔记图像的笔记关键词识别方法、装置、设备 | |
| CN116012290A (zh) | 用于验证产品实拍的系统和方法 |