CN110322520A - 图像主色提取方法、装置、电子设备及存储介质 - Google Patents
图像主色提取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110322520A CN110322520A CN201910609324.8A CN201910609324A CN110322520A CN 110322520 A CN110322520 A CN 110322520A CN 201910609324 A CN201910609324 A CN 201910609324A CN 110322520 A CN110322520 A CN 110322520A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- color space
- pixel
- tone
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005194 fractionation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种图像主色提取方法、装置、电子设备及存储介质,涉及图像处理技术领域。该图像主色提取方法包括:将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间。根据第二色彩空间的色彩信息进行聚类,获取色彩聚类结果,其中,色彩聚类结果包括:多个色彩类,每个色彩类中颜色之间的相似度在预设范围内。根据色彩聚类结果,从待提取图像中确定色彩聚类结果对应的局部区域。在第一色彩空间中,对局部区域进行直方图取色,获取待提取图像中的图像主色。由于是在聚类的结果中进行直方图取色,考虑了颜色之间的相似性,排除了颜色纯度高但是面积小的区域的影响,提高了提取图像主色的准确度,增强了提取图像主色时的鲁棒性。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种图像主色提取方法、装置、电子设备及存储介质。
背景技术
图像中,颜色是最常用且最具有价值的一种特征信息,在图像处理、图像检索中被广泛应用。因此,需要快速准确的提取目标图像中的颜色信息。
现有技术中,最常用的是直接采用颜色直方图提取算法,通过颜色直方图对图像中的颜色信息进行提取,获取图像的主色信息。
但是,由于颜色直方图是描述不同的色彩在整个图像中所占的比例,并未考虑到颜色之间的相似性,忽略了视觉感受,因此,获取的主色信息,往往会受到颜色纯度高而面积小的区域的影响。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种图像主色提取方法、装置、电子设备及存储介质,以解决获取的图像主色不准确的问题。
为实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种图像主色提取方法,包括:将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间。根据第二色彩空间的色彩信息进行聚类,获取色彩聚类结果,其中,色彩聚类结果包括:多个色彩类,每个色彩类中颜色之间的相似度在预设范围内。根据色彩聚类结果,从待提取图像中确定色彩聚类结果对应的局部区域。在第一色彩空间中,对局部区域进行直方图取色,获取待提取图像中的图像主色。
可选地,对第二色彩空间的色彩信息进行聚类,获取色彩聚类结果,包括:在第二色彩空间中,平均获取N个样本点。将待提取图像中的每个像素点,归属到每个像素点的颜色对应的样本点所在的颜色区域内,得到N个样本区域。将每个样本区域的几何中心作为迭代样本点,进行迭代,以确定每个像素点的颜色对应的迭代样本点以及迭代样本区域。若迭代样本点或迭代次数满足预设条件,则停止迭代,并根据迭代样本点以及迭代样本区域,获取聚类结果。
可选地,若迭代样本点或迭代次数满足预设条件,则停止迭代,包括:若每个所述迭代样本点与对应的前一迭代样本点之间的距离,均在预设范围内,则停止迭代。或者,若迭代次数达到预设的迭代次数,则停止迭代。
可选地,将待提取图像中的每个像素点,归属到每个像素点对应的样本点,得到N个样本区域,包括:获取待提取图像中每个像素点与每个样本点之间的距离。将每个像素点归属到与像素点距离最近的样本点,得到样本区域。
可选地,在第一色彩空间中,对局部区域进行直方图取色,获取待提取图像中的图像主色,包括:将第一色彩空间按照预设步长进行划分,得到简化色彩空间,其中,简化色彩空间包括多个色彩区域,每个色彩区域的容量根据预设步长确定。在简化色彩空间中,对局部区域进行直方图取色,得到简化色彩空间的主色。在第一色彩空间中,对简化色彩空间的主色进行直方图取色,获取待提取图像的图像主色。
可选地,在简化色彩空间,对局部区域进行直方图取色,得到简化色彩空间的主色,包括:遍历待提取图像的每个像素点,根据每个像素点的颜色,将每个像素点归属到每个像素点对应的色彩区域。将多个色彩区域中像素点最多的一个色彩区域的颜色作为简化色彩空间的主色。
可选地,在第一色彩空间中,对简化色彩空间的主色进行直方图取色,获取待提取图像中的图像主色,包括:遍历简化色彩空间的主色的像素点,确定简化色彩空间的主色的像素点,在第一色彩空间中对应的颜色。将每个主色的像素点归属到第一色彩空间对应的颜色中。将第一色彩空间的像素点最多的颜色,作为待提取图像中的图像主色。
可选地,待提取图像为一个图像的子图像,将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间之前,该方法还包括:对一个图像进行二值化处理,并根据二值化处理的结果,将一个图像拆分为至少两个子图像。
第二方面,本发明实施例还提供了一种图像主色提取装置,包括:转换模块,用于将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间。聚类模块,用于根据第二色彩空间的色彩信息进行聚类,获取色彩聚类结果,其中,色彩聚类结果包括:多个色彩类,每个色彩类中颜色之间的相似度在预设范围内。确定模块,用于根据色彩聚类结果,从待提取图像中确定色彩聚类结果对应的局部区域。获取模块,用于在第一色彩空间中,对局部区域进行直方图取色,获取待提取图像中的图像主色。
可选地,聚类模块,具体用于在第二色彩空间中,平均获取N个样本点。将待提取图像中的每个像素点,归属到每个像素点的颜色对应的样本点所在的颜色区域内,得到N个样本区域。将每个样本区域的几何中心作为迭代样本点,根据预设规则,进行迭代,以确定每个像素点的颜色对应的迭代样本点以及迭代样本区域。若迭代样本点或迭代次数满足预设条件,则停止迭代,并根据迭代样本点以及迭代样本区域,获取聚类结果。
可选地,若迭代样本点或迭代次数满足预设条件,则停止迭代,包括:若每个所述迭代样本点与对应的前一迭代样本点之间的距离,均在预设范围内,则停止迭代。或者,若迭代次数达到预设的迭代次数,则停止迭代。
可选地,聚类模块,具体用于获取待提取图像中每个像素点与每个样本点之间的距离。将每个像素点归属到与像素点距离最近的样本点,得到样本区域。
可选地,获取模块,具体用于将第一色彩空间按照预设步长进行划分,得到简化色彩空间,其中,简化色彩空间包括多个色彩区域,每个色彩区域的容量根据预设步长确定。在简化色彩空间中,对局部区域进行直方图取色,得到简化色彩空间的主色。在第一色彩空间中,对简化色彩空间的主色进行直方图取色,获取待提取图像的图像主色。
可选地,获取模块,具体用于遍历待提取图像的每个像素点,根据每个像素点的颜色,将每个像素点归属到每个像素点对应的色彩区域。将多个色彩区域中像素点最多的一个色彩区域的颜色作为简化色彩空间的主色。
可选地,获取模块,具体用于遍历简化色彩空间的主色的像素点,确定简化色彩空间的主色的像素点,在第一色彩空间中对应的颜色。将每个主色的像素点归属到第一色彩空间对应的颜色中。将第一色彩空间的像素点最多的颜色,作为待提取图像中的图像主色。
可选地,待提取图像为一个图像的子图像,装置还包括:拆分模块,用于对一个图像进行二值化处理,并根据二值化处理的结果,将一个图像拆分为至少两个子图像。
第三方面,本发明实施例提供一种电子设备,包括:处理器、计算机可读存储介质和总线,计算机可读存储介质存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与计算机可读存储介质之间通过总线通信,处理器执行机器可读指令,以执行上述第一方面任一方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行如上述第一方面任一方法的步骤。
本发明的有益效果是:通过在第二色彩空间对待提取图像进行聚类,获取聚类结果,然后在第一色彩空间中对聚类的结果对应的局部区域进行直方图取色,获取待提取图像中的图像主色,由于是在聚类的结果中进行直方图取色,考虑了颜色之间的相似性,排除了颜色纯度高但是面积小的区域的影响,提高了提取图像主色的准确度,增强了提取图像主色时的鲁棒性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请一实施例提供的图像主色提取方法流程示意图;
图2为本申请另一实施例提供的图像主色提取方法流程示意图;
图3为本申请另一实施例提供的图像主色提取方法流程示意图;
图4为本申请另一实施例提供的图像主色提取方法流程示意图;
图5为本申请另一实施例提供的图像主色提取方法流程示意图;
图6为本申请另一实施例提供的图像主色提取方法流程示意图;
图7为本申请另一实施例提供的图像主色提取方法流程示意图;
图8为本申请一实施例提供的图像主色提取装置结构示意图;
图9为本申请另一实施例提供的图像主色提取装置结构示意图;
图10为本申请一实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
图1为本申请一实施例提供的图像主色提取方法流程示意图。该图像主色提取方法的执行主体可以是具有计算能力的终端设备,如智能手机、平板电脑、服务器、台式电脑、笔记本电脑等,在此不做限制。
如图1所示,该方法包括:
S110、将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间。
其中,色彩空间有多种,如红绿蓝(Red Green Blue、RGB)、LAB色彩空间(Labcolor space,LAB)、色相饱和度明度(HueSaturation Value,HSV)等。第一色彩空间和第二色彩空间可以为不同的色彩空间,例如,第一色彩空间可以为RGB,但由于RGB色彩空间的均匀性差,且两种颜色之间的视觉差异色差无法表示为RGB色彩空间中两点间的距离。对此,可以将第二色彩空间设置为LAB,以便于进行聚类,但不以此为限。
S120、根据第二色彩空间的色彩信息进行聚类,获取色彩聚类结果。
其中,色彩聚类结果包括:多个色彩类,每个色彩类中颜色之间的相似度在预设范围内。
一些实施方式中,根据第二色彩空间的色彩信息进行聚类后,能够得到一个聚类结果,聚类结果中包含多个不同的色彩类,每个色彩类中的颜色对应待提取图像中的部分像素点的颜色,每个色彩类中颜色之间的相似度在预设范围内,即每个色彩类中颜色的相似度较高。每个色彩类中像素点的个数表示该色彩类的聚类大小。聚类可以通过聚类算法实现,例如,可以使用K均值(Kmeans)、均值漂移聚类算法、基于密度的聚类方法(DBSCAN)、用高斯混合模型(GMM)的最大期望(EM)聚类、凝聚层次聚类、图团体检测(Graph CommunityDetection)等,在此不做限制。
S130、根据色彩聚类结果,从待提取图像中确定色彩聚类结果对应的局部区域。
一些实施方式中,将多个色彩类的中聚类最大的一个色彩类,即该多个色彩类中像素点个数最多的一个色彩类,作为色彩聚类结果,该多个色彩类中像素点个数最多的一个色彩类中对应的像素点所在的区域,即为色彩聚类结果对应的局部区域。
需要说明的是,对于不同的色彩类,若聚类的数量不同,则可直接将聚类最大的一个作为色彩聚类结果,若存在两个相同的聚类,则可以随机选择一个,或者获取两个主色,在此不做限制。
S140、在第一色彩空间中,对局部区域进行直方图取色,获取待提取图像中的图像主色。
一些实施方式中,可以通过颜色直方图提取算法对局部区域进行直方图取色,但直方图取色的实现方式不以此为限。
本实施例中,通过在第二色彩空间对待提取图像进行聚类,获取聚类结果,然后在第一色彩空间中对聚类的结果对应的局部区域进行直方图取色,获取待提取图像中的图像主色,由于是色彩聚类结果中每个色彩类中颜色之间的相似度在预设范围内,那么对该色彩聚类结果对应的局部区域进行直方图取色,便考虑了颜色之间的相似性,排除了颜色纯度高但是面积小的区域的影响,提高了提取图像主色的准确度,增强了提取图像主色时的鲁棒性。
图2为本申请另一实施例提供的图像主色提取方法流程示意图。可选地,在本申请中,可以使用Kmeans聚类进行聚类。如图2所示,对第二色彩空间的色彩信息进行聚类,获取色彩聚类结果,可包括:
S121、在第二色彩空间中,平均获取N个样本点。
一些实施方式中,可以通过在第二色彩空间中平均取点,获取N个初始的样本点,例如,在LAB色彩空间中,取5个初始的样本点,则每个样本点在LAB中的坐标可以为(0,0,0)、(20,20,20)、(40,40,40)、(60,60,60)、(80,80,80)、(100,100,100)。
S122、将待提取图像中的每个像素点,归属到每个像素点的颜色对应的样本点,得到N个样本区域。
图3为本申请另一实施例提供的图像主色提取方法流程示意图。
一些实施方式中,在获取了如上例所示的样本点后,如图3所示,将待提取图像中的每个像素点,归属到每个像素点对应的样本点,得到N个样本区域,可包括:
S1221、获取待提取图像中每个像素点与每个样本点之间的距离。
一些实施方式中,可以遍历待提取图像中的每个像素点,通过计算每个像素点与每个样本点之间的欧式距离,确定该像素点与每个样本点之间的距离。
S1222、将每个像素点归属到与像素点距离最近的样本点,得到样本区域。
其中,每个像素点归属到与该像素点距离最近的一个样本点,每个样本点都包括多个归属的像素点,多个归属的像素点围成的区域范围即为该样本点的样本区域,但不以此为限。
S123、将每个样本区域的几何中心作为迭代样本点,进行迭代,以确定每个像素点的颜色对应的迭代样本点以及获取迭代样本区域。
一些实施方式中,可以在获取到多个样本区域后,将每个样本区域的几何中心,作为迭代样本点,然后遍历待提取图像中的每个像素点。通过计算每个像素点与每个迭代样本点之间的欧式距离,确定该像素点与每个迭代样本点之间的距离,并根据该像素点与迭代样本点之间的距离,将每个像素点归属到与像素点距离最近的迭代样本点,得到迭代样本区域。其中,像素点与迭代样本点之间距离的计算方式以及迭代样本区域的确定方式,与S122中像素点与样本点之间距离的计算方式以及样本区域的确定方式相同,在此不再赘述。
S124、若迭代样本点或迭代次数满足预设条件,则停止迭代,并根据迭代样本点以及迭代样本区域,获取聚类结果。
一些实施方式中,可以将当前的迭代样本点与上一次迭代时样本点之间的距离作为预设条件,例如,当前每个迭代样本点与上一次的迭代样本点之间的距离均小于30时,即认为满足预设条件。或者,可以将当前的迭代次数作为预设条件,例如,当迭代次数达到300次时,即认为满足预设条件。
其中,在迭代样本点或迭代次数满足预设条件后,停止迭代,此时的每个迭代样本点中,都包括了多个对应的像素点,这些像素点围成的区域即该迭代样本点对应的迭代区域,一个迭代区域可以表示一个色彩类,例如,若其中一个迭代样本点为(20,55,10),则可确定归属于该迭代样本点的像素点与该迭代样本点颜色接近,即认为这些像素点都属于该迭代样本点的颜色所在的色彩类中。
在本实施例中,通过在第二色彩空间中进行聚类,可以将颜色接近的像素点聚类,获取聚类结果,确定聚类结果中,最大的一个,作为局部区域,考虑了颜色之间的相似性,排除了颜色纯度高但是面积小的区域的影响,使得提取主色的准确度更高。
图4为本申请另一实施例提供的图像主色提取方法流程示意图。
可选地,如图4所示,在第一色彩空间中,对局部区域进行直方图取色,获取待提取图像中的图像主色,包括:
S141、将第一色彩空间按照预设步长进行划分,得到简化色彩空间。
其中,简化色彩空间包括多个色彩区域,每个色彩区域的容量根据预设步长确定。
需要说明的是,对于不同色彩空间,简化的方式都有所不同,例如,第一色彩空间可以是RGB空间,对于目前常用的RGB色彩空间中,每个像素的颜色的取值范围为(0,0,0)至(255,255,255),即1600万色。在简化RGB色彩空间时,可以根据步长进行简化,如,若步长为16,即使用原RGB色彩空间中的连续16个颜色的平均值,作为一个颜色,则简化色彩空间中,每个像素点的颜色的取值范围为(0,0,0)至(16,16,16),即4096色。当然,在简化RGB色彩空间时,也可以采用步长为8、或步长为32等,在此不做限制。
需要说明的是,如S110中的示例,第一色彩空间可以为RGB,第二色彩空间可以为LAB,由于RGB色彩空间中,每个色彩通道的长度相同,易于简化,因此在进行直方图取色时,又将LAB色彩空间转换回了RGB色彩空间,以便于进行直方图取色。
S142、在简化色彩空间中,对局部区域进行直方图取色,得到简化色彩空间的主色。
直方图取色是将像素点的颜色归属到色彩空间的每个颜色中,并将颜色终包括像素点最多的一个作为主色,局部直方图取色即在局部区域进行直方图取色。其中,色彩空间可以是简化色彩空间、RGB色彩空间等,但不以此为限。
在此,以RGB色彩空间为例,介绍直方图取色的步骤。当色彩空间为RGB色彩空间时,将像素点的颜色归属到每个RGB的颜色中,并将RGB的颜色中,包括像素点最多的一个作为主色,例如,建立一个256*256*256的数组A,然后遍历图像中的像素点,将遍历的每个像素点,根据其RGB值,在数组A中对应的位置加1,如,一个像素点的RGB值为(12,3,56),则在数组A[12][3][56]的下标加1,最后,找出数组A的数值中,下标最大的一个,该数值对应的RGB值代表的颜色即为图像的主色。
图5为本申请另一实施例提供的图像主色提取方法流程示意图。一些实施方式中,如图5所示,在简化色彩空间中,对局部区域进行直方图取色,得到简化色彩空间的主色,可包括:
S1421、遍历待提取图像的每个像素点,根据每个像素点的颜色,将每个像素点归属到每个像素点对应的色彩区域。
参考S141、S142中的示例进行说明,一些实施方式中,对于简化色彩空间,数组A可以为16*16*16,则简化色彩空间中的一个色彩区域(即简化色彩空间中的一个值)代表了RGB色彩空间中的16个值。即,在遍历每个像素点数时,若该像素点的RGB值属于简化色彩空间的值代表的16个RGB值中的一个,则将该像素点归属到对应的色彩区域内。
S1422、将多个色彩区域中像素点最多的一个色彩区域的颜色作为简化色彩空间的主色。
一些实施方式中,参考S1422中的示例,可以在数组A16*16*16中,获取每个色彩区域的下标,并将下标数值最大的一个色彩区域对应的颜色作为简化色彩空间的主色。
在本实施例中,通过提取简化色彩空间的主色,简化了直方图取色的计算数量,提高了取色的效率。
S143、在第一色彩空间中,对简化色彩空间的主色进行直方图取色,获取待提取图像的图像主色。
其中,S143中直方图取色的方式,与S142中类似,在此不再赘述。
图6为本申请另一实施例提供的图像主色提取方法流程示意图。
可选地,如图6所示,在第一色彩空间中,对简化色彩空间的主色进行直方图取色,获取待提取图像中的图像主色,包括:
S1431、遍历简化色彩空间的主色的像素点,确定简化色彩空间的主色的像素点,在第一色彩空间中对应的颜色。
一些实施方式中,参考S142中的示例,对于RGB色彩空间中,简化色彩空间的主色可以包括16个RBG色彩空间的值,每个值都代表RGB色彩空间中的一个颜色,则简化色彩空间的主色所对应的每个像素点,都在RGB色彩空间中有一个对应的颜色。
S1432、将每个主色的像素点归属到第一色彩空间对应的颜色中。
一些实施方式中,将每个主色的像素点归属到第一色彩空间的颜色中的方式,与S142中相同,在此不再赘述。
S1433、将第一色彩空间的像素点最多的颜色,作为待提取图像中的图像主色。
同样的,确定第一色彩空间的像素点最多的颜色的方式,与S142中直方图取色中获取主色方式相同,在此不再赘述。
本实施例中,通过先将第一色彩空间简化,在简化色彩空间中获取简化色彩空间的主色,然后对简化色彩空间的主色再在第一色彩空间中进行直方图取色,获取最终的图像主色,由于先简化了色彩空间,使得相近的颜色作为同一颜色进行处理,可以有效减少计算次数,提高了提取主色的效率。
图7为本申请另一实施例提供的图像主色提取方法流程示意图。待提取图像可以为一个完整的图像,也可以为一个图像的子图像。可选地,如图7所示,在待提取图像为一个图像的子图像将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间之前,该方法还可包括:
S100、对一个图像进行二值化处理,并根据二值化处理的结果,将一个图像拆分为至少两个子图像。
一些实施方式中,对于一个图像,需要提取一个以上的主色,此时,可以通过二值化算法,对图像进行二值化处理,获取至少两个子图像,然后将每个子图像分别作为待提取图像进行主色提取。例如,若需要提取两个主色,则将图像通过二值化算法拆分为两个子图像,或者,若需要提取四个主色,还可以将拆分的两个子图像,再次进行二值化,从而获得四个子图像,最后根据上述的图像主色提取算法,分别对每个子图像的主色进行提取。
本实施例中,通过二值化算法拆分图像,并对拆分后的子图像分别进行主色提取,可以实现提取一个图像的多个主色,满足提取主色时的不同需求。
图8为本申请一实施例提供的图像主色提取装置结构示意图。
如图8所示,本发明实施例还提供了一种图像主色提取装置,包括:转换模块210,用于将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间。聚类模块220,用于根据第二色彩空间的色彩信息进行聚类,获取色彩聚类结果,其中,色彩聚类结果包括:多个色彩类,每个色彩类中颜色之间的相似度在预设范围内。确定模块230,用于根据色彩聚类结果,从待提取图像中确定色彩聚类结果对应的局部区域。获取模块240,用于在第一色彩空间中,对局部区域进行直方图取色,获取待提取图像中的图像主色。
可选地,聚类模块220,具体用于在第二色彩空间中,平均获取N个样本点。将待提取图像中的每个像素点,归属到每个像素点的颜色对应的样本点所在的颜色区域内,得到N个样本区域。将每个样本区域的几何中心作为迭代样本点,根据预设规则,进行迭代,以确定每个像素点的颜色对应的迭代样本点以及迭代样本区域。若迭代样本点或迭代次数满足预设条件,则停止迭代,并根据迭代样本点以及迭代样本区域,获取聚类结果。
可选地,若迭代样本点或迭代次数满足预设条件,则停止迭代,包括:若每个所述迭代样本点与对应的前一迭代样本点之间的距离,均在预设范围内,则停止迭代。或者,若迭代次数达到预设的迭代次数,则停止迭代。
可选地,聚类模块220,具体用于获取待提取图像中每个像素点与每个样本点之间的距离。将每个像素点归属到与像素点距离最近的样本点,得到样本区域。
可选地,获取模块240,具体用于将第一色彩空间按照预设步长进行划分,得到简化色彩空间,其中,简化色彩空间包括多个色彩区域,每个色彩区域的容量根据预设步长确定。在简化色彩空间中,对局部区域进行直方图取色,得到简化色彩空间的主色。在第一色彩空间中,对简化色彩空间的主色进行直方图取色,获取待提取图像的图像主色。
可选地,获取模块240,具体用于遍历待提取图像的每个像素点,根据每个像素点的颜色,将每个像素点归属到每个像素点对应的色彩区域。将多个色彩区域中像素点最多的一个色彩区域的颜色作为简化色彩空间的主色。
可选地,获取模块240,具体用于遍历简化色彩空间的主色的像素点,确定简化色彩空间的主色的像素点,在第一色彩空间中对应的颜色。将每个主色的像素点归属到第一色彩空间对应的颜色中。将第一色彩空间的像素点最多的颜色,作为待提取图像中的图像主色。
图9为本申请另一实施例提供的图像主色提取装置结构示意图。
可选地,如图9所示,待提取图像为一个图像的子图像,装置还包括:拆分模块200,用于对一个图像进行二值化处理,并根据二值化处理的结果,将一个图像拆分为至少两个子图像。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,简称SOC)的形式实现。
图10为本申请一实施例提供的电子设备结构示意图。
如图10所示,本发明实施例提供一种电子设备,包括:处理器301、计算机可读存储介质302和总线303,计算机可读存储介质302存储有处理器301可执行的机器可读指令,当电子设备运行时,处理器301与计算机可读存储介质302之间通过总线303通信,处理器301执行机器可读指令,以执行如上述方法的步骤。
电子设备可以是通用计算机、服务器或移动终端等,在此不做限制。电子设备用于实现本申请的上述方法实施例。
需要说明的是,处理器301可以包括一个或多个处理核(例如,单核处理器或多核处理器)。仅作为举例,处理器301可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field ProgrammableGate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(Reduced Instruction Set Computing,RISC)、或微处理器等,或其任意组合。
计算机可读存储介质302可以包括:包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory,ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random AccessMemory,RAM);RAM可以包括动态RAM(Dynamic Random Access Memory,DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM,DDR SDRAM);静态RAM(StaticRandom-Access Memory,SRAM),晶闸管RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-OnlyMemory,MROM)、可编程ROM(Programmable Read-Only Memory,PROM)、可擦除可编程ROM(Programmable Erasable Read-only Memory,PEROM)、电可擦除可编程ROM(ElectricallyErasable Programmable read only memory,EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。
为了便于说明,在电子设备中仅描述了一个处理器301。然而,应当注意,本申请中的电子设备还可以包括多个处理器301,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若电子设备的处理器301执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
可选地,本发明还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行如上述方法的步骤。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (18)
1.一种图像主色提取方法,其特征在于,包括:
将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间;
根据所述第二色彩空间的色彩信息进行聚类,获取色彩聚类结果,其中,所述色彩聚类结果包括:多个色彩类,每个所述色彩类中颜色之间的相似度在预设范围内;
根据所述色彩聚类结果,从所述待提取图像中确定所述色彩聚类结果对应的局部区域;
在所述第一色彩空间中,对所述局部区域进行直方图取色,获取所述待提取图像中的图像主色。
2.根据权利要求1所述的方法,其特征在于,所述对所述第二色彩空间的色彩信息进行聚类,获取色彩聚类结果,包括:
在所述第二色彩空间中,平均获取N个样本点;
将所述待提取图像中的每个像素点,归属到每个所述像素点的颜色对应的样本点所在的颜色区域内,得到N个样本区域;
将每个所述样本区域的几何中心作为迭代样本点,进行迭代,以确定所述每个像素点的颜色对应的迭代样本点以及迭代样本区域;
若所述迭代样本点或迭代次数满足预设条件,则停止迭代,并根据所述迭代样本点以及所述迭代样本区域,获取所述聚类结果。
3.根据权利要求2所述的方法,其特征在于,所述若所述迭代样本点或迭代次数满足预设条件,则停止迭代,包括:
若每个所述迭代样本点与对应的前一迭代样本点之间的距离,均在预设范围内,则停止迭代;或者,
若所述迭代次数达到预设的迭代次数,则停止迭代。
4.根据权利要求2所述的方法,其特征在于,所述将所述待提取图像中的每个像素点,归属到每个所述像素点对应的样本点所在的区域内,得到N个样本区域,包括:
获取所述待提取图像中每个所述像素点与每个所述样本点之间的距离;
将每个所述像素点归属到与所述像素点距离最近的样本点,得到所述样本区域。
5.根据权利要求1所述的方法,其特征在于,所述在所述第一色彩空间中,对所述局部区域进行直方图取色,获取所述待提取图像中的图像主色,包括:
将所述第一色彩空间按照预设步长进行划分,得到简化色彩空间,其中,所述简化色彩空间包括多个色彩区域,每个所述色彩区域的容量根据所述预设步长确定;
在所述简化色彩空间中,对所述局部区域进行直方图取色,得到所述简化色彩空间的主色;
在所述第一色彩空间中,对所述简化色彩空间的主色进行直方图取色,获取所述待提取图像的图像主色。
6.根据权利要求5所述的方法,其特征在于,所述在所述简化色彩空间,对所述局部区域进行直方图取色,得到所述简化色彩空间的主色,包括:
遍历所述待提取图像的每个像素点,根据每个所述像素点的颜色,将每个所述像素点归属到每个所述像素点对应的色彩区域;
将多个所述色彩区域中像素点最多的一个色彩区域的颜色作为所述简化色彩空间的主色。
7.根据权利要求5所述的方法,其特征在于,所述在所述第一色彩空间中,对所述简化色彩空间的主色进行直方图取色,获取所述待提取图像中的图像主色,包括:
遍历所述简化色彩空间的主色的像素点,确定所述简化色彩空间的主色的像素点,在所述第一色彩空间中对应的颜色;
将每个所述主色的像素点归属到所述第一色彩空间对应的颜色中;
将所述第一色彩空间的像素点最多的颜色,作为所述待提取图像中的图像主色。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述待提取图像为一个图像的子图像;所述将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间之前,所述方法还包括:
对所述一个图像进行二值化处理,并根据二值化处理的结果,将所述一个图像拆分为至少两个所述子图像。
9.一种图像主色提取装置,其特征在于,包括:
转换模块,用于将待提取图像的色彩空间,从第一色彩空间转换为第二色彩空间;
聚类模块,用于根据所述第二色彩空间的色彩信息进行聚类,获取色彩聚类结果,其中,所述色彩聚类结果包括:多个色彩类,每个所述色彩类中颜色之间的相似度在预设范围内;
确定模块,用于根据所述色彩聚类结果,从所述待提取图像中确定所述色彩聚类结果对应的局部区域;
获取模块,用于在所述第一色彩空间中,对所述局部区域进行直方图取色,获取所述待提取图像中的图像主色。
10.根据权利要求9所述的装置,其特征在于,所述聚类模块,具体用于在所述第二色彩空间中,平均获取N个样本点;
将所述待提取图像中的每个像素点,归属到每个所述像素点的颜色对应的样本点所在的颜色区域内,得到N个样本区域;
将每个所述样本区域的几何中心作为迭代样本点,进行迭代,以确定所述每个像素点的颜色对应的迭代样本点以及迭代样本区域;
若所述迭代样本点或迭代次数满足预设条件,则停止迭代,并根据所述迭代样本点以及所述迭代样本区域,获取所述聚类结果。
11.根据权利要求10所述的装置,其特征在于,所述若所述迭代样本点或迭代次数满足预设条件,则停止迭代,包括:
若每个所述迭代样本点与对应的前一迭代样本点之间的距离,均在预设范围内,则停止迭代;或者,
若所述迭代次数达到预设的迭代次数,则停止迭代。
12.根据权利要求10所述的装置,其特征在于,所述聚类模块,具体用于获取所述待提取图像中每个所述像素点与每个所述样本点之间的距离;
将每个所述像素点归属到与所述像素点距离最近的样本点,得到所述样本区域。
13.根据权利要求9所述的装置,其特征在于,所述获取模块,具体用于将所述第一色彩空间按照预设步长进行划分,得到简化色彩空间,其中,所述简化色彩空间包括多个色彩区域,每个所述色彩区域的容量根据所述预设步长确定;
在所述简化色彩空间中,对所述局部区域进行直方图取色,得到所述简化色彩空间的主色;
在所述第一色彩空间中,对所述简化色彩空间的主色进行直方图取色,获取所述待提取图像的图像主色。
14.根据权利要求13所述的装置,其特征在于,所述获取模块,具体用于遍历所述待提取图像的每个像素点,根据每个所述像素点的颜色,将每个所述像素点归属到每个所述像素点对应的色彩区域;
将多个所述色彩区域中像素点最多的一个色彩区域的颜色作为所述简化色彩空间的主色。
15.根据权利要求13所述的装置,其特征在于,所述获取模块,具体用于遍历所述简化色彩空间的主色的像素点,确定所述简化色彩空间的主色的像素点,在所述第一色彩空间中对应的颜色;
将每个所述主色的像素点归属到所述第一色彩空间对应的颜色中;
将所述第一色彩空间的像素点最多的颜色,作为所述待提取图像中的图像主色。
16.根据权利要求9-15任一项所述的装置,其特征在于,所述待提取图像为一个图像的子图像,所述装置还包括:
拆分模块,用于对所述一个图像进行二值化处理,并根据二值化处理的结果,将所述一个图像拆分为至少两个所述子图像。
17.一种电子设备,包括:处理器、计算机可读存储介质和总线,计算机可读存储介质存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与计算机可读存储介质之间通过总线通信,处理器执行机器可读指令,以执行权利要求1-8任一项提供的图像主色提取方法的步骤。
18.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行权利要求1-8任一项提供的图像主色提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609324.8A CN110322520A (zh) | 2019-07-04 | 2019-07-04 | 图像主色提取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609324.8A CN110322520A (zh) | 2019-07-04 | 2019-07-04 | 图像主色提取方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110322520A true CN110322520A (zh) | 2019-10-11 |
Family
ID=68121430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910609324.8A Pending CN110322520A (zh) | 2019-07-04 | 2019-07-04 | 图像主色提取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110322520A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110969170A (zh) * | 2019-12-03 | 2020-04-07 | 北京奇艺世纪科技有限公司 | 一种图像主题色提取方法、装置及电子设备 |
CN111047653A (zh) * | 2019-11-11 | 2020-04-21 | 北京奇艺世纪科技有限公司 | 一种主色调确定方法、装置、设备及可读介质 |
CN111127333A (zh) * | 2019-11-12 | 2020-05-08 | 杭州电子科技大学 | 一种改进的面向二色视觉的彩色图像颜色增强方法 |
CN112509068A (zh) * | 2020-10-29 | 2021-03-16 | 北京达佳互联信息技术有限公司 | 图像主色识别方法、装置、电子设备及存储介质 |
CN112887694A (zh) * | 2021-01-26 | 2021-06-01 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种视频播放方法、装置、设备及可读存储介质 |
CN113673536A (zh) * | 2021-07-09 | 2021-11-19 | 浪潮金融信息技术有限公司 | 一种图像颜色提取方法、***及介质 |
CN113677071A (zh) * | 2021-08-11 | 2021-11-19 | 深圳市智岩科技有限公司 | 灯具控制方法、装置、电子设备及存储介质 |
CN114486895A (zh) * | 2022-01-21 | 2022-05-13 | 长沙协大生物科技有限公司 | 一种基于尿干化试纸条推向识别的检测样本物质浓度的方法 |
CN116563395A (zh) * | 2023-07-12 | 2023-08-08 | 腾讯科技(深圳)有限公司 | 图像色彩特征提取方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281849A (zh) * | 2013-07-03 | 2015-01-14 | 广州盖特软件有限公司 | 一种布料图像颜色特征提取方法 |
CN105741327A (zh) * | 2014-12-10 | 2016-07-06 | 阿里巴巴集团控股有限公司 | 提取图片的主色和醒目色的方法和装置 |
CN107578451A (zh) * | 2017-09-20 | 2018-01-12 | 太原工业学院 | 一种面向自然图像的自适应主色提取方法 |
CN108960250A (zh) * | 2018-05-07 | 2018-12-07 | 广东数相智能科技有限公司 | 图像至旋律的转换方法、装置与计算机可读存储介质 |
-
2019
- 2019-07-04 CN CN201910609324.8A patent/CN110322520A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281849A (zh) * | 2013-07-03 | 2015-01-14 | 广州盖特软件有限公司 | 一种布料图像颜色特征提取方法 |
CN105741327A (zh) * | 2014-12-10 | 2016-07-06 | 阿里巴巴集团控股有限公司 | 提取图片的主色和醒目色的方法和装置 |
CN107578451A (zh) * | 2017-09-20 | 2018-01-12 | 太原工业学院 | 一种面向自然图像的自适应主色提取方法 |
CN108960250A (zh) * | 2018-05-07 | 2018-12-07 | 广东数相智能科技有限公司 | 图像至旋律的转换方法、装置与计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
杨慧炯: ""面向自然图像的自适应主色提取方法研究"", 《微电子学与计算机》 * |
杨明川等: ""不完全k-means聚类与分类优化结合的图像分割算法"", 《计算机应用》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047653A (zh) * | 2019-11-11 | 2020-04-21 | 北京奇艺世纪科技有限公司 | 一种主色调确定方法、装置、设备及可读介质 |
CN111127333A (zh) * | 2019-11-12 | 2020-05-08 | 杭州电子科技大学 | 一种改进的面向二色视觉的彩色图像颜色增强方法 |
CN111127333B (zh) * | 2019-11-12 | 2023-05-05 | 杭州电子科技大学 | 一种改进的面向二色视觉的彩色图像颜色增强方法 |
CN110969170A (zh) * | 2019-12-03 | 2020-04-07 | 北京奇艺世纪科技有限公司 | 一种图像主题色提取方法、装置及电子设备 |
CN110969170B (zh) * | 2019-12-03 | 2024-03-08 | 北京奇艺世纪科技有限公司 | 一种图像主题色提取方法、装置及电子设备 |
CN112509068A (zh) * | 2020-10-29 | 2021-03-16 | 北京达佳互联信息技术有限公司 | 图像主色识别方法、装置、电子设备及存储介质 |
CN112887694A (zh) * | 2021-01-26 | 2021-06-01 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种视频播放方法、装置、设备及可读存储介质 |
CN113673536B (zh) * | 2021-07-09 | 2023-10-10 | 浪潮金融信息技术有限公司 | 一种图像颜色提取方法、***及介质 |
CN113673536A (zh) * | 2021-07-09 | 2021-11-19 | 浪潮金融信息技术有限公司 | 一种图像颜色提取方法、***及介质 |
CN113677071A (zh) * | 2021-08-11 | 2021-11-19 | 深圳市智岩科技有限公司 | 灯具控制方法、装置、电子设备及存储介质 |
CN113677071B (zh) * | 2021-08-11 | 2023-07-28 | 深圳市智岩科技有限公司 | 灯具控制方法、装置、电子设备及存储介质 |
CN114486895A (zh) * | 2022-01-21 | 2022-05-13 | 长沙协大生物科技有限公司 | 一种基于尿干化试纸条推向识别的检测样本物质浓度的方法 |
CN116563395A (zh) * | 2023-07-12 | 2023-08-08 | 腾讯科技(深圳)有限公司 | 图像色彩特征提取方法、装置、存储介质及电子设备 |
CN116563395B (zh) * | 2023-07-12 | 2023-09-15 | 腾讯科技(深圳)有限公司 | 图像色彩特征提取方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322520A (zh) | 图像主色提取方法、装置、电子设备及存储介质 | |
CN108549891B (zh) | 基于背景与目标先验的多尺度扩散显著目标检测方法 | |
Lee et al. | Multiple random walkers and their application to image cosegmentation | |
Jia et al. | Category-independent object-level saliency detection | |
CN108537239B (zh) | 一种图像显著性目标检测的方法 | |
CN109118491A (zh) | 一种基于深度学习的图像分割方法、***及电子设备 | |
CN110188763B (zh) | 一种基于改进图模型的图像显著性检测方法 | |
US11347792B2 (en) | Video abstract generating method, apparatus, and storage medium | |
CN108629783A (zh) | 基于图像特征密度峰值搜索的图像分割方法、***及介质 | |
CN110363822A (zh) | 一种3d点云压缩方法 | |
CN109801295B (zh) | 基于二次限制区域生长法的图像分割方法 | |
Celebi et al. | An effective real-time color quantization method based on divisive hierarchical clustering | |
JP2019531553A (ja) | Ihc画像解析用の自動化された核の面積/数の推定 | |
CN106250431A (zh) | 一种基于分类服装的颜色特征提取方法及服装检索*** | |
CN105844647A (zh) | 一种基于颜色属性的核相关目标跟踪方法 | |
CN110491442A (zh) | 单细胞miRNA调控网络的识别方法、装置、设备及存储介质 | |
Unar et al. | New strategy for CBIR by combining low‐level visual features with a colour descriptor | |
Murshed et al. | Enhanced colour image retrieval with cuboid segmentation | |
Jiao et al. | Salient region growing based on Gaussian pyramid | |
CN115131384A (zh) | 基于边缘保持的仿生机器人3d打印方法、装置及介质 | |
Yuan et al. | Image segmentation based on modified superpixel segmentation and spectral clustering | |
CN114627346A (zh) | 一种保留重要特征的点云数据下采样方法 | |
CN106503143A (zh) | 一种图像检索方法及装置 | |
Bai et al. | Efficient structure-preserving superpixel segmentation based on minimum spanning tree | |
CN111680711A (zh) | 基于卷积神经网络的Logo图像分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |
|
RJ01 | Rejection of invention patent application after publication |