CN111080722B - 一种基于显著性检测的颜色迁移方法及*** - Google Patents
一种基于显著性检测的颜色迁移方法及*** Download PDFInfo
- Publication number
- CN111080722B CN111080722B CN201911281152.2A CN201911281152A CN111080722B CN 111080722 B CN111080722 B CN 111080722B CN 201911281152 A CN201911281152 A CN 201911281152A CN 111080722 B CN111080722 B CN 111080722B
- Authority
- CN
- China
- Prior art keywords
- color
- theme
- foreground
- colors
- input image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于显著性检测的颜色迁移方法及***,包括以下步骤:区分出输入图像的前景和背景;计算出前景和背景的主题颜色;将前景主题颜色和背景主题颜色进行合并;将输入图像每个像素重新划分进最终主题色谱;根据用户需求对输入图像进行重新着色。通过先将输入图像的前景和背景区分开,再分别提取前景和背景的主题颜色,这使得主题颜色提取能更加准确,更加适用于布料图片;同时,通过根据用户需求,灵活地调整主题颜色,减少生产布料所需的成本,帮助用户高效地找到最满意的配色方案;此外,本方法不仅能够将目标颜色准确应用到特定的图像区域,还能够高度保留布料纹理特征,且算法的计算效率较高,适用于工业场景。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种基于显著性检测的颜色迁移方法及***。
背景技术
目前市场上,我们需要通过生产大量的布料样品来查看布料不同配色的效果,或供设计师选择,或供用户选择,但通过生成样品的方式需要耗费大量的人力物力,因此,利用计算机来模拟不同配色方案的布料效果的方法,具有极高的应用价值。
但是,现有的颜色迁移算法主要通过从目标图像上获取目标颜色,再整体迁移到原图像上,不能单独更改图像局部的颜色,同时也不能很好地保留布料图像的纹理特征,此外,其它通过调色板修改图像颜色的算法大多考虑全局的颜色信息,提取的主题颜色大多是很多颜色的中和,导致修改后的颜色和目标颜色差距较大。
发明内容
有鉴于此,本发明提出一种可以根据用户需求,灵活地调整主题颜色,并且能够减少生产布料所需成本的基于显著性检测的颜色迁移方法及***。
本发明的技术方案是这样实现的:
一种基于显著性检测的颜色迁移方法,具体包括以下步骤:
步骤S1,输入图像,并通过显著性检测区分出输入图像的前景和背景;
步骤S2,基于颜色空间计算出前景和背景的主题颜色;
步骤S3,将前景主题颜色和背景主题颜色进行合并,得到最终主题色谱;
步骤S4,依据色差将输入图像每个像素重新划分进最终主题色谱;
步骤S5,根据用户需求修改最终主题色谱,得到修改后的主题色谱,并依据修改后的主题色谱对输入图像进行重新着色。
作为所述基于显著性检测的颜色迁移方法的进一步可选方案,所述步骤S1包括以下步骤:
步骤S11,采用基于聚类的协同显著度检测方法获得输入图像的显著度图;
步骤S12,确定用于划分前景区域和背景区域的像素阈值;
步骤S13,通过确定的像素阈值对输入图像的显著度图进行划分,获得输入图像的前景区域和背景区域。
作为所述基于显著性检测的颜色迁移方法的进一步可选方案,所述步骤S12包括以下步骤:
步骤S121,获取显著度图的全图灰度最小值和全图灰度跨度;
步骤S122,利用公式:像素阈值=全图灰度最小值+全图灰度跨度×1/5,得到像素阈值。
作为所述基于显著性检测的颜色迁移方法的进一步可选方案,所述步骤S2基于HSV颜色区间计算出前景和背景的主题颜色,具体包括以下步骤:
步骤S21,将整个HSV空间划分成42个颜色区间;
步骤S22,计算输入图像每个像素的H,S和V的值;
步骤S23,根据划分的42个颜色区间,判定每个像素的H,S和V所处的区间;
步骤S24,计算出输入图像前景和输入图像背景所属各个颜色空间的像素数量,前景和背景分别取覆盖像素多的颜色区间并分别计算这些颜色区间覆盖像素的HSV均值作为初始的前景和背景主题颜色。
作为所述基于显著性检测的颜色迁移方法的进一步可选方案,所述步骤S3中的合并包括自动合并或手动合并。
作为所述基于显著性检测的颜色迁移方法的进一步可选方案,所述自动合并包括以下步骤:
计算主题颜色之间的色差;
色差阈值设定为150.0;
判断两个主题颜色色差是否小于阈值,若两个主题颜色色差小于该阈值,则保留主题颜色所属颜色区间覆盖像素更多的主题颜色。
作为所述基于显著性检测的颜色迁移方法的进一步可选方案,所述手动合并包括以下步骤:
用户手动设定主题颜色数量;
根据色差由小到大合并成与设定数量相等数量的主题颜色。
作为所述基于显著性检测的颜色迁移方法的进一步可选方案,所述步骤S4包括以下步骤:
步骤S41,计算输入图像每个像素和最终主题色谱各个主题颜色的色差;
步骤S42,每个像素划分入与之色差最小的主题颜色覆盖区域。
作为所述基于显著性检测的颜色迁移方法的进一步可选方案,所述步骤S5包括以下步骤:
步骤S51,用户对最终主题色谱中一种或几种主题颜色进行替换,得到修改后的主题色谱;
步骤S52,计算修改后的主题色谱的目标颜色和最终主题色谱的原始颜色的RGB差值;
步骤S53,所述原始颜色覆盖的所有像素加上所述RGB差值,直到所有被修改的主题颜色替换完毕,完成图像的重新着色。
一种基于显著性检测的颜色迁移***,所述***应用上述任意一种方法。
本发明的有益效果是:采用本发明方法,通过先将输入图像的前景和背景区分开,再分别提取前景和背景的主题颜色,这使得主题颜色提取能更加准确,更加适用于布料图片;同时,通过根据用户需求,灵活地调整主题颜色,减少生产布料所需的成本,帮助用户高效地找到最满意的配色方案;此外,本方法不仅能够将目标颜色准确应用到特定的图像区域,还能够高度保留布料纹理,且算法的计算效率较高,适用于工业场景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1为本发明一种基于显著性检测的颜色迁移方法的流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
参照图1,一种基于显著性检测的颜色迁移方法,具体包括以下步骤:
步骤S1,输入图像,并通过显著性检测区分出输入图像的前景和背景;
步骤S2,基于颜色空间计算出前景和背景的主题颜色;
步骤S3,将前景主题颜色和背景主题颜色进行合并,得到最终主题色谱;
步骤S4,依据色差将输入图像每个像素重新划分进最终主题色谱;
步骤S5,根据用户需求修改最终主题色谱,得到修改后的主题色谱,并依据修改后的主题色谱对输入图像进行重新着色。
在本实施例中,通过先将输入图像的前景和背景区分开,再分别提取前景和背景的主题颜色,这使得主题颜色提取能更加准确,更加适用于布料图片;同时,通过根据用户需求,灵活地调整主题颜色,减少生产布料所需的成本,帮助用户高效地找到最满意的配色方案;此外,本方法不仅能够将目标颜色准确应用到特定的图像区域,还能够高度保留布料纹理,且算法的计算效率较高,适用于工业场景。
优选的,所述步骤S1包括以下步骤:
步骤S11,采用基于聚类的协同显著度检测方法获得输入图像的显著度图;
步骤S12,确定用于划分前景区域和背景区域的像素阈值;
步骤S13,通过确定的像素阈值对输入图像的显著度图进行划分,获得输入图像的前景区域和背景区域。
在本实施例中,显著度图是用来衡量人对不同图像区域的感兴趣程度,通常前景部分更能吸引人的注意而使得显著度更高,背景部分则显著度更低,通过采用显著性检测算法,使得本方法更加高效通用,能一次性测试多张图像,同时利用图像之间的差异性和相似性提高检测的准确度,当然也适用于单张图像的检测;需要说明的是,显著度图灰度值小于阈值划定为背景区域,大于该阈值划定为前景区域。
优选的,所述步骤S12包括以下步骤:
步骤S121,获取显著度图的全图灰度最小值和全图灰度跨度;
步骤S122,利用公式:像素阈值=全图灰度最小值+全图灰度跨度×1/5,得到像素阈值。
在本实施例中,对于不同的图像,最适合的划分前景和背景的像素阈值不同,而通过利用全图灰度最小值和全图灰度跨度来计算出像素阈值,该像素阈值能够适用于多数图像,使得本发明方法适用性更加地广。
优选的,所述步骤S2基于HSV颜色区间计算出前景和背景的主题颜色,具体包括以下步骤:
步骤S21,将整个HSV空间划分成42个颜色区间;
步骤S22,计算输入图像每个像素的H,S和V的值;
步骤S23,根据划分的42个颜色区间,判定每个像素的H,S和V所处的区间;
步骤S24,计算出输入图像前景和输入图像背景所属各个颜色空间的像素数量,前景和背景分别取覆盖像素多的颜色区间并分别计算这些颜色区间覆盖像素的HSV均值作为初始的前景和背景主题颜色。
在本实施例中,由于HSV颜色空间是基于视觉的色彩模式,所以基于HSV颜色区间计算出前景和背景的主题颜色,更能模拟人的视觉;同时,将整个HSV空间划分成42个颜色区间,划分方式如式(1)(2)(3)的排列组合:
此外,分别计算前景和背景所属各个颜色空间的像素数量后,前景区域取五个,背景区域取一个覆盖像素最多的颜色区间,再分别计算属于该六个颜色区间的像素的HSV均值,作为初始的主题色谱,色谱包括五个前景色,一个背景色;需要说明的是,所述H表示图像色调,所述S表示图像饱和度以及所述V表示图像明度。
优选的,所述步骤S3中的合并包括自动合并或手动合并。
在本实施例中,通过设定阈值对部分主题颜色进行自动合并或者通过用户手动输入主题颜色数量对部分主题颜色进行手动合并,得到最终的主题色谱,由于每种布料拥有的主题颜色数量不能达到的完全的统一,比如布料有单色,有双色,而主题颜色过多或者过少都不能很好地对图像的颜色进行准确完整的表达,所以对于主题颜色数量的设定是十分必要的;对于需要十分精确设定颜色数量的用户,可以采用手动设定的方式;对于要求效率更高,需要尽可能减少人工操作的用户,且对精确度要求没那么高的用户,可以自动计算出对布料图像来说最合适主题颜色数量。
优选的,所述自动合并包括以下步骤:
计算主题颜色之间的色差;
色差阈值设定为150.0;
判断两个主题颜色色差是否小于阈值,若两个主题颜色色差小于该阈值,则保留主题颜色所属颜色区间覆盖像素更多的主题颜色。
在本实施例中,基于RGB色彩空间或者HSV色彩空间的来计算欧氏距离衡量两个颜色之间的相似度是不合适的,因为往往一个通道的一点改变会导致最后的颜色发生巨大变化,所以基于LAB颜色空间来计算颜色之间的相似度即色差计算,具体计算为计算两个颜色在LAB空间上的欧式距离。
优选的,所述手动合并包括以下步骤:
用户手动设定主题颜色数量;
根据色差由小到大合并成与设定数量相等数量的主题颜色。
在本实施例中,用户根据主观感受手动设定主题颜色数量,再根据色差由小到大合并一定数量的主题颜色,合并时保留主题颜色所属颜色区间覆盖像素更多的主题颜色。
优选的,所述步骤S4包括以下步骤:
步骤S41,计算输入图像每个像素和最终主题色谱各个主题颜色的色差;
步骤S42,每个像素划分入与之色差最小的主题颜色覆盖区域。
在本实施例中,通过依据色差对输入图像每个像素进行重新划分主题颜色,更能够模拟人眼视觉,帮助用户高效地找到最满意的配色方案。
优选的,所述步骤S5包括以下步骤:
步骤S51,用户对最终主题色谱中一种或几种主题颜色进行替换,得到修改后的主题色谱;
步骤S52,计算修改后的主题色谱的目标颜色和最终主题色谱的原始颜色的RGB差值;
步骤S53,所述原始颜色覆盖的所有像素加上所述RGB差值,直到所有被修改的主题颜色替换完毕,完成图像的重新着色。
一种基于显著性检测的颜色迁移***,所述***应用上述任意一种方法。
在本实施例中,通过先将输入图像的前景和背景区分开,再分别提取前景和背景的主题颜色,这使得主题颜色提取能更加准确,更加适用于布料图片;同时,通过根据用户需求,灵活地调整主题颜色,减少生产布料所需的成本,帮助用户高效地找到最满意的配色方案;此外,本***不仅能够高度保留布料纹理,还能够将目标颜色准确应用到特定的图像区域,且算法的计算效率较高,适用于工业场景。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于显著性检测的颜色迁移方法,其特征在于,具体包括以下步骤:
步骤S1,输入图像,并通过显著性检测区分出输入图像的前景和背景;
步骤S2,基于颜色空间计算出前景和背景的主题颜色;
步骤S3,将前景主题颜色和背景主题颜色进行合并,得到最终主题色谱;
步骤S4,依据色差将输入图像每个像素重新划分进最终主题色谱;
步骤S5,根据用户需求修改最终主题色谱,得到修改后的主题色谱,并依据修改后的主题色谱对输入图像进行重新着色;
其中,所述步骤S1包括以下步骤:
步骤S11,采用基于聚类的协同显著度检测方法获得输入图像的显著度图;
步骤S12,确定用于划分前景区域和背景区域的像素阈值;
步骤S13,通过确定的像素阈值对输入图像的显著度图进行划分,获得输入图像的前景区域和背景区域;
所述步骤S12包括以下步骤:
步骤S121,获取显著度图的全图灰度最小值和全图灰度跨度;
步骤S122,利用公式:像素阈值=全图灰度最小值+全图灰度跨度×1/5,得到像素阈值;
所述步骤S2基于HSV颜色区间计算出前景和背景的主题颜色,具体包括以下步骤:
步骤S21,将整个HSV空间划分成42个颜色区间;
步骤S22,计算输入图像每个像素的H,S和V的值;
步骤S23,根据划分的42个颜色区间,判定每个像素的H,S和V所处的区间;
步骤S24,计算出输入图像前景和输入图像背景所属各个颜色空间的像素数量,前景和背景分别取覆盖像素多的颜色区间并分别计算这些颜色区间覆盖像素的HSV均值作为初始的前景和背景主题颜色。
2.根据权利要求1所述的基于显著性检测的颜色迁移方法,其特征在于,所述步骤S3中的合并包括自动合并或手动合并。
3.根据权利要求2所述的基于显著性检测的颜色迁移方法,其特征在于,所述自动合并包括以下步骤:
计算主题颜色之间的色差;
色差阈值设定为150.0;
判断两个主题颜色色差是否小于阈值,若两个主题颜色色差小于该阈值,则保留主题颜色所属颜色区间覆盖像素更多的主题颜色。
4.根据权利要求3所述的基于显著性检测的颜色迁移方法,其特征在于,所述手动合并包括以下步骤:
用户手动设定主题颜色数量;
根据色差由小到大合并成与设定数量相等数量的主题颜色。
5.根据权利要求4所述的基于显著性检测的颜色迁移方法,其特征在于,所述步骤S4包括以下步骤:
步骤S41,计算输入图像每个像素和最终主题色谱各个主题颜色的色差;
步骤S42,每个像素划分入与之色差最小的主题颜色覆盖区域。
6.根据权利要求5所述的基于显著性检测的颜色迁移方法,其特征在于,所述步骤S5包括以下步骤:
步骤S51,用户对最终主题色谱中一种或几种主题颜色进行替换,得到修改后的主题色谱;
步骤S52,计算修改后的主题色谱的目标颜色和最终主题色谱的原始颜色的RGB差值;
步骤S53,所述原始颜色覆盖的所有像素加上所述RGB差值,直到所有被修改的主题颜色替换完毕,完成图像的重新着色。
7.一种基于显著性检测的颜色迁移***,其特征在于,所述***应用权利要求1-6任意一种方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911281152.2A CN111080722B (zh) | 2019-12-11 | 2019-12-11 | 一种基于显著性检测的颜色迁移方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911281152.2A CN111080722B (zh) | 2019-12-11 | 2019-12-11 | 一种基于显著性检测的颜色迁移方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111080722A CN111080722A (zh) | 2020-04-28 |
CN111080722B true CN111080722B (zh) | 2023-04-21 |
Family
ID=70314357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911281152.2A Active CN111080722B (zh) | 2019-12-11 | 2019-12-11 | 一种基于显著性检测的颜色迁移方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080722B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112252051A (zh) * | 2020-09-25 | 2021-01-22 | 沈阳美行科技有限公司 | 布品描画的方法、装置和电子设备 |
CN113284198A (zh) * | 2021-05-13 | 2021-08-20 | 稿定(厦门)科技有限公司 | 图像自动配色方法及装置 |
CN116597029B (zh) * | 2023-04-27 | 2024-03-05 | 北京隐算科技有限公司 | 一种针对色盲的图像重着色方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107146258A (zh) * | 2017-04-26 | 2017-09-08 | 清华大学深圳研究生院 | 一种图像显著区域检测方法 |
CN107730564A (zh) * | 2017-09-26 | 2018-02-23 | 上海大学 | 一种基于显著性的图像编辑方法 |
CN109214420A (zh) * | 2018-07-27 | 2019-01-15 | 北京工商大学 | 基于视觉显著性检测的高纹理图像分类方法及*** |
CN109300169A (zh) * | 2018-09-06 | 2019-02-01 | 华东师范大学 | 一种基于线性变换的半透明图像颜色迁移方法 |
CN109410171A (zh) * | 2018-09-14 | 2019-03-01 | 安徽三联学院 | 一种用于雨天图像的目标显著性检测方法 |
CN109710791A (zh) * | 2018-12-14 | 2019-05-03 | 中南大学 | 一种基于显著滤波器的多源彩色图像颜色迁移方法 |
-
2019
- 2019-12-11 CN CN201911281152.2A patent/CN111080722B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107146258A (zh) * | 2017-04-26 | 2017-09-08 | 清华大学深圳研究生院 | 一种图像显著区域检测方法 |
CN107730564A (zh) * | 2017-09-26 | 2018-02-23 | 上海大学 | 一种基于显著性的图像编辑方法 |
CN109214420A (zh) * | 2018-07-27 | 2019-01-15 | 北京工商大学 | 基于视觉显著性检测的高纹理图像分类方法及*** |
CN109300169A (zh) * | 2018-09-06 | 2019-02-01 | 华东师范大学 | 一种基于线性变换的半透明图像颜色迁移方法 |
CN109410171A (zh) * | 2018-09-14 | 2019-03-01 | 安徽三联学院 | 一种用于雨天图像的目标显著性检测方法 |
CN109710791A (zh) * | 2018-12-14 | 2019-05-03 | 中南大学 | 一种基于显著滤波器的多源彩色图像颜色迁移方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111080722A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080722B (zh) | 一种基于显著性检测的颜色迁移方法及*** | |
Ma et al. | Objective quality assessment for color-to-gray image conversion | |
CN111031346B (zh) | 一种增强视频画质的方法和装置 | |
Duan et al. | Tone-mapping high dynamic range images by novel histogram adjustment | |
US7177483B2 (en) | System and method for enhancement of document images | |
KR100669251B1 (ko) | 디지털 영상 품질 자동 분석 장치 및 방법 | |
CN107507144B (zh) | 肤色增强的处理方法、装置及图像处理装置 | |
CN103077500B (zh) | 图像数据的去雾方法及装置 | |
CN107172418A (zh) | 一种基于曝光情况分析的色阶映射图像质量评价方法 | |
JP2010220197A (ja) | 画像におけるシャドーの検知装置および検知方法 | |
El Khoury et al. | Color and sharpness assessment of single image dehazing | |
JP2007507803A (ja) | 画像を調整するためのパラメータを決定する方法および装置 | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN112330585B (zh) | 图像质量的检测方法、装置及电子设备 | |
Kwok et al. | Gray world based color correction and intensity preservation for image enhancement | |
CN110717865B (zh) | 图片检测方法及装置 | |
US10096119B2 (en) | Method and apparatus for determining a sharpness metric of an image | |
CN113301408B (zh) | 视频数据处理方法、装置、电子设备和可读存储介质 | |
JP2012516076A (ja) | 画像処理 | |
Abebe et al. | Towards an automatic correction of over-exposure in photographs: Application to tone-mapping | |
CN113012188A (zh) | 图像融合方法、装置、计算机设备和存储介质 | |
CN111489333B (zh) | 一种无参考夜间自然图像质量评价方法 | |
US10764471B1 (en) | Customized grayscale conversion in color form processing for text recognition in OCR | |
JP2004180285A (ja) | ピクセル画像の画像処理 | |
He et al. | Effective haze removal under mixed domain and retract neighborhood |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |