CN113129392B - 一种颜色搭配方法及*** - Google Patents
一种颜色搭配方法及*** Download PDFInfo
- Publication number
- CN113129392B CN113129392B CN202110536350.XA CN202110536350A CN113129392B CN 113129392 B CN113129392 B CN 113129392B CN 202110536350 A CN202110536350 A CN 202110536350A CN 113129392 B CN113129392 B CN 113129392B
- Authority
- CN
- China
- Prior art keywords
- color
- standard
- cloth image
- characteristic value
- characteristic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000004744 fabric Substances 0.000 claims abstract description 144
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 abstract description 15
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/16—Cloth
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种颜色搭配方法及***,方法包括:获取每张标准布料图像的多个颜色特征值;计算每个颜色特征值对应的特征面积与标准布料图像的总面积的特征比例;根据标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例,以获取得到标准布料图像的标准关联集群,标准关联集群包括标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例之间的关联关系;对所有标准布料图像的标准关联集群进行联合分析,以得到分析结果,分析结果包括颜色特征值范围对应的特征比例范围;根据分析结果进行颜色比例的搭配。实现了通过获取得到标准布料图像的标准关联集群,以得到该标准布料图像中的不同颜色所占面积在整幅标准布料图像中的占比分布情况。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种颜色搭配方法及***。
背景技术
随着时代的进步和消费者对视觉美感的不断追求,颜色搭配越来越受到消费者的重视,如今,颜色搭配在服装、纺织、室内、环境等各个领域均起到举足轻重的作用,颜色搭配咨询己成为一种行业,颜色搭配师更成为一种高度专业化的职业。由于颜色具有多样性,其搭配***,导致无法在配色阶段就能合理配出满足消费者喜好的颜色搭配,再发现不合适时往往造成资源的浪费。
因此,目前需要提供一种高效、方便、快捷、客观的关联与颜色占比的搭配方法。
发明内容
针对现有技术中存在的上述问题,现提供一种颜色搭配方法及***。
具体技术方案如下:
一种颜色搭配方法,其中,包括以下步骤:
获取至少一张标准布料图像,获取每张标准布料图像的至少一个颜色特征值;
计算得到每个颜色特征值对应的特征面积,并且获取得到标准布料图像的总面积,计算每个颜色特征值对应的特征面积在总面积中的面积占比,并将面积占比记为特征比例;
根据标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例,获取得到标准布料图像的标准关联集群,标准关联集群包括标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例;
对所有标准布料图像的标准关联集群进行联合分析,以得到分析结果,分析结果包括颜色特征值范围对应的特征比例范围,其中,颜色特征值范围包括多个颜色特征值;
根据分析结果对待分析布料图像进行颜色比例的搭配。
优选的,颜色搭配方法,其中,颜色特征值为灰度值。
优选的,颜色搭配方法,其中,获取灰度值,具体包括以下步骤:
获取至少一张标准布料图像;
将标准布料图像转化为灰度图像;
获取灰度图像的至少一个灰度值。
优选的,颜色搭配方法,其中,将标准布料图像的标准关联集群以表格和/或图形的形式进行显示;
其中,图形的横坐标为颜色特征值,图形的纵坐标为特征比例。
优选的,颜色搭配方法,其中,将标准布料图像的标准关联集群以曲线图的形式进行显示;
其中,曲线图的横坐标为颜色特征值,曲线图的纵坐标为特征比例,并将每两个相邻的坐标点之间进行过渡连接。
优选的,颜色搭配方法,其中,得到分析结果,具体包括以下步骤:
获取得到每张标准布料图像对应的标准关联集群;
从每个标准关联集群中获取得到每个颜色特征值,根据预设的分类规则将颜色特征值进行划分,以得到多个颜色特征值范围;
获取每个颜色特征值范围中的每个颜色特征值对应的所有特征比例,将每个颜色特征值范围中所有颜色特征值对应的最小特征比例和最大特征比例作为特征比例范围的端点。
优选的,颜色搭配方法,其中,根据分析结果对待分析布料图像进行颜色比例的搭配,具体包括以下步骤:
获取待分析布料图像的颜色特征值;
根据分析结果对待分析布料图像的颜色特征值的进行特征比例的搭配。
优选的,颜色搭配方法,其中,根据分析结果对待分析布料图像进行颜色比例的搭配,具体包括以下步骤:
获取待分析布料图像上的颜色特征值;
获取待分析布料图像上的颜色特征值对应的特征比例;
根据分析结果对待分析布料图像的颜色特征值的特征比例进行调整。
还提供一种颜色搭配***,其中,包括以下步骤:
颜色获取模块,用于获取至少一张标准布料图像,获取每张标准布料图像的至少一个颜色特征值;
特征比例计算模块,用于计算得到每个颜色特征值对应的特征面积,并且获取得到标准布料图像的总面积,计算每个颜色特征值对应的特征面积在总面积中的面积占比,并将面积占比记为特征比例;
关联模块,用于根据标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例,获取得到标准布料图像的标准关联集群,标准关联集群包括标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例;
分析模块,用于对所有标准布料图像的标准关联集群进行联合分析,以得到分析结果,分析结果包括颜色特征值范围对应的特征比例范围,其中,颜色特征值范围包括多个颜色特征值;
搭配模块,用于根据分析结果对待分析布料图像进行颜色比例的搭配。
还提供一种计算机可读存储介质,其上存储计算机程序指令,其中,当计算机程序指令被处理器执行时实现如上述任一项方法。
上述技术方案具有如下优点或有益效果:
通过获取得到标准布料图像的标准关联集群,以得到该标准布料图像中的不同颜色所占面积在整张标准布料图像中的占比分布情况。
通过对所有标准布料图像的标准关联集群进行分析,以得到分析结果,从而实现通过对大量的标准布料图像的不同颜色所占面积在整幅标准布料图像中的占比分布情况,进而得到不同颜色特征值的占比分布趋势。
根据分析结果对待分析布料图像的颜色配比进行调整,实现了根据不同颜色特征值的占比分布趋势对待分析布料图像进行自动设计和颜色占比分配。
附图说明
参考所附附图,以更加充分的描述本发明的实施例。然而,所附附图仅用于说明和阐述,并不构成对本发明范围的限制。
图1为本发明颜色搭配方法的实施例的A号标准布料图像的曲线图;
图2为本发明颜色搭配方法的实施例的B号标准布料图像的曲线图;
图3为本发明颜色搭配方法的实施例的C号标准布料图像的曲线图;
图4为本发明颜色搭配方法的实施例的A、B和C号标准布料图像的曲线图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本发明包括一种颜色搭配方法,包括以下步骤:
步骤S1,获取至少一张标准布料图像,获取每张标准布料图像的至少一个颜色特征值;
步骤S2,计算得到每个颜色特征值对应的特征面积,并且获取得到标准布料图像的总面积,计算每个颜色特征值对应的特征面积在总面积中的面积占比,并将面积占比记为特征比例;
步骤S3,根据标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例,获取得到标准布料图像的标准关联集群,标准关联集群包括标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例;
步骤S4,对所有标准布料图像的标准关联集群进行联合分析,以得到分析结果,分析结果包括颜色特征值范围对应的特征比例范围,其中,颜色特征值范围包括多个颜色特征值;
步骤S5,根据分析结果对待分析布料图像进行颜色比例的搭配。
在上述实施例中,通过获取得到标准布料图像的标准关联集群,以得到该标准布料图像中的不同颜色所占面积在整张标准布料图像中的占比分布情况。
通过对所有标准布料图像的标准关联集群进行分析,以得到分析结果,从而实现通过对大量的标准布料图像的不同颜色所占面积在整幅标准布料图像中的占比分布情况,进而得到不同颜色特征值的占比分布趋势。
根据分析结果对待分析布料图像的颜色配比进行调整,实现了根据不同颜色特征值的占比分布趋势对待分析布料图像进行自动设计和颜色占比分配。
在上述实施例中,需要说明的是,标准布料图像的所有颜色特征值对应的特征比例的和小于或等于100%。
在上述实施例中,所有标准布料图像的集群为具有一定规律性的布料图像。
其中,标准布料图像可以为:色相,明亮度,饱和度等搭配合理美观,有丰富色彩层次的图像。
标准布料图像也可以为:经过设计师或者专业消费者评判,能体现市场和专业客户要求的图像。
进一步地,作为优选的实施方式,颜色特征值为灰度值。
在上述实施例中,通过获取标准布料图像的颜色特征值以对标准布料图像的颜色进行区分,从而提高识别颜色的精确度。
在上述实施例中,通过根据灰度值对标准布料图像的颜色进行区分,从而实现对颜色的深浅进行进一步区分,方法简单方便,并且通过灰度值实现对颜色的深浅的占比情况进行后续的分析。
作为优选的实施方式,颜色特征值还可以为亮度值等颜色特征值,如果是亮度值则对颜色的亮度的占比情况进行后续的分析。
进一步地,作为优选的实施方式,步骤S1中获取灰度值具体包括以下步骤:
步骤S11,获取至少一张标准布料图像;
步骤S12,将标准布料图像转化为灰度图像;
步骤S13,获取灰度图像的至少一个灰度值。
在上述优选的实施方式中,将彩色的标准布料图像转化为灰度图像,从而根据灰度值对标准布料图像的颜色进行区分,进而实现对颜色的深浅的占比情况进行后续的分析。
作为优选的实施方式,可以获取得到灰度图像的所有灰度值。
作为优选的实施方式,可以将相近的灰度值作为一个颜色对应的灰度值进行输出,从而避免太细的划分灰度值差别极小的颜色,进而减小后续的分析的作业量,以提高获取分析结果的效率。
作为优选的实施方式,可以采用浮点算法将RGB彩色的标准布料图像转化为灰度图像,也可以采用其他转换方法,在此不做赘述。
作为具体的实施方式,标准布料图像存在多个颜色,将标准布料图像转化为灰度图像后,获取得到灰度图像的多个灰度值,其中,每个灰度值代表一个颜色,如下表1所示:
表1
接着计算得到每个灰度值对应的特征面积,并且获取得到标准布料图像的总面积,计算每个灰度值对应的特征面积与总面积的特征比例,如下表2所示:
表2
在上表2中,标准布料图像仅存在上述6个颜色,因此获取得到的所有灰度值对应的特征比例的总和为100%。
进一步地,在上述实施例中,将标准布料图像的标准关联集群以表格和图形的形式进行显示;
其中,图形的横坐标为颜色特征值,图形的纵坐标为特征比例。
作为优选的实施方式,可以将所有标准布料图像的标准关联集群以表格的形式进行显示,以A、B和C号标准布料图像为例,如下表3所示:
表3
进一步地,作为优选的实施方式,将标准布料图像的标准关联集群以曲线图的形式进行显示;
其中,曲线图的横坐标为颜色特征值,曲线图的纵坐标为特征比例,将每两个相邻的坐标点之间进行过渡连接。
作为优选的实施方式,将每张曲线图中的每两个相邻的坐标点之间采用平滑的曲线进行过渡连接,从而直观地显示每张标准布料图像的颜色特征值和与颜色特征值对应的特征比例之间的关系。
进一步地,在上述实施例中,步骤S4具体包括以下步骤:
步骤S41,获取得到每张标准布料图像对应的标准关联集群;
步骤S42,从每个标准关联集群中获取得到每个颜色特征值,根据预设的分类规则将颜色特征值进行划分,以得到多个颜色特征值范围;
步骤S43,获取每个颜色特征值范围中的每个颜色特征值对应的所有特征比例,将每个颜色特征值范围中所有颜色特征值对应的所有特征比例中的最小特征比例和最大特征比例作为特征比例范围的端点。
作为优选的实施方式,预设的分类规则可以为根据颜色的深浅度进行分类,例如颜色通常分为深色,中色,浅色;为了更精准表达颜色深度,就把三个梯度每个再细分一次。例如可以按照0-15,16-30,31-50,51-70,71-85,86-100来划分,即可以将落入0-15区间内的颜色特征值划分到同一个颜色特征值范围中,并将落入0-15区间内的所有颜色特征值中的最小颜色特征值和最大特征值作为颜色特征值范围的两端。
作为优选的实施方式,可以将不超于第一预设范围的每两个相邻的颜色特征值划分到同一颜色特征值范围中,即实现了对颜色特征值的密集度和占比高低来划分颜色特征值范围。
在上述具体的实施方式中,以A、B和C号标准布料图像为例,分别获取得到A号标准布料图像对应的曲线图,B号标准布料图像对应的曲线图和C号标准布料图像对应的曲线图,如图1-3所示。
将A、B和C号标准布料图像对应的曲线图整合到同一张图中,如图4所示,此时可以直观地看到所有标准布料图像的标准关联集群。
根据整合后的曲线图,可以得到A、B和C号三张标准布料图像的所有标准关联集群;从每个标准关联集群中获取得到每个灰度值,如下表4所示:
表4
将不超于第一预设范围的两个或几个相邻的颜色特征值划分到同一颜色特征值范围中。由于灰度值为0即代表图像为无色,表现为没有颜色,所以特征值为0的作为白色粉单独分为一类分析。
再分析浅浅色,可以将A号标准布料图像中的A2号色(灰度值为15)、B号标准布料图像中的B2号色(灰度值为12)和C号标准布料图像中的C2号色(灰度值为15)划分到同一颜色特征值范围中,并且获取得到该颜色特征值范围中的每个颜色特征值(即A2号色(灰度值为15)、B2号色(灰度值为12)和C2号色(灰度值为15))对应的所有特征比例(即 A2号色(灰度值为15)对应的特征比例(22%)、B2号色(灰度值为12)对应的特征比例 (18%),和C2号色(灰度值为15)对应的特征比例(24%))的最小特征比例(即18%) 和最大特征比例(即24%)作为特征比例范围的端点,即特征比例范围为18%-24%;
以此类推,获取得到的颜色特征值范围和特征比例范围分别如下所示(为了便于区分,把所有的颜色特征值范围和特征比例范围均进行显示):
颜色特征值范围为0的在图形中的特征比例范围为6%-10%。
颜色特征值范围为12-15的在图形中的特征比例范围为18%-24%。
颜色特征值范围为23-25的在图形中的特征比例范围为6%-10%。
颜色特征值范围为38-48的在图形中的特征比例范围为22%-24%。
颜色特征值范围为68-70的在图形中的特征比例范围为23%-28%。
颜色特征值范围为75-78的在图形中的特征比例范围为2%-8%。
颜色特征值范围为85-95的在图形中的特征比例范围为4%-11%。
其中,特征比例范围(及面积占比)最大的是颜色特征值范围为68-70,其次颜色特征值范围为38-48,再往下是特征比例范围为12-15.以此类推。
进一步地,作为优选的实施方式,步骤S5具体包括以下步骤:
步骤S51,获取待分析布料图像待搭配的颜色特征值;
步骤S52,根据分析结果对待分析布料图像的颜色特征值的进行特征比例的搭配。
在上述优选的实施方式中,首先获取了待分析布料图像的颜色特征值,即获取待分析布料图像需要搭配的颜色,随后根据分析结果中的颜色特征值范围和特征比例范围对待分析布料图像的颜色特征值进行特征比例的搭配,从而实现了对待分析布料图像的颜色搭配。
进一步地,作为优选的实施方式,步骤S5具体包括以下步骤:
步骤S53,获取待分析布料图像上的颜色特征值;
步骤S54,获取待分析布料图像上的颜色特征值对应的特征比例;
步骤S55,根据分析结果对待分析布料图像的颜色特征值的特征比例进行调整。
在上述优选的实施方式中,首先获取了待分析布料图像的颜色特征值,即获取待分析布料图像上已有的颜色,随后获取待分析布料图像上的颜色特征值对应的特征比例,接着根据分析结果中的颜色特征值范围和特征比例范围对待分析布料图像的颜色特征值的特征比例进行调整,从而实现了对待分析布料图像的颜色调整。
还提供一种颜色搭配***,包括以下步骤:
颜色获取模块,用于获取至少一张标准布料图像,获取每张标准布料图像的至少一个颜色特征值;
特征比例计算模块,用于计算得到每个颜色特征值对应的特征面积,并且获取得到标准布料图像的总面积,计算每个颜色特征值对应的特征面积在总面积中的面积占比,并将面积占比记为特征比例;
关联模块,用于根据标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例,获取得到标准布料图像的标准关联集群,标准关联集群包括标准布料图像中的每个颜色特征值和与颜色特征值对应的特征比例;
分析模块,用于对所有标准布料图像的标准关联集群进行联合分析,以得到分析结果,分析结果包括颜色特征值范围对应的特征比例范围,其中,颜色特征值范围包括多个颜色特征值;
搭配模块,用于根据分析结果对待分析布料图像进行颜色比例的搭配。
需要说明的是,颜色搭配***的各实施例和颜色搭配方法的各实施例一致,在此不做赘述。
还提供一种计算机可读存储介质,其上存储计算机程序指令,当计算机程序指令被处理器执行时实现上述任一项方法。
需要说明的是,计算机可读存储介质的各实施例和颜色搭配方法的各实施例一致,在此不做赘述。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种颜色搭配方法,其特征在于,包括以下步骤:
获取至少一张标准布料图像,获取每张所述标准布料图像的至少一个颜色特征值;
计算得到每个所述颜色特征值对应的特征面积,并且获取得到所述标准布料图像的总面积,计算每个所述颜色特征值对应的特征面积在所述总面积中的面积占比,并将所述面积占比记为特征比例;
根据所述标准布料图像中的每个所述颜色特征值和与所述颜色特征值对应的所述特征比例,获取得到所述标准布料图像的标准关联集群,所述标准关联集群包括所述标准布料图像中的每个所述颜色特征值和与所述颜色特征值对应的所述特征比例;
对所有所述标准布料图像的所述标准关联集群进行联合分析,以得到分析结果,所述分析结果包括颜色特征值范围对应的特征比例范围,其中,所述颜色特征值范围包括多个所述颜色特征值;
根据所述分析结果对待分析布料图像进行颜色比例的搭配。
2.如权利要求1所述的颜色搭配方法,其特征在于,所述颜色特征值为灰度值。
3.如权利要求2所述的颜色搭配方法,其特征在于,所述获取所述灰度值,具体包括以下步骤:
获取至少一张所述标准布料图像;
将所述标准布料图像转化为灰度图像;
获取所述灰度图像的至少一个灰度值。
4.如权利要求1所述的颜色搭配方法,其特征在于,将所述标准布料图像的所述标准关联集群以表格和/或图形的形式进行显示;
其中,所述图形的横坐标为所述颜色特征值,所述图形的纵坐标为所述特征比例。
5.如权利要求1所述的颜色搭配方法,其特征在于,将所述标准布料图像的所述标准关联集群以曲线图的形式进行显示;
其中,所述曲线图的横坐标为所述颜色特征值,所述曲线图的纵坐标为所述特征比例,并将每两个相邻的坐标点之间进行过渡连接。
6.如权利要求1所述的颜色搭配方法,其特征在于,所述得到分析结果,具体包括以下步骤:
获取得到每张所述标准布料图像对应的所述标准关联集群;
从每个所述标准关联集群中获取得到每个所述颜色特征值,根据预设的分类规则将所述颜色特征值进行划分,以得到多个所述颜色特征值范围;
获取每个所述颜色特征值范围中的每个所述颜色特征值对应的所有所述特征比例,将每个所述颜色特征值范围中所有颜色特征值对应的最小特征比例和最大特征比例作为所述特征比例范围的端点。
7.如权利要求1所述的颜色搭配方法,其特征在于,所述根据所述分析结果对待分析布料图像进行颜色比例的搭配,具体包括以下步骤:
获取所述待分析布料图像的颜色特征值;
根据所述分析结果对所述待分析布料图像的颜色特征值进行特征比例的搭配。
8.如权利要求1所述的颜色搭配方法,其特征在于,所述根据所述分析结果对待分析布料图像进行颜色比例的搭配,具体包括以下步骤:
获取所述待分析布料图像上的颜色特征值;
获取所述待分析布料图像上的颜色特征值对应的特征比例;
根据所述分析结果对所述待分析布料图像的颜色特征值的特征比例进行调整。
9.一种颜色搭配***,其特征在于,包括以下步骤:
颜色获取模块,用于获取至少一张标准布料图像,获取每张所述标准布料图像的至少一个颜色特征值;
特征比例计算模块,用于计算得到每个所述颜色特征值对应的特征面积,并且获取得到所述标准布料图像的总面积,计算每个所述颜色特征值对应的特征面积在所述总面积中的面积占比,并将所述面积占比记为特征比例;
关联模块,用于根据所述标准布料图像中的每个所述颜色特征值和与所述颜色特征值对应的所述特征比例,获取得到所述标准布料图像的标准关联集群,所述标准关联集群包括所述标准布料图像中的每个所述颜色特征值和与所述颜色特征值对应的所述特征比例;
分析模块,用于对所有所述标准布料图像的所述标准关联集群进行联合分析,以得到分析结果,所述分析结果包括颜色特征值范围对应的特征比例范围,其中,所述颜色特征值范围包括多个所述颜色特征值;
搭配模块,用于根据所述分析结果对待分析布料图像进行颜色比例的搭配。
10.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-8任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110536350.XA CN113129392B (zh) | 2021-05-17 | 2021-05-17 | 一种颜色搭配方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110536350.XA CN113129392B (zh) | 2021-05-17 | 2021-05-17 | 一种颜色搭配方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129392A CN113129392A (zh) | 2021-07-16 |
CN113129392B true CN113129392B (zh) | 2022-07-26 |
Family
ID=76782095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110536350.XA Active CN113129392B (zh) | 2021-05-17 | 2021-05-17 | 一种颜色搭配方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129392B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006340221A (ja) * | 2005-06-03 | 2006-12-14 | Konica Minolta Medical & Graphic Inc | 色調整方法、カラー画像形成方法及びカラー画像形成装置 |
CN111091607A (zh) * | 2019-12-24 | 2020-05-01 | 厦门美图之家科技有限公司 | 颜色搭配方法、装置、电子设备及存储介质 |
CN112767499A (zh) * | 2021-01-28 | 2021-05-07 | 乐意节能装饰材料(常州)有限公司 | 基于比例进行色彩搭配的方法及设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104165696A (zh) * | 2014-05-28 | 2014-11-26 | 昆明理工大学 | 一种材料表面颜色特征在线自动检测方法 |
CN106033547A (zh) * | 2015-03-12 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 颜色搭配评价方法、服饰搭配推荐方法及装置 |
JP6368870B2 (ja) * | 2016-05-18 | 2018-08-01 | オリンパス株式会社 | 画像解析装置、画像解析システム、及び画像解析装置の作動方法 |
CN111260593B (zh) * | 2020-01-14 | 2023-03-14 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN111292394A (zh) * | 2020-02-07 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 一种图像配色关系确定方法和装置 |
CN112581432A (zh) * | 2020-12-08 | 2021-03-30 | 中国纺织科学研究院有限公司 | 色纺纱混配比例测量方法、装置、计算机可读存储介质及电子设备 |
-
2021
- 2021-05-17 CN CN202110536350.XA patent/CN113129392B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006340221A (ja) * | 2005-06-03 | 2006-12-14 | Konica Minolta Medical & Graphic Inc | 色調整方法、カラー画像形成方法及びカラー画像形成装置 |
CN111091607A (zh) * | 2019-12-24 | 2020-05-01 | 厦门美图之家科技有限公司 | 颜色搭配方法、装置、电子设备及存储介质 |
CN112767499A (zh) * | 2021-01-28 | 2021-05-07 | 乐意节能装饰材料(常州)有限公司 | 基于比例进行色彩搭配的方法及设备 |
Non-Patent Citations (1)
Title |
---|
基于数字图像处理的拼毛比例自动分析;李玉红;《中国优秀硕士学位论文全文数据库信息科技辑》;20110615;I138-542 * |
Also Published As
Publication number | Publication date |
---|---|
CN113129392A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100311075B1 (ko) | 인지광원과 하이라이트를 이용한 조명 색도 추정 및변환장치 및 그를 위한 방법 | |
Jacobson et al. | Design goals and solutions for display of hyperspectral images | |
US8416316B2 (en) | Apparatus and method for adjusting white balance in a digital imaging device | |
JP3557555B2 (ja) | 映像の領域区分方法および装置 | |
EP1320985A2 (en) | Color cast detection and removal in digital images | |
CN112634125B (zh) | 一种基于离线人脸数据库的自动面部替换方法 | |
KR20000038213A (ko) | 칼라 조명색 온도 검출 방법 및 장치 | |
Sudha | Robust Hausdorff distance measure for face recognition | |
CN105606218B (zh) | 光源显色性性能的光谱诊断方法及*** | |
WO2016115829A1 (zh) | 一种基于Lab色彩空间的钞票分类鉴别方法和装置 | |
WO2009007978A2 (en) | System and method for calibration of image colors | |
TW201123027A (en) | A method for image characterization and a method for image search | |
JP2010072699A (ja) | 画像分類装置および画像処理装置 | |
Čuljak et al. | Classification of art paintings by genre | |
CN111712021A (zh) | 一种美术馆灯光智能调节方法、装置和*** | |
CN113129392B (zh) | 一种颜色搭配方法及*** | |
US7936920B2 (en) | Method and apparatus for multiple data channel analysis using relative strength histograms | |
CN116233380A (zh) | 一种亮度感知定量计算方法、***、设备及介质 | |
Liu et al. | Fuzzy color recognition and segmentation of robot vision scene | |
CN113763410A (zh) | 基于his结合光谱特征检测条件的图像阴影检测方法 | |
CN113658157A (zh) | 一种基于hsv空间的颜色分割方法及装置 | |
CN111680683A (zh) | 一种roi参数的获取方法及*** | |
CN113450372B (zh) | 基于人工智能的输电线图像智能增强方法与*** | |
KR100230446B1 (ko) | 칼라 화상으로부터 조명의 칼라를 결정하는 방법 | |
Uchimi et al. | Estimation of multiple illuminant colors using color lines of single image |
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 |