用于檢測(cè)二維24位彩色圖像的主要特征色的方法
【專利摘要】本發(fā)明涉及二維24位彩色數(shù)字圖像的處理，是一種全新的二維24位彩色數(shù)字圖像主要特征色檢測(cè)的方法，在顏色分布直方圖的基礎(chǔ)上，充分考慮原圖像的物理特性，即顏色在原圖像中的空間分布，自動(dòng)選取部分局部峰值作為主要特征色，并且自動(dòng)確定主要特征色的數(shù)目，并排除數(shù)量較少，空間分布比較分散的顏色的干擾，使選定的主要特征色有較高的代表性。本發(fā)明根據(jù)不同的圖像可以智能確定主色數(shù)目，免去了用戶交互指定的繁瑣過(guò)程；從人眼出發(fā)，把能引發(fā)人眼關(guān)注的高度聚集在一起的一種或若干種相似的顏色提取出來(lái)，并以其中一種在數(shù)量上占優(yōu)的顏色作為代表色，更符合原圖像的物理特性；自帶校正策略，將一些數(shù)量少的，過(guò)于分散的，如鋸齒顏色剔除。
【專利說(shuō)明】用于檢測(cè)二維24位彩色圖像的主要特征色的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及二維24位彩色數(shù)字圖像的處理，特別是彩色圖像的主要特征色的檢 測(cè)方法。

【背景技術(shù)】
[0002] 隨著高清數(shù)字電視的普及，數(shù)字圖像的應(yīng)用空間得到了大幅度的擴(kuò)展，對(duì)數(shù)字圖 像處理技術(shù)研究也成為了熱門，尤其是二維24位彩色圖像的處理技術(shù)，由于受設(shè)備的限 制，目前大多數(shù)情況下只能顯示二維圖像。而在這些處理技術(shù)中，如圖像的灰度化，圖像識(shí) 別等，往往需要提取原始圖像中主要特征色信息（以下簡(jiǎn)稱主色），因此一些顏色量化、顏 色聚類算法被用于圖像的降維。對(duì)于顏色量化，等間距地將顏色的值進(jìn)行劃分，缺乏對(duì)顏色 分布特性的充分考慮，易使得到的顏色與圖像主色之間產(chǎn)生一定的誤差；而對(duì)于一些聚類 算法來(lái)說(shuō)，往往需要用戶指定聚類中心的數(shù)目，對(duì)于不同的圖像，主色的數(shù)目往往會(huì)發(fā)生改 變，這對(duì)圖像的處理帶來(lái)了一定的不便。因此，需要一種能充分考慮顏色的分布特性，并且 能自動(dòng)確定主色數(shù)目的方法。這里的顏色的分布特性不僅需要考慮顏色在顏色空間內(nèi)的分 布，也包括在圖像坐標(biāo)空間內(nèi)的分布。當(dāng)一種顏色或肉眼不太容易區(qū)分的幾種相似的顏色 集聚在某一塊區(qū)域內(nèi)時(shí)，往往能引起人眼的關(guān)注，也越容易成為主色；相反，如果分布得零 零散散，則越不易引起人眼注意，這一類顏色便不易成為主色。從另一個(gè)角度來(lái)講，某種顏 色占整幅圖像總像素的比重越大，則越容易成為主色，所以要求成為主色的顏色的像素?cái)?shù) 為局部峰值；同時(shí)，分布在同一個(gè)物體上的顏色，如果相互之間較為相似，則盡可能用一種 顏色來(lái)表示，明顯分布在不同物體上的顏色則應(yīng)用不同的主色來(lái)表示；另一方面，由于存儲(chǔ) 容量等因素影響，現(xiàn)實(shí)生活中使用的圖像往往是將高清原圖進(jìn)行壓縮后再保存的，此時(shí)圖 像中物體的邊緣將會(huì)產(chǎn)生鋸齒效應(yīng)，顯然，這些鋸齒效應(yīng)不是我們想要的主色，所以，在進(jìn) 行主色提取的同時(shí)，也要排除鋸齒效應(yīng)對(duì)主色提取的干擾；而目前的主色提取技術(shù)在提取 主色時(shí)基本沒(méi)有考慮上述因素。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種用于檢測(cè)二維24位彩色圖像的主要特征色的方法。
[0004] 本發(fā)明解決其技術(shù)問(wèn)題采用的技術(shù)方案如下：
[0005] 1)局部聚集度較高像素特征向量提?。?br> [0006] 將圖像從RGB顏色空間轉(zhuǎn)換至HSV顏色空間，并根據(jù)飽和度S和亮度V兩個(gè)通道 值將顏色種類劃分為3類；按式（1)計(jì)算每個(gè)像素p的局部聚集度LG(p)，將局部聚集度小 于〇. 8的像素剔除，提取局部聚集度較高的像素的特征向量，形成特征向量集F;
[0007] 像素P局部聚集度

【權(quán)利要求】
1. 一種用于檢測(cè)二維24位彩色圖像的主要特征色的方法，其特征在于：包括如下步 驟： 1) 局部聚集度較高像素特征向量提取： 將圖像從RGB顏色空間轉(zhuǎn)換至HSV顏色空間，并根據(jù)飽和度S和亮度V兩個(gè)通道值將顏 色種類劃分為3類；按式（1)計(jì)算每個(gè)像素 p的局部聚集度LG(p)，將局部聚集度小于0. 8 的像素剔除，提取局部聚集度較高的像素的特征向量，形成特征向量集F ; 像素 P局部聚集度
np(np取3或5或8)為像素 p周圍一圈總像素?cái)?shù)； mp(mp < np)為像素 p周圍一圈np個(gè)像素中與像素 p符合顏色相似判據(jù)1的像素?cái)?shù)； 顏色相似判據(jù)I : (1)當(dāng)顏色1為第1類顏色時(shí)，若顏色2為第1類顏色，則顏色1與 2相似；若顏色2為第2類顏色且亮度通道差的絕對(duì)值I Λ VI < 10,則顏色1與2相似；若 顏色2為第3類顏色且亮度通道差的絕對(duì)值I Λ VI彡10,則顏色1與2相似。（2)當(dāng)顏色 1為第2類顏色時(shí)，若顏色2為第2類顏色且亮度通道差的絕對(duì)值I Λ VI彡20,則顏色1與 2相似；若顏色2為第3類顏色且飽和度通道差的絕對(duì)值I Λ S I < 10,亮度通道差的絕對(duì) 值I AV|彡20,則顏色1與2相似。⑶當(dāng)顏色1為第3類顏色時(shí)，若顏色2為第3類顏 色且色度通道差的絕對(duì)值I ΛΗ| < 10,飽和度通道差的絕對(duì)值I AS| < 10,亮度通道差的 絕對(duì)值I AV| < 20,則顏色1與2相似。當(dāng)色度通道差的絕對(duì)值I ΛΗ| >180時(shí)，I ΛΗ| = 360-| ΔΗ|〇 2) 主色篩選： 根據(jù)步驟1)得到的特征向量集F，提取出篩選前顏色集K ;進(jìn)行循環(huán)篩選時(shí)，一次完整 的篩選，首先根據(jù)篩選前顏色集K內(nèi)第i種顏色Ci的代表像素?cái)?shù)及保留判定依據(jù)1和2確 定該顏色是否該被存入本次保留顏色集K'(初始為空）； 保留判定依據(jù)1 :在RGB顏色空間內(nèi)，在篩選前顏色集K中，與顏色Ci的直線距離在長(zhǎng) 度.
(length初始大小為500)范圍內(nèi)且與顏色Ci符合相似判據(jù)2的篩選前顏色集 K的所有顏色中，顏色Ci的代表像素?cái)?shù)最大； 保留判定依據(jù)2 :若篩選前顏色集K中第i個(gè)顏色Ci在本次篩選中已被判定為保留，則 計(jì)算篩選前顏色集K內(nèi)與顏色Ci的直線距離Λ Cij在長(zhǎng)度
范圍內(nèi)且符合相似判據(jù) 2的未被標(biāo)記為非主色的第j種顏色Cj與Ci的相似率SRij
若
，則將顏色q保留，否則將顏色&標(biāo)記為非主色；CR u為篩選前 顏色集K內(nèi)第i個(gè)顏色Ci與第j個(gè)顏色&的理論代表重復(fù)率，Λ 為這兩種顏色Ci和Cj 在RGB顏色空間的直線距離，ADij為這兩種顏色Ci和Cj的坐標(biāo)中心間的直線距離，d為輸 入圖像對(duì)角線長(zhǎng)度，Ni和Nj分別為這兩種顏色的代表像素?cái)?shù)，代表像素?cái)?shù)表示一種顏色其 本身在剔除局部聚集度較低像素的圖像中擁有的像素?cái)?shù)與歸并到它上面的其他顏色的像 素?cái)?shù)的和，每次循環(huán)長(zhǎng)度
都將變大； 顏色相似判據(jù)2 : (1)當(dāng)顏色1為第1類顏色時(shí)，若顏色2為第1類顏色，則顏色1與 2相似；若顏色2為第2類顏色且亮度通道差的絕對(duì)值I Λ VI < 10,則顏色1與2相似；若 顏色2為第3類顏色且亮度通道差的絕對(duì)值I Λ VI彡10,則顏色1與2相似。（2)當(dāng)顏色 1為第2類顏色時(shí)，若顏色2為第2類顏色且亮度通道差的絕對(duì)值I AVl < 40,則顏色1 與2相似；若顏色2為第3類顏色且飽和度通道差的絕對(duì)值I Λ S I < 10,亮度通道差的絕 對(duì)值I Λ VI彡40,則顏色1與2相似；（3)當(dāng)顏色1為第3類顏色時(shí)，若顏色2為第3類顏 色且色度通道差的絕對(duì)值I ΛH| < 30,飽和度通道差的絕對(duì)值I AS| < 50,亮度通道差的 絕對(duì)值I AV|彡40,則顏色1與2相似。當(dāng)色度通道差的絕對(duì)值I ΛΗI >180時(shí)，I ΛΗI = 360-1 ΛH|。 理論代表重復(fù)率CR"計(jì)算方式：（1)當(dāng)顏色Ci為第1類顏色時(shí)，若顏色Ci為第1類
若顏色Cj為第三類顏色，則
其中， ΛΗ|，I AS|，I AV|分別為兩種顏色色度通道，飽和度通道，兩度通道的差的絕對(duì)值，當(dāng) ΛΗ|>180 時(shí)，I ΛΗ| = 360-丨 ΛΗ|。 確定本次保留顏色集K'中的顏色種類后，對(duì)Γ進(jìn)行優(yōu)化，根據(jù)篩選前顏色集K和保 留顏色集K'中元素?cái)?shù)以及當(dāng)前長(zhǎng)度
判定是否要繼續(xù)循環(huán)篩選或回溯； 保留顏色集K'優(yōu)化：特征向量集F的每個(gè)元素 f在Γ內(nèi)找到RGB空間直線距離最短 的元素 k'，若兩種顏色符合相似判據(jù)1，則在這一次的保留顏色集Γ優(yōu)化中將f歸并到 k'內(nèi)，并更新k'的信息； 3)校正剔除： 根據(jù)以下4個(gè)策略依次進(jìn)行校正剔除，其中局部聚集度較低的像素僅在策略一中參與 計(jì)算 策略一，最后一次篩選保留的顏色集K'中任意兩元素 Γ ,與1(' i SN' P符 合顏色相似判據(jù)2的，若兩者在原始圖像中的實(shí)際代表重復(fù)率CR' ^>0.5,則將元素1('」 從K'中剔除，提取剩余的元素形成剔除后顏色集合T ; 實(shí)際代表重復(fù)率
cp為原圖所有像素中同時(shí)與Γ i和?！狗项伾嗨婆袚?jù)1的像素?cái)?shù)目，N'」為在 原圖所有像素中與Γ ^符合相似判據(jù)1的像素?cái)?shù)； 策略二，將顏色集T中坐標(biāo)分布標(biāo)準(zhǔn)差大于代表像素?cái)?shù)的或代表像素?cái)?shù)小于等于20的 元素剔除，提取剩余的元素形成剔除后顏色集合T'。 策略三，將顏色集T'中代表像素?cái)?shù)小于式（4)的基準(zhǔn)代表像素?cái)?shù)st的0.5 %的元素 剔除，提取剩余的元素形成剔除后顏色集合T"
其中，maxi和max2分別為顏色集T'中顏色的最大代表像素?cái)?shù)和次最大代表像素?cái)?shù)； 策略四，將顏色集T"中代表像素?cái)?shù)小于基準(zhǔn)代表像素?cái)?shù)st的10%的且代表像素 數(shù)-標(biāo)準(zhǔn)差比值
小于6.28的顏色剔除，提取剩余的元素形成剔除后顏色集合 ?" ' 〇
2. 根據(jù)權(quán)利要求1所述的用于檢測(cè)二維24位彩色圖像的主要特征色的方法，其特征 在于：所述步驟1)中，根據(jù)飽和度S和亮度V兩個(gè)通道的值將顏色種類劃分為3類的具體 方法為：分別將色度H、飽和度S、亮度V通道值量化成0?360,0?100,0?100的整數(shù)， 根據(jù)飽和度S和亮度V通道值，將其中亮度V < 20的顏色劃為第1類，亮度V>20且飽和度 SS 10的顏色劃為第2類，其他為第3類。
3. 根據(jù)權(quán)利要求1所述的用于檢測(cè)二維24位彩色圖像的主要特征色的方法，其特征 在于：所述步驟1)中，所述特征向量集F的每個(gè)元素為一個(gè)像素的顏色RGB值、量化后HSV 值、顏色種類、像素坐標(biāo)X、Y信息。
4. 根據(jù)權(quán)利要求1所述的用于檢測(cè)二維24位彩色圖像的主要特征色的方法，其特征在 于：所述步驟2)中，一次完整的篩選包括確定本次保留顏色集Γ，顏色集Γ優(yōu)化，是否繼 續(xù)篩選或回溯的判斷。
5. 根據(jù)權(quán)利要求1所述的用于檢測(cè)二維24位彩色圖像的主要特征色的方法，其特征在 于：所述步驟2)中，在主色篩選中，初始篩選前顏色集K的形成通過(guò)將特征向量集F中具有 相同HSV值的特征向量歸并，初始篩選前顏色集K和篩選保留顏色集Γ中每個(gè)元素為一種 顏色的RGB值、HSV值、顏色種類、坐標(biāo)中心f、F、坐標(biāo)分布標(biāo)準(zhǔn)差、代表像素?cái)?shù)N，并根據(jù) N從大到小將顏色排序。
6. 根據(jù)權(quán)利要求1所述的用于檢測(cè)二維24位彩色圖像的主要特征色的方法，其特征 在于：所述步驟2)中根據(jù)篩選前顏色集K和本次保留顏色集Γ中元素?cái)?shù)以及當(dāng)前長(zhǎng)度
[判定是否要繼續(xù)篩選或回溯的方法為： 若當(dāng)前長(zhǎng)度length彡maxlength (最大長(zhǎng)度maxlength默認(rèn)為10000)，則再依次進(jìn)行 以下判斷，否則直接退出循環(huán)，初始長(zhǎng)度length默認(rèn)為500 ; 若本次篩選保留顏色集K'中元素?cái)?shù)少于最小元素個(gè)數(shù)MIN(MIN默認(rèn)為 3)個(gè)，則進(jìn)行回溯，即將本次篩選前顏色集K作為下次篩選的篩選前顏色集，并將本次 篩選保留顏色集K'置空，步長(zhǎng)step減為原來(lái)的一半，長(zhǎng)度length減去步長(zhǎng)step (step初 始大小為1〇〇〇,若st印〈125,退出循環(huán)），繼續(xù)下一次篩選； 若本次篩選保留顏色集K'元素?cái)?shù)大于最大元素個(gè)數(shù)MAX (MAX默認(rèn)為10)或篩選前顏 色集K與篩選保留顏色集Γ的元素?cái)?shù)不相同，則將本次篩選保留顏色集Γ作為下次篩選 前顏色集，隨后再將K'置空，長(zhǎng)度length加上步長(zhǎng)st印，再繼續(xù)下一次篩選。
7. 根據(jù)權(quán)利要求1所述的用于檢測(cè)二維24位彩色圖像的主要特征色的方法，其特征在 于：所述步驟3)中進(jìn)行完策略一的剔除后，對(duì)剔除后顏色集T進(jìn)行一次類似于篩選保留顏 色集K優(yōu)化的操作，然后再進(jìn)行策略二剔除。
8. 根據(jù)權(quán)利要求1所述的用于檢測(cè)二維24位彩色圖像的主要特征色的方法，其特征在 于：根據(jù)以上步驟1)、步驟2)、步驟3)得到的顏色集T"'中的顏色即為輸入圖像的主要 特征色。
【文檔編號(hào)】G06T7/00GK104392443SQ201410659508
【公開(kāi)日】2015年3月4日 申請(qǐng)日期:2014年11月18日 優(yōu)先權(quán)日:2014年11月18日
【發(fā)明者】劉春曉, 朱臻陽(yáng), 陳麗麗 申請(qǐng)人:浙江工商大學(xué)