图像主色识别方法、装置、电子设备及存储介质制造方法及图纸

本公开实施例提供了一种图像主色识别方法、装置、电子设备及存储介质。方法包括：对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果，第一次聚类处理结果包括多种第一候选颜色；获取每一种第一候选颜色的第一权重值；将第一权重值最大的第一候选颜色确定为第一次聚类处理获得的主色；对待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果，第i次聚类处理结果中包括多种第i候选颜色；计算每一种第i候选颜色与第i‑1次聚类处理获得的主色的色差；根据色差，确定第i次聚类处理获得的主色；将第N次聚类处理获得的主色作为待处理图像的主色。可见，本公开实施例提供的技术方案，在一定程度上提升了识别图像主色的准确度。

【技术实现步骤摘要】
图像主色识别方法、装置、电子设备及存储介质
本公开涉及计算机
，尤其涉及一种图像主色识别方法、装置、电子设备及存储介质。
技术介绍
颜色作为描述图像的主要特征，在视觉设计中占有非常重要的地位。例如海报配色、界面设计(UI)都需要参考画面的整体色调，使得经验丰富的设计师可以作出精美的画面。而在多媒体应用当中，颜色可以作为图像的预览，例如访问一系列照片的时候，在未加载出图像之前，可以先显示一个主色调来代替，以向人眼传达照片的主色调信息，从而方便用户对照片进行筛查。因此，准确衡量一张照片的主色调非常重要。其中，Gif图像在网络中的应用非常广泛，而Gif图像的生成，使用的是八叉树进行颜色归类，其只针对RGB颜色进行划分。因而，Gif图像的颜色分类使用的八叉树归类法只适用于已知区间(即[0，255])的划分，并且对色差的计算只在RGB色彩空间进行，并不适用于人眼对色彩的感知。即八叉树归类法只适合Gif图像，即只适用于低画质要求的场景，不适用于常规的图像色彩提取场景。另外，提取图像的主色，目前使用最广泛的聚类算法是K-Mean。例如某些浏览器的开源代码中，包含K-Mean算法对RGB颜色进行聚类，从而取像素数量最多的那个颜色作为图标背景色。但是，K-Means算法有一定误差，导致使用简单的RGB欧氏距离作为色差进行聚类得到的结果并不符合人眼感知的实际情况。由上述可知，采用现有技术中的主色提取方法，所提取的图像的主色与人眼所感知到的主色的误差较大。
技术实现思路
为了解决
技术介绍
中记载的技术问题，本公开实施例提供了一种图像主色识别方法、装置、电子设备及存储介质，本公开的技术方案如下：根据本公开实施例的第一方面，提供了一种图像主色识别方法，所述方法包括：对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果，其中，所述第一次聚类处理结果包括多种第一候选颜色；获取每一种所述第一候选颜色的第一权重值，其中，一个所述第一权重值表示一种所述第一候选颜色属于所述待处理图像的主色的权重；将所述第一权重值最大的所述第一候选颜色确定为所述第一次聚类处理获得的主色；在i取2～N中的每一个整数时，依次执行如下过程：对所述待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果，其中，所述第i次聚类处理结果中包括多种第i候选颜色；计算每一种所述第i候选颜色与第i-1次聚类处理获得的主色的色差；根据所述色差，确定所述第i次聚类处理获得的主色；将第N次聚类处理获得的主色作为所述待处理图像的主色；其中，N大于或等于2。可选的，所述对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果之前，所述方法还包括：将所述待处理图像转换为CIELab色彩空间下的目标图像；所述对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果，包括：对所述目标图像的颜色进行所述第一次聚类处理，得到所述第一次聚类处理结果；所述对所述待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果，包括：对所述目标图像的颜色进行所述第i次聚类处理，得到所述第i次聚类处理结果。可选的，所述对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果，包括：采用基于k-means++的聚类算法，在k取3时，对所述待处理图像的颜色进行所述第一次聚类处理，得到所述第一次聚类处理结果；其中，k表示聚类算法中的聚类数量。可选的，在i＝2时，所述对所述待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果，包括：采用基于k-means++的聚类算法，在k取8时，对所述待处理图像的颜色进行第二次聚类处理，得到第二次聚类处理结果。可选的，所述第一次聚类处理结果还包括所述待处理图像中属于每一种所述第一候选颜色的像素点的数量；所述获取每一种所述第一候选颜色的第一权重值，包括：计算每一种所述第一候选颜色的RGB分量的方差；在j取1～M中的每一个整数时，计算所述待处理图像中属于第j种所述第一候选颜色的像素点的数量，与第j种所述第一候选颜色的RGB分量的方差的第一乘积，并将所述第一乘积作为第j种所述第一候选颜色的第一权重值，其中，M为所述第一次聚类处理结果中包括的所述第一候选颜色的数量。可选的，所述计算每一种所述第i候选颜色与第i-1次聚类处理获得的主色的色差，包括：计算每一种所述第i候选颜色与所述第i-1次聚类处理获得的主色在CIELab色彩空间下的欧氏距离，并将所述欧氏距离作为色差；或者，利用CIE94色差算法，计算每一种所述第i候选颜色与所述第i-1次聚类处理获得的主色在CIELab色彩空间下的色差。可选的，所述第i次处理结果还包括所述待处理图像中属于每一种所述第i候选颜色的像素点的数量；所述根据所述色差，确定所述第i次聚类处理获得的主色，包括：在h取1～H中的每一个整数时，计算第h种所述第i候选颜色与所述第i-1次聚类处理获得的主色的色差，与所述待处理图像中属于第h种所述第i候选颜色的像素点的数量的第二乘积，并将所述第二乘积作为第h种所述第i候选颜色的第二权重值，其中，H表示所述第i次聚类处理结果中包括的所述第i候选颜色的数量；将所述第二权重值最大的所述第i候选颜色，作为所述第i次聚类处理获得的主色。根据本公开实施例的第二方面，提供了一种图像主色识别装置，所述装置包括：第一处理模块，被配置为对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果，其中，所述第一次聚类处理结果包括多种第一候选颜色；第一权重值获取模块，被配置为获取每一种所述第一候选颜色的第一权重值，其中，一个所述第一权重值表示一种所述第一候选颜色属于所述待处理图像的主色的权重；第一主色确定模块，被配置为将所述第一权重值最大的所述第一候选颜色确定为所述第一次聚类处理获得的主色；第二处理模块，被配置为在i取2～N中的每一个整数时，依次执行如下过程：对所述待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果，其中，所述第i次聚类处理结果中包括多种第i候选颜色；计算每一种所述第i候选颜色与第i-1次聚类处理获得的主色的色差；根据所述色差，确定所述第i次聚类处理获得的主色；第二主色确定模块，被配置为将第N次聚类处理获得的主色作为所述待处理图像的主色；其中，N大于或等于2。可选的，所述装置还包括：图像转换模块，被配置为将所述待处理图像转换为CIELab色彩空间下的目标图像；所述第一处理模块具体被配置为：对所述目标图像的颜色进行所述第一次聚类处理，得到所述第一次聚类处理结果；所述第二处理模块在对所述待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果时，具体被配置为：对所述目标图像的颜色进行所述第i次聚类处理，得到所述第i本文档来自技高网...

【技术保护点】
1.一种图像主色识别方法，其特征在于，所述方法包括：/n对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果，其中，所述第一次聚类处理结果包括多种第一候选颜色；/n获取每一种所述第一候选颜色的第一权重值，其中，一个所述第一权重值表示一种所述第一候选颜色属于所述待处理图像的主色的权重；/n将所述第一权重值最大的所述第一候选颜色确定为所述第一次聚类处理获得的主色；/n在i取2～N中的每一个整数时，依次执行如下过程：/n对所述待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果，其中，所述第i次聚类处理结果中包括多种第i候选颜色；/n计算每一种所述第i候选颜色与第i-1次聚类处理获得的主色的色差；/n根据所述色差，确定所述第i次聚类处理获得的主色；/n将第N次聚类处理获得的主色作为所述待处理图像的主色；/n其中，N大于或等于2。/n

【技术特征摘要】
1.一种图像主色识别方法，其特征在于，所述方法包括：
对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果，其中，所述第一次聚类处理结果包括多种第一候选颜色；
获取每一种所述第一候选颜色的第一权重值，其中，一个所述第一权重值表示一种所述第一候选颜色属于所述待处理图像的主色的权重；
将所述第一权重值最大的所述第一候选颜色确定为所述第一次聚类处理获得的主色；
在i取2～N中的每一个整数时，依次执行如下过程：
对所述待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果，其中，所述第i次聚类处理结果中包括多种第i候选颜色；
计算每一种所述第i候选颜色与第i-1次聚类处理获得的主色的色差；
根据所述色差，确定所述第i次聚类处理获得的主色；
将第N次聚类处理获得的主色作为所述待处理图像的主色；
其中，N大于或等于2。


2.根据权利要求1所述的图像主色识别方法，其特征在于，所述对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果之前，所述方法还包括：
将所述待处理图像转换为CIELab色彩空间下的目标图像；
所述对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果，包括：
对所述目标图像的颜色进行所述第一次聚类处理，得到所述第一次聚类处理结果；
所述对所述待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果，包括：
对所述目标图像的颜色进行所述第i次聚类处理，得到所述第i次聚类处理结果。


3.根据权利要求1或2所述的图像主色识别方法，其特征在于，所述对待处理图像的颜色进行第一次聚类处理，得到第一次聚类处理结果，包括：
采用基于k-means++的聚类算法，在k取3时，对所述待处理图像的颜色进行所述第一次聚类处理，得到所述第一次聚类处理结果；
其中，k表示聚类算法中的聚类数量。


4.根据权利要求3所述的图像主色识别方法，其特征在于，在i＝2时，所述对所述待处理图像的颜色进行第i次聚类处理，得到第i次聚类处理结果，包括：
采用基于k-means++的聚类算法，在k取8时，对所述待处理图像的颜色进行第二次聚类处理，得到第二次聚类处理结果。


5.根据权利要求1所述的图像主色识别方法，其特征在于，所述第一次聚类处理结果还包括所述待处理图像中属于每一种所述第一候选颜色的像素点的数量；
所述获取每一种所述第一候选颜色的第一权重值，包括：
计算每一种所述第一候选颜色的RGB分量的方差；
在j取1～M中的每一个整数时，计算所述待处理图像中属于第j种所述第一候选颜色的像素点的数量，与第j种所述第一候选颜色的RGB分量的方差的第一乘积，并将所述第一乘积作为第j种所述第一候选颜色的第一权重值，其中...

【专利技术属性】
技术研发人员：毕星，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京;11