本发明专利技术涉及服装颜色搭配方法技术领域。所提供的服装上装与下装颜色智能搭配方法，包括以下步骤：a.基于HSV颜色搭配规则，构建包括服装颜色搭配负面因子库X、服装颜色搭配经典库Y、服装颜色搭配负面库Z的服装颜色搭配赋值数据库；b.拍照获取上装与下装的图片；c.分别计算所述图片的服装的纹理特征和颜色特征；d.根据服装颜色搭配赋值数据库X、Y、Z，为上装与下装的颜色搭配进行赋值，所述赋值的大小为颜色搭配的合适程度的高低。采用本发明专利技术提供的服装上装与下装颜色智能搭配方法，可以为用户提供适合的上装与下装的颜色搭配。适合的上装与下装的颜色搭配。适合的上装与下装的颜色搭配。
【技术实现步骤摘要】
服装上装与下装颜色智能搭配方法
[0001]本专利技术涉及服装颜色搭配方法
，具体涉及服装上装与下装颜色智能搭配方法。
技术介绍
[0002]在服装搭配中，有很多讲究，如风格、款式、颜色搭配等；对于不同的场合中，也需要讲究颜色以及风格等。其中服装的颜色是给人印象十分明显的要素，对很多用户而言，往往难以对上装与下装的颜色的进行合理、合适的搭配，而现有技术中，并未提供服装上装与下装颜色搭配的智能推荐方法。
技术实现思路
[0003]本专利技术的目的在于提供服装上装与下装颜色智能搭配方法。
[0004]本专利技术采用以下技术方案：
[0005]服装上装与下装颜色智能搭配方法，包括以下步骤：
[0006]a.基于HSV颜色搭配规则，构建包括
[0007]服装颜色搭配负面因子库X、
[0008]服装颜色搭配经典库Y、
[0009]服装颜色搭配负面库Z
[0010]的服装颜色搭配赋值数据库；
[0011]b.拍照获取上装与下装的图片；
[0012]c.分别计算所述图片的服装的纹理特征和颜色特征；
[0013]d.根据服装颜色搭配赋值数据库X、Y、Z，为上装与下装的颜色搭配进行赋值，所述赋值的大小为颜色搭配的合适程度的高低。
[0014]采用本专利技术提供的服装上装与下装颜色智能搭配方法，可以为用户提供适合的上装与下装的颜色搭配。
附图说明
[0015]图1为本专利技术提供的服装上装与下装颜色智能搭配方法的流程图；
[0016]图2为本专利技术提供的服装上装与下装颜色智能搭配方法的计算图片的纹理特征和颜色特征的具体步骤流程图。
具体实施方式
[0017]以下结合附图及实施例对本专利技术作进一步说明。
[0018]本实施例提供的服装上装与下装颜色智能搭配方法，包括以下步骤：
[0019]a.基于HSV颜色搭配规则，构建包括
[0020]服装颜色搭配负面因子库X、
[0021]服装颜色搭配经典库Y、
[0022]服装颜色搭配负面库Z
[0023]的服装颜色搭配赋值数据库；
[0024]b.拍照获取上装与下装的图片；
[0025]c.分别计算图片的服装的纹理特征和颜色特征；
[0026]d.根据服装颜色搭配赋值数据库X、Y、Z，为上装与下装的颜色搭配进行赋值，赋值的大小为颜色搭配的合适程度的高低。
[0027]颜色特征包括色系、冷暖、纯度、明度、深浅；
[0028]纹理特征包括净色、花色，其中花色包括横条纹、竖条纹、大小碎花、大小斑点、矩形、圆形、边角型、斜拉型及其组合。
[0029]进一步的，构建包括
[0030]服装颜色搭配负面因子库X、
[0031]服装颜色搭配经典库Y、
[0032]服装颜色搭配负面库Z
[0033]的服装颜色搭配赋值数据库，具体为：
[0034]a1.基于HSV颜色搭配规则，根据颜色特征以及纹理特征构建服装颜色搭配负面因子库X；
[0035]a2.基于HSV颜色搭配规则，根据服装搭配经典数据，构建服装颜色搭配经典库Y；
[0036]a3.基于HSV颜色搭配规则，根据服装搭配经典数据，构建服装颜色搭配负面库Z。
[0037]进一步的，计算图片的服装的纹理特征和颜色特征的具体步骤为：
[0038]c1.根据图片，采用纹理特征数据回归模型确认服装的纹理特征，从而根据纹理特征判断为净色或花色；其中花色进一步确定属于横条纹、竖条纹、大小碎花、大小斑点、矩形、圆形、边角型、斜拉型及其组合；
[0039]c11.判断为净色的，提取净色的平均HSV值，通过HSV值确定颜色特征；
[0040]由于拍照光线、角度等原因，同一件净色衣服所拍摄出来的不同位置的颜色会有差异，因此需要通过算法校正并计算所拍摄的衣服的平均HSV值；
[0041]c12.判断为花色的，通过背景色提取数据模型运算提取花色的背景色，并计算背景色的平均HSV值，通过该HSV值确定颜色特征。
[0042]进一步的，纹理特征数据回归模型的构建方法为：
[0043]首先将服装纹理分为净色和花色；其次将花色又细分为横条纹、竖条纹、大小碎花、大小斑点、矩形、圆形、边角型、斜拉型及其组合；
[0044]按照上述分类，并采用以下步骤构建纹理特征数据回归模型：
[0045]对服装图片进行分割提取、最小区域分块、对最小分块利用roberts等算法进行边缘提取、对边缘图进行参数统计；
[0046]对图库中的目标按照服装纹理的分类进行标记；
[0047]采用逻辑回归的方法，对上述统计参数和纹理标记进行回归处理，得到纹理特征数据回归模型；
[0048]纹理特征数据回归模型的使用方法为：
[0049]纹理特征数据回归模型的使用：将待处理的服装图片按照分割提取、最小区域分
块、对最小分块进行边缘提取、对边缘图进行参数统计后，将参数带入模型进行回归，得到最近似标记值结果，从而确定其纹理特征类别。
[0050]进行边缘提取的算法包括roberts算法。
[0051]进一步的，提取净色的平均HSV值的具体方法为：
[0052]采取对目标服装图片的RGB值进行直方图统计，提取分布最大的颜色特征值，然后转化为HSV值。
[0053]进一步的，背景色提取数据模型的构建方法为：
[0054]对图片进行边缘检测，得到边缘图形；
[0055]根据边缘图形分割提取目标；
[0056]对图像的RGB值进行直方图统计，提取分布最大的颜色值作为目标的主背景色；
[0057]将主背景色RGB值转换为HSV值。
[0058]边缘检测的算法包括sobel算法。
[0059]上述服装上装与下装颜色智能搭配方法中，
[0060]服装颜色搭配负面因子库X，是经过实践总结的不适合搭配的颜色特征，比如亮色不能搭配亮色；将这一类不适合搭配的颜色特征组合汇总在一起，构成负面因子库X。颜色特征称之为因子，区别于具体颜色。
[0061]服装颜色搭经典配库Y，是经过实践总结的非常适合搭配的颜色搭配，比如粉红搭配浅蓝；将这一类经典颜色搭配组合汇总在一起，构成经典配库Y。
[0062]服装颜色搭配负面库Z，是经过实践总结非常不合适的颜色搭配，比如说深蓝搭配深绿；将这一类负面颜色搭配组合汇总在一起，构成搭配负面库Z。
[0063]以下举例说明本实施例提供的服装上装与下装颜色智能搭配方法的具体使用场景：
[0064]用户可以将一至多件上装、下装通过包括手机在内的智能设备进行拍照并将照片导入对应的客户端程序中，由客户端程序对上装与下装的颜色搭配进行赋值。其中该客户端程序也可以与服务器端程序进行通信以进行更深入的数据分析及获取更多的搭配数据等。
[0065]对上装与下装的颜色搭配进本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.服装上装与下装颜色智能搭配方法，包括以下步骤：a.基于HSV颜色搭配规则，构建包括服装颜色搭配负面因子库X、服装颜色搭配经典库Y、服装颜色搭配负面库Z的服装颜色搭配赋值数据库；b.拍照获取上装与下装的图片；c.分别计算所述图片的服装的纹理特征和颜色特征；d.根据服装颜色搭配赋值数据库X、Y、Z，为上装与下装的颜色搭配进行赋值，所述赋值的大小为颜色搭配的合适程度的高低。2.如权利要求1所述的服装上装与下装颜色智能搭配方法，其特征在于，所述构建包括服装颜色搭配负面因子库X、服装颜色搭配经典库Y、服装颜色搭配负面库Z的服装颜色搭配赋值数据库，具体为：a1.基于HSV颜色搭配规则，根据颜色特征以及纹理特征构建服装颜色搭配负面因子库X；a2.基于HSV颜色搭配规则，根据服装搭配经典数据，构建服装颜色搭配经典库Y；a3.基于HSV颜色搭配规则，根据服装搭配经典数据，构建服装颜色搭配负面库Z。3.如权利要求1所述的服装上装与下装颜色智能搭配方法，其特征在于，计算所述图片的服装的纹理特征和颜色特征的具体步骤为：c1.根据图片，采用纹理特征数据回归模型确认服装的纹理特征，从而根据纹理特征判断为净色或花色；其中花色进一步确定属于横条纹、竖条纹、大小碎花、大小斑点、矩形、圆形、边角型、斜拉型及其组合；c11.判断为净色的，提取净色的平均HSV值，通过所述HSV值确定颜色特征；由于拍照光线、角度等原因，同一件净色衣服所拍摄出来的不同位置的颜色会有差异，因此需要通过算法校正并计算所拍摄的衣服的平均HSV值；c12.判断为花色的，通...
【专利技术属性】
技术研发人员：孙红，
申请(专利权)人：孙红，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。