[发明专利]一种标志性彩色图形符号图像的图像分层方法

说明书

本发明公开了属于数字图像处理技术领域的一种标志性彩色图形符号图像的图像分层方法，具体说是一种标志用彩色图形符号图像的颜色层抽取和分解方法，采用K‑means聚类的方法提取主色调，然后在得到的主色调的基础上采用基于加色混合模型的分层方法进行图像分层。标志性的彩色图形符号图像的颜色分布简单，所以对其进行分层处理比较简单。通过本发明的方法对彩色符号图像进行颜色层的抽取，最终得到的分层结果在后续的图像编辑，在切换背景、变换标志图像颜色中能够取得很好的效果。本发明的方法对于标志图形来说，方便设计和后续调整。

技术领域

本发明属于数字图像处理技术领域，特别涉及一种标志性彩色图形符号图像的图像分层方法，具体说是一种标志用彩色图形符号图像的颜色层抽取和分解方法，

背景技术

图像分层技术是图像处理中的重要研究课题，图像分层的结果决定着最终的图像分析和图像理解的结果和质量。由于图像分层的重要性，国内外许多学者对其展开大量的研究，提出了各种各样不同的图像分层算法，针对不同的研究对象有不同的分层算法。图层被定义为具有与主色调颜色相似的所有像素的集合，输入图像中每个像素可以表示为每个图层对应的主色调的线性组合。

在提取主色调方面，现有的主色调提取的方法大致可以总结为三类。第一类，考虑到人类感知，利用人工标注的数据集训练模型，通过得到的模型来提取图像的主色调。Sharon Lin和Pat Hanrahan(Sharon Lin and Pat Hanrahan.2013.Modeling How PeopleExtract Color Themes from Images.In Proceedings of ACM SIGCHI.)提出了使用人工手动创建的主色调所训练的回归模型来提取颜色主色调的方法。第二类，通过基于聚类的方法来提取图像主色调。Chang等人(Huiwen Chang,Ohad Fried,Yiming Liu,StephenDiVerdi,and Adam Finkelstein.2015.Palette-based Photo Recoloring.ACMTrans.Graph.34,4(Aug.2015).)提出了基于K-means聚类的方法来提取图像主色调，这种方法捕获了最突出的颜色。第三类，通过图像像素在颜色空间中的凸包来提取主色调。Ten等人(Jianchao Tan,Jyh-Ming Lien,and Yotam Gingold.2016.Decomposing Imagesinto Layers via RGB-space Geometry.ACM Trans.Graph.36,1,Article7(Nov.2016).)通过图像像素在RGB空间中的凸包来提取主色调。RGB空间中的图像像素的凸包的顶点对应于调色板的主色调，但是主色调的多少以及主色调的顺序需要用户自己确定。也有一些基于物理的方法试图通过提取波长相关的参数来进行建模。

在图像分层方面，现有的方法主要可以分为两类。第一类，基于加色混合模型(theadditive color mixing model)来实现与顺序无关的层分解，在此基础上提出新的能量函数对各层的权重进行约束。第二类，是基于对标准alpha混合模型的优化来实现图像的分层操作。

发明内容

本发明的目的是提供一种标志性彩色图形符号图像的图像分层方法，其特征在于，包括以下步骤：

步骤1，输入图像以及所需要的参数，根据图像像素的颜色信息获取初始聚类中心；

步骤2，在步骤1得到的初始聚类中心的基础上，利用K-means对输入图像进行聚类，得到图像的N个主色调图层；

步骤3，分析图像中每个像素，将其RGB颜色值定义为所有主色调的线性组合，计算每个像素在N个主色调图层中各层上的权重W；

步骤4，根据步骤3中的得到的权重W，得到关于主色调的线性组合方程，并得到分层的结果；

所述输入图像为彩色图形符号图像，输入的参数为分层的层数N。