[发明专利]一种智能配色方法及系统

说明书

本发明涉及配色技术领域，具体的说是一种智能配色方法及系统，所述方法包括以下步骤：步骤1：建立色彩语义数据库，所述色彩语义数据库中存储与色块RGB值以及与所述色块关联的色块关键字；步骤2：建立基于BP神经网络的配色模型，以步骤1中色块关键字作为配色模型的输入数据，色块RGB值作为配色模型的输出数据，训练配色模型；步骤3：利用步骤1中色彩语义数据库中的色块RGB值和色块关键字作为样本验证并优化配色模型，得到优化后的配色模型；步骤4：将客户的需求关键字输入步骤3得到的配色模型，配色模型输出需求关键字以及相应的色块的RGB值，得到配色方案。

技术领域

本发明涉及配色技术领域，具体的说是一种智能配色方法及系统。

背景技术

色彩的搭配在设计的创作过程中是重要内容之一。优秀的色彩搭配不仅能够增添作品的冲击力与感染力，提升作品的吸引力，让观赏者更好的欣赏与理解作品。因此，作为一个优秀的平面设计师必须要具备较强的色彩搭配能力。色彩在平面设计中不仅可以突出作品的特色和主题，同时也能够美化设计的版面，增强整个设计作品的美感，并且给观看者留下更深的印象。

随着信息技术的迅速发展，大数据时代已经来临。越来越多的政府、企业需要借助多维度的数据分析开展工作，因此，数据可视化工具的使用也愈加广泛。而优秀的的配色方案不仅可以满足客户的审美需求，更可以突出数据本身的信息价值。研究配色方案系统，可以为设计师提供基本的配色方案，协助设计师迅速输出效果图，提升工具的开发进度。

因此，针对以上不足，本发明急需提供一种智能配色方法及系统。

发明内容

本发明的目的在于提供一种智能配色方法及系统，以解决现有技术中的上述问题。

本发明提供的智能配色方法，包括以下步骤：步骤1：建立色彩语义数据库，所述色彩语义数据库中存储与色块RGB值以及与所述色块关联的色块关键字；步骤2：建立基于BP神经网络的配色模型，以步骤1中色块关键字作为配色模型的输入数据，色块RGB值作为配色模型的输出数据，训练配色模型；步骤3：利用步骤1中色彩语义数据库中的色块RGB值和色块关键字作为样本验证并优化配色模型，得到优化后的配色模型；步骤4：将客户的需求关键字输入步骤3得到的配色模型，配色模型输出需求关键字以及相应的色块的RGB值，得到配色方案。

如上所述的智能配色方法，进一步优选为，步骤1中所述色块和色块关键字的获取方法具体包括：步骤11：获取图像源及图像源详情，并提取所述图像源中的图片，得到图片和图片详情；步骤12：采用K-means均值聚类算法对步骤11中得到的图片进行聚类分析，得到图片色块；步骤13：对图片详情进行分词处理，得到图片关键词；步骤14：将所述图片色块与所述图片关键词关联，得到色块的RGB值与色块关键字。

如上所述的智能配色方法，进一步优选为，步骤11所述图像源为静态图片、视频和动态图片，所述图片为静态图片以及逐帧提取自所述视频和所述动态图片图像帧。

如上所述的智能配色方法，进一步优选为，步骤12具体包括：步骤121：获取步骤11中的图片并设置待提取的颜色数量，从图片中随机选取若干像素作为初始聚类中心，并设定聚类中心的向量值；步骤122：利用欧式距离法将图片中像素与初始聚类中心进行匹配；步骤123：重新步骤122中每个聚类中心的向量值以及每个聚类的样本向量平均值，并根据计算得到的聚类中心的向量值和聚类的样本向量平均值计算得到准误差平方和；步骤124：若相邻两聚类的准误差平方和的绝对值复合预设条件，则算法收敛，计算结束，否则返回步骤121，重新计算聚类中心；步骤125：重复上述步骤，逐个迭代运算重新分类，直至算法收敛，直至提取出预设的n中主要色块，所述主要色块为既定配色。

如上所述的智能配色方法，进一步优选为，聚类的样本向量平均值由下列公式计算得到：

P为聚类的样本向量平均值，p_i为第i个聚类样本，i∈[1,n]；