[发明专利]由至少一个数字颜色图像确定代表性颜色的方法

说明书

本发明涉及一种由至少一个数字颜色图像确定预定数量的k种代表性颜色的计算机执行的方法，包括以下步骤：a)获得至少一个数字颜色图像，其具有像素数p，每个像素具有处于n维色空间内的颜色值；b)定义预定数量的K个聚类中心，所述聚类中心以预定模式分布在色空间中，其中Kk；c)通过将每个像素的颜色值与最近的聚类中心相关联，形成聚类；d)通过删除聚类中心和/或合并聚类，将聚类数量减少至k；e)由所得的k个聚类中的每一个定义各自的代表性颜色。

发明领域

本发明涉及一种由至少一个数字颜色图像确定一种或多种代表性颜色的方法。特别地，本发明涉及确定代表至少一个数字颜色图像的一种或多种漆颜色。更特别地，本发明涉及由情绪板生成个性化调色板。

发明背景

希望选择一种或多种漆颜色，例如用于装饰房间的消费者会有大量颜色选项可供选择。此外，选择彼此协调的多种漆颜色，或者选择与例如一件家具的颜色协调的漆颜色，是非常主观的，可能是一项艰巨的任务。漆生产商通常提供可能不反映消费者偏好的预先安排的调色板。因此，本发明旨在通过基于消费者选择的一个或多个彩色图像向消费者提供个性化调色板来促进选择过程。

在室内设计中，情绪板是一个创造性的第一步，可有助于在项目启动之前探索想法。情绪板的颜色可以代表关于设想的室内设计的重要信息。尽管传统的情绪板由泡沫板制成，并用各种物理物体如贴纸、胶带、艺术品、照片、杂志剪纸和织物装饰，但情绪板的数字等效物(数字情绪板)可以包括一个或多个数字图像。

所述一个或多个图像可以组成反映消费者个人偏好的“情绪板”。例如，消费者可以提供消费者喜欢的若干彩色图像，例如自然场景或室内的彩色图像。基于情绪板，本发明旨在为消费者提供颜色的调色板，其代表编译的情绪板中的颜色。

与其周围环境形成强烈对比的颜色被人类很好地感知，即使对比颜色仅占据图像的一小部分区域。因此，特别需要在所述一个或多个图像中识别“代表性不足的颜色”，即具有低像素计数的视觉显著颜色(或者，换言之，仅占据图像中的一个小区域但仍能很好地感知的颜色)，并将这些包括在调色板中。

从数字颜色图像中提取主导颜色通常是已知的，并且通常涉及将数字颜色图像中类似颜色值的像素分组在一起的聚类例程。每组像素颜色值，即每个聚类，可以通过该组的代表性颜色表示，例如该组中像素的平均或中值颜色值。多个聚类的代表性颜色一起可以形成输入图像的调色板。

用于生成该调色板的广泛使用的聚类方法是基于质心的算法，例如k均值聚类或类似算法，其将图像的像素颜色值划分为多个聚类，其中每个像素颜色值被分配给最近的聚类质心，使得每个聚类的距离度量值最小化。k均值聚类算法的该使用示例由G.Ciocca，P.Napoletano，R.Schettini描述于“Evaluation of Automatic Image Color ThemeExtraction Methods”，Computational Color Imaging Workshop(2019)中。该方法通过首先从图像中选择k种随机颜色，表示为初始质心而工作。然后，对于图像中的所有其他像素，确定最接近的初始质心，并将像素分配给该质心，从而产生全部分配给其最接近质心的像素组(聚类)。接下来，通过计算每个聚类中所有像素的平均值来重新校准质心。重复该过程直至收敛，即直至所有新质心不再与旧质心显著不同。尽管Ciocca等(2019)的早期结果表明，与其他更复杂的方法相比，k均值方法在提取适当的调色板方面非常准确，但其对初始质心的随机选择的依赖性使得该方法不可重复，这限制了其在实践中的应用，因为在同一输入图像上多次运行相同的方法将导致不同的调色板。为了克服这一问题，Ciocca等(2019)提出了一种方法，通过在一组从最亮到最暗排序的颜色上均匀采样初始质心来固定初始化。遗憾的是，这并没有带来更好的性能。由于初始质心在这种情况下是所有灰色色调，最终调色板的颜色将偏向中性。

已知颜色聚类例程的一个缺点是，它们被设计为识别数字颜色图像中最主导的颜色，并且不能提取如上所定义的代表性不足的颜色。