CN112200242A - 绘画唐卡图像的颜色分类方法、计算机设备、终端及介质 - Google Patents
绘画唐卡图像的颜色分类方法、计算机设备、终端及介质 Download PDFInfo
- Publication number
- CN112200242A CN112200242A CN202011072944.1A CN202011072944A CN112200242A CN 112200242 A CN112200242 A CN 112200242A CN 202011072944 A CN202011072944 A CN 202011072944A CN 112200242 A CN112200242 A CN 112200242A
- Authority
- CN
- China
- Prior art keywords
- thangka
- color
- image
- data
- background data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明属于绘画图像处理技术领域,公开了一种绘画唐卡图像的颜色分类方法、计算机设备、终端及介质,可应用于红色唐卡、金色唐卡、黑色唐卡,采集某类唐卡图像背景数据、RGB标准颜色对照表选择视觉参考颜色、将数据转换为JPG格式,在Lab颜色空间下进行色差计算、差在区间[0,0.65]内则将该种颜色归为一类,否则背景色与参考色不是一类颜色。本发明旨在于继承和弘扬民族文化,对绘画唐卡图像中的红色唐卡、金色唐卡和黑色唐卡背景颜色进行分类,并实现背景色量化,为计算机唐卡辅助设计提供颜色分类的方法,同时由于唐卡图像存在内容、颜色和纹理三者的内在统一性,本发明能够实现保护民族文化目的。
Description
技术领域
本发明属于绘画图像处理技术领域,尤其涉及一种绘画唐卡图像的颜色分类方法、计算机设备、终端及介质。
背景技术
目前,对唐卡背景数据的分类研究文献几乎没有,唐卡是藏民族一种独特而又古老的绘画艺术创作形式,其涉及的内容有宗教、政治、文化、医学、历史、经济、科技等诸多内容,具有传播教义、政治教化、历史记录、科学传播等多种功能,被称为藏民族文化的百科全书。由于其具有极高的历史价值、文化价值、艺术价值,因而被国内外众多学者研究。图像处理方法是对研究对象的图像,进行分析与计算,具有虚拟性、准确性和高效性等特点。利用图像处理方法对绘画唐卡图像的研究,是利用现代科技手段对民族优秀文化的传承与发展,是中华民族文化自信的表现,也是加强民族文化交流体现。
当前对唐卡图像的研究,仅限于将图像处理的相关算法应用到唐卡图像中,没有深入研究唐卡图像自身的特点,如唐卡图像的底层特征研究。唐卡绘画艺术工作者的研究成果,没有被信息研究工作者加以借鉴,唐卡绘画艺术工作者,指出唐卡的鲜明特点有:藏唐卡线条具有构图功能、线条审美功能、线条还具有独特线型美,但是没有相关文献对唐卡图像的线条特点,应用图像的方法加以研究,并加以量化。同时文献也指出:从颜色的角度,指出唐卡的颜色存在着与内容相统一的色彩搭配,藏唐卡色彩存在平衡美和鲜明的色彩节奏。上述结论是唐卡艺术绘画者的研究成果,但是,至今图像研究工作者,没有对唐卡图像颜色特点,通过图像研究手段进行相关研究,并加以量化。唐卡色彩存在平衡美和鲜明的节奏,同样没有图像研究者对上述结论从图像研究的角度加以验证,这样的例子不胜枚举。
绘画唐卡是以其图像的背景颜色进行划分的,例如黑色唐卡其背景颜色为黑色,其他亦然。的划分依据黑色唐卡具有忿怒庄严的特点,其以黑色作为底色,采用金边勾勒,图像给人感觉庄严肃穆,在藏语中黑色唐卡也被称之为“那唐”。红色唐卡具有烈火燃烧的之勇特点,红唐以其烈火般的颜色,风格艳丽,具有极强感染力,给人以无穷的力量,据文献,早前时期,唐卡画师并不热衷于绘制该类型的唐卡作品。金色唐卡具有华贵高雅的品质,金色代表永恒、华丽、高贵、富贵象征,在藏传佛教中金色唐卡被看作为最为神圣的供养方式,在藏语中金色唐卡被称之为“赛唐”。彩色唐卡具有融合色彩之美,一副好的彩色唐卡具有30多种颜色,极品彩色唐卡要用到40多种以上的颜色,红、黄、绿、蓝色白、黑、紫、青、蓝青、金等颜色是彩唐中最为常见的颜色。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有技术对黑色唐卡、红色唐卡和金色唐卡的背景颜色不能准确分类,造成每类唐卡背景颜色不能准确量化。
(2)由于唐卡属于地方封闭艺术图像创作方式,在背景颜色分类,经过查新与检索,现有技术没有相关的研究成果。
解决以上问题及缺陷的难度为:
解决上述问题的难度主要是红色唐卡图像、金色唐卡图像和黑色唐卡图像的选择及对应的数据库的建立上,由于唐卡在数千年的发展过程中,存在不同时期,不同派别的绘画风格,要穷其全貌几乎不可能。
解决以上问题及缺陷的意义为:
2006年绘画唐卡艺术已列入非物质文化保护,而唐卡绘画艺术收到“三疏一经”的规定,存在绘画内容、颜色和纹理的统一性,不是西方油画、工笔画等由创作者主观臆想,对唐卡背景颜色分类,将对唐卡背景颜色三疏一经约束下的感性认知,通过图像方法,进行量化,进入的理性科学研究。
由于近年来计算机唐卡辅助设计的出现,唐卡在设计的过程中如果没有进行分类后形成的背景库,就会导致在设计的过程中,创作者随意发挥,破坏了民族艺术的纯净性。
通过对唐卡背景颜色分类方法的研究,可以进一步推动对唐卡中所有颜色的分类与量化,继承和发扬了民族艺术。
发明内容
针对现有技术存在的问题,本发明提供了一种绘画唐卡图像的颜色分类方法、计算机设备、终端及介质。具体涉及西藏绘画唐卡图像背景颜色的分类方法,特别涉及一西藏地区绘画风格的唐卡图像背景颜色的分类方法。
本发明的目的提出一种能够准确对上述3中绘画唐卡背景颜色准确分类,实现同类唐卡之间背景色量化分类。
本发明是这样实现的,一种绘画唐卡图像的颜色分类方法,所述绘画唐卡图像的颜色分类方法包括:
采集某类唐卡图像背景数据,并对所述唐卡图像背景数据在RGB颜色空间下,对每个分量通道求取平均值,所述平均值为RGB值;
在RGB值的标准颜色对照表选择视觉参考颜色;
将所述唐卡图像背景数据及所述的视觉参考颜色转换为JPG格式;
将JPG格式的唐卡图像背景数据、视觉参考颜色,由RGB颜色空间转换至 Lab颜色空间;
在Lab颜色空间下,对所述JPG格式的唐卡图像背景数据与所述的JPG格式视的觉参考颜色进行色差计算;色差在区间[0,0.65]内的颜色归为一类,否则背不是一类颜色。
进一步,所述采集某类唐卡图像背景数据中,通过MALAB软件采集图像的多个背景图像块,并对所述多个背景图像块中的数据在RGB颜色空间下,对每个分量通道求取平均值。
进一步,所述对每个分量求取的采集某类唐卡图像背景数据,并对所述唐卡图像背景数据在RGB颜色空间下,对每个分量通道求取平均值,具体包括:
先对数据集中的唐卡背景区域进行标注,然后采集区域图像块的大小进行定义,在MATALB软件中对标注的区域,提取图像块的参数(彩色图像由R、G、 B三个分量组成的,例如图片的M×N,则有3个M×N向量组成,分别为R分量、G分量、B分量组成,对R分量求取平均值,则R为M×N个元素求和再除以M×N,则其值为R分量的平均值,其余分量亦然),则该R、G、B可表示为 [R1,G1,B1]T,则该值为图像块1采集的数据,若对图像采集的图像块为n个,则对第n个图像块的数据可表示为[Rn,Gn,Bn]T,在此对n个图像块数据再次求取其平均值,则最终的该幅图像的背景数据参数,可表示为则该数据为该幅唐卡图像(如黑色唐卡)的采集的数据,数据集中的其余图像亦如此。
所述将所述唐卡图像背景数据及所述的视觉参考颜色转换为JPG格式包括:
建立3个大小M'×N'空向量组,将唐卡背景采集的背景数据分别写入向量组中,使用Cat命令,再使用figure命令,则输出为JPG格式的文件,即为图像背景数据,参考色亦如此,参考色形成的图像大小必须与采集的数据的图像大小一致。
进一步,所述在Lab颜色空间下,对所述JPG格式的唐卡图像背景数据与所述的JPG格式视的觉参考颜色进行色差计算包括:
在Lab颜色空间下,由上述方法可见采集数据的像素是均匀的,参考色形成的图像也是均衡一致的,由于图像大小一致,利用式(1)对大小一致JPG格式文件,进行对应像素色差计算,色差在区间[0,0.65]内的颜色归为一类,否则背景颜色与参考色不是一类颜色。
ΔE*——色差;
ΔL*——明度差;
ΔC*——彩度差;
ΔH*——色调差;
kL——参量因子;
kC——参量因子;
kH——参量因子;
SL——明度的权重函数;
SC——彩度的权重函数;
SH——色调的权重函数;
ΔR——彩度差与色调差的交叉旋转项。
进一步,应用于以红色唐卡,所述所述绘画唐卡图像的颜色分类方法包括:
步骤一、在红色唐卡数据集中采集每幅唐卡图像的背景颜色,每幅图像采集图像块不少于10块,并且对每块的RGB值求取平均值,最后每块采集的图像块的RGB值求取平均值,作为所述图像的背景数据;
步骤二、在RGB颜色对照表中,从视觉的角度选取参考色,红色参考色为 32种;
步骤三、选取某种参考色,并在MATLAB软件中转换为JPG格式,同时将红色唐卡图像数据集中采集的所有数据转换为JPG格式;
步骤四、将所有的采集的JPG格式的数据,转换至Lab颜色空间,同时将红色参考色JPG格式的数据也转换至Lab颜色空间;
步骤五、对Lab颜色空间下采集的背景数据与红色参考色数据进行色差计算,色差在区间[0,0.65]内则将红色颜色归为一类,否则背景色与红色参考色不是一类颜色。
本发明的另一目的在于提供一种所述绘画唐卡图像的颜色分类方法在多种色唐卡颜色分类上的应用。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
采集某类唐卡图像背景数据,并对所述唐卡图像背景数据在RGB颜色空间下,对每个分量通道求取平均值,所述平均值为RGB值;
在RGB值的标准颜色对照表选择视觉参考颜色;
将所述唐卡图像背景数据及所述的视觉参考颜色转换为JPG格式;
将JPG格式的唐卡图像背景数据、视觉参考颜色,由RGB颜色空间转换至 Lab颜色空间;
在Lab颜色空间下,对所述JPG格式的唐卡图像背景数据与所述的JPG格式视的觉参考颜色进行色差计算;色差在区间[0,0.65]内的颜色归为一类,否则背不是一类颜色。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
采集某类唐卡图像背景数据,并对所述唐卡图像背景数据在RGB颜色空间下,对每个分量通道求取平均值,所述平均值为RGB值;
在RGB值的标准颜色对照表选择视觉参考颜色;
将所述唐卡图像背景数据及所述的视觉参考颜色转换为JPG格式;
将JPG格式的唐卡图像背景数据、视觉参考颜色,由RGB颜色空间转换至 Lab颜色空间;
在Lab颜色空间下,对所述JPG格式的唐卡图像背景数据与所述的JPG格式视的觉参考颜色进行色差计算;色差在区间[0,0.65]内的颜色归为一类,否则背不是一类颜色。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现所述的绘画唐卡图像的颜色分类方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:
本发明提供的方法中,提取唐卡图像背景图像块,并对图像块中的数据在RGB颜色空间下,对每个分量通道求取平均值(RGB值);在RGB标准颜色(RGB 值)对照表中选取与所分类唐卡数据集中的视觉一致颜色作为参考色,如红色唐卡数据集背景色分类,则标准颜色表中选取视觉为红色的参考色。将某种唐卡数据集中提取的背景色(RGB值),RGB值转换为JPG格式,同时将所选的参考颜色也执行同样操作。将背景数据(JPG格式)与参考色(JPG格式),由RGB 颜色空间转换至Lab空间。利用CIEDE2000对数据进行色差计算,色差在区间[0,0.65]内则将该种颜色归为一类,否则背景色与参考色不是一类颜色。
相对于现有技术,本发明的优点进一步包括:
对于唐卡图像分析,当前的不足之处为将自然图像、医学图像和遥感图像的算法,不加区别的应用于唐卡图像,对唐卡图像的底层特征,几乎无人问津。本发明旨在于继承和弘扬民族文化,绘画唐卡图像颜色进行分类,并实现背景色量化,为计算机唐卡辅助设计提供颜色分类的方法,同时由于唐卡图像存在内容、颜色和纹理三者的内在统一性,本发明能够实现保护民族文化目的。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的绘画唐卡图像的颜色分类方法流程图。
图2是本发明实施例提供的绘画唐卡图像的颜色分类方法原理图。
图3是本发明实施例提供的黑色唐卡背景数据采集示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种绘画唐卡图像的颜色分类方法、计算机设备、终端及介质,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的绘画唐卡图像的颜色分类方法包括:
S101,在MALAB软件中采集图像的背景图像块,并对图像块中的数据在RGB 颜色空间下,对每个分量通道求取平均值(RGB值)。
S102,在RGB标准颜色(RGB值)对照表中选取与所分类唐卡数据集中的一致颜色作为参考色,如红色唐卡数据集背景色分类,则标准颜色表中选取视觉为红色的参考色。
S103,将某种唐卡数据集中提取的背景色(RGB值),在MALAB软件中转换为JPG格式,同时将所选的参考颜色也执行同样操作。
S104,将背景数据(JPG格式)与参考色(JPG格式),由RGB颜色空间转换至Lab空间。
S105,利用CIEDE2000对数据进行色差计算,色差在区间[0,0.65]内则将该种颜色归为一类,否则背景色与参考色不是一类颜色。
步骤S101中,所述对每个分量求取的采集某类唐卡图像背景数据,并对所述唐卡图像背景数据在RGB颜色空间下,对每个分量通道求取平均值,具体包括:
先对数据集中的唐卡背景区域进行标注,然后采集区域图像块的大小进行定义,在MATALB软件中对标注的区域,提取图像块的参数(彩色图像由R、G、 B三个分量组成的,例如图片的M×N,则有3个M×N向量组成,分别为R分量、G分量、B分量组成,对R分量求取平均值,则R为M×N个元素求和再除以M×N,则其值为R分量的平均值,其余分量亦然),则该R、G、B可表示为 [R1,G1,B1]T,则该值为图像块1采集的数据,若对图像采集的图像块为n个,则对第n个图像块的数据可表示为[Rn,Gn,Bn]T,在此对n个图像块数据再次求取其平均值,则最终的该幅图像的背景数据参数,可表示为则该数据为该幅唐卡图像(如黑色唐卡)的采集的数据,数据集中的其余图像亦如此。
步骤S103中,所述将所述唐卡图像背景数据及所述的视觉参考颜色转换为 JPG格式包括:
建立3个大小M'×N'空向量组,将唐卡背景采集的背景数据分别写入向量组中,使用Cat命令,再使用figure命令,则输出为JPG格式的文件,即为图像背景数据,参考色亦如此,参考色形成的图像大小必须与采集的数据的图像大小一致。
步骤S105中,所述在Lab颜色空间下,对所述JPG格式的唐卡图像背景数据与所述的JPG格式视的觉参考颜色进行色差计算包括:
在Lab颜色空间下,由上述方法可见采集数据的像素是均匀的,参考色形成的图像也是均衡一致的,由于图像大小一致,利用式(1)对大小一致JPG格式文件,进行对应像素色差计算,色差在区间[0,0.65]内的颜色归为一类,否则背景颜色与参考色不是一类颜色。
ΔE*——色差;
ΔL*——明度差;
ΔC*——彩度差;
ΔH*——色调差;
kL——参量因子;
kC——参量因子;
kH——参量因子;
SL——明度的权重函数;
SC——彩度的权重函数;
SH——色调的权重函数;
ΔR——彩度差与色调差的交叉旋转项。
图2是本发明实施例提供的绘画唐卡图像的颜色分类方法原理图。
下面结合具体实施例对本发明作进一步描述。
实施例
如图3所示,采集黑色唐卡背景数据,图3中采集的背景颜色块为共6处 (图3中方框),一般在实际运算中要多于这个数据,金色唐卡、红色唐卡图像采集按照同样的方法。
通过,表1可见RGB标准颜色对照表中标准颜色为RGB值。
表1
实施例2
以红色唐卡为例对本发明进行详细说明:
实施步骤一、
在红色唐卡数据集中采集每幅唐卡图像的背景颜色,要求每幅图像采集图像块不少于10块,并且对每块的RGB值求取平均值,最后每块采集的图像块的RGB值在此求取平均值,作为该幅图像的背景数据(RGB值),如此则数据集中的背景数据采集完毕,要求数据集中各类题材的唐卡数据不少于200幅。
实施步骤二、
在RGB颜色对照表中,从视觉的角度选取参考色,红色一般的参考色为32 种,即有32个RGB值。
实施步骤三、
选取某种参考色,并将其在MATLAB软件中转换为JPG格式,同时将红色唐卡图像数据集中采集的所有数据转换为JPG格式。
实施步骤四、
将所有的采集的JPG格式的数据,转换至Lab颜色空间下,同时将参考色 JPG格式的数据也执行相同操作。
实施步骤五、
利用CIEDE2000对Lab颜色空间下采集的背景数据与参考色数据进行色差计算,色差在区间[0,0.65]内则将该种颜色归为一类,否则背景色与参考色不是一类颜色,逐次选择参考色进行相同计算,直至计算完毕,结束。
具体地,涉及的红色唐卡图像数据集颜色分类一览表,如表2。
表2红色唐卡图像数据集颜色分类一览表
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种绘画唐卡图像的颜色分类方法,其特征在于,所述绘画唐卡图像的颜色分类方法包括:
对每个分量求取的采集某类唐卡图像背景数据,并对所述唐卡图像背景数据在RGB颜色空间下,对每个分量通道求取平均值,所述平均值为RGB值;
在RGB值的标准颜色对照表选择视觉参考颜色;
将所述唐卡图像背景数据及所述的视觉参考颜色转换为JPG格式;
将JPG格式的唐卡图像背景数据、视觉参考颜色,由RGB颜色空间转换至Lab颜色空间;
对所述JPG格式的唐卡图像背景数据与所述的JPG格式视的觉参考颜色进行色差计算;色差在区间[0,0.65]内的颜色归为一类,否则背景颜色与参考色不是一类颜色。
2.如权利要求1所述的绘画唐卡图像的颜色分类方法,其特征在于,所述对每个分量求取的采集某类唐卡图像背景数据,并对所述唐卡图像背景数据在RGB颜色空间下,对每个分量通道求取平均值,具体包括:
(1)对数据集中的唐卡背景区域进行标注;
3.如权利要求1所述的绘画唐卡图像的颜色分类方法,其特征在于,所述步骤(2)中,彩色图像由R、G、B三个分量组成,彩色图像为M×N,则有3个M×N向量,分别为R分量、G分量、B分量,对R分量求取平均值,则R为M×N个元素求和再除以M×N,则值为R分量的平均值,其余分量采用同样方法。
4.如权利要求1所述的绘画唐卡图像的颜色分类方法,其特征在于,所述将所述唐卡图像背景数据及所述的视觉参考颜色转换为JPG格式包括:
唐卡图像背景数据转换为JPG格式方法:建立3个大小M'×N'空向量组,将唐卡背景采集的背景数据分别写入向量组中,使用Cat命令,再使用figure命令,则输出为JPG格式的文件,为图像背景数据;
视觉参考颜色转换为JPG格式的方法同唐卡图像背景数据转换为JPG格式方法,视觉参考颜色形成的图像大小与采集的唐卡图像背景数据的图像大小一致。
6.如权利要求1所述的绘画唐卡图像的颜色分类方法,其特征在于,应用于以红色唐卡,所述所述绘画唐卡图像的颜色分类方法包括:
步骤一、在红色唐卡数据集中采集每幅唐卡图像的背景颜色,每幅图像采集图像块不少于10块,并且对每块的RGB值求取平均值,最后每块采集的图像块的RGB值求取平均值,作为所述图像的背景数据;
步骤二、在RGB颜色对照表中,从视觉的角度选取参考色,红色参考色为32种;
步骤三、选取某种参考色,并在MATLAB软件中转换为JPG格式,同时将红色唐卡图像数据集中采集的所有数据转换为JPG格式;
步骤四、将所有的采集的JPG格式的数据,转换至Lab颜色空间,同时将红色参考色JPG格式的数据也转换至Lab颜色空间;
步骤五、对Lab颜色空间下采集的背景数据与红色参考色数据进行色差计算,色差在区间[0,0.65]内则将红色颜色归为一类,否则背景色与红色参考色不是一类颜色。
7.一种如权利要求1~6任意一项所述绘画唐卡图像的颜色分类方法在多种色唐卡颜色分类上的应用。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
采集某类唐卡图像背景数据,并对所述唐卡图像背景数据在RGB颜色空间下,对每个分量通道求取平均值,所述平均值为RGB值;
在RGB值的标准颜色对照表选择视觉参考颜色;
将所述唐卡图像背景数据及所述的视觉参考颜色转换为JPG格式;
将JPG格式的唐卡图像背景数据、视觉参考颜色,由RGB颜色空间转换至Lab颜色空间;
在Lab颜色空间下,对所述JPG格式的唐卡图像背景数据与所述的JPG格式视的觉参考颜色进行色差计算;色差在区间[0,0.65]内的颜色归为一类,否则背不是一类颜色。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
采集某类唐卡图像背景数据,并对所述唐卡图像背景数据在RGB颜色空间下,对每个分量通道求取平均值,所述平均值为RGB值;
在RGB值的标准颜色对照表选择视觉参考颜色;
将所述唐卡图像背景数据及所述的视觉参考颜色转换为JPG格式;
将JPG格式的唐卡图像背景数据、视觉参考颜色,由RGB颜色空间转换至Lab颜色空间;
在Lab颜色空间下,对所述JPG格式的唐卡图像背景数据与所述的JPG格式视的觉参考颜色进行色差计算;色差在区间[0,0.65]内的颜色归为一类,否则背不是一类颜色。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现权利要求1~6任意一项所述的绘画唐卡图像的颜色分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011072944.1A CN112200242B (zh) | 2020-10-09 | 2020-10-09 | 绘画唐卡图像的颜色分类方法、计算机设备、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011072944.1A CN112200242B (zh) | 2020-10-09 | 2020-10-09 | 绘画唐卡图像的颜色分类方法、计算机设备、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112200242A true CN112200242A (zh) | 2021-01-08 |
CN112200242B CN112200242B (zh) | 2023-06-20 |
Family
ID=74013747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011072944.1A Active CN112200242B (zh) | 2020-10-09 | 2020-10-09 | 绘画唐卡图像的颜色分类方法、计算机设备、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200242B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101207832A (zh) * | 2006-12-19 | 2008-06-25 | Tcl数码科技(深圳)有限责任公司 | 数码相机色彩还原的检测方法 |
CN101604151A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种用于印刷色彩的检测控制方法 |
CN102253042A (zh) * | 2011-04-06 | 2011-11-23 | 天津科技大学 | 一种印刷品网点面积率检测方法 |
CN102360506A (zh) * | 2011-09-30 | 2012-02-22 | 北京航空航天大学 | 一种基于局部线性保持的场景颜色风格一致化处理方法 |
CN102509319A (zh) * | 2011-10-20 | 2012-06-20 | 西北民族大学 | 结合破损块形状和邻域分类的唐卡图像修复方法 |
CN104458597A (zh) * | 2014-12-03 | 2015-03-25 | 东莞市神州视觉科技有限公司 | 一种基于相机的产品颜色检测方法、装置和系统 |
CN104572911A (zh) * | 2014-12-26 | 2015-04-29 | 浙江理工大学 | 一种纺前着色纤维测配色方法 |
CN106228545A (zh) * | 2016-07-14 | 2016-12-14 | 西北民族大学 | 一种佛像类唐卡一致性破损区域的自动分割方法 |
CN106778788A (zh) * | 2017-01-13 | 2017-05-31 | 河北工业大学 | 对图像进行美学评价的多特征融合方法 |
CN107036977A (zh) * | 2017-04-28 | 2017-08-11 | 武汉科技大学 | 中纤板表面色差检测方法 |
CN107103181A (zh) * | 2017-03-27 | 2017-08-29 | 东华大学 | 一种基于最小二乘支持向量机的色纺纱配色方法 |
CN107516331A (zh) * | 2017-08-11 | 2017-12-26 | 广西师范大学 | 一种竹条颜色分类方法及系统 |
CN109141640A (zh) * | 2018-08-03 | 2019-01-04 | 深圳市销邦科技股份有限公司 | 基于机器视觉的色差检测方法、系统、设备及存储介质 |
CN109741337A (zh) * | 2018-12-11 | 2019-05-10 | 太原理工大学 | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 |
CN111681289A (zh) * | 2020-06-10 | 2020-09-18 | 青岛理工大学 | 一种清水混凝土色差分析/检测方法及系统 |
-
2020
- 2020-10-09 CN CN202011072944.1A patent/CN112200242B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101207832A (zh) * | 2006-12-19 | 2008-06-25 | Tcl数码科技(深圳)有限责任公司 | 数码相机色彩还原的检测方法 |
CN101604151A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种用于印刷色彩的检测控制方法 |
CN102253042A (zh) * | 2011-04-06 | 2011-11-23 | 天津科技大学 | 一种印刷品网点面积率检测方法 |
CN102360506A (zh) * | 2011-09-30 | 2012-02-22 | 北京航空航天大学 | 一种基于局部线性保持的场景颜色风格一致化处理方法 |
CN102509319A (zh) * | 2011-10-20 | 2012-06-20 | 西北民族大学 | 结合破损块形状和邻域分类的唐卡图像修复方法 |
CN104458597A (zh) * | 2014-12-03 | 2015-03-25 | 东莞市神州视觉科技有限公司 | 一种基于相机的产品颜色检测方法、装置和系统 |
CN104572911A (zh) * | 2014-12-26 | 2015-04-29 | 浙江理工大学 | 一种纺前着色纤维测配色方法 |
CN106228545A (zh) * | 2016-07-14 | 2016-12-14 | 西北民族大学 | 一种佛像类唐卡一致性破损区域的自动分割方法 |
CN106778788A (zh) * | 2017-01-13 | 2017-05-31 | 河北工业大学 | 对图像进行美学评价的多特征融合方法 |
CN107103181A (zh) * | 2017-03-27 | 2017-08-29 | 东华大学 | 一种基于最小二乘支持向量机的色纺纱配色方法 |
CN107036977A (zh) * | 2017-04-28 | 2017-08-11 | 武汉科技大学 | 中纤板表面色差检测方法 |
CN107516331A (zh) * | 2017-08-11 | 2017-12-26 | 广西师范大学 | 一种竹条颜色分类方法及系统 |
CN109141640A (zh) * | 2018-08-03 | 2019-01-04 | 深圳市销邦科技股份有限公司 | 基于机器视觉的色差检测方法、系统、设备及存储介质 |
CN109741337A (zh) * | 2018-12-11 | 2019-05-10 | 太原理工大学 | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 |
CN111681289A (zh) * | 2020-06-10 | 2020-09-18 | 青岛理工大学 | 一种清水混凝土色差分析/检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112200242B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cetinic et al. | A deep learning perspective on beauty, sentiment, and remembrance of art | |
CN102903128B (zh) | 基于局部特征结构保持的视频图像内容编辑传播方法 | |
Žeger et al. | Grayscale image colorization methods: Overview and evaluation | |
CN110751655B (zh) | 一种基于语义分割和显著性分析的自动抠图方法 | |
US8139853B2 (en) | Color naming, color categorization and describing color composition of images | |
WO2019100282A1 (zh) | 一种人脸肤色识别方法、装置和智能终端 | |
CN103699532B (zh) | 图像颜色检索方法和系统 | |
CN104636759B (zh) | 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐系统 | |
Li et al. | Globally and locally semantic colorization via exemplar-based broad-GAN | |
CN104463843B (zh) | 安卓系统的交互式图像分割方法 | |
JP2005151282A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN105118076A (zh) | 基于过度分割和局部与全局一致性的图像彩色化方法 | |
CN109920018A (zh) | 基于神经网络的黑白照片色彩恢复方法、装置及存储介质 | |
CN109064525A (zh) | 一种图片格式转换方法、装置、设备和存储介质 | |
CN105138975B (zh) | 一种基于深度信念网络的人体肤色区域分割方法 | |
CN108230236B (zh) | 数字图像自动拼版方法及数字化出版的图片拼版方法 | |
CN112200242A (zh) | 绘画唐卡图像的颜色分类方法、计算机设备、终端及介质 | |
Liu et al. | Color constancy by combining low-mid-high level image cues | |
Zhao et al. | Automatic color extraction algorithm of graphic design image based on artificial intelligence | |
CN115564667A (zh) | 一种专题地图风格自动迁移的方法 | |
Wei et al. | Using hybrid knowledge engineering and image processing in color virtual restoration of ancient murals | |
CN115309988A (zh) | 一种网页搜索内容匹配方法、系统及存储介质 | |
CN113239995A (zh) | 一种图层的解析方法、装置、计算机设备和存储介质 | |
CN111080739A (zh) | 一种基于bp神经网络的bi配色方法及系统 | |
CN115861055B (zh) | 基于图像识别处理技术的服装设计版面拼接分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |