专栏首页算法+之于图片主色调提取算法
原创

之于图片主色调提取算法

图片颜色量化算法,

又称之为图片主色调提取算法。

也可以称之为调色板提取算法。

比较常见的应用就是用于提取图片的主色调用于上色配色,

当然也可以用于图像分割。

算法的主要目的是从真彩色图像所能表现的大约16M中颜色中选取最代表性或者出现频率最高的256种颜色。

维基百科:

https://en.wikipedia.org/wiki/Color_quantization

相关细节,请参阅维基百科。

经典的例子有:

色调窃取:

http://lokeshdhakar.com/projects/color-thief/

比较有意思的做法就是用来做图片压缩,

png格式中最高压缩比的算法就是基于颜色量化表实现的。

相关项目:

https://github.com/kornelski/pngquant

感兴趣的同学可以,翻翻相应的代码,温故而知新。

常见的颜色量化算法有:

中位切分法(Median cut) Median-Cut Color Quantization

八叉树算法(Octree) A Simple Method for Color Quantization: Octree Quantization

聚类算法 (KMeans) Color Quantization using K-Means

直方图量化(Histogram)

Color Quantization using Histogram

神经网络(Neural-Net)

Optimal Colour Quantization using Kohonen Neural Networks

当然算法还有很多,以及相关的变种。

 曾经做过一个需求,想要从一个图片中找到它的主体颜色然后显示出来,

要有两个输出,

一个是颜色的文字描述,一个是颜色的RGB值。

颜色的文字描述很好解决,参照项目:

Name that Color:

http://chir.ag/projects/name-that-color/

主要思路是建表查表,这个也没啥好说了,简单粗暴。

而重点在于精准地找到颜色的RGB值,

这一点,恕我直言,

以上提及到的算法,都不能很好地精准描述到颜色的RGB值。

相关开源项目很多,谷歌一下,github一下 关键词 Color Quantization,

如果不死心的同学可以去做下试验,这里就不展开说了。

这个跟人的视觉感官有关,我们的视觉焦点跟实际的数字颜色有差别。

举个例子,万绿丛中一点红。

明显周围都是绿,那一点红就显得很耀眼。

而如果采用均值也好,切分也好,分类也好。

是很难很好的描述那个耀眼的颜色。

有一段时间,清闲的时候总在思考,如何更好地找到那个合适的颜色值。

最终我从算法的核心,量化的思想出发。

我是不是可以采用过筛子的方式进行逐步逼近结果呢?

这个时候颜色相关的基础知识就显得尤为重要。

转换颜色空间,进行量化是否可行,例如采用HSL或HSV色域。

这个也不展开科普了,需要补课的同学,移步维基:

https://zh.wikipedia.org/wiki/HSL%E5%92%8CHSV%E8%89%B2%E5%BD%A9%E7%A9%BA%E9%97%B4

HSL和HSV都是一种将RGB色彩模型中的点在圆柱坐标系中的表示法。这两种表示法试图做到比RGB基于笛卡尔坐标系的几何结构更加直观。

HSL即色相、饱和度、亮度(英语:Hue, Saturation, Lightness)。HSV即色相、饱和度、明度(英语:Hue, Saturation, Value),又称HSB,其中B即英语:Brightness。

色相(H)是色彩的基本属性,就是平常所说的颜色名称,如红色、黄色等。 饱和度(S)是指色彩的纯度,越高色彩越纯,低则逐渐变灰,取0-100%的数值。 明度(V),亮度(L),取0-100%。

大家观察一下这个图中的圆环。

按照视觉感官来说,

位于圆环中间的颜色区域就是视觉不敏感的地方。

换句话来说,饱和度和亮度,我们都可以不考虑。

只要考虑量化色相就可以基本得知颜色的分布。

而量化的色相,还可以控制需要量化的精度,也就是,

你可以针对色相进行进一步的细分。

例如细分至1000等分,细分至10等分等等。

这个就看具体需求了。

名称

颜色

色光

色料

色相

代码

MS-DOS

角度

饱和

明度

红色

255

0

0

0

255

255

0

100%

100%

#FF0000

12

黄色

255

255

0

0

0

255

0

60°

100%

100%

#FFFF00

14

绿色

0

255

0

255

0

255

0

120°

100%

100%

#00FF00

10

青色

0

255

255

255

0

0

0

180°

100%

100%

#00FFFF

11

蓝色

0

0

255

255

255

0

0

240°

100%

100%

#0000FF

9

品红色

255

0

255

0

255

0

0

300°

100%

100%

#FF00FF

13

栗色

128

0

0

0

255

255

127

100%

50%

#800000

4

橄榄色

128

128

0

0

0

255

127

60°

100%

50%

#808000

6

深绿色

0

128

0

255

0

255

127

120°

100%

50%

#008000

2

蓝绿色

0

128

128

255

0

0

127

180°

100%

50%

#008080

3

深蓝色

0

0

128

255

255

0

127

240°

100%

50%

#000080

1

紫色

128

0

128

0

255

0

127

300°

100%

50%

#800080

5

白色

255

255

255

0

0

0

0

0%

100%

#FFFFFF

15

银色

192

192

192

0

0

0

63

0%

75%

#C0C0C0

7

灰色

128

128

128

0

0

0

127

0%

50%

#808080

8

黑色

0

0

0

0

0

0

255

0%

0%

#000000

0

看这图表比较形象一些。

重点关注角度这个值。

相关的计算方式就不展开了。

这个比较基础。

经过实验,验证采用色相进行量化是比较适宜的。

具体算法就不贴出来了。

大概的算法思路如下:

1.确定需要量化颜色的精度,(0-360) 或者(0-60) 稍微换算一下即可。

2.按照量化的精度,对图像进行色相直方图统计(要更加精准的话可以加入亮度或饱和度的直方图,最好把Name that Color的RGB值也进行直方图统计) 

3.对直方图进行统计分析,排序以及平滑等

4.通过2-3直方图进行评估确定对应的rgb值

5.输出结果

虽然可以完整地贴出示例代码,

但是有时候,授人以鱼不如授人以渔。

以上的思路,供有类似需求的同学参考之。

若有其他相关问题或者需求也可以邮件联系俺探讨。

邮箱地址是:  gaozhihan@vip.qq.com

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 分享用于学习C++图像处理的代码示例

    为了便于学习图像处理并研究图像算法, 俺写了一个适合初学者学习的小小框架。 麻雀虽小五脏俱全。 采用Decoder:stb_image https://gith...

    cpuimage
  • 传统高斯模糊与优化算法(附完整C++代码)

    高斯模糊(英语:Gaussian Blur),也叫高斯平滑,是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果...

    cpuimage
  • cpuimage 开源之

    前年学习opengl做的一个小东西。 原本计划将gpuimage 的算法一个一个转写成cpu版本 c,c++ 版本。 gpuimage 项目参考: https:...

    cpuimage
  • ApacheCN 翻译活动进度公告 2019.3.10

    参与方式:https://github.com/apachecn/pytorch-doc-zh/blob/master/CONTRIBUTING.md

    ApacheCN_飞龙
  • emgucv之Matrix操作

    zls365
  • 布客·ApacheCN 翻译校对活动进度公告 2020.5

    参与方式:https://github.com/apachecn/interpretable-ml-book-zh/blob/master/CONTRIBUTI...

    ApacheCN_飞龙
  • ApacheCN 翻译活动进度公告 2019.3.24

    参与方式:https://github.com/apachecn/seaborn-doc-zh/blob/master/CONTRIBUTING.md

    ApacheCN_飞龙
  • MTO变量缩放与统一决策空间

    但是变量还是约束在原来的范围,即第一维还是控制在在0-1之间 ,这种方式其实没有运用到统一决策空间,而是传统的算法。但是由于scaleVariable函数在评价...

    DrawSky
  • 光模块专题:谈谈数据中心100G光模块主流标准

    今天易天光通信(ETU-LINK)跟大家谈谈数据中心100G光模块主流标准,传统数据中心主要基于10G网络架构,为了适应AI、深度学习、大数据计算等业务的规模部...

    易天光通信
  • ApacheCN 翻译活动进度公告 2019.6.21

    参与方式:https://github.com/apachecn/stanford-cs224n-notes-zh/blob/master/CONTRIBUTI...

    ApacheCN_飞龙

扫码关注云+社区

领取腾讯云代金券