基于颜色空间与聚类分析相结合的袜带辨色分级方法

《基于颜色特征的异色物识别方法研究》篇一一、引言异色物识别是计算机视觉领域中一项重要的技术，广泛应用于各种场景中，如工业检测、安全监控、医疗诊断等。

其中，基于颜色特征的异色物识别方法因其简单、快速、有效等特点，成为研究的热点。

本文旨在研究基于颜色特征的异色物识别方法，为相关领域的应用提供理论依据和技术支持。

二、颜色特征提取颜色特征是异色物识别的基础，因此提取准确、有效的颜色特征至关重要。

常用的颜色特征提取方法包括颜色直方图、颜色集、颜色矩等。

其中，颜色直方图是一种常用的方法，其优点是能够描述图像的全局颜色分布，对图像的旋转、平移、尺度变化等具有一定的鲁棒性。

在异色物识别中，我们可以采用多尺度颜色直方图的方法，即在不同尺度下提取颜色直方图，以获取更丰富的颜色信息。

同时，为了减少计算量，我们可以采用降维技术对颜色特征进行降维处理。

三、异色物识别方法基于颜色特征的异色物识别方法主要包括特征匹配和分类器识别两种方法。

其中，特征匹配是通过比较待识别物体与已知物体的颜色特征，判断其是否为异色物。

分类器识别则是通过训练分类器，将待识别物体归类为异色物或非异色物。

在特征匹配方面，我们可以采用基于相似度度量的方法，如欧氏距离、余弦相似度等。

在分类器方面，我们可以采用各种机器学习算法，如支持向量机（SVM）、随机森林（Random Forest）等。

此外，深度学习在异色物识别中也取得了很好的效果，可以尝试采用卷积神经网络（CNN）等方法进行异色物识别。

四、实验与分析为了验证基于颜色特征的异色物识别方法的有效性，我们进行了实验分析。

实验中，我们采用了多种颜色特征提取方法和识别方法进行对比分析。

实验结果表明，多尺度颜色直方图结合降维技术的颜色特征提取方法能够有效地提取图像中的颜色信息。

在特征匹配方面，基于相似度度量的方法能够获得较好的匹配效果。

在分类器方面，卷积神经网络等方法在异色物识别中具有较高的准确率和鲁棒性。

此外，我们还对不同场景下的异色物识别效果进行了分析，发现该方法在不同场景下均能取得较好的识别效果。

基于聚类分析的色彩量化新算法及其应用
赵燕伟;王万良
【期刊名称】《计算机辅助设计与图形学学报》
【年(卷),期】2000(012)005
【摘要】针对针织提花、植绒、印染以及金属表面花纹处理等电脑设计中的要求,研究彩色图像重新量化成仅有几种颜色的色彩量化问题,提出一种基于聚类分析的色彩量化新算法,量化图像较好地兼顾了原图像的总体风貌和设计者希望保留的一些特征.该算法计算量小,容易在微电脑中实现,已成功地应用于电脑提花圆机花型CAD系统.该算法对一般的色彩量化问题也具有重要意义.
【总页数】4页(P240-243)
【作者】赵燕伟;王万良
【作者单位】浙江工业大学科学研究中心,杭州,310014;浙江大学CAD & CG国家重点实验室,杭州,310027
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种新的基于K均值聚类的色彩量化算法研究 [J], 姜月秋;牛硕;高宏伟
2.基于色彩量化的自动配色新算法及其应用 [J], 鲁力;颜钢锋
3.一种新的基于分水岭变换的聚类分析算法 [J], 白如珍;田青;徐海江
4.一种新的基于深度学习的聚类分析算法 [J], 侯远韶
5.一种新的基于深度学习的聚类分析算法 [J], 侯远韶[1]
因版权原因，仅展示原文概要，查看原文内容请购买。

基于颜色量化与聚类的图像检索算法
杨晓强
【期刊名称】《微计算机信息》
【年(卷),期】2008(024)012
【摘要】本文给出一种基于颜色的图像检索算法,将DSQ量化与CLQ聚类算法相结合建立图像颜色直方图.避免了动态聚类算法对初始聚类类别数及相应聚类中心敏感,影响聚类结果.该算法首先采用DSQ对图像颜色进行初始量化,确定初始聚类中心;然后在此初始聚类中心基础上进行GLQ聚类;最后,采用对称相似度算法利用颜色直方图进行图像相似性匹配.试验证明,算法对图像有较好的检索性能.
【总页数】3页(P286-287,272)
【作者】杨晓强
【作者单位】710071,陕西西安,西安电子科技大学微电子学院;710054,陕西西安,西安科技大学计算机系
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于谱聚类的两阶段颜色量化算法 [J], 谷瑞军;叶宾;须文波
2.基于分层聚类相关反馈算法的图像检索技术研究 [J], 张戎秋
3.基于改进颜色聚合向量与贡献度聚类的图像检索算法 [J], 张永库;李云峰;孙劲光
4.基于ISODATA聚类的词汇树图像检索算法 [J], 张婷;戴芳;郭文艳
5.基于改进的GHSOM聚类算法的图像检索 [J], 刘稳君;罗健旭
因版权原因，仅展示原文概要，查看原文内容请购买。

华中科技大学硕士学位论文基于机器视觉的颜色分级方法研究姓名：周亚安申请学位级别：硕士专业：模式识别与智能系统指导教师：周成平2003.4.1摘要颜色分级是机器视觉领域中一个重要研究方向，在理论研究和实际应用上都具有重大价值。

本文围绕颜色分级在以下两方面进行了深入研究：（１）机器视觉系统设计与分析：（２）颜色分级方法。

成像系统是机器视觉研究中最基础的内容之一。

本文系统地分析了机器视觉成像系统各部件的基本原理、主要类型及性能指标。

从理论上对成像系统的ＭＴＦ（ＭｏｄｕｌａｔｅｄＴｒａｎｓｆｅｒＦｕｎｃｔｉｏｎ）、离散采样和噪声进行了深入分析，并分别在空域和频域给出了机器视觉成像系统设计方法。

颜色分级方法是本文研究的重点。

ｆ本文将颜色分级分解为两个子问题：颜色量化和颜色相似性度量，并将颜色分级方法归为两类：ＲＯＢ颜色空间方法和均匀颜色空间方法。

本文分别在这两个颜色空间中对分级方法展开研究。

，ｌ，对于ＲＧＢ颜色空间分级方法，本文提出一种将八叉树方法和ＣＨＣ（ＣｏｍｂｉｎｅｄＨｉｓｔｏｇｒａｍＣｌｕｓｔｅｒｉｎｇ）方法相结合的组合颜色量化方法以提取颜色特征，并利用最小颜色对映射距离和来进行颜色相似性度量。

｛该方法结合了颜色空间分裂量化速度快和聚类分析结果好的优点，实验结果说明该方法具有速度快，精度高等特点。

本：艾还提出一种基于均匀颜色空间的颜色分级方法，ｆ该方法首先将图像变换到（ＣＩＥ．１９７６）三切＋６＋颜色空间，在此空间里对颜色的口．疗分量进行ＲＷＭ（ＲａｄｉｕｓＷｅｉｇｈｔｅｄＭｅａｎ）切分以提取图像颜色特征，并利用Ｈａｕｓｄｏｒｆｆ距离作为颜色相似性度量准则。

实验结果表明，该方法具有精度高，鲁棒性强等特点。

本文研究可应用于生产过程控制和产品质量检测等诸多领域，具有较高的实用价值和应用前景。

∑…，’｜关键词：ｊ墨越觉旦ｉ塑墨！堂测一謦璺分级点！！骣统一曼鏖学颜色量化颜色相似性度量ＡｂｓｔｒａｃｔＣｏｌｏｒｇｒａｄｉｎｇｉｓａｎｉｍｐｏｒｔａｎｔｒｅｓｅａｒｃｈｏｒｉｅｎｔａｔｉｏｎｉｎｔｈｅａｒｅａｏｆｍａｃｈｉｎｅｖｉｓｉｏｎａｎｄｈａｓｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｉｎｔｈｅｏｒｅｔｉｃａｌｒｅｓｅａｒｃｈａｎｄｉｎｄｕｓｔｒｉａｌａｐｐｌｉｃａｔｉｏｎｓ．Ｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｆｏｃｕｓｅｓｏｎｔｈｅｆｏｌｌｏｗｉｎｇｔｗｏａｓｐｅｃｔｓｏｆｃｏｌｏｒｇｒａｄｉｎｇ：（１）ｄｅｓｉｇｎａｎｄａｎａｌｙｓｉｓｏｆｍａｃｈｉｎｅｖｉｓｉｏｎｓｙｓｔｅｍ；（２）ｍｅｔｈｏｄｓｆｏｒｃｏｌｏｒｇｒａｄｉｎｇ．Ｉｍａｇｉｎｇｓｙｓｔｅｍｉｓｏｎｅｏｆｔｈｅｆｏｕｎｄａｔｉｏｎｓｏｆｍａｃｈｉｎｅｖｉｓｉｏｎ．Ｉｎｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎ，ｔｈｅｗｏｒｋｉｎｇｐｒｉｎｃｉｐｌｅ，ｍａｉｎｔｙｐｅｓａｎｄｃａｐａｂｉｌｉｔｙｓｐｅｃｉｆｉｃａｔｉｏｎｓｏｆｅｖｅｒｙｃｏｍｐｏｎｅｎｔｓｏｆｉｍａｇｉｎｇｓｙｓｔｅｍａｒｅｄｅｓｃｒｉｂｅｄ．Ｔｈｅｎ，ｔｈｅＭＴＦ（ＭｏｄｕｌａｔｅｄＴｒａｎｓｆｅｒＦｕｎｃｔｉｏｎ）ｏｆｉｍａｇｉｎｇｓｙｓｔｅｍ，ｄｉｇｉｔａｌｓａｍｐｌｉｎｇａｎｄｎｏｉｓｅａｒｅｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙａｎａｌｙｚｅｄｏｎｔｈｅｌｅｖｅｌｏｆｔｈｅｏｒｙ．Ｔｈｅｒｅａｆｔｅｒｔｈｅｄｅｓｉｇｎｍｅｔｈｏｄｓｏｆｉｍａｇｉｎｇｓｙｓｔｅｍａｒｅｐｒｅｓｅｎｔｅｄｓｅｐａｒａｔｅｌｙｉｎｔｈｅｄｏｍａｉｎｏｆｓｐａｃｅａｎｄｆｒｅｑｕｅｎｃｙ、Ｉｎｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎ，ｃｏｌｏｒｇｒａｄｉｎｇｉｓｄｉｖｉｄｅｄｉｎｔｏｔｗｏｓｕｂ—ｐｒｏｂｌｅｍｓ：ｃｏｌｏｒｑｕａｎｔｉｚａｔｉｏｎａｎｄｃｏｌｏｒｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔ，ａｎｄｇｒａｄｉｎｇｍｅｔｈｏｄｓａｒｅｃｌａｓｓｉｆｉｅｄｉｎｔｏｔｗｏｃｌａｓｓｅｓ：ｍｅｔｈｏｄｓｂａｓｅｄＲＧＢｃｏｌｏｒｓｐａｃｅａｎｄｍｅｔｈｏｄｓｂａｓｅｄｕｎｉｆｏｒｍｃｏｌｏｒｓｐａｃｅ．Ｔｈｅｒｅｓｅａｒｃｈｗｏｒｋｉｓｃａｒｒｉｅｄｏｎｉｎｔｈｅｓｅｔｗｏｃｏｌｏｒｓｐａｃｅｓｓｅｐａｒａｔｅｌｙｉｎｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎ．ＩｎｔｈｅＲＧＢｃｏｌｏｒｓｐａｃｅ，ａｎｉｎｎｏｖａｔｉｖｅｍｅｔｈｏｄｉｓｐｒｅｓｅｎｔｅｄ，ｗｈｉｃｈｃｏｍｂｉｎｅｓＯｃｔｒｅｅａｎｄＣＨＣ（ＣｏｍｂｉｎｅｄＨｉｓｔｏｇｒａｍＣｌｕｓｔｅｒｉｎｇ）ｔｏｅｘｔｒａｃｔｔｈｅｃｏｌｏｒｆｅａｔｕｒｅｓａｎｄｕｓｅｓｔｈｅｓｕｍｏｆｍｉｎｉｍａｌｍａｐｐｅｄｃｏｌｏｒ－ｃｏｕｐｌｅｄｄｉｓｔａｎｃｅｔｏｍｅａｓｕｒｅｔｈｅｃｏｌｏｒｓｉｍｉｌａｒｉｔｙ．Ｕｓｉｎｇｔｈｅｆａｓｔｓｐｅｅｄｏｆｓｐａｃｅｓｐｌｉｔｔｉｎｇｑｕａｎｔｉｚａｔｉｏｎｍｅｔｈｏｄａｎｄｔｈｅｓａｔｉｓｆｉｅｄｒｅｓｕｌｔｏｆｃｌｕｓｔｅｒａｎａｌｙｓｉｓｑｕａｎｔｉｚａｔｉｏｎｍｅｔｈｏｄ，ｔｈｅｍｅｔｈｏｄｃａｎｒｅａｃｈｔｈｅｒｅａｌ－ｔｉｍｅａｎｄａｃｃｕｒａｔｅｄｅｍａｎｄｓｏｆｉｎｄｕｓｔｒｉａｌａｐｐｌｉｃａｔｉｏｎｓ．Ｆｕｒｔｈｅｒｍｏｒｅ，ａｎｅｗｍｅｔｈｏｄｂａｓｅｄｏｎｕｎｉｆｏｒｍｃｏｌｏｒｓｐａｃｅｉｓｐｕｔｆｏｒｗａｒｄ．ＴｈｅｍｅｔｈｏｄｆｉｒｓｔｌｙｔｒａｎｓｆｏｒｍｓｔｈｅｃｏｌｏｒｉｍａｇｅｉｎｔｏｔｈｅＣＩＥ１９７６Ｌ屹＋ｂ＋ｃｏｌｏｒｓｐａｃｅ．ａｎｄｔｈｅｎＵＳｅＳａｃｏｌｏｒｑａｎｔｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｃａｌｌｅｄＲＷＭ（ＲａｄｉｕｓＷｅｉｇｈｔｅｄＭｅａｎ）ｃｕｔｔｉｎｇｔｏｑｕａｎｔｉｚｅ口・ｂｃｏｌｏｒｃｏｍｐｏｎｅｎｔｓｉｎｏｒｄｅｒｔｏｅｘｔｒａｃｔｃｏｌｏｒｆｅａｔｕｒｅｓ．Ａｆｔｅｒｔｈａｔ，ｔｈｅＨａｕｓｄｏｒｆｆｄｉｓｔａｎｃｅｉｓｐｅｒｆｏｒｍｅｄｔｏｍｅａｓｕｒｅｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｃｏｌｏｒ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｈａｓｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｈｉｇｈａｃｃｕｒａｃｙａｎｄｇｏｏｄ华中科技大学硕士学位论文＝＝＝∞＝＝目；＃；；；＝＝＝；；＝；；；＝；＃＝；＝＃＝＝＝；ｒｏｂｕｓｔｎｅｓｓ．Ｔｈｅｒｅｓｅａｒｃｈａｃｈｉｅｖｅｍｅｎｔｓｏｆｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｈａｖｅｇｒｅａｔａｐｐｌｉｃａｔｉｏｎｖａｌｕｅａｎｄｐｏｔｅｎｔｉａｌｉｎｍａｎｙｆｉｅｌｄｓｓｕｃｈａｓｉｎｄｕｓｔｒｉａｌｐｒｏｃｅｓｓｃｏｎｔｒｏｌ，ｐｒｏｄｕｃｔｑｕａｌｉｔｙｉｎｓｐｅｃｔｉｏｎｅｔｃ．Ｋｅｙｗｏｒｄｓ：ｍａｃｈｉｎｅｖｉｓｉｏｎ，ａｕｔｏｍａｔｅｄｖｉｓｕａｌｉｎｓｐｅｃｔｉｏｎ，ｃｏｌｏｒｇｒａｄｉｎｇｉｍａｇｉｎｇｓｙｓｔｅｍ，ｅｏｌｏｒｉｍｅｔｒｙ，ｃｏｌｏｒｑｕａｎｔｉｚａｔｉｏｎ，ｃｏｌｏｒｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔｌＩＩ华中科技大学硕士学位论文嘎绪论１．１课题研究背景在现代工业自动化生产中，涉及到各种各样的检查、测麓和零件识别工作。

第12卷第5期2000年5月计算机辅助设计与图形学学报JO U RN A L O F CO M PU T ER AID ED DESIGN AN D COM P U T ER G RA P HICSV o l.12,N o.5Ma y,2000基于聚类分析的色彩量化新算法及其应用赵燕伟 王万良(浙江工业大学科学研究中心　杭州　310014)(浙江大学C AD&CG 国家重点实验室　杭州　310027)摘要　针对针织提花、植绒、印染以及金属表面花纹处理等电脑设计中的要求,研究彩色图像重新量化成仅有几种颜色的色彩量化问题,提出一种基于聚类分析的色彩量化新算法,量化图像较好地兼顾了原图像的总体风貌和设计者希望保留的一些特征.该算法计算量小,容易在微电脑中实现,已成功地应用于电脑提花圆机花型CA D 系统.该算法对一般的色彩量化问题也具有重要意义.关键词　色彩量化,聚类分析,CAD,图像处理中图法分类号　T P 391A New Clustering Algorithm for Color Quantization and Its ApplicationsZHAO Yan -W ei W ANG Wan -Liang(Research Center of S cience ,Zhejiang University of Technolog y ,Hang zhou 310014)(S tate Key Laborator y of CAD &CG ,Zhejiang Univer sity ,Hangz hou 310027)Abstract So me color quantizatio n pro blem s co ncerning re-quantization o f a co lor image into a few num ber o f co lors a re discussed for the CAD o f knitting ,flocking,printing and dyeing as w ell as engraving a desig n on m etal face etc .A new clustering algo rithm for co lor quantizatio n is proposed .By this algo rithm ,no t only overall sty le of the original im ag e is kept ,but also so me fea tures wa nted by desig ner a re still ex pressed in qua ntized imag es.The algo rithm is sim ple a nd easily realized o n the microcom puter.It has been successfully applied to the CAD system of knitting pattern for circular knitting machines .The alg orithm is also im po rtant to the general colo r quantization problem.Key words colo r quantization ,clustering analy sis ,CAD ,imag e process 原稿收到日期:1999-01-20;修改稿收到日期:1999-06-22.本课题得到国家“八六三”/CIM S 主题项目(863-511-945-002)、浙江省自然科学基金(698073)、浙江省教委重大科研项目(94001)资助.赵燕伟,女,1959年生,副教授,硕士生导师,主要研究方向为CAD 、计算机图像处理等.王万良,男,1957年生,教授,硕士生导师,主要研究方向为计算机控制与智能自动化、计算机图像处理等.1　引 言色彩量化问题是将原图像中的多种颜色根据人的视觉效果归类到较少数目的颜色,从而用这些较少种类的颜色重新生成所谓量化图像,使量化图像与原图像的差别即所谓量化误差最小.色彩量化是数字图像处理中的基本技术,因此得到广泛的研究与应用,取得了一些研究成果,但与量化图像失真最小的要求还相差很远.这是非常基本而又非常困难的课题[1].在已有色彩量化算法中,有些算法是基于图像的直方图中的信息进行量化[2].有些算法采用一定的数值判据判别原色彩和量化色彩之间的差别,例如使方差最小[3,4]、限制最大色彩偏差[5]等.有些方法引用图像上下文信息去指导量化过程,减少伪轮廓.基本的策略是通过上下文感觉资源分配,改进传统的量化算法[6].G Jo y 等针对已有算法从原图像转换到量化图像都是一条通道的缺点,提出色彩量化多通道反馈策略[1].已有文献讨论得较多的是将真彩图像量化成少于256色图像,主要用于在显示器上显示真彩图像.因为V GA显示器同屏显示最多256种颜色,而真彩图像可达224种颜色,远远超过显示器能显示的颜色,所以必须重新量化.目前,图像处理在工程设计中得到越来越多的应用,例如针织提花、植绒、印染以及金属表面花纹处理等,都涉及图像处理,尤其是对原彩色图像的色彩进行重新量化.相对于色彩量化在计算机显示方面的应用,这些过程的量化图像的特点是量化后的颜色数很少.例如在针织提花中,由于受到机械结构和提花组织等因素的限制,提花织物图案只能是3、4种颜色,最多5、6种颜色.显然,色彩量化后的图像颜色数越少,色彩量化难度越大.实验证明,采用一般的色彩量化算法处理这类问题,量化图像与人工处理结果相差很大,尤其是量化图像中失去了一些重要特征.本文针对这类过程中色彩量化的特点,讨论量化图像仅有几种颜色的色彩量化问题,在已有基于聚类分析的量化算法基础上,提出一种改进算法,较好地解决了这类问题,并成功地应用于电脑提花图案CAD系统中.2　色彩模型色彩模型是图像处理的基础.目前已经提出了多种色彩模型,RGB色彩模型是实际应用最多的一种.每一种颜色在该彩色空间中的位置,由三个彩色空间坐标(R,G,B)决定.色彩空间中的每个点可以用一个向量x表示.x=[R x　G x　B x]T(1)两种颜色x和y的相似度可以用它们的向量差E的范数距离D(x,y)表示.D(x,y)=‖E‖=‖x-y‖(2)其中,D(x,y)通常称为色彩距离;‖‖为向量的范数,例如欧氏范数D(x,y)=(R x-R y)2+(G x-G y)2+(B x-B y)2(3)从直观上来说,范数越小表示两个色彩在色彩空间中的距离越短,则两种色彩越接近.但由于RGB色彩空间不是均匀线性空间,按照距离最短得到的色彩分类并不完全符合人的视觉对色彩的分类.国际照明委员会(CIE)于1976年定义的三个均匀色彩空间(L*,a*,b*),其中L*为米制明度,a*, b*为米制色度,分别定义如下L*=116(Y/Y0)1/3-16.当Y/Y0>0.01时,a*=500[(X/X0)1/3-(Y/Y0)1/3]b*=200[(Y/Y0)1/3-(Z/Z0)1/3](4)其中,X0=95.0,Y0=100.0,Z0=108.9.X,Y,Z 与RGB色度空间存在下列转换关系X=100255(0.430R+0.342G+0.178B)Y=100255(0.300R+0.590G+0.110B) Z=100255(0.020R+0.130G+0.939B)(5)为了避免RGB色彩空间的非均匀性,有些文献探索在CIE L*,u*,v*和CIE L*,a*,b*等均匀色彩空间中进行色彩量化,得到了较好的量化结果[7].事实上,RGB色彩空间和均匀色彩空间之间可以由公式(4),(5)相互精确转换.因此,理论上可以先将RGB色彩空间转换到均匀色彩空间,然后在均匀色彩空间中进行色彩量化,再将量化结果转换到RGB色彩空间生成量化图像.但更实用的解决办法是调整RGB色彩空间,部分地补偿其非均匀性[5].例如,在RGB色彩空间中采用加权范数D(x,y)=w1(R x-R y)2+w2(G x-G y)2+w3(B x-B y)2.其中,w1,w2,w3为加权系数,是根据人眼睛对RGB 三原色的敏感程度取值的.在色彩空间中,彩色图像中的每个颜色是一个三维模式样本,从而可以采用模式识别理论进行色彩模式分类.本文基于聚类分析,直接在RGB色彩空间中进行色彩量化.3　基于聚类分析的色彩量化新方法目前色彩量化技术分为两个方向,一个方向是已知量化图像的颜色,需要将原图像的多种颜色归并到这几种颜色.量化效果取决于量化图像颜色的指定和量化算法.由于彩色图像中色彩丰富,尤其采用了抖动等技术,实际应用结果表明人工确定这几种颜色是难以得到最满意的效果的.第2个方向是已知量化图像所需要保留的颜色数,需要将原图像的所有颜色归并到指定数目的颜色.已有文献从统3415期:基于聚类分析的色彩量化新算法及其应用计原图像的颜色出现概率,来确定色彩量化后的图像中的颜色.这些方法的缺点是无法保留原图像中那些数量很少但很重要的颜色.所谓“万绿丛中一点红”,说明这里的红色数量虽然仅一点,但是非常重要,应该加以保留.而相近的几种颜色虽然数量都很多,但从视觉效果上应该归为一类,用一种颜色代替.在模式识别理论中,已经提出多种聚类方法.考虑到彩色图像的数据量大等特点,在量化效果相差不大的情况下,优先选择计算量小的算法.本文从实际应用出发,综合这两个方向,基于模式识别理论中的K 均值动态聚类方法,提出一种新的色彩量化算法,满足了实际需要.具体算法如下.Step 1.设彩色图像重新量化为n 色,指定量化图像中必须保留的m (0≤m ≤n )种颜色z 1,z 2,…,z m 作为一部分初始聚类中心,记为Z 01,Z 02,…,Z 0m ,由人工根据原始图像初步确定或者由计算机任意选择n -m 种颜色作为其余的初始聚类中心,记为Z 0m +1,Z 0m +2,…,Z 0n .Step2.设已进行k 次迭代,若对某一象素x 有|x -Z k j |<|x -Z k i |,则x ∈S k j ,其中S k j 是以Z k j 为聚类中心的样品集.以这种方法将全部象素分到n 个聚类中.Step 3.计算各聚类中心的新向量值Z k +1j=1n j∑x ∈S k jx ,　(j =1,2,…,n );式中,n j 为S k j 中所包含的样品数.Step 4.如果第l 个聚类中心最接近第i 个指定色z i ,即|Z k +1l -z i |=min {|Z k +1j-z i |,j =1,2,…,n },(i =1,2,…,m ),则将第l 个聚类中心用第i 个指定色代替,作为新的聚类中心,即令Z k +1l=z i .Step5.如果|Z k +1j -Z k j |≤X ,(j =1,2,…,n ),X 为给定的迭代误差,则聚类结束,否则转Step 2.相对于K 均值动态聚类算法,上述算法作了如下改进.一是在第1步中由设计人员确定需要在量化图像中保留的特征颜色作为部分初始聚类中心;二是在第4步中,将最接近指定颜色的那些聚类中心用指定颜色代替,然后重新聚类;三是在第5步中,一般K 均值动态聚类算法采用Z k +1j =Z k j 判断聚类是否结束,但由于K 均值动态聚类算法虽然一般能收敛,但不能完全保证收敛;本文作了改进以确保算法收敛并减少迭代次数.实际上,在本文涉及的工程应用中,更重要的是颜色的聚类,而不是用哪种具体的颜色代替.在改进算法中,如果m =0,即量化图像的颜色完全由计算机在聚类过程中确定,则与K 均值动态聚类算法相同.如果m =n ,即量化图像的颜色完全由人工指定,则仅需进行第2步.对于调色板格式的图像,如果m =n ,有两种处理方法.通常是采用彩色空间距离最短同化法,对整个图像的象素进行聚类.这种方法的计算量取决于图像尺寸的大小,计算量一般较大.本文直接对调色板进行聚类以改变调色板颜色数,从而实现色彩量化.由于这种方法只处理调色板,与BM P 图像文件大小无关,对于256色图像计算量最多不会超过256次聚类运算.这两种方法的算法相同,不同的只是前者处理整个图像文件,后者只处理调色板.以量化为3色图像为例,选定量化图像的色彩为z 1=[R 1G 1B 1]T,z 2=[R 2G 2B 2]T ,z 3=[R 3G 3B 3]T,然后逐个取出调色板中的颜色x 的RGB 值.算出x 与z 1,z 2,z 3之间的色彩距离,将x 改置为距离最短的基色相对应的RGB 值.具体算法为D (x ,z 1)=‖x -z 1‖,D (x ,z 2)=‖x -z 2‖,D (x ,z 3)=‖x -z 3‖,如果z i (i ∈1,2,3)满足D (x ,z i )=min{D (x ,z 1),D (x ,z 2),D (x ,z 3)},则x =z i .4　色彩量化效果分析本文提出的基于聚类分析的色彩量化新算法,已经成功地应用于电脑提花圆机花型CAD 系统.该系统的主要功能模块包括图像输入、色彩量化、图案修饰、提花设计及编织效果显示、控制数据生成、编织过程可视化模拟及控制数据输出等.运用上述量化算法对数百幅扫描和摄像机输入的真彩、256色、16色图像进行处理,都得到了很好的效果.例如,将图1所示的256色图像量化成图2所示的4色图像.可见,量化后的图像着色符合人的视觉对色彩的聚类.342计算机辅助设计与图形学学报2000年参考文献1G Joy,Zhigang Xiang.Reducing false contours in quantized color puters and Graphics,1996,20(2):231-2422P Heckbert .Color image quan tization fo r frame bu ffer dis play .Comp uter Graphics,1982,16(6):297-3073Y Linde,A Bu zo,R M Gray.An algorithm fo r v ector quantizer design.IEE E Transactions on Communications ,1980,28(1):84-954W H Equitz .A new vector quantization clus tering alg orith m .IEEETrans actions on Acoustics ,Speech,andSignalProcessing,1989,37(10):1568-15755Xiang Z higang,J oy G.Color image quantization by agglomerative clustering.IEEECom puterGraphicsandApplication s ,1994,14(1):44-486M T Orchard,C A Bouman.Color quan tization of images.IEEE Trans actions on Signal Proces sing,1991,39(12):2677-26907R S Gen tile,J P Allebach ,E Walow it.Quantization of color images based on uniform color spaces .Journal of ImagingTech nology,1990,16(1):11-21新书书讯:《V HDL 语言100例详解》一书问世北京理工大学ASIC 研究所撰写的《V HDL 语言100例详解》一书已经由清华大学出版社出版.该书通过100个V HD L 实例,详述硬件描述语言V HDL 的各种语法现象和A SI C 设计描述中的使用方法.书后附有光盘,给出北京理工大学ASIC 研究所自行研制的、有自主版权的Talent 高层次自动设计系统的多媒体演示软件和V HDL 模拟器,以及100例的描述与测试向量文件、读者可直接在微机上运行这些模拟题目,借以更深入地掌握V HDL 语言及其使用方法.本书的突出特点是实用性强、理论联系实际,是ASIC 设计者难得的一本V HD L 语言设计工具书.为了推广V HDL 语言的学习与应用,该研究所随时接待各方的咨询,并提供有关V HD L 语言各方面(包括编译、模拟以及综合等)的培训服务,欢迎来函来电咨询及洽谈.联系电话:(010)68912434.3435期赵燕伟等:基于聚类分析的色彩量化新算法及其应用。

基于聚类分析和判别分析的蛋壳颜色分级方法研究
何爽;贺旗;郑中华;龙君江;徐建生;邓学梅
【期刊名称】《中国家禽》
【年(卷),期】2024(46)3
【摘要】为制定客观、准确的蛋壳颜色分级体系,研究在用Lab体系量化蛋壳颜色的基础上提出了一种蛋壳颜色分级标准的建立方法,先确定合适的聚类簇个数k,通过K-均值聚类分析处理训练样本,再通过贝叶斯判别分析检验聚类效果并获得各等级判别式,最后据此对测试样本进行分类,计算色差以检验分类效果。

结果显示:训练样本的分类准确率达95.0%,测试样本各类别间颜色差异大,类别内颜色一致性较高,表明其分类效果良好。

依据该方法可以针对特定群体构建专用分级标准,实现蛋壳颜色的合理分级与精准判定,进而为蛋壳颜色整齐度的提高提供指导。

【总页数】6页(P1-6)
【作者】何爽;贺旗;郑中华;龙君江;徐建生;邓学梅
【作者单位】中国农业大学动物科学技术学院;山东龙盛农牧集团有限公司;江西东华种畜禽有限公司
【正文语种】中文
【中图分类】S831.2
【相关文献】
1.基于聚类分析和判别分析的河流水质空间分析方法
2.基于聚类分析和判别分析方法的股票投资价值分析--关于中小企业板的初步研究
3.基于颜色空间与聚类分析相
结合的袜带辨色分级方法4.基于聚类分析和Fisher判别分析的军用车辆器材分级方法研究5.基于聚类分析与判别分析的新疆棉花品质分级与评价
因版权原因，仅展示原文概要，查看原文内容请购买。

研究与技术丝绸JOURNAL OF SILK基于聚类算法的纺织品文物色彩提取与纹样数字化探索以新疆巴里坤M 12出土清代纺织品纹样为例Exploring colour extraction and pattern digitization of textile artifacts based on clustering algorithms A case study of the patterns of the Qing Dynasty textiles unearthed from Balikun M 12 Xinjiang赵维一1,尚玉平2,康晓静2,李文瑛2,信晓瑜1,刘凯旋3(1.新疆大学纺织与服装学院,乌鲁木齐830017;2.维吾尔自治区文物考古研究所,乌鲁木齐830011;3.西安工程大学服装与艺术设计学院,西安710048)摘要:为准确有效地提取纺织品文物的色彩,实现纺织品文物的纹样数字化处理,文章以新疆巴里坤出土的一组清代纺织品为例,设计了一种基于多变量模糊C 均值(Multivariate Fuzzy C-mean ,MFCM )聚类算法与K-means ++算法相结合的纺织品纹样复原方法㊂首先,获取图像并通过双边滤波与高斯滤波对图像进行平滑降噪处理;然后采用MFCM 聚类算法对平滑降噪后的图像进行分割;接着采用K-means ++算法分析聚类数量,有效提取纺织品主色,并较好保留图像细节;最后通过计算机软件提取文物纹样轮廓,将提取的主色填充至纹样轮廓,完成纺织品文物纹样的数字化模拟㊂实验结果表明,该方法可以较为准确地提取纺织品文物色彩,并且提取效果优于传统数字化取色方法,取色效率更高,具有进一步研究应用的价值㊂关键词:聚类算法;纺织品;色彩提取;数字化;巴里坤;文物保护中图分类号:TS 941.11;TP 391.41㊀㊀㊀㊀文献标志码:A ㊀㊀㊀㊀文章编号:10017003(2023)05000811引用页码:051102DOI :10.3969/j.issn.1001-7003.2023.05.002收稿日期:20220922;修回日期:20230331基金项目:新疆维吾尔自治区社会科学基金项目(20BYS 144);教育部人文社会科学基金项目(22XJJA 780001,22YJAZH 064);国家可移动文物保护项目(新文旅复函 2021 886号)作者简介:赵维一(1998),女,硕士研究生,研究方向为服装设计与纺织品文物数字化保护㊂通信作者:信晓瑜,副教授,xinxiaoyu 00@ ㊂㊀㊀纺织品文物体现了特定历史时期的技术工艺和艺术审美,是了解古代文化㊁礼仪和制度的重要窗口,具有珍贵的历史价值,对其保护与研究对弘扬中华优秀传统文化具有重要作用㊂然而,纺织品文物多由有机物构成,质地相对脆弱,给相关陈列展览和科学研究带来较大困难㊂随着现代信息技术的发展,数字化技术因其极大地便利了纺织品文物的研究㊁展示与文化传播,成为纺织品文物保护和科技考古领域的重要趋势之一㊂纺织品文物的数字化研究主要包括纺织品文物的形制数字化复原与展示㊁色彩数字化提取㊁纹样矢量化绘制㊁织物组织结构数字化复原等㊂在纹样数字化模拟与展示方面,常见扫描合成图像,如使用Quicktime VR 技术虚拟全景展示纺织品文物,并通过局部拍摄展示纺织品文物纹样细节特征[1],国内文博单位也常以高分辨率的局部文物图像展示其纹样细节;除扫描拍摄展示纺织品文物外,还可以在计算机中绘制构建虚拟纺织品文物纹样,如周博文[2]基于Web 平台,采集云锦图像并结合二维算法与三维场景模拟技术,最后展示了云锦的三维效果;赵娜等[3]则使用AI 软件绘制明代夹袄表面的复杂妆花缎璎珞纹饰㊂在织物组织结构数字化复原研究中,王亚楠[4]以传统刺绣修复流程为基础,使用Adobe 系列软件对马山楚墓的部分纺织品文物刺绣进行数字化修复,对刺绣品的虚拟修复进行了实践研究,并通过多种方法数字化模拟纺织品文物纹样,让文物可以线上展示,在保护文物的同时还方便了文化的传播,并让更多人欣赏到纺织品文物的细节㊂以上研究体现出数字化技术在纺织品文物保护领域具有极大的应用前景㊂色彩提取是纺织品文物纹样模拟与复原的关键内容,文保人员通常使用测色仪或计算机绘图软件提取图像色彩[5-6],其取色结果受取色点位置和数量影响较大,取色效率较低且具有较强主观性,取色结果容易产生偏差㊂随着计算机图像处理技术的快速发展,利用计算机算法高效准确地提取文物色彩成为当前文化遗产数字化研究的新方向㊂如肖梦薇[7]以故宫建筑外檐彩画为研究对象,结合数据提炼其配色倾向,归第60卷㊀第5期基于聚类算法的纺织品文物色彩提取与纹样数字化探索 以新疆巴里坤M 12出土清代纺织品纹样为例纳总结了研究对象的色彩基因与现状;赵浩亦[8]使用K-means 聚类算法提取了唐代壁画中女性服饰的主要色彩㊂部分学者对传统纹样进行色彩提取,如刘肖健等[9]利用聚类算法在传统纹样图库中获取特征色,构建色彩网络模型,实现基于传统纹样色彩的产品配色方案;赵露晞[10]提取部分具有文化现象的传统纹样色彩,探讨了具有文化现象的传统纹样的色彩特征及研究方法㊂Kuo 等[11]通过增加色彩信息量提高织物纹样分割的精度,从而使提取的色彩更为准确;邢乐等[12]通过Mean-shift 算法实现了传统服饰的主色检测与智能提取,并讨论了不同滤波窗口尺寸与Mean-shift 不同带宽下被检测图像的主色与实物图像的接近程度;Zheng[13]在CIE-Lab 颜色空间中结合织物结构特征与颜色区域信息,建立了基于模糊区域的分割模型,从而完成织物图案分割和颜色提取;Kuo 等[14]提出了一种印花织物的自动分色方法,在HSI 模式下使用遗传算法与FCM 区域分割法进行织物色彩提取,达到快速分色的目的;Hu 等[15]则用八叉树法量化织锦色彩,在K-means 聚类算法提取色彩后展开设计并模拟织锦外观;Xing 等[16]利用Mean-shift 算法提取中国传统云肩色彩并得到较为准确的实验结果;陈登凯等[17]基于MCCQ 算法得到民间布老虎的色彩特征,以归纳传统布老虎的独特色彩语言与文化特征等㊂以上研究通过计算机算法提高了传统织物色彩数字化提取的效率,为纺织品文物纹样的色彩提取与数字化复原研究提供了思路㊂然而,由于纺织品文物表面往往存在氧化褪色㊁糟朽㊁缺损㊁斑点㊁颜色不均等病害,由此获取的织物图像色彩不够准确,给纺织品文物纹样数字化处理带来了困难㊂本文试图在前辈学人的研究基础上探索一种优化改良的计算机色彩提取方式,为未来的研究提供参考㊂1㊀实验方案设计2019年新疆巴里坤团结东路M 12号墓地出土了一组保存较完整的清代服饰文物,因新疆出土的清代服饰实物较少,这组文物对研究清代染织技艺和清代中央经营西域的相关历史具有重要意义㊂本文研究对象为巴里坤M 12号墓出土的清代蟒袍㊁补服与妆花缎枕巾表面的部分纹样图案㊂为高效准确地提取M 12纺织品文物的色彩并实现文物纹样数字化,本文提出了一种基于多变量模糊C 均值(Mult-ivariate Fuzzy C-mean ,MFCM )聚类算法与K-means ++聚类算法相结合的纺织品文物纹样色彩提取方法㊂具体实验方案为:首先采集文物图像,经双边滤波对图像进行平滑降噪处理,去除图像中糟朽㊁缺损㊁斑点等带来的噪声,保留纹样的轮廓;然后采用MFCM 聚类算法对降噪处理后的图像进行分割,并在RGB 色彩空间中通过K-means ++聚类算法对纺织品主色进行聚类和取色;最后使用CorelDRAW 对纹样造型进行矢量化提取,并用前期聚类算法提取的主色进行填充,最终完成纹样的数字化处理,相关技术路线如图1所示㊂图1㊀技术路线Fig.1㊀Technical routes2㊀实验过程2.1㊀图像获取和平滑降噪处理2.1.1㊀图像采集为准确采集纺织品文物的图像信息,本文使用相机佳能EOS 5D Mark Ⅲ,在LED 光源条件下拍摄实物图像㊂由于出土纺织品文物存在一定程度的褪色和污损,需要首先对图像进行色彩校准,之后才能进行色彩提取㊂本文首先采集了巴里坤出土的一套清代官服和妆花缎枕套纹样的彩色图像,在D 50标准光源下,观察文物实物,与文物图像进行比对,在Photoshop 中使用三个代表色(红㊁蓝㊁绿)进行色彩校准[18],为下一步色彩提取准备好基础的实验素材㊂2.1.2㊀平滑降噪算法原理考虑到纺织品文物的残损情况在图像拍摄与传输的过程中容易产生噪点,所以需将得到的图像进行平滑降噪处理㊂本文采用双边滤波算法[19]进行降噪平滑处理,使图像在保留轮廓和边缘的同时过滤噪声㊂双边滤波算法通过像素与邻近像素值的加权平均进行非线性平滑滤波,其原理可用下式表示:BF [I ]p =1k pðq ɪSGσd(p -q )G σr (|I p -I q |)I q (1)式中:BF [I ]p 为像素p 经双边滤波后的结果图像,S 为以像素p 为中心的邻域,G σd (p -q )为空间权重,G σr (|I p -I q |)为像素权重,I p 为输入图像中像素p 的颜色值,I q 为输出图像中Vol.60㊀No.5Exploring colour extraction and pattern digitization of textile artifacts based on clustering algorithms像素q 的颜色值,σd 与σr 分别为空间距离的权值参数与像素值距离的权值参数㊂权值k p 可用下式计算:k p =ðq ɪSGσd(p -q )G σr (|I p -I q |)(2)2.1.3㊀平滑降噪实验过程及结果分析通过双边滤波算法对织物图像进行处理,如图2所示㊂在双边滤波算法中,σd 与σr 是关系滤波结果的重要参数,在参数调整时一般选择较大的σd 值与较小的σr ㊂从图2可以看出,滤波后的图像在滤噪的同时保留了纹样的轮廓边界㊂图2㊀滤噪后图像效果Fig.2㊀Image effect after the noise removal实验发现,在实验窗口大小5ˑ5的环境下运行双边滤波算法,当σd =3㊁σr =0.2时可以得到边缘较为清晰且的结果,如图3所示㊂在σd 与σr 值均较小时虽然轮廓清晰,但是纹样表面的滤噪效果与原图对比变化不大㊂在σd 与σr 值较大时,刺绣纹样的边缘轮廓清晰度低,会造成纹样中一些细节也被过滤,如图3(d )中宝伞纹的伞顶与伞柄在σd 与σr 值较大时边缘均被模糊,导致后续图像分割困难,使纹样在色彩提取时因缺失部分细节而造成计算误差㊂图3㊀原图和不同参数下降噪平滑效果对比Fig.3㊀Comparison of noise reduction and smoothing effectsbetween original image and different parameters2.2㊀基于MFCM 聚类算法的图像分割2.2.1㊀图像分割算法原理为保证后期聚类算法的准确性不受到文物糟朽㊁破损等因素的影响,本文使用MFCM 算法[20]对实验对象进行分割,选择出纹样色彩的典型局部,以方便后期的色彩数字化提取㊂MFCM 算法是对模糊C 均值聚类算法的改进,其在不同维度为样本赋予不同的隶属度,增加样本信息㊂在使用MFCM 算法分割图像时,可以将图像视为该图像所有像素点的集合,每个像素作为图像的样本㊂不妨设像素点总数为n ,分类数为c ,对于每个像素还需扩展其分量数量与聚类中心,设样本x j =(x j 1, ,x jd )T ɪR d ,对应聚类中心为C i =(C i 1, ,C id )T ɪR d ,其中d 为像素分量,x jk ㊁C ik 分别为x j 与C i 的k 维分量,隶属度u ijk 表示第j 个像素k 维度分量对第i 类的隶属度,由此得出目标函数为:J =ðci =1ðnj =1ðdk =1uαijkx jk -C ik2(3)式中:x jk -C ik 为第j 个样本到第i 个中心的第k 维分量的距离;α为参数且α>1㊂约束条件为:ðci =1ðdk =1uijk=1;j =1,2,3, ,n (4)通过拉格朗日乘子法结合函数J 计算聚类中心与新的隶属度函数:C ik =ðn j =1uαijk x jkðn s =1uαisk;i =1,2,3, ,c ;k =1,2,3, ,d (5)u ijk =1ðdh =1ðcs =1dijk dsjh()2(α-1);j =1,2,3, ,n(6)完成以上步骤后对各个像素的分量隶属度求和,得到:u ij =ðd k =1uijk(7)重复迭代隶属度,当样本x j 和聚类中心C i 的隶属度与上一次迭代样本x j 和聚类中心C i 的隶属度的最大差值不变且接近于误差阈值,认为达到最优解,结束迭代,输出分割图像结果㊂2.2.2㊀图像分割实验过程对巴里坤出土的这一套清代纺织品文物中的官补㊁蟒袍刺绣及妆花缎枕巾局部纹样进行计算,然后在Python 中通过可视化数据得到主色色卡,结果如表1所示㊂第60卷㊀第5期基于聚类算法的纺织品文物色彩提取与纹样数字化探索 以新疆巴里坤M12出土清代纺织品纹样为例表1㊀纹样色彩提取Tab.1㊀Pattern color extraction宝伞纹(蟒袍)5蝙蝠祥云纹(蟒袍)6海水江崖纹(蟒袍)5如意纹(蟒袍)3双鱼纹(蟒袍)8祥云纹(蟒袍)6菊花蝙蝠纹(枕巾)4㊀㊀MFCM算法的重要参数指标为聚类簇数,本文以巴里坤蟒袍上的宝伞纹图像为例,其像素总数为269352,在不同聚类簇下经过101次迭代后,得到不同效果的分割结果,如图4所示㊂实验发现,聚类簇数c为2时选择结果较好,原图像中主要的糟朽与背景分割较为清晰㊂由于聚类簇数越大,分割纹理边缘越粗,分割层次越多,这导致结果中图像的细节损失越多,纹样中损失的可用信息无法体现㊂Vol.60㊀No.5Exploring colour extraction and pattern digitization of textile artifacts based on clustering algorithms图4㊀不同聚类簇数分割结果Fig.4㊀Segmentation results with different numbers of clusters2.2.3㊀图像分割实验有效性评价为进一步验证MFCM 聚类算法对本文纺织品文物纹样的分割有效性,本文以人工分割为参考标准,将MFCM 聚类算法分割好的纹样与模糊C 均值聚类(FCM )算法[21]及增强模糊本文均值聚类(EnFCM )算法[22]对比,结果如图5所示㊂与人工分割的图像进行对比,直接使用FCM 算法分割蟒袍的宝伞纹样,其对样本归类的隶属度不是特别精确,对局部清晰度低的边界判断存在误差,导致部分区域背景与刺绣纹样没有完全分割开,如图5(b )所示;图5(c )显示使用EnFCM 算法对纹样进行分割时损失的色彩信息较多;而图5(d )显示MFCM 算法分割效果较其他两种方法效果更好㊂图5㊀不同分割方法对比Fig.5㊀Comparison of different segmentation methods此外,通过IOU 评价指标[23]对比算法分割图像与人工分割图像重叠度,结果如表2所示㊂由表2可以看出,MFCM 算法在与人工分割图像的IOU 值较高,其交并集比值呈现出评价结果偏高的趋势,表明MFCM 算法可以较为准确地分割出有糟朽氧化的纺织品文物纹样,且可以在较短的时间内批量处理图像,能剔除部分影响结果的图像内容,提取更有效的局部分割图像,提取结果噪声较小,样本隶属度值的划分较一般聚类算法更加灵活[24]㊂表2㊀不同算法的IOU 评价值Tab.2㊀IOU evaluation values for different algorithmsEnFCM 算法0.893MFCM 算法0.9212.3㊀基于K-means ++聚类算法的主色调提取2.3.1㊀主色提取的算法原理纺织品文物的纹样边界多具有封闭性,且每一个封闭区域内色彩相对均匀,可使用聚类算法将纹样中的色彩归类,最终得到代表纹样色彩的类值㊂因RGB 颜色空间中距离的远近与色彩变化存在关联性,可直接在RGB 颜色空间中使用聚类算法提取色彩㊂但由于K-means 聚类算法在计算时随机选择初始聚类中心,导致收敛结果获取速度较慢,且同时收敛于局部最优解,易造成结果误差㊂基于以上问题,为更有效地得到聚类数量和织物颜色,本文使用K-means ++聚类算法优化初始聚类中心的选择,一定程度上可以避免传统K-Means 算法收敛于局部最优解的缺陷,从而提高运行速度,降低结果误差,其步骤为:1)随机选择一个样本作为第一个聚类中心C ㊂2)计算每个样本与当前已有聚类中心的最短距离D(x ),同时计算每个样本作为下一个聚类中心的概率,该概率可用下式表示:D (x )2ðx ɪx D (x )2(8)3)重复步骤2,采用同样的方式,选出K 个聚类中心㊂4)计算n-K 个剩余样本点到每个初始聚类中心的欧氏距离,计算公式为:d (x i ,g K )=ðn j =1(xj i-g j K )2(9)式中:x i 表示数据点,g K 表示聚类中心,j 表示维度㊂计算后得到该样本与K 个聚类中心中最小的距离,并将该样本分配进此距离中心所在的类㊂5)对于每一个类,去均值后重新计算聚类中心,c i 为新的聚类中心,计算公式为:c i =1|c i |ðx ɪC ix(10)6)将新的聚类中心与步骤3中聚类中心对比,若二者之间的距离小于阈值,认为聚类收敛;反之,重复步骤4与步骤5,至新的聚类中心与步骤3中聚类中心距离小于阈值,结束迭代㊂2.3.2㊀主色调提取实验按照前述算法原理,本文使用K-means ++聚类算法提取文物主色,并将提取得到的色彩按比例填充进入图像轮廓中,可得到如表3所示的纹样效果㊂第60卷㊀第5期基于聚类算法的纺织品文物色彩提取与纹样数字化探索 以新疆巴里坤M12出土清代纺织品纹样为例表3㊀纹样轮廓填充效果Tab.3㊀Pattern contour filling effect宝伞纹(蟒袍)蝙蝠祥云纹(蟒袍)海水江崖纹(蟒袍)如意纹(蟒袍)双鱼纹(蟒袍)祥云纹(蟒袍)菊花蝙蝠纹(枕巾)2.3.3㊀主色调提取实验效果检验为验证利用本文算法提取的色彩与原文物图像的一致性,本文以巴里坤出土的官补为例,选择文物色彩复原中常用的软件取色法[25]进行对比,结果如图6所示㊂由图6结果显示,软件取色法取色结果的整体色彩基调更加明亮,同时该方法基于人工取色,不同操作人员取色结果易造成误差,并且取色流程复杂㊂随后,使用RGB色彩分布散点图进一步量化两种方法取色效果的差异,结果如图7所示㊂对比图7(a)所示文物图像的RGB色彩散点分布图和分别使用前述两种取色方法取色结果的色彩散点分布图可以发现,图7(b)中本文聚类算法取色结果的RGB色彩散点分布图中蓝青色系在蓝通道上的数值比图7(c)中软件取色结果的蓝青色系在蓝通道的数值更低,更接近图7(a)中蓝青色系在蓝通道上的值;同时聚类算法取色结果中橙色系过渡至蓝色系的图像较软件取色结果更加连贯;此外,聚类算法取色结果橙色系比重大,黄色系比重少,而软件取色结果中橙色系色彩分布较稀疏,黄色系色彩多,在橙黄色系色彩分布上聚类算法取色结果更加接近文物图像主色分布特征㊂由此可认为,本文使用优化的聚类算法取色结果在准确程度上高于软件取色法㊂Vol.60㊀No.5Exploring colour extraction and pattern digitization of textile artifacts based on clustering algorithms图6㊀交互式调和法取色步骤及数字化填充效果Fig.6㊀Interactive blending method for picking up colors and digital fillingeffects图7㊀补子RGB 色彩散点分布图对比Fig.7㊀Comparison of RGB color scatter plots of Buzi (Mandarin square )㊀㊀从取色效率来看,计算机聚类算法明显优于软件逐点取色,而为了验证K-means ++与K-means 两种聚类算法的运行效果之优劣,本文将实验对象分别代入两种算法中计算,得到其对应的算法时长,如表4所示㊂表4㊀K-means 与K-means ++算法时长对比Tab.4㊀Duration comparison of K-means and K-means ++algorithms㊀9.313.72㊀1.654.0810.785.19㊀9.751.43㊀9.583.2110.113.7711.121.34㊀㊀由表4可见,K-means ++聚类算法运算的时长更短,速度更快㊂此外,本文又以M 12出土官补为例,比较了两种聚类算法得到的取色结果,并分析了其色彩RGB 直方图分布情况,如图8㊁图9所示㊂结果显示,图9(b )中K-means 聚类算法提取色彩的RGB 直方图曲线凸起整体偏右,且坐标最右端仍有凸起,曲线起始点的横坐标较大,所提取色彩的曝光率过高,与图9(a )中文物初始图像的RGB 直方图不符㊂而图9(c )中K-means ++聚类算法提取色彩的RGB 直方图曲线凸起相对居中,曲线起始点的横坐标更接近文物初始图像的RGB 直方图,其画面曝光偏中间调,由此说明K-means ++聚类算法的色彩提取结果更接近文物色彩特征,其准确性高于K-Means 聚类算法㊂图8㊀两种算法下补子色彩提取结果Fig.8㊀Buzi colour extraction results for both algorithms2.4㊀纹样色彩分析利用聚类算法提取主色的优势在于可直观准确地体现出土文物的色彩特征,以本文色彩提取结果为例,首先使用HSV色相环对其色相进行分析,得到色相分布模型如图10所示㊂由图10可以看出,其色相搭配具有一定的特点,其中蟒袍与第60卷㊀第5期基于聚类算法的纺织品文物色彩提取与纹样数字化探索 以新疆巴里坤M 12出土清代纺织品纹样为例图9㊀补子与提取色彩RGB 直方图Fig.9㊀Buzi and extracted colour RGBhistograms图10㊀色相色环分布模型Fig.10㊀Hue ring distribution model枕巾的色彩主要分布在橙色中,其次为蓝青色㊁黄绿色㊁绿色㊁品红色系,表明蟒袍刺绣纹样整体呈现出暖色调的特点,并适当地使用冷色调的海水江崖纹㊁祥云纹及宝伞㊁如意等纹样搭配点缀;补子色彩主要分布在青色系中,剩余较少分布在橙色与黄绿色系中,表明其以冷色调为主,特别是蟒袍刺绣中的祥云纹㊁海水江崖纹㊁湖石纹样都呈现出中性偏冷的色调,色相的选择和搭配非常精妙㊂从色彩明度来看,先将其按照低明度(0~33%)㊁中明度(34%~66%)㊁高明度(67%~100%)三个尺度划分,可以通过表5看出巴里坤出土蟒袍刺绣与枕巾纹样的明度分布中以低明度色彩为主,部分中明度色彩作为搭配色,给人以和谐沉静的视觉感受㊂表6中补子主色明度以低明度为主,其中云纹㊁水纹㊁湖石纹的明度层次呈现出过渡的特点;兽纹外轮廓㊁草木花卉纹样与部分祥云纹整体明度较低㊂其色彩饱和度则在三个层次均有分布,且蟒袍与官补刺绣整体表现出从上至下饱和度增加的特点,在视觉上增加了色彩层次的过渡㊂尽管这一组纺织品文物存在氧化褪色等情况,但是依然可以看出其丰富的色彩搭配与含蓄华丽的艺术风格㊂表5㊀蟒袍与枕巾纹样HSV 数据采集Tab.5㊀HSV data collection of patterns of the python robe and pillowcase蟒袍与枕巾纹样黄绿色系:H (78ʎ)㊁S (15%)㊁V (49%);H (74ʎ)㊁S (12%)㊁V (53%)青色系:H (40ʎ)㊁S (1%)㊁V (38%)蓝青色系:H (200ʎ)㊁S (66%)㊁V (33%);H (207ʎ)㊁S (70%)㊁V (25%);H (199ʎ)㊁S (27%)㊁V (30%);H (192ʎ)㊁S (32%)㊁V (28%);H (194ʎ)㊁S (20%)㊁V (40%);H (200ʎ)㊁S (37%)㊁V (40%)橙色系:H (29ʎ)㊁S (13%)㊁V (86%);H (40ʎ)㊁S (55%)㊁V (68%);H (41ʎ)㊁S (20%)㊁V (62%);H (32ʎ)㊁S (6%)㊁V (62%);H (40ʎ)㊁S (16%)㊁V (81%);H (35ʎ)㊁S (63%)㊁V (59%);H (45ʎ)㊁S (8%)㊁V (83%);H (48ʎ)㊁S (13%)㊁V (60%);H (42ʎ)㊁S (15%)㊁V (67%);H (40ʎ)㊁S (31%)㊁V (57%);H (49ʎ)㊁S (50%)㊁V (51%);H (38ʎ)㊁S (34%)㊁V (67%);H (34ʎ)㊁S (31%)㊁V (76%);H (31ʎ)㊁S (38%)㊁V (67%);H (45ʎ)㊁S (14%)㊁V (60%);H (46ʎ)㊁S (25%)㊁V (58%);H (42ʎ)㊁S (5%)㊁V (45%);H (35ʎ)㊁S (47%)㊁V (56%);H (35ʎ)㊁S (41%)㊁V (79%);H (30ʎ)㊁S (48%)㊁V (67%);H (31ʎ)㊁S (47%)㊁V (44%)红色系:H (17ʎ)㊁S (40%)㊁V (37%);H (21ʎ)㊁S (32%)㊁V (40%);H (27ʎ)㊁S (33%)㊁V (58%);H (30ʎ)㊁S (3%)㊁V (82%);H (23ʎ)㊁S (26%)㊁V (50%);H (17ʎ)㊁S (37%)㊁V (47%)Vol.60㊀No.5Exploring colour extraction and pattern digitization of textile artifacts based on clustering algorithms表6㊀补子刺绣纹样HSV 数据采集Tab.6㊀HSV data collectionof the embroidery patterns of Buzi补子刺绣纹样橙色系:H (29ʎ)㊁S (45%)㊁V (67%);H (33ʎ)㊁S (25%)㊁V (87%);H (36ʎ)㊁S (18%)㊁V (82%)黄绿色系:H (65ʎ)㊁S (7%)㊁V (79%);H (75ʎ)㊁S (11%)㊁V (68%)青绿色系:H (153ʎ)㊁S (10%)㊁V (52%)青色系:H (178ʎ)㊁S (5%)㊁V (74%);H (173ʎ)㊁S (14%)㊁V (61%);H (186ʎ)㊁S (7%)㊁V (69%)蓝青色系:H (198ʎ)㊁S (21%)㊁V (64%);H (221ʎ)㊁S (28%)㊁V (34%)3㊀结㊀论本文提出了一种基于多变量模糊C 均值聚类(MultivariateFuzzy C-mean ,MFCM )算法与K-means ++聚类算法相结合的纺织品文物纹样色彩提取方法,并以巴里坤M 12出土的一组纺织品文物为实验对象,通过平滑降噪㊁图像分割㊁主色调提取㊁纹样数字化复原等一系列实验,完成了纺织品文物纹样数字化处理和色彩分析㊂同时,为验证本文实验方案的实际应用效果,本文对比了不同参数下纺织品文物纹样数字化处理的效果,并通过多种算法实验检验了使用本文算法取色的准确性及取色效率㊂实验表明,本文提出的实验方案能够较好的提高计算机取色的准确性,并能大大提高取色效率,具有一定的应用价值㊂通过计算机聚类算法对巴里坤M 12墓地出土纺织品纹样色彩进行数字化处理,可以较直观地了解文物配色的风格特征㊂从本文实验对象的取色结果可知,清代官服搭配具有明显的时代特征㊂内层蟒袍作为吉服,主要选择暖色调为主,并以精美的纹样进行点缀,凸显华丽富贵的仪式感㊂外层官服作为朝服,以石青等冷色调为主,素色为底,仅以胸背方补为装饰,体现出朝会活动的庄重正式感㊂补子的刺绣色彩以冷色调居多,蟒袍等其他文物的色彩表现出暖色调至冷色调从上到下过渡的特点,色彩搭配对比鲜明,互为补充㊂由于实验条件和设备的局限,本文所设计的实验方案还不够完善㊂但实验表明,本文的色彩提取算法可适用于多种纺织品文物数字化复原过程,这一方法既可避免对质地脆弱的纺织品文物造成二次伤害,同时又方便了未来对纺织品文物的研究学习和数字化展示工作,可为文物内涵的创新转化积累有益经验㊂这在当前文化遗产数字化保护及传播工作中具有重要的现实意义㊂‘丝绸“官网下载㊀中国知网下载参考文献:[1]MARTIN K ,KO H.Imagining historic fashion :Digital tools for the examination of historic dress [C ]//2011Second International Conference on Culture and Computing (Culture Computing ).Japan :IEEE Computer Society ,2011:51-56.[2]周博文.云锦织物数字化展示技术研究[D ].杭州:浙江大学,2017.ZHOU Bowen.Digital Display Technology of Brocade [D ].Hangzhou :Zhejiang University ,2017.[3]赵娜,赵芮禾.明宁靖王夫人吴氏墓出土织金璎珞纹云肩妆花缎夹袄实验考古学研究[J ].形象史学,2022(2):61-78.ZHAO Na ,ZHAO Ruihe.An experimental archaeological study of the gold-embellished cloud-shouldered satin jacket excavated from the tomb of Wu ,wife of King Ningjing of the Ming Dynasty [J ].Image Historical Studies ,2022(2):61-78.[4]王亚楠.马山楚绣数字化虚拟修复技术应用研究[D ].武汉:武汉大学,2019.WANG Yanan.Research on Digital Virtual Repair Technology of Mashan Chu Embroidery [D ].Wuhan :Wuhan University ,2019.[5]KMITA A.Decorative patterns and sets of colors inspired by folk andapplied arts of Upper Silesia ,a popularization of visual culturalheritage of the region [J ].Color Research and Application ,2018,43(6):942-950.[6]刘珈利,贺荣,田伟,等.色彩体系发展概述及其在傣锦设计中的实践[J ].丝绸,2021,58(9):117-125.LIU Jiali ,HE Rong ,TIAN Wei ,et al.An overview of color system development and its application in Dai brocade design [J ].Journal of Silk ,2021,58(9):117-125.[7]肖梦薇.北京故宫古代建筑群外檐苏式彩画纹饰与色彩研究[D ].北京:北京建筑大学,2013.XIAO Mengwei.The Study on the Line-adorning and Color of the Imperial Buildings of Palace Museum Outside Eaves Suzhou-style Decorative Painting [D ].Beijing :Beijing University of CivilEngineering and Architecture ,2013.[8]赵浩亦.基于数字图像处理技术的唐代敦煌壁画女性服饰色彩研究[D ].杭州:浙江理工大学,2020:25-34.ZHAO Haoyi.Research on Female Costumes Color in TangDunhuang Fresco Based on Digital Image Processing Technology [D ].Hangzhou :Hangzhou Zhejiang Sci-Tech University ,2020:25-34.[9]刘肖健,曹愉静,赵露唏.传统纹样的色彩网络模型及配色设计。

Lab颜色空间中基于动态聚类的颜色分级
任洪娥;白杰云
【期刊名称】《计算机工程》
【年(卷),期】2013(039)006
【摘要】对现有的动态聚类算法进行改进,提出一种Lab颜色空间中基于兴趣点动态聚类分析的颜色分级方法.在考虑视觉监测实时性和计算准确性的基础上,通过色适应变换和对比敏感度函数滤波,补偿人眼视觉系统的空间混合效果,采用基于兴趣点的动态聚类分析提取颜色特征,根据视觉容差、彩度和色度的依赖关系,确定色差度量方法,采用最小分类器进行颜色分级.实验结果表明,该方法的平均色差仅为2 36,分类计算的时间范围为500 ms～700 ms.
【总页数】5页(P231-235)
【作者】任洪娥;白杰云
【作者单位】东北林业大学信息与计算机工程学院,哈尔滨150040;东北林业大学信息与计算机工程学院,哈尔滨150040
【正文语种】中文
【中图分类】TP391
【相关文献】
1.显示器相关颜色空间RGB与无关颜色空间Lab的关系 [J], 任重远
2.基于CIELab颜色空间和颜色分布信息熵的图像检索 [J], 叶国军;王绍棣
3.一种基于CIE Lab颜色空间的涂层颜色验收标准的制定方法 [J], 范建平
4.基于HSL颜色空间模型的绿色翡翠颜色分级技术 [J], 张黎力;袁心强
5.绿色翡翠颜色计算机分级技术的可行性研究-基于HSL颜色空间模型 [J], 张黎力;袁心强
因版权原因，仅展示原文概要，查看原文内容请购买。

基于颜色内容的图像检索方法的比较
田靓
【期刊名称】《包装工程》
【年(卷),期】2009(30)4
【摘要】通过对基于颜色内容的图像检索技术的研究,提出了几种针对图像颜色内容的图像检索方法及其优化方案,并通过实验,分析和比较了在孟赛尔颜色空间(MTM)和传统HSV颜色空间下,一般直方图和累加直方图检索算法的性能和优劣性,所获成果对基于内容的图像检索技术的发展有一定的指导作用。

【总页数】3页(P84-86)
【关键词】颜色内容;图像检索;比较
【作者】田靓
【作者单位】浙江义乌工商学院
【正文语种】中文
【中图分类】TS801.4
【相关文献】
1.基于内容的图像检索（CBIR）中图像颜色特征提取方法的研究和改进 [J], 杨光皓;霍智勇;梁雨;郭云仙
2.模糊颜色直方图在基于内容的图像检索中的应用研究 [J], 解洪胜;王连国;孙玉芳
3.基于颜色自相关和颜色空间分布熵的图像检索方法 [J], 杨得国;胡少一;冷齐
4.基于文本的图像检索与基于内容的图像检索技术的比较研究 [J], 阿斯艳·哈米提;
阿不都热西提·哈米提
5.基于颜色内容的图像检索原理与方法 [J], 毛力;张晓林
因版权原因，仅展示原文概要，查看原文内容请购买。