矢量图色彩识别方法
矢量图色彩识别方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，尤其涉及一种矢量图色彩识别方法。
【背景技术】
[0002] 图像识别技术是利用计算机对图像的处理、分析、理解，来识别不同模式、特征下 的目标。图像识别的发展经历了三个阶段:文字识别、数字图像处理与识别、物体识别。文字 识别指的是对字母、数字和符号的识别，从印刷文字识别到手写文字识别，应用非常广泛。 数字图像处理和识别的研究开始于1965年。数字图像与模拟图像相比具有存储，传输方便 可压缩、传输过程中不易失真、处理方便等巨大优势，这些都为图像识别技术的发展提供了 强大的动力。物体的识别主要指的是对三维世界的客体及环境的感知和认识，属于高级的 计算机视觉范畴。它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研 究方向，其研究成果被广泛应用在各种工业及探测机器人上。
[0003] 数字图像处理与识别中包括对图像色彩的识别，即对输入图片的色彩数量与色彩 通道值进行识别提取。目前，对色彩识别的研究相对其他目标识别数量较少，其研究主要存 在的难点有人眼对三原色通道的敏感度的差异、关于特定颜色在机器和实际工艺中的感官 差异等等。
[0004] 在工业生产过程中，需要对将要印刷的矢量图进行色彩识别，根据色彩识别的结 果计算生产链中的成本。现有技术中，对于矢量图颜色识别的精度不高，无法实现印刷成本 的精确计算。
【发明内容】
[0005] 本发明的目的是提供一种矢量图色彩识别方法，以解决现有技术中对于矢量图颜 色识别的精度不高，无法实现印刷成本的精确计算的问题。
[0006] 为实现上述目的，本发明提供了一种矢量图色彩识别方法，所述方法包括：
[0007] 对待识别灰度图像进行高斯滤波处理，得到处理后图像；
[0008] 检测所述处理后图像的边缘像素点，根据所述边缘像素点确定非边缘像素点；
[0009] 构造非边缘像素点的第一色彩矩阵，所述第一色彩矩阵包括不同颜色值的非边缘 像素点的像素数量；
[0010] 利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像素点的像 素数量，得到非边缘像素点的第二色彩矩阵；
[0011] 将所述第二色彩矩阵中满足第二预设条件的像素点的颜色识别为一组相似颜色；
[0012] 根据每组相似颜色以及对应的像素数量确定识别出的颜色以及对应的像素数量。
[0013] 本发明实施例提供的矢量图色彩识别方法，识别精度高，能够满足印刷成本计算 的需要。
【附图说明】
[0014] 图1为本发明实施例提供的矢量图色彩识别方法的流程图；
[0015] 图2为本发明实施例提供的像素点的8邻域示意图；
[0016] 图3为本发明实施例提供的像素点的梯度方向示意图；
[0017] 图4为本发明实施例提供的像素数量修改后的颜色识别图；
[0018] 图5为本发明实施例提供的相似颜色合并后的颜色识别图。
【具体实施方式】
[0019] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
[0020] 本发明技术方案适用于在工业生产过程中，对将要印刷的矢量图进行色彩识别， 根据色彩识别的结果计算生产链中的成本。
[0021] 图1为本发明实施例提供的矢量图色彩识别方法的流程图。如图1所示，本发明实 施例的矢量图色彩识别方法包括：
[0022]步骤101，对待识别灰度图像进行高斯滤波处理，得到处理后图像。
[0023]具体地，对待识别图像进行两次一维高斯滤波处理，将两次得到的结果进行加权 计算，得到处理后图像;或者
[0024]对待识别图像进行一次二维高斯滤波处理，得到处理后图像。
[0025] 一维高斯滤波处理公式如下：
[0026]
(1)
[0027]二维高斯滤波处理公式如下：
[0028]
⑵
[0029] 高斯滤波处理的作用是使得原灰度图像变得平滑，能有效抑制图像的噪声对图像 边缘特征的模糊，从而增强边缘判定。
[0030] 在对待识别灰度图像进行高斯滤波处理，得到处理后图像之前，所述方法还包括：
[0031] 将待识别矢量图进行灰度处理，得到待识别灰度图像。
[0032] 步骤102,检测所述处理后图像的边缘像素点，根据所述边缘像素点确定非边缘像 素点。
[0033]在检测处理后图像的边缘像素点之前，利用canny算法对所述处理后图像进行卷 积处理。
[0034] Canny算子表达式如下：
[0035]
(3)
[0036]对图像进行卷积处理后检测边缘像素点：
[0037]利用一阶偏导的有限差分来计算灰度梯度的幅值和方向，计算公式如下：
[0038]梯度幅值：
[0039]
C4)
[0040] 梯度方向：
[0041]
[0042] (6)
[0043] 由上述计算得到梯度幅值矩阵，矩阵中元素数值越大，说明该点的灰度梯度越大， 但这并不能确定该点就是边缘。在Canny算法中，首先进行非极大值抑制，其目的在于寻找 局部像素点的极值点，并将非极大值点的对应灰度设为〇,从而筛除绝大多数非边缘点。
[0044] 要进行非极大值抑制，首先要确定原点的梯度值是否在8邻域(如图2所示）内是极 值，而后确定其梯度方向。如图3所示，TdPT 2*在直线即为原点的梯度方向，即可确定其局 部最大值亦分布在这条线上，也就是说梯度方向的交点TjPT2，可能存在局部最大值。由此， 将原点与^和^的梯度值比较即可判断原点是否为其邻域内的局部最大值。若原点小于h 和!^的梯度，就说明原点不是局部极大值，即可筛除其为边缘的可能性。
[0045] 完成非极大值抑制后，会得到一个二值图像，最后需要进行双阈值法减少伪边缘， 选择一个高阈值先得到一个边缘图像，图像中即存在极少的伪边缘像素点，Canny算法再在 边缘断点降低阈值，直到将边缘像素点连接起来，形成闭合的轮廓为止，得到所有的边缘像 素点，这样就形成双阈值调节算法，阈值可根据具体方案进行选择，本方案中的双阈值分别 设定为0.7和0.4。
[0046] 由Canny算法得到边缘之后，将整个图像由RGB通道转换成LAB通道，将边缘像素点 和其预设邻域以外的像素点确定为非边缘像素点。预设邻域可以根据具体方案进行选取， 本方案预设邻域选择3*3邻域。
[0047] 步骤103,构造非边缘像素点的第一色彩矩阵，所述第一色彩矩阵包括不同颜色值 的非边缘像素点的像素数量。
[0048] 以LAB色彩空间为例，依次录入非边缘像素点的色彩信息数据，构造第一色彩矩 阵，记作矩阵(：〇1(^1^11(1^4,8,6瓜 7，他111)，用于记录像素的色彩信息，如表1所示。第一列记 录L通道数值为L，第二列记录A通道数值为A，第三列记录B通道数值为B，第四列记录灰度值 为Gray，第五列记录不同颜色值的非边缘像素点的像素数量Num。
[0050] 衣丄[0051] 步骤104,利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像
[0049] 素点的像素数量，得到非边缘像素点的第二色彩矩阵。
[0052]利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像素点的像 素数量包括两个步骤:首先查找到需要修改像素数量的的非边缘像素点，即像素数量和灰 度值满足第一预设条件的非边缘像素点;其次，利用预设方式像素数量，即利用优势函数修 改满足第一预设条件的非边缘像素点的像素数量。
[00 53]步骤一：构造第一色彩矩阵时，像素数据录入的原则是遍历所有第五列不为0的 行，若第四列满足待录入的灰度值与已记录的灰度值差距不大于10,则在符合上述条件的 第一个已记录的行的第五列修改像素数量。
[0054] 设待录入的像素数据向量为Data(L，A，B，Gray)，满足第一预设条件：
[0055]
(7)
[0056] 其中，First{. . .}中是集合内的第一个元素。
[0057] 步骤二:查找到需要修改像素数量的行后，为了进一步突出像素数量较少但对感 官刺激较大的颜色，依据像素数量较大的色彩与待录入色彩的差值进行数量的激励机制。
[0058] 例如，一张图像中黑色与深灰色的像素数量较大，但同时存在像素数量较小的黄 色，为了加大黄色的数量级，利用黄色与黑色在LAB空间的距离优势，在像素数量属性中附 加优势函数，使得黄色也能被检测出来。
[0059] 设定优势函数为Adv(Data(L，A，B，Gray))，优势函数只考虑比其数量大的颜色的 影响，公式如下：
[0060]
[0061 ]其中，P为第一颜色矩阵的行数，M = P_1。
[0062] 最终累计的计数公式为：
[0063] Ne wCo 1 orNum (P,5)=01dCol orNum (P, 5) +Ad v (Da ta) (9)
[0064] 最后，将整个Co 1 orNum (L, A, B, Gray, Num)根据Num来重新排序。
[0065] 如表1所示的第一色彩矩阵经过步骤104处理后，得到第二色彩矩阵。第二色彩矩 阵中的颜色数据按照LAB通道的颜色值降序排列得到颜色条，如图4所示。
[0066] 步骤105,将所述第二色彩矩阵中满足第二预设条件的像素点的颜色识别为一组 相似颜色。
[0067] 由步骤104得到如图4所示的颜色识别图，为了进一步合并相似颜色，先将LAB颜色 通道转换回 RGB通道，即 Co 1 orNum (L，A，B，Gray，Num)转换为Da ta (R，G，B，Gray)，再对 RGB 通 道的值作判断，若颜色值满足第二预设条件则合并为一组相似颜色。
[0068]第二预设条件为：
[0069]
[0070] 步骤106,根据每组相似颜色以及对应的像素数量确定识别出的颜色以及对应的 像素数量。
[0071 ]具体地，将每组相似颜色中像素数量较多的颜色确定为识别出的颜色;将每组相 似颜色的像素数量之和确定为识别出的颜色的像素数量。
[0072] 各组相似颜色合并后，得到颜色的RGB值如表2所示，颜色识别图如图5所示。
[0073]
[0074] 表 2
[0075] 本发明实施例提供的矢量图色彩识别方法，识别精度高，能够满足印刷成本计算 的需要。
[0076] 专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的 单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬 件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。 这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。 专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现 不应认为超出本发明的范围。
[0077] 结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的 软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器 (ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域 内所公知的任意其它形式的存储介质中。
[0078] 以上所述的【具体实施方式】，对本发明的目的、技术方案和有益效果进行了进一步 详细说明，所应理解的是，以上所述仅为本发明的【具体实施方式】而已，并不用于限定本发明 的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含 在本发明的保护范围之内。
【主权项】
1. 一种矢量图色彩识别方法，其特征在于，所述方法包括： 对待识别灰度图像进行高斯滤波处理，得到处理后图像； 检测所述处理后图像的边缘像素点，根据所述边缘像素点确定非边缘像素点； 构造非边缘像素点的第一色彩矩阵，所述第一色彩矩阵包括不同颜色值的非边缘像素 点的像素数量； 利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像素点的像素数 量，得到非边缘像素点的第二色彩矩阵； 将所述第二色彩矩阵中满足第二预设条件的像素点的颜色识别为一组相似颜色； 根据每组相似颜色以及对应的像素数量确定识别出的颜色以及对应的像素数量。2. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，在对待识别灰度图像进行 高斯滤波处理，得到处理后图像之前，所述方法还包括： 将待识别矢量图进行灰度处理，得到待识别灰度图像。3. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，所述对待识别灰度图像进 行高斯滤波处理，得到处理后图像具体包括： 对待识别灰度图像进行两次一维高斯滤波处理，将两次得到的结果进行加权计算，得 到处理后图像;或者 对待识别灰度图像进行一次二维高斯滤波处理，得到处理后图像。4. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，在检测所述处理后图像的 边缘像素点，根据所述边缘像素点确定非边缘像素点之前，所述方法还包括： 利用canny算法对所述处理后图像进行卷积处理。5. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，所述检测所述处理后图像 的边缘像素点，根据所述边缘像素点确定非边缘像素点具体包括： 检测所述处理后图像的边缘像素点，将所述边缘像素点以及边缘像素点的预设邻域以 外的像素点确定为非边缘像素点。6. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，在检测所述处理后图像的 边缘像素点，根据所述边缘像素点确定非边缘像素点之后，所述方法还包括： 将所述非边缘像素点的RGB通道转换为LAB通道。7. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，在利用预设方式修改所述 第一色彩矩阵中满足第一预设条件的非边缘像素点的像素数量，得到非边缘像素点的第二 色彩矩阵之后，所述方法还包括： 将所述非边缘像素点的LAB通道转换为RGB通道。8. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，所述根据每组相似颜色以 及对应的像素数量确定识别出的颜色以及对应的像素数量具体包括： 将每组相似颜色中像素数量较多的颜色确定为识别出的颜色； 将每组相似颜色的像素数量之和确定为识别出的颜色的像素数量。
【专利摘要】本发明实施例涉及一种矢量图色彩识别方法,所述方法包括：对待识别灰度图像进行高斯滤波处理,得到处理后图像；检测所述处理后图像的边缘像素点，根据所述边缘像素点确定非边缘像素点；构造非边缘像素点的第一色彩矩阵，所述第一色彩矩阵包括不同颜色值的非边缘像素点的像素数量；利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像素点的像素数量,得到非边缘像素点的第二色彩矩阵；将所述第二色彩矩阵中满足第二预设条件的像素点的颜色识别为一组相似颜色；根据每组相似颜色以及对应的像素数量确定识别出的颜色以及对应的像素数量。本发明实施例提供的矢量图色彩识别方法，识别精度高，能够满足印刷成本计算的需要。
【IPC分类】G06T7/40
【公开号】CN105488818
【申请号】CN201510849647
【发明人】黄星奕, 欧铁军
【申请人】优渊商贸（上海）有限公司
【公开日】2016年4月13日
【申请日】2015年11月27日
【技术领域】
[0001] 本发明涉及图像处理技术领域，尤其涉及一种矢量图色彩识别方法。
【背景技术】
[0002] 图像识别技术是利用计算机对图像的处理、分析、理解，来识别不同模式、特征下 的目标。图像识别的发展经历了三个阶段:文字识别、数字图像处理与识别、物体识别。文字 识别指的是对字母、数字和符号的识别，从印刷文字识别到手写文字识别，应用非常广泛。 数字图像处理和识别的研究开始于1965年。数字图像与模拟图像相比具有存储，传输方便 可压缩、传输过程中不易失真、处理方便等巨大优势，这些都为图像识别技术的发展提供了 强大的动力。物体的识别主要指的是对三维世界的客体及环境的感知和认识，属于高级的 计算机视觉范畴。它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研 究方向，其研究成果被广泛应用在各种工业及探测机器人上。
[0003] 数字图像处理与识别中包括对图像色彩的识别，即对输入图片的色彩数量与色彩 通道值进行识别提取。目前，对色彩识别的研究相对其他目标识别数量较少，其研究主要存 在的难点有人眼对三原色通道的敏感度的差异、关于特定颜色在机器和实际工艺中的感官 差异等等。
[0004] 在工业生产过程中，需要对将要印刷的矢量图进行色彩识别，根据色彩识别的结 果计算生产链中的成本。现有技术中，对于矢量图颜色识别的精度不高，无法实现印刷成本 的精确计算。
【发明内容】
[0005] 本发明的目的是提供一种矢量图色彩识别方法，以解决现有技术中对于矢量图颜 色识别的精度不高，无法实现印刷成本的精确计算的问题。
[0006] 为实现上述目的，本发明提供了一种矢量图色彩识别方法，所述方法包括：
[0007] 对待识别灰度图像进行高斯滤波处理，得到处理后图像；
[0008] 检测所述处理后图像的边缘像素点，根据所述边缘像素点确定非边缘像素点；
[0009] 构造非边缘像素点的第一色彩矩阵，所述第一色彩矩阵包括不同颜色值的非边缘 像素点的像素数量；
[0010] 利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像素点的像 素数量，得到非边缘像素点的第二色彩矩阵；
[0011] 将所述第二色彩矩阵中满足第二预设条件的像素点的颜色识别为一组相似颜色；
[0012] 根据每组相似颜色以及对应的像素数量确定识别出的颜色以及对应的像素数量。
[0013] 本发明实施例提供的矢量图色彩识别方法，识别精度高，能够满足印刷成本计算 的需要。
【附图说明】
[0014] 图1为本发明实施例提供的矢量图色彩识别方法的流程图；
[0015] 图2为本发明实施例提供的像素点的8邻域示意图；
[0016] 图3为本发明实施例提供的像素点的梯度方向示意图；
[0017] 图4为本发明实施例提供的像素数量修改后的颜色识别图；
[0018] 图5为本发明实施例提供的相似颜色合并后的颜色识别图。
【具体实施方式】
[0019] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
[0020] 本发明技术方案适用于在工业生产过程中，对将要印刷的矢量图进行色彩识别， 根据色彩识别的结果计算生产链中的成本。
[0021] 图1为本发明实施例提供的矢量图色彩识别方法的流程图。如图1所示，本发明实 施例的矢量图色彩识别方法包括：
[0022]步骤101，对待识别灰度图像进行高斯滤波处理，得到处理后图像。
[0023]具体地，对待识别图像进行两次一维高斯滤波处理，将两次得到的结果进行加权 计算，得到处理后图像;或者
[0024]对待识别图像进行一次二维高斯滤波处理，得到处理后图像。
[0025] 一维高斯滤波处理公式如下：
[0026]
(1)
[0027]二维高斯滤波处理公式如下：
[0028]
⑵
[0029] 高斯滤波处理的作用是使得原灰度图像变得平滑，能有效抑制图像的噪声对图像 边缘特征的模糊，从而增强边缘判定。
[0030] 在对待识别灰度图像进行高斯滤波处理，得到处理后图像之前，所述方法还包括：
[0031] 将待识别矢量图进行灰度处理，得到待识别灰度图像。
[0032] 步骤102,检测所述处理后图像的边缘像素点，根据所述边缘像素点确定非边缘像 素点。
[0033]在检测处理后图像的边缘像素点之前，利用canny算法对所述处理后图像进行卷 积处理。
[0034] Canny算子表达式如下：
[0035]
(3)
[0036]对图像进行卷积处理后检测边缘像素点：
[0037]利用一阶偏导的有限差分来计算灰度梯度的幅值和方向，计算公式如下：
[0038]梯度幅值：
[0039]
C4)
[0040] 梯度方向：
[0041]
[0042] (6)
[0043] 由上述计算得到梯度幅值矩阵，矩阵中元素数值越大，说明该点的灰度梯度越大， 但这并不能确定该点就是边缘。在Canny算法中，首先进行非极大值抑制，其目的在于寻找 局部像素点的极值点，并将非极大值点的对应灰度设为〇,从而筛除绝大多数非边缘点。
[0044] 要进行非极大值抑制，首先要确定原点的梯度值是否在8邻域(如图2所示）内是极 值，而后确定其梯度方向。如图3所示，TdPT 2*在直线即为原点的梯度方向，即可确定其局 部最大值亦分布在这条线上，也就是说梯度方向的交点TjPT2，可能存在局部最大值。由此， 将原点与^和^的梯度值比较即可判断原点是否为其邻域内的局部最大值。若原点小于h 和!^的梯度，就说明原点不是局部极大值，即可筛除其为边缘的可能性。
[0045] 完成非极大值抑制后，会得到一个二值图像，最后需要进行双阈值法减少伪边缘， 选择一个高阈值先得到一个边缘图像，图像中即存在极少的伪边缘像素点，Canny算法再在 边缘断点降低阈值，直到将边缘像素点连接起来，形成闭合的轮廓为止，得到所有的边缘像 素点，这样就形成双阈值调节算法，阈值可根据具体方案进行选择，本方案中的双阈值分别 设定为0.7和0.4。
[0046] 由Canny算法得到边缘之后，将整个图像由RGB通道转换成LAB通道，将边缘像素点 和其预设邻域以外的像素点确定为非边缘像素点。预设邻域可以根据具体方案进行选取， 本方案预设邻域选择3*3邻域。
[0047] 步骤103,构造非边缘像素点的第一色彩矩阵，所述第一色彩矩阵包括不同颜色值 的非边缘像素点的像素数量。
[0048] 以LAB色彩空间为例，依次录入非边缘像素点的色彩信息数据，构造第一色彩矩 阵，记作矩阵(：〇1(^1^11(1^4,8,6瓜 7，他111)，用于记录像素的色彩信息，如表1所示。第一列记 录L通道数值为L，第二列记录A通道数值为A，第三列记录B通道数值为B，第四列记录灰度值 为Gray，第五列记录不同颜色值的非边缘像素点的像素数量Num。
[0050] 衣丄[0051] 步骤104,利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像
[0049] 素点的像素数量，得到非边缘像素点的第二色彩矩阵。
[0052]利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像素点的像 素数量包括两个步骤:首先查找到需要修改像素数量的的非边缘像素点，即像素数量和灰 度值满足第一预设条件的非边缘像素点;其次，利用预设方式像素数量，即利用优势函数修 改满足第一预设条件的非边缘像素点的像素数量。
[00 53]步骤一：构造第一色彩矩阵时，像素数据录入的原则是遍历所有第五列不为0的 行，若第四列满足待录入的灰度值与已记录的灰度值差距不大于10,则在符合上述条件的 第一个已记录的行的第五列修改像素数量。
[0054] 设待录入的像素数据向量为Data(L，A，B，Gray)，满足第一预设条件：
[0055]
(7)
[0056] 其中，First{. . .}中是集合内的第一个元素。
[0057] 步骤二:查找到需要修改像素数量的行后，为了进一步突出像素数量较少但对感 官刺激较大的颜色，依据像素数量较大的色彩与待录入色彩的差值进行数量的激励机制。
[0058] 例如，一张图像中黑色与深灰色的像素数量较大，但同时存在像素数量较小的黄 色，为了加大黄色的数量级，利用黄色与黑色在LAB空间的距离优势，在像素数量属性中附 加优势函数，使得黄色也能被检测出来。
[0059] 设定优势函数为Adv(Data(L，A，B，Gray))，优势函数只考虑比其数量大的颜色的 影响，公式如下：
[0060]
[0061 ]其中，P为第一颜色矩阵的行数，M = P_1。
[0062] 最终累计的计数公式为：
[0063] Ne wCo 1 orNum (P,5)=01dCol orNum (P, 5) +Ad v (Da ta) (9)
[0064] 最后，将整个Co 1 orNum (L, A, B, Gray, Num)根据Num来重新排序。
[0065] 如表1所示的第一色彩矩阵经过步骤104处理后，得到第二色彩矩阵。第二色彩矩 阵中的颜色数据按照LAB通道的颜色值降序排列得到颜色条，如图4所示。
[0066] 步骤105,将所述第二色彩矩阵中满足第二预设条件的像素点的颜色识别为一组 相似颜色。
[0067] 由步骤104得到如图4所示的颜色识别图，为了进一步合并相似颜色，先将LAB颜色 通道转换回 RGB通道，即 Co 1 orNum (L，A，B，Gray，Num)转换为Da ta (R，G，B，Gray)，再对 RGB 通 道的值作判断，若颜色值满足第二预设条件则合并为一组相似颜色。
[0068]第二预设条件为：
[0069]
[0070] 步骤106,根据每组相似颜色以及对应的像素数量确定识别出的颜色以及对应的 像素数量。
[0071 ]具体地，将每组相似颜色中像素数量较多的颜色确定为识别出的颜色;将每组相 似颜色的像素数量之和确定为识别出的颜色的像素数量。
[0072] 各组相似颜色合并后，得到颜色的RGB值如表2所示，颜色识别图如图5所示。
[0073]
[0074] 表 2
[0075] 本发明实施例提供的矢量图色彩识别方法，识别精度高，能够满足印刷成本计算 的需要。
[0076] 专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的 单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬 件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。 这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。 专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现 不应认为超出本发明的范围。
[0077] 结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的 软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器 (ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域 内所公知的任意其它形式的存储介质中。
[0078] 以上所述的【具体实施方式】，对本发明的目的、技术方案和有益效果进行了进一步 详细说明，所应理解的是，以上所述仅为本发明的【具体实施方式】而已，并不用于限定本发明 的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含 在本发明的保护范围之内。
【主权项】
1. 一种矢量图色彩识别方法，其特征在于，所述方法包括： 对待识别灰度图像进行高斯滤波处理，得到处理后图像； 检测所述处理后图像的边缘像素点，根据所述边缘像素点确定非边缘像素点； 构造非边缘像素点的第一色彩矩阵，所述第一色彩矩阵包括不同颜色值的非边缘像素 点的像素数量； 利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像素点的像素数 量，得到非边缘像素点的第二色彩矩阵； 将所述第二色彩矩阵中满足第二预设条件的像素点的颜色识别为一组相似颜色； 根据每组相似颜色以及对应的像素数量确定识别出的颜色以及对应的像素数量。2. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，在对待识别灰度图像进行 高斯滤波处理，得到处理后图像之前，所述方法还包括： 将待识别矢量图进行灰度处理，得到待识别灰度图像。3. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，所述对待识别灰度图像进 行高斯滤波处理，得到处理后图像具体包括： 对待识别灰度图像进行两次一维高斯滤波处理，将两次得到的结果进行加权计算，得 到处理后图像;或者 对待识别灰度图像进行一次二维高斯滤波处理，得到处理后图像。4. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，在检测所述处理后图像的 边缘像素点，根据所述边缘像素点确定非边缘像素点之前，所述方法还包括： 利用canny算法对所述处理后图像进行卷积处理。5. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，所述检测所述处理后图像 的边缘像素点，根据所述边缘像素点确定非边缘像素点具体包括： 检测所述处理后图像的边缘像素点，将所述边缘像素点以及边缘像素点的预设邻域以 外的像素点确定为非边缘像素点。6. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，在检测所述处理后图像的 边缘像素点，根据所述边缘像素点确定非边缘像素点之后，所述方法还包括： 将所述非边缘像素点的RGB通道转换为LAB通道。7. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，在利用预设方式修改所述 第一色彩矩阵中满足第一预设条件的非边缘像素点的像素数量，得到非边缘像素点的第二 色彩矩阵之后，所述方法还包括： 将所述非边缘像素点的LAB通道转换为RGB通道。8. 根据权利要求1所述的矢量图色彩识别方法，其特征在于，所述根据每组相似颜色以 及对应的像素数量确定识别出的颜色以及对应的像素数量具体包括： 将每组相似颜色中像素数量较多的颜色确定为识别出的颜色； 将每组相似颜色的像素数量之和确定为识别出的颜色的像素数量。
【专利摘要】本发明实施例涉及一种矢量图色彩识别方法,所述方法包括：对待识别灰度图像进行高斯滤波处理,得到处理后图像；检测所述处理后图像的边缘像素点，根据所述边缘像素点确定非边缘像素点；构造非边缘像素点的第一色彩矩阵，所述第一色彩矩阵包括不同颜色值的非边缘像素点的像素数量；利用预设方式修改所述第一色彩矩阵中满足第一预设条件的非边缘像素点的像素数量,得到非边缘像素点的第二色彩矩阵；将所述第二色彩矩阵中满足第二预设条件的像素点的颜色识别为一组相似颜色；根据每组相似颜色以及对应的像素数量确定识别出的颜色以及对应的像素数量。本发明实施例提供的矢量图色彩识别方法，识别精度高，能够满足印刷成本计算的需要。
【IPC分类】G06T7/40
【公开号】CN105488818
【申请号】CN201510849647
【发明人】黄星奕, 欧铁军
【申请人】优渊商贸（上海）有限公司
【公开日】2016年4月13日
【申请日】2015年11月27日
最新回复(0)