一种基于视觉感知的色彩量化算法

提出一种色彩量化算法.该算法将图像中的区域细分为边缘、内部平滑区域和内部纹理区域3个部分,并根据它们对视觉感知的重要程度赋予不同的量化权重,以达到强化视觉上相对重要的边缘和内部平滑区域、弱化视觉上相对不重要的复杂纹理区域的目的.另外,为了在量化效果和时间性能上取得折衷,对HSV色彩空间固定V值的蜂窝状分割量化算法进行改进,实现一种可在整个色彩空间完成动态分割的量化算法.在保证时间性能比原有算法略有改善的前提下,减少色彩量化的误差.实验结果表明,本文算法只需要为数较少的量化色彩就能达到较好的量化效果,特别适用于基于内容的图像检索等应用场合.     

一种基于色彩和纹理分析的图像分割算法

提出一种基于种子区域增长的快速图像分割方法.该算法首先对输入彩色图像进行色彩量化处理.然后根据图像中量化色彩标签的分布情况,通过设置不同尺寸的图像窗口快速寻找种子区域,并结合图像中的色彩和纹理特征,实现种子区域的快速增长.实验结果表明,本文所提出的图像分割算法在计算时间和分割效果上均有较好性能,特别适用于基于内容的图像检索等应用.     

结合Gamma修正的色彩量化新算法

色彩量化的最终目的是使得视觉效果上的最化图像与原图像的差别（即失真）最小，量化的应用又对算法效率提出很高的要求，文中提出一种结合Gamma修正的量化算法，速度明显快于中位切分等以往算法，并且量化图像的质量近似于，甚至部分视觉效果优于这些算法，该算法是一种切实有效的图像量化方法，它在计算复杂度和量人结果的精确度上进行了折衷。     

非真实感绘制漫画艺术效果的研究与实现

提出了一种基于非真实感绘制的漫画艺术效果绘制算法。算法首先将输入图像从 RGB 色彩空间转换为LAB 色彩空间,通过双边滤波及色彩量化的方法对输入图像进行处理,获 得连续的、局部区域色彩一致的结果图像,可通过权值等参数对滤波及量化程度进行控制。其次, 采用DOG 滤波器和阈值处理求取输入图像的边缘信息,获得连续的、清晰的边缘。最后将边缘 图像融合到量化结果图像中,获得最终的漫画艺术效果。从最终的漫画艺术绘制效果看出,该算 法简单、易于实现。     

一个基于链表的快速色彩量化算法

为了提高色彩量化算法的质量和速度,作者考虑在设计调色板的过程中充分利用分裂算法的快速性和聚类算法的准确性,试图改进像素匹配过程,然后在其基础上提出一个新的实时色彩量化算法.该算法将图像中的所有颜色按照其出现次数的大小排列成一个数据结构链表.整个色彩量化过程可视为关于该链表的一系列操作.实验结果表明,该算法能够获得期望的...     

彩色数码提花动态分层配色方法的研究

彩色数码提花技术依托计算机图像处理相关算法,来解决彩色图像输入自动生成提花纹版文件的问题。其主要技术难点在于如何实现全自动选色配色过程,并且随着纹针数的增大,提高色彩层次,减少畸变和色彩失真。针对以上问题,提出一种适合于彩色数码提花的动态分层配色方法,该方法采用独特的二次配色方法,可依据不同需求进行经、纬纱的动态组合,使得仅仅利用4~8根彩色纱线即可完成对于彩色图像的提花设计与编织工作,大大提高了织物的色彩饱和度和产品附加值。     

一种改进的快速中位切割彩色图像量化算法

色彩量化的主要目标是选择一个使量化前后图像之间差异尽可能小的最佳调色板。通过对中位切割技术的研究,提出了一种改进的中位切割算法,采用提高预量化精度、利用方差计算切割位置以及反向查找颜色映射等方法,使彩色图像的色彩量化在速度和质量上都获得了较大提升,实验证明了该算法的有效性。     

一种新的祛除彩色图像色彩分量相关性的方法及其编码方案

为了能够较好地祛除彩色图像色彩分量的相关性，并能获得较好的恢复图像，基于图像色彩信息矩阵，提出了一种新的祛除彩色图像色彩分量相关性的方法，并利用该方法在新的色彩空间，针对新分量的不同性质对图像进行了量化编码。与KLT色彩空间类似，新色彩空间也充分利用了图像本身原始色彩分量的相关性，但却基于与KLT色彩空间变换不同的最优标准。通过对新色彩空间编码性能进行的实验分析结果表明，该方法较好地祛除了彩色图像色彩分量的相关性，且算法实现简单，具有较好的信噪比、压缩比，不仅恢复图像视觉效果良好，并且易于与其他的压缩、编码方法结合使用。     

基于特征向量变换的彩色图像压缩编码算法

提出了一种基于特征向量变换的彩色图像压缩编码算法,高效地去除了彩色图像各分量间的相关性。该算法将每个色彩分量分割成若干个大小相等但不重叠的8×8子块,构造了一个色彩特征矩阵。基于该矩阵,将图像从RGB色彩空间变换到一个新的色彩空间R1G1B1,针对变换后的新分量进行了不同的量化编码。为了减少整幅图像的存储空间,利用另一变换矩阵,进一步将它缩小到一个更适合整型存储的空间。解码则是通过简单的逆变换,以得到重构的色彩分量。实验结果表明,该算法易于实现,具有较高的峰值信噪比和压缩比,且恢复图像也具有视觉无损的效果。     

平均误差向量加速的[K]-Means色彩量化方法

针对[K]-Means色彩量化方法在运行时间上过于冗长的问题,提出一种用平均误差向量加速的色彩量化方法。随机生成[K]种色彩作为初始的调色盘,用该调色盘对欲量化的图像进行一次量化。根据量化后的版本,计算其每个颜色分量的量化误差,获得平均误差向量。用该平均误差向量对调色盘进行更新,获得另一更优的调色盘。通过若干次迭代运算,获得最终收敛的调色盘,并用该调色盘进行最后的色彩量化。实验结果表明,该加速算法能对[K]-Means量化方法平均加速70~150倍,同时,原有[K]-Means方法的量化效果还得到了保持。     

基于色彩量化的自动配色新算法及其应用

针对印染花纹处理在电脑设计中的要求,对于一副真彩色的图样需要量化到仅有几种颜色表示,对色彩量化后的图像进行自动配色,提出了一种配色算法。配色后的图像较好地保留了原图像的轮廓特征,并且计算量较小,适于在微型计算机中实现,并已成功的应用于领带印花CAD系统中。     

An adjustable algorithm for color quantization

Color quantization is an important technique in digital image processing. Generally it involves two steps. The first step is to choose a proper color palette. The second step is to reconstruct an image by replacing original colors with the most similar palette colors. However a problem exists while choosing palette colors. That is how to choose the colors with different illumination intensities (we call them color layers) as well as the colors that present the essential details of the image. This is an important and difficult problem. In this paper, we propose a novel algorithm for color quantization, which considers both color layers and essential details by assigning weights for pixel numbers and color distances. Also this algorithm can tune the quantization results by choosing proper weights. The experiments show that our algorithm is effective for adjusting quantization results and it also has very good quality of quantization.     

基于Fisher判据的自适应彩色图像量化算法

提出了一种基于Fisher判据的自适应彩色图像量化算法。首先用八叉树算法把原始图像量化为256种颜色,然后根据人类的视觉特性,参照NBS距离与人类视觉对颜色差别的定量关系,自动确定初始聚类中心及聚类数目,在此基础上,用Fisher判据自动确定出初始类中心的一个同组,从而实现图像的量化。实验结果表明所提算法无需事先给定颜色量化数目,在量化数目相同的情况下,量化效果明显优于八叉树算法和k均值算法。     

基于KD树和NBS距离的颜色量化算法

针对经典K均值聚类算法需要事先给定量化数目和量化时间长的问题,提出一种基于KD树和NBS距离的颜色量化算法。首先用中位切割算法对原始图像进行初始量化,然后依据NBS距离与人类视觉对颜色差别的定量关系确定出初始聚类中心,最后利用KD树作为数据结构来运行K均值聚类算法从而实现彩色图像的快速量化。测试实验在不需要事先给定量化数目的前提下,获得了较好的量化结果和较快的量化速度,表明所提算法是可行有效的。     

一种基于粒子群算法的色彩量化方案

为提高色彩量化算法的效率,基于求解实优化问题时粒子群算法优于遗传算法这一事实,在基于遗传算法的色彩量化算法的基础上,设计了相应的适应度函数,给出了一种基于粒子群算法的色彩量化方案,并通过量化实例对算法的性能进行了比较。实验结果显示,基于粒子群优化算法的色彩量化方法在收敛速度方面明显优于基于遗传算法的色彩量化方法。     

Content-based retrieval of logo and trademarks in unconstrained color image databases using Color Edge Gradient Co-occurrence Histograms

In this paper, we present an algorithm that extends the Color Edge Co-occurrence Histogram (CECH) object detection scheme on compound color objects, for the retrieval of logos and trademarks in unconstrained color image databases. We introduce more accurate information to the CECH, by virtue of incorporating color edge detection using vector order statistics. This produces a more accurate representation of edges in color images, as compared to the simple color pixel difference classification of edges seen with the CECH. Our proposed method is thus reliant on edge gradient information, and so we call it the Color Edge Gradient Co-occurrence Histogram (CEGCH). We also introduce a color quantization method based in the hue–saturation–value (HSV) color space, illustrating that it is a more suitable scheme of quantization for image retrieval, compared to the color quantization scheme introduced with the CECH. Experimental results demonstrate that the CEGCH and the HSV color quantization scheme is insensitive to scaling, rotation, and partial deformations, and outperforms the use of the CECH in image retrieval, with higher precision and recall. We also perform experiments on a closely related algorithm based on the Color Co-occurrence Histogram (CCH) and demonstrate that our algorithm is also superior in comparison, with higher precision and recall.     

A Hybrid Color Image Quantization Algorithm Based on k-Means and Harmony Search Algorithms

Color quantization is one of the most important preprocessing stages in many applications in computer graphics and image processing. In this article, a new algorithm for color image quantization based on the harmony search (HS) algorithm is proposed. The proposed algorithm utilizes the clustering method, which is one of the most extensively applied methods to the color quantization problem. Two variants of the algorithm are examined. The first is based on a standalone HS algorithm, and the second is a hybrid algorithm of k-means (KM) and HS. The objective of the hybrid algorithm is to strengthen the local search process and balance the quantization quality and computational complexity. In the first stage, the high-resolution color space is initially condensed to a lower-dimensional color space by multilevel thresholding. In the second stage, the compressed colors are clustered to a palette using the hybrid KMHS to obtain final quantization results. The algorithm aims to design a postclustering quantization scheme at the color-space level instead of the pixel level. This significantly reduces the computational complexity while maintaining the quantization quality. Experimental results on some of the most commonly used test images in the quantization literature demonstrate that the proposed method is a powerful method, suggesting a higher degree of precision and robustness compared to existing algorithms.     

CoQuWeiP--使用加权积的色彩量化算法

提出一种新颖的色彩量化算法——CoQuWeiP．该算法通过设立像素个数和色彩距离的权重，综合考虑了色彩层次感和关键细节的要求，并可以调节权重以满足不同色彩量化任务对色彩层次感和关键细节的不同要求．实验表明，文中算法在调节量化结果方面是有效的，量化性能较好．     

一种用于CBIR系统的主色提取及表示方法

颜色是彩色图像最重要的视觉特征之一,在基于内容的图像检索（ＣＢＩＲ）系统中,都将颜色信息作为重要内容参与匹配和检索。针对图像中起主要视觉作用的是图像的主色这一问题,提出一种基于聚类分析的提取和表示图像主色的方法,给出一种用于聚类算法的停止准则,和等量量化方法相比,用本方法提取的颜色信息,具有特征维数低、颜色表示准的优点。