基于颜色特征相似性度量的包装图配色检索研究①

吴锦花

(闽北职业技术学院,福建 南平 353000)

0 引 言

商品外包装是提升商品使用价值和品牌价值的重要手段,色彩作为包装设计中重要的元素,成为很多初学设计者的短板。本文为解决包装配色问题,从基于内容的图像检索角度展开研究,实现使用计算机辅助设计,提升设计者的配色能力。

基于内容的图像检索技术关键依赖两个重要的内容,即有效提取和有效匹配图像的特征[1-2]。基于内容的图像检索先是研究通过人机接口输入的示例图像与图像源中图像的特点,选择合适的特征提取法(如颜色、纹理、形状等)提取出各图的内容特征,并根据提取的内容特征作为衡量示例图像与图像库中图像相近程度的判断标准,并在检索结果里把图像库中最相近的一部分图像反馈给用户(如图1)。颜色是描述一张图像特征最容易、最快捷的方法,它对图像的尺寸变动、角度变动及位置变动的依赖较小,鲁棒性较强。基于内容的图像检索技术的首选方法是运用颜色特征法[3],

1 颜色特征直方图检索技术

目前,关于颜色特征的检索方案有颜色直方图、颜色矩、主色调和颜色集等,其中颜色直方图方案的技术成熟,应用比较广泛[4]。运用颜色特征实现检索包括3项重要的技术,即选择恰当的颜色空间、合适的特征提取方法及精准的特征匹配算法[5]。

1.1 颜色空间的选取

计算机显示图像是以RGB颜色模式显示,其无法将人眼看到的颜色差异表现出来[5-6]。而HSV颜色模型的图像处理算法和人眼感知色彩相统一[7]。HSV颜色模式与人眼色彩视觉系统中的H,S,V三要素相对应,且又互相独立,因此它被广泛用于视觉图像的检索和数字图像的处理等领域[8][9]。

1.2 颜色空间的转换与量化

(1)颜色空间的转换

图像的颜色特征除与图像本身有着密切关系,还与人的视觉神经系统和经验看法相关[10],要想准确提取图像的颜色特征信息,它的算法还须基于人的视觉特征和人的观察经验感知特征。本课题选择符合实验要求的RGB颜色空间和HSV颜色空间应用。从RGB色彩模式变换为HSV色彩模式时,输入的RGB值范围是[0～255],输出的H值范围是[0～360],输出的S,V值范围是[0～100]。

(2)颜色空间的量化

一张图像的色彩是比较丰富的,使用颜色直方图计算矢量的维数会很大。解决方法是将HSV空间进行不等量间隔的量化,降低维度再来计算。研究分析后,采用把色调分量非等量地降维成7份,把饱和度分量和亮度分量降维成3份。

为了方便进行计算分析,可以对H,S,V三维特征矢量加权组合重新计算成一个一维特征向量。采用下列公式(1)和公式(2)可将其合并成一维特征的矢量,如下:

L=HQSQV+SQV+V

(1)

其中QS和QV分别为S和V的量化级数,取QS= 3,QV= 3,公式可转化为:

L= 9H+ 3S+V

(2)

根据以上公式,色调、饱和度和亮度这三个在一维特征矢量上是隔开的,L在[0,1,2,…,62]区间范围内,经过量化,可有效减少计算量。

图1 基于内容的图像检索系统框架

1.3 特征提取与相似度匹配

(1)颜色直方图特征提取

颜色直方图是一种基于平面座标的体现图像颜色信息的二维图,在选择好颜色模型的前提下,计算一张数字图像中色彩像素点的个数,将水平X轴定义为色彩信息,水平Y轴定义成对应色彩像素点的数量[11]。每一张数字图都只有一个与之相对应的颜色直方图,不同的图像有可能有相同的颜色分布,可能会存在着一样的颜色直方图;一张数字图的全局颜色直方图等于它各局部的颜色直方图相加;但是各局部的直方图只能提供图像内某种色彩信息出现次数的数据,而不能体现像素点所处的空间信息[12]。在本文的研究中无所谓图片的空间信息,因此不会有影响。

直方图检索方法是先把样本示例图上每个像素点的色彩模型从RGB模型转变为HSV模型;再把多维的H分量、S分量和V分量化成N柄的一维直方图;最后按照下列公式(3)算出颜色直方图H:

(3)

1.4 图像相似性度量匹配

假设图像库中被检索图像为I,用户提交的关键图像为Q,本课题采用直方图相交公式(4)计算两幅图像的相似度:

(4)

使用如下(5)公式,标准化处理两张图像的相近程度,保证相似程度介于[0,1]的范围。

(5)

其中,HI(i)是指图像I的第i柄直方图,HQ(i)是指图像Q的第i柄直方图,i∈[0,N-1]。S(I,Q)∈(0,1)是表示两幅图像的相似度,如果两幅图像越相似,则S(I,Q)的值越接近1。如果两幅图像完全一致,则S(I,Q)=1。

图3 关键图与图像分类库的相似度距离图

图4 检索结果图

2 包装图色彩情感图像库建立的方法

将图像库中图像的颜色空间划分为六十三柄的一维直方图,提取出图像的主色调,根据红、橙、黄、黑、白、灰、绿、蓝和紫主色调,映射成8种色彩情感类型,分别定义为亲切温暖型、华贵奢侈型、安宁平静型、活力激情型、活泼明亮型、浪漫风雅型、自然清新型和高雅纯洁型。通过对不同类型的图像进行分析提取HSV值的特征,建立色彩情感配色方案数据库,根据给出的情感类型,从数据库中提取匹配的包装图。

本实验系统采用基于PCA(主成分分析)方法实现色彩情感图像库的分类判别。PCA方法在统计学上属于一种降维的分析法,它依托于一个正交变换采用分量没关联的新随机向量代替分量的原始随机向量,通过线性组合,调整变量重组归纳成新的相互没有关系的变量,但仍然能将原先变量的信息体现出来[8]。图像的色调不同,颜色直方图会不同,直方图矢量分布区间也会有差异。所以不一样色调的图像样本集利用PCA方法取得的主成分结构必定也不一样,我们就可以运用这种特性来实现图像库的检索。

首先,定量收集好各类色彩情感图像库的图像,计算出所有图片的颜色直方图,针对不同分类的图片库,采用PCA法得到这个类别图库颜色直方图的主要成分,从而得到各类别图片库的颜色特征。其次,当输入一张关键图时,利用PCA的投影和重构方法来完成色彩情感类别的判断。将输入的关键图的颜色直方图与八种色彩情感图像库的主成分进行投影,再重构,最后计算出图片颜色直方图的最先数据与重构后数据的差别,并比较它们距离值的差别,假如相似度距离值小于一个初始设置的阈值,就证明了运用某类色彩情感图像库主成分重构后的数据与最先数据的差别是比较小的,所以能断定键入的关键图像类属和主成分对应的色彩情感图像库。

3 基于颜色特征的包装图检索模型

模型功能重点是以图像入库、图像转换、特征提取、相似性度量和用户接口五大结构组成。主要包括了三方面的实验内容:一是建立色彩情感图像资源库,按主色调色彩情感类型提供各类图像80张,共计图片640张,分别提取各图像与各色彩情感图像资源库特征,并存储在图像资源库。二是图像检索,当用户打开某一个关键图时,先将关键图的特征提取出来,再利用特征和各类色彩情感图像库进行相近度匹配,计算出它们的相似度距离,并以相似度距离值最小的为关键图的色彩情感分类。三是用户接口,将检索的结果显示在系统界面。如图2、图3和图4所示。

4 实验结果和分析

实验的图像数据库是由红、橙、黄、绿、蓝、紫、黑、白、灰9种主色调所对应的色彩情感图像资源库,使用本系统分别选择8种主色调的图像为样本进行检索,系统可显示计算后相似度距离,并确定相似度值最小的为其关键图的色彩情感类型,并将该类色彩情感图库中的图像和关键图相近度值最小前十八项显示出来,其系统检索效果图如下表1所示:

表1 各主色调的包装图与色彩情感图像库相似度距离

在本实验结果中,图像分类库的相似度均与其理论上所对应的图库分类距离值最小,确定主色调所属类别与设计色彩情感类别中色彩情感的配色方案是吻合的,从而证明本实验的算法方法是可行的,能够为包装界面设计师提供颜色配色参考,有一定的通用性。