[发明专利]基于K-means的布料花型智能分色方法

权利要求书

1.基于K-means的布料花型智能分色方法，其特征在于，包括以下步骤：

步骤S10，布料扫描图像的预处理；

步骤S20，确定分色的最佳类别数；

步骤S30，计算图像聚类分层结果；

步骤S40，根据聚类分层结果对原图进行图像分割；

步骤S50，对图像分割结果再次进行聚类；

步骤S60，用正片叠底的方式叠加二次聚类图；

其中，步骤S30中，在预处理后的图上使用步骤S20确定的最佳类别数进行改进的K-means聚类，对图像进行主色调分析，将图像中不同主色调的像素分离开来；改进的K-means方法首先进行三层训练，再进行错核重分类以及寻找第二核心；根据聚类结果，将属于同一类的像素点绘制到同一张图像中，得到聚类的分层结果；

步骤S50中，对图像分割结果再次进行S30所述的改进的K-means算法进行主色调分析后聚类，得到的结果是对预处理后的图像分割后的各类图的进一步分层图。

2.根据权利要求1所述的基于K-means的布料花型智能分色方法，其特征在于，步骤S40中，利用S30聚类得到的分层结果作为前景，直接对预处理后的图使用GrabCut算法进行图像分割，即将预处理后的图按主色调分割为若干张图。

3.根据权利要求1或2所述的基于K-means的布料花型智能分色方法，其特征在于，步骤S20中，对预处理后的图按一定比例缩小，再利用缩小图的HSV信息进行K-means聚类计算得到最佳类别数。

4.根据权利要求1或2所述的基于K-means的布料花型智能分色方法，其特征在于，步骤S50中，聚类的最佳类别数使用手肘法得到。

5.根据权利要求1或2所述的基于K-means的布料花型智能分色方法，其特征在于，步骤S10对布料扫描图像的预处理中，进一步包含以下步骤：

在频域滤波去除图像网格状噪声；

在空域去除JPEG压缩给图像带来的块效应；

中值滤波去除其他噪声。

6.根据权利要求1或2所述的基于K-means的布料花型智能分色方法，其特征在于，步骤S60用正片叠底的方式叠加二次聚类图，进一步包括以下步骤：

步骤S61，对每组二次聚类得到的图进行像素分析，得到底色图以及细节图，若有需要，也可对所有图层进行线性变换；

步骤S62，利用正片叠底的原理叠加各类的分层图，得到原图的最终分色子图像。