[发明专利]图像颜色分类的预处理优化方法

说明书

本发明公开了一种图像颜色分类的预处理优化方法，包括统计图像中RGB三通道中的灰度值出现的个数，重新定义灰度值为0和255的点进行色阶调整；对三个通道的灰度图进行高斯滤波和锐化；根据偏移向量更新锐化后的彩色图像中的每一个点的RGB三维向量，完成对图像的预处理优化。经过预处理优化的图像颜色分类方法在使用图像颜色分类的预处理优化方法后使用K‑means++算法对图像进行颜色分类。本发明通过色阶调整来更新所有点的灰度值，通过卷积运算降低两种差异较大颜色间的渐变色对分类效果的影响，使得优化后图片的分类颜色差异更大、更鲜明，在图像颜色分类时提高颜色分类的准确性。

技术领域

本发明涉及数字图像处理及应用技术领域，具体涉及一种图像颜色分类的预处理优化方法。

背景技术

图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。从本质上来说，图像也是数据的一种表达形式，图像在计算机内部被表示为一个数字矩阵，矩阵中的每一元素值称为像素值。在计算机中，按照颜色和灰度的多少可以将图像分为二值图像、灰度图像和RGB图像等基本类型。二值图像的数字矩阵只有两个值，即“0”代表白色，“1”代表黑色。由此明暗对比呈现不同图像样貌。灰度图像相较于二值图像的差别就在于矩阵元素的取值范围扩大到了[0,255]。其中“0”代表纯黑色，“255”代表纯白色，之间的数值由小到大以此呈现为由深到浅的灰色。二值图像是灰度图像的一个特例，灰度图像是二值图像在信息表达上的一个延伸拓展。RGB图像是工业界普遍使用的一个色彩模式图，其由R,G,B三个灰度图矩阵构成，肉眼所见的各种颜色的像素点就是由这三个矩阵的灰度值按照不同的组合组成。

数字图像处理(Digital Image Processing)即通过计算机对获取的图像矩阵中的数字信号进行加工，其中提取颜色特征的基本方法多采用统计学，诸如通过分析颜色直方图得到各种颜色出现的概率。在此基础上，为了进一步充分描述颜色的色调、饱和度、亮度等其他特征，出现了HIS(Hue-Saturation-Intensity，即色调、饱和度、强度)、HSV(Hue-Saturation-Value，即色调、饱和度、明度)、Lab(根据Commission InternationalEclairage在1931年所制定的一种测定颜色的国际标准建立的，L是亮度，a和b是两个颜色通道)等颜色模型；还出现了基于线性代数中矩的概念，诸如利用颜色矩来描述颜色的分布，将图像中的颜色分布用一阶矩(平均值)、二阶矩(方差)和三阶矩(偏斜度)来表示。但是，现有的这些颜色特征分析法都是在原理层面上的讨论研究，没有涉及对工程中特有颜色的分类。同时，现阶段很多工业和社会应用中获取到的图像总体呈现效果色彩不鲜明，并且有大量的图像目标颜色和底色之间的差异较大、在轮廓的边缘存在大量渐变色，导致图像的分类结果准确率低、误差往往较大。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中的不足，提出一种图像颜色分类的预处理优化方法，主要在整体图像颜色色彩不鲜明、且图像中存在大量渐变色的情况时可以优化颜色的鲜明度、改善颜色分类结果。

为解决上述技术问题，本发明的技术方案为：提供了一种图像颜色分类的预处理优化方法，包括以下步骤：

步骤1：统计图像中RGB三通道中的灰度值出现的个数，重新定义三通道中像素点的灰度值为0和255的点对图像进行色阶调整；

步骤2：将色阶调整后的图像分解为RGB三个通道的灰度图，对三个通道的灰度图进行高斯滤波；

步骤3：将高斯滤波后的图像分解为RGB三个通道的灰度图，对三个通道的灰度图进行锐化；

步骤4：根据偏移向量更新锐化后的图像中的每一个点的RGB三维向量，完成对图像的预处理优化。

进一步地，所述步骤1中色阶调整的具体过程为：

步骤1.1：统计图像中RGB三通道中的灰度值出现的个数，得到三通道的三个直方图；