一种基于图像内容的自适应色彩量化算法

色彩量化是数字图像分析与处理领域的基本问题之一.笔者以K-均值聚类为基础,提出了一种新的自适应色彩量化算法,该算法首先依据图像内容确定初始聚类中心,并对所有像素进行归类处理;再结合图像局部区域平滑度,修改聚类中心颜色;最后对所有聚类进行分裂和合并运算,并生成量化图像.实验结果表明,该算法具有较好的色彩量化效果（即色彩量化误差较小）,整体性能优于K-均值聚类色彩量化方案.     

色彩量化算法的研究与评价标准

文章通过分析色彩量化的背景和研究问题,阐述了色彩量化主要算法的分类和量化算法的评价标准,并对色彩量化的应用领域做了介绍。     

一种融合图像滤波的FCM图像分割算法及其应用

模糊C均值聚类(FCM)算法常用于图像的聚类分割中,但常规的FCM算法对噪声的抑制能力较差。许多改进的FCM图像聚类分割算法虽能有效地抑制图像中的椒盐噪声和高斯白噪声,但是对图像中出现的大颗粒背景噪声的抑制效果仍然较弱。提出了一种融合图像滤波技术的FCM图像分割算法,根据噪声尺寸选择滤波窗大小,利用FCM聚类结果构造噪声判定矩阵并设计噪声判定规则,实现滤波窗内噪声点滤波操作。该算法针对人工合成的含噪灰度图像和实际的纤维图像进行了图像分割实验,实验结果表明:本文算法能有效抑制图像中的噪声,特别是大颗粒背景噪声,能获得满意的分割结果。     

发光示温片的研究

本文通过对温度腊和发光二极管的研究，研制出一种发光示温片（专利号：200820050999．0），能够通过其发光功能提醒示警。将这种发光示温片用于电力线路，巡视检查时更容易发现发热故障点并及时处理，杜绝和防止由于线路故障造成停电事故。     

基于K-means算法的RGB图像色彩聚类

给出了一个利用K-means算法进行迭代聚类,并以聚类结果建立彩色图像调色板的算法。该算法在统计图像中各种颜色的RGB组合值出现次数的基础上,以聚类得到的256种颜色建立调色板,从而将BMP格式图像转换成GIF格式。实验表明,这种转换的色彩失真较小。     

基于颜色差异的色彩量化算法

在色彩量化问题中,对颜色层次感和关键细节的处理是一个困难的问题.如果保留颜色层次感,就会失去关键细节,反之亦然.针对该问题提出了一种新颖的基于颜色差异(Color-Difference,CD)的颜色量化算法.该算法即可以保留颜色层次感,又可以保留关键细节.     

无损检测焊缝图像的缺陷分割算法研究

模糊C-均值聚类（FCM）算法现在已广泛的应用于地质形态分析、语音识别、图象处理及空间导航系统等领域。尤其在灰度图象中,由于其固有的模糊性,把模糊理论应用于灰度图象的处理中,能取得一定的效果。无损检测中采集到的图象为灰度图象,其中灰度信息是最基本的信息,也是最简单的图象信息,本文利用一维灰度信息,采用模糊C-均值聚类算法,结合直方图数据,设定FCM算法初始聚类数目及初始的聚类中心,实现对焊缝图象的缺陷分割。     

基于K-Means的颜色量化算法在岩石图像预处理中的应用

提出了一种基于K-Means的颜色量化算法的岩石图像预处理方法,利用K-Means自动将图像中相似的颜色合并为一种颜色,减少了岩石图像中的无用颜色。对于颜色量化,假设RGB岩石图像中的每个像素点都有自己的颜色,并且每个像素点都有对应坐标,使用欧几里得距离公式计算每个像素点之间的距离,最后利用K-Means算法对这些有特定颜色的坐标点进行无监督聚类,从而实现颜色的量化。应用结果表明,将基于K-Means的颜色量化算法用在岩石图像中,可以减少岩石图像中的颜色数量,且能在较低性能的计算机设备中很好地再现岩石图像,同时也能提高岩石图像处理的效率。     

一种基于均匀颜色空间的色彩量化聚类算法

主要研究了将彩色图像重新量化为仅有几种颜色的色彩量化问题.将RGB非均匀颜色空间变换到CIE1976L*a*b*均匀颜色空间,并根据图像在L*a*b*颜色空间中的a*,b*取值范围来自动选取最初始的聚类中心,再通过K均值动态聚类算法和最近临准则得到最终的量化结果.实验结果表明,算法具有一定的实用性,量化效果也较为理想.     

基于改进CV模型的目标多色彩图像分割

针对Chan-Vese(CV)模型无法完整分割目标包含多色彩及色彩具有突变性图像的问题,通过K-means聚类对图像演化曲线内部像素进行处理,得出聚类中心点,用聚类中心点值与均值滤波后图像的灰度信息构造CV模型内部拟合值,从而提高模型对复杂目标图像分割的适应性.此外,用矩形脉冲函数代替CV模型能量泛函中的正则化脉冲函数,可将水平集演化方程的计算限定在零水平集附近,从而避免图像背景干扰物对分割结果的影响.实验结果表明:改进模型可准确、快速地分割目标包含多色彩及色彩具有突变性的图像.     

彩色图象量化方法的研究

彩色图象量化是图象处理中的关键技术之一,本文讨论了几种常用的色彩量化算法,并且提出限一种新的统计聚类算法,实验表明,该算法是一种性能较好、复杂度低的图象色彩量化方法。     

彩色数字图像量化的一种新算法

分析比较了基于方差最小标准和基于最大类内距离最小标准的彩色图像量化算法．方差最小算法着重于最小化整幅图像量化前后的总方差;最大类内距离最小算法着重于减少类内任意点与其代表点的最大距离．文中提出了一种结合两种标准的新算法,在限制类内点与其类代表点最大距离的同时,尽量降低整幅图像量化前后的总误差．经验证,该方法有较好的量化效果     

一种新型图像颜色量化算法及其实现

针对针织纹织提花、印染以及陶瓷印花等图案设计系统的需求 ,提出了一种新型的基于直方图约化方法的自动分割图像颜色的算法 .本算法根据预置的颜色种类 ,计算图像的直方图 ,通过直方图的约化、磨光 ,进行分色处理 ,可自动确定图像的中心色及分割限 ,准确地归并图像颜色 .此算法可适用于黑白或彩色图案的处理     

基于边缘切向流与颜色量化的图像抽象化

图像抽象化绘制旨在以模糊、抽象的艺术手法展现图像。提出了基于边缘切向流与颜色量化的图像抽象化绘制方法,首先,在RGB(Red,green,blue)颜色空间提取各颜色通道的梯度,并对其进行融合,对融合后的梯度图像求边缘切向流,并使用高斯差分滤波(flow-based difference-of-gaussians,FDOG)方法提取图像的特征线条;然后,对原始图像用非线性方法进行平滑处理,并在(hue-saturation-intensity, HSI)颜色空间进行量化;最后,将量化图像和特征线条图像进行融合,得到原图像的抽象化图像。实验证明该方法增强了图像轮廓的主要特征并忽略了局部细节,突出了图像的层次感,使图像简洁清晰,抽象化效果显著。     

基于视觉颜色聚类的彩色图像分割

根据视觉的颜色聚类特性，提出一种图像分割算法．根据从色彩空间(RGB)到(HLC)的变换公式和NBS颜色距离的概念，首先将彩色图像量化为256或更少量化级，而不使图像质量降低；然后依据NBS颜色距离的概念将色彩分类；最后，根据某种规则将颜色区域进行分块，并删除小的颜色块．给出了静物图像和自然景物图像的实验结果。     

彩色视频图像卡通风格化研究与实现

提出一种彩色视频图像卡通风格化的新方法,将均值漂移滤波与高斯图像金字塔结合起来使用,在对彩色视频图像进行颜色聚类和噪声消除的同时,提高了处理的速度.运用DoG算子对滤波后的图像进行边缘检测;再对移滤波后的图像进行色彩量化;最后将量化后的图像与边缘图像进行融合.融合时根据边缘处梯度的大小设置边缘颜色的深度,使得最终得到的卡通化图像不仅在高对比度区域得到加强而且减少了噪声,边缘更加自然.实验结果表明:本算法与传统的双边滤波和DoG算子相比,获得了更好的卡通风格化效果和更快的运行速度,并且可以直接将输入的视频文件转换为卡通化的视频文件输出.     

变色涂料的印花工艺研究

选用湿敏型兼有热敏型的变色涂料，配制成四种不同色泽的印花色浆，做了变色印花工艺试验及性能测试．该印花织物可在２０～３５℃，相对湿度４０～９０％的条件下可逆变色，变色效果极为明显．     

基于特征散度的模糊彩色图像分割算法

为提高算法的普适能力,提出了一种新的基于特征散度的模糊彩色图像分割算法(FDCIS).算法引入了特征散度和模糊相异性函数来度量差异性,利用特征散度进行数据聚类,实现图像的区域融合.实验证明,算法较好地降低了彩色图像大样本数据的运算量,简单而有效地解决了过度分割现象,避免了聚类算法对初始条件的依赖性,与人的主观视觉感知具有良好的一致性.     

基于二次分水岭和近邻传播聚类的彩色图像分割算法研究与实现

利用特征散度普适能力强的优势,提出了基于二次分水岭和近邻传播聚类的彩色图像分割算法.算法通过二次分水岭算法预分割,提取区域中色彩向量数据点,利用特征散度构造相似度矩阵,运用近邻传播数据聚类,实现图像的分割.实验证明,算法较好地避免了聚类算法对初始条件的依赖性,降低了彩色图像大样本数据的运算量,与人的主观视觉感知具有良好的一致性.     

基于颜色相似系数的彩色图像分割方法

基于两种像素之间颜色相似系数的计算,根据设定的阈值来判断两种颜色是否具有相似性·计算在RGB颜色空间进行,省去了其他分割方法中的颜色空间转换过程·为提高图像分割过程的效率,采用了改进的区域生长法实现整个彩色图像的分割·实验结果表明,本方法可对彩色图像进行有效的分割,符合人类视觉感知特性,适合于不同的应用目的·