java - 需要有关调色板颜色量化 : java - Android 的帮助

Question

我正在 Android 上开发一个项目，这要求我最多过滤 5 种不同的颜色 - 包括背景颜色(近似白色)。我不能使用高级数学算法，因为我不知道太多的数学(我会完全迷失)，但是通过一些简单的逻辑算法，我部分通过反复试验推导出来，部分逻辑，我已经能够结果可以达到 70%。但我需要有关如何使其 100% 工作的建议。

为了测试该算法，我用 4 支不同颜色的笔在纯白色(第 5 种颜色)纸上随意乱写了单词/字母，并编写了一些代码来解码颜色。所以在代码中算法......

如果红色笔墨水像素被解码，像素被设置为数字红色

如果解码蓝色钢笔墨水像素，则像素设置为数字蓝色

如果绿色钢笔墨水像素被解码，像素被设置为数字绿色

如果黑色笔墨像素被解码，像素被设置为数字黄色

黑色墨水像素设置为数字黄色(不是黑色，因为在视觉上很难将黑色与墨水黑色区分开来)。

我的代码在下面，但首先这里是我得到的最好的结果之一。如您所见，黑色(由数字黄色表示)和红色(由数字红色表示)之间的边缘有重叠。就像我说的，我的代码部分是逻辑部分，部分是反复试验。

我的第一个问题是如何改进这个算法以完美地解码/过滤颜色(我选择这个方法是因为我很快就会迷失在非常复杂的数学中)？

其次，我怎样才能使它适用于不同色调的光(白光、
黄灯……)？

编辑:经过进一步的评论和讨论，我意识到我需要的帮助是调色板颜色量化 Adroid java 代码示例，谢谢

if(  (Blue > Green) &&(Red > Blue) && (Red - Green) > 25 )
    copyOfBM.setPixel(x,  y, Color.RED); //red
else if(  (Blue > Red) && ( (Blue > Green)) )
    copyOfBM.setPixel(x,  y, Color.BLUE);
else if( (Green >= 82) && ((Green - Blue) >= 12)  && 
  ((DecodeLuminaceColor( x, y, copyOfBM )>= 82 ) && 
   (DecodeLuminaceColor( x, y, copyOfBM )< 124))  )
    copyOfBM.setPixel(x,  y, Color.GREEN);
else if( ((Red - Green) > 6) &&((Red - Green) < 17) &&((Green - Blue) < 8) 
  && (DecodeLuminaceColor( x, y, copyOfBM )< 118 ) )
    copyOfBM.setPixel(x,  y, Color.YELLOW);



void DecodeLuminaceColor( int _x, int _y, Bitmap cBM  ){
    float avrLum = 0;
    Red = 0; Green = 0; Blue = 0;  //Color.green(green_encoded_color);

    red_encoded_color = cBM.getPixel(_x, _y);
    green_encoded_color = cBM.getPixel(_x, _y);
    blue_encoded_color  = cBM.getPixel(_x, _y);

    Red   = ( (red_encoded_color >> 16) & 0xff );
    Green = ( (green_encoded_color >> 8) & 0xff);
    Blue  = ( (blue_encoded_color >> 0) & 0xff );
}

Answer 1

我会用 HSV色彩空间

最好检测应该有很大帮助的颜色(更像人类感知)。您也可以使用 HSV Histogram检测你有多少不同的颜色。



如果您仍然想要 RGB，而不是进行不同的比较

你有笔 color0=(r0,g0,b0)和像素 color=(r,g,b)所以计算它们之间的距离:

d=((r-r0)*(r-r0))+((g-g0)*(g-g0))+((b-b0)*(b-b0))

不需要 sqrt .现在你只需计算 d对于您拥有的每种颜色(钢笔)并选择最小的 d ...您也可以使用不太精确的:

d=abs(r-r0)+abs(g-g0)+abs(b-b0)

如果您不知道此之前的颜色并且不想使用直方图

形成一个(重新)颜色表(一组不同的可见颜色，您将为每支找到的新笔设置)

创建已找到颜色的空列表

处理输入图像的所有像素

计算距离 d到列表中所有找到的颜色

如果 d小于某个阈值常数，像素在找到的颜色列表中属于该颜色。否则将其添加为新发现的颜色。

使用重新着色表中的颜色重新着色像素。

这将消除阴影和抗锯齿颜色失真。您还可以忽略重新着色表并使用找到的颜色列表中的颜色。这个过程是 的形式颜色量化 .

[Edit1] 在使用 HSV 颜色并重新着色以找到颜色列表(无直方图)后，我得到了这个结果:



这表明您的图像具有不同的照明条件(不是渲染，而是真实照片)。所以 Ilumination normalization应该进一步改善这一点。此外，我使用 2 个阈值，一个用于灰度，一个用于颜色......来区分两者......你也可以通过以下方式检测背景颜色:

像素数(应该比文本颜色大得多)

沿图像分散(应覆盖大面积，密度相对较高，均匀分散...文本局部化)

这里的 C++/VCL 源代码:

backbuffer bmp; // source and target image
struct _color { DWORD rgb; int h,s,v; };    // color entry in (re)color table
_color ld_rgb(DWORD rgb)                    // just RGB -> HSV conversion
    {
    const int _b=0;
    const int _g=1;
    const int _r=2;
    const int _a=3;
    union { DWORD dd; BYTE db[4]; } c;
    double r,g,b,min,max,del,h,s,v,dr,dg,db;
    c.dd=rgb;
    r=c.db[_r]; r/=255.0;
    g=c.db[_g]; g/=255.0;
    b=c.db[_b]; b/=255.0;
    min=r; if (min>g) min=g; if(min>b) min=b;
    max=r; if (max<g) max=g; if(max<b) max=b;
    del=max-min;
    v=max;
    if (del<=0.1) { h=0; s=0; } // grayscale
    else{
        s=del/max;
        dr=(((max-r)/6.0)+(del/2.0))/del;
        dg=(((max-g)/6.0)+(del/2.0))/del;
        db=(((max-b)/6.0)+(del/2.0))/del;
        if      (fabs(r-max)<1e-10) h=db-dg;
        else if (fabs(g-max)<1e-10) h=(1.0/3.0)+dr-db;
        else if (fabs(b-max)<1e-10) h=(2.0/3.0)+dg-dr;
        if (h<0.0) h+=1.0;
        if (h>1.0) h-=1.0;
        }
    _color ccc;
    ccc.rgb=rgb;
    ccc.h=255.0*h;
    ccc.s=255.0*s;
    ccc.v=255.0*v;
    return ccc;
    }
void recolor() // this is the recolor you want
    {
    // load input jpg file to bmp image
    TJPEGImage *jpg=new TJPEGImage();
    jpg->LoadFromFile("in.jpg");
    bmp.bmp->Assign(jpg);
    bmp.resize(bmp.bmp->Width,bmp.bmp->Height);
    delete jpg;

    // recolor bmp
    int i,x,y,d;
    _color c0,c1;
    List<_color> col;                   // color list
    col.num=0;                          // clear colro list
    for (y=0;y<bmp.ys;y++)              // process all pixels
     for (x=0;x<bmp.xs;x++)
        {
        c0=ld_rgb(bmp.pyx[y][x]);       // pixel color -> hsv

        if ((c0.h==0)&&(c0.s==0))       // compare it to found colors (grayscales)
         for (i=0;i<col.num;i++)
            {
//          i=-1; c1.rgb=0x00202020; break;
            c1=col[i];
            if ((c1.h!=0)||(c1.s!=0)) continue;
            d=abs(c1.v-c0.v);
            if (d<32) { i=-1; break; }  // match found ?
            }
        else                            // compare it to found colors
         for (i=0;i<col.num;i++)
            {
//          i=-1; c1.rgb=0x0000FF00; break;
            c1=col[i];
            if ((c1.h==0)&&(c1.s==0)) continue;
            d=(abs(c1.h-c0.h))+(abs(c1.s-c0.s));
            if (d<50) { i=-1; break; }  // match found ?
            }
        if (i>=0) { c1=c0; col.add(c1); }   // if not add new color
        bmp.pyx[y][x]=c1.rgb;               // recolor;
        }
    bmp.bmp->Canvas->Brush->Style=bsClear;
    bmp.bmp->Canvas->Font->Color=0x00802040;
    bmp.bmp->Canvas->TextOutA(5,0,"Found colors: "+AnsiString(col.num));
    bmp.bmp->Canvas->Brush->Style=bsSolid;
    for (d=16,i=0;i<col.num;i++)
     for (y=d;y<=d+d;y++)
      for (x=d*i+1;(x<d*i+d)&&(x<bmp.xs);x++)
       bmp.pyx[y][x]=col[i].rgb;
    }

List<T> l;是动态数组，如 std::vector<T> ... 代表 T l[l.num];

backbuffer bmp;是我的图像类... bmp.bmp持有 GDI 位图和 bmp.xs,bmp.ys是分辨率

col保存找到的颜色...

[Edit1] 双三次照明归一化

我最近正在重写我的 拨码 lib 升级我的照明标准化，因此我对您的输入图像(作为许多测试图像之一)进行了拍摄，这里的结果(强制(检测到)空白空间重新着色):



如您所见，中间的红色光点消失了。您可以尝试使用您的算法，以便在对其进行编码之前了解应用照明归一化是否有帮助(如果操作得当，它会有点复杂)。这是这样做的:

为您的图像创建网格(表格)

每个电池包含 平均颜色和累积三角洲 (噪声)的单元格区域。还有一个标志告诉单元格是否是 纸或 墨水 .单元格大小应该在 <0.5 - 1.5> 左右最小细节尺寸(如字母或钢笔宽度...)

将所有具有高增量的单元格设置为墨水，其余设置为纸张

计算所有纸单元组合的平均颜色

每个纸格相邻墨格

如果其平均颜色与全局平均纸张颜色相差太远，则设置为墨水。注意不要将那些新墨组单元作为这一步的相邻条件。 (使用临时标志或不同的标志位并在完成后恢复...

找到沿图像均匀分布的 16 个控制点(仅使用纸单元格)

它们应该在坐标附近 0%,33%,66%,100%图像分辨率所以双三次插值是有效的。

对于每个像素

双三次计算单元格颜色并将其命名为 c0然后对像素应用归一化(RGB 空间中的 !!! ):

pixel+=global_avg_color-c0 ;

这将使整个图像的纸张颜色均衡，与 global_avg_color 非常接近。 .保持非纸质细节不失真。

可选择使用 global_avg_color 重新着色所有纸单元格区域

这不是必需的，但它会消除背景中的大部分噪音。喜欢纸质...