需要有關調色板顏色量化：JAVA - Android電子

Question

我開發Android上的一個項目，這需要我篩選多達5米不同的顏色 - 包括背景色（約計白色）。我不能使用高級數學算法，因爲我不知道太多的數學（我會完全迷失方向），但是通過一些簡單的邏輯算法，我通過反覆試驗得出了一些邏輯算法，部分是邏輯的，我已經能夠結果可以達到70％。但我需要關於如何使其100％工作的建議。

爲了測試這個算法，我在普通的白色（第5色）紙上用4種不同顏色的筆在隨機的單詞/字母上塗寫，並且編寫了一些代碼來解碼顏色。因此，在代碼中的算法...

• 如果紅色筆墨像素進行解碼，像素被設置爲數字紅色
• 如果藍色筆墨像素進行解碼，像素被設置爲數字藍色
• 如果綠色筆墨水像素被解碼時，像素被設定爲數字綠色
• 如果黑筆墨水像素被解碼時，像素被設定爲數字黃色

的黑色墨水像素被設定爲數字黃色（不黑，因爲黑色很難區分墨水黑色視覺）。

我的代碼如下，但首先這裏是我有的最好的結果之一。正如您所看到的，在黑色（用數字黃色表示）和紅色（用數字紅色表示）之間的邊緣會有重疊。就像我說的我的代碼是部分邏輯的部分試錯。

我的第一個問題是，我怎麼能改善這個算法，以便解碼/過濾器完美的顏色（我選擇了這種方法，因爲我得到非常複雜的數學失去了速度非常快）？

其次我怎樣才能使它適用於不同的色調（白光， 黃色光......）？

編輯：在進一步的評論和討論，我已經意識到，幫助我需要的是調色板顏色量化的Adroid Java代碼例子，由於

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

我會用HSV色彩空間

這是更好地檢測顏色（更多人類感知等）應該有很大的幫助。您還可以使用HSV Histogram來檢測您擁有多少個不同的顏色。

如果你仍然想RGB比比較不同

你有筆color0=(r0,g0,b0)和像素color=(r,g,b)所以計算它們之間的距離：

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

無需sqrt。現在你只計算d爲你（筆），每一種顏色，然後選擇最小d ...你也可以使用不太精確：

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

如果你不知道這之前的顏色和不想使用直方圖

1. 形式的（再）色表（組不同的可見顏色，你會設置爲每次發現新筆）
2. 創建發現顏色的空單
3. 只處理輸入圖像
4. 計算距離d的所有像素的所有顏色發現列表中的
5. 如果d越小則一些treshold恆定的像素屬於在發現顏色列表的顏色。否則將它添加爲新發現的顏色。
6. 從顏色表重新着色像素。

這將消除陰影和抗鋸齒顏色失真。您也可以忽略重新着色表並使用找到的顏色列表中的顏色。該過程的形式爲色彩量化。

[EDIT1]使用HSV顏色，重新着色，以發現顏色列表（沒有直方圖）我得到這個結果後：

這說明圖像中有不一樣的照明條件下（不一個渲染，但真正的照片）。所以Ilumination normalization應該更好地改善這一點。另外，我使用2個閾值一個用於灰度和一個用於顏色...以區分這兩個...還可以通過以下方式檢測背景顏色：

• 像素數（應該比文本的顏色大得多）
• 沿着圖像分散體（應該覆蓋大面積與均勻分散...文本被局部化相對高密度的）

這裏C++/VCL源出於此：

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;是動態數組像std::vector<T> ...表示T l[l.num];
• backbuffer bmp;是礦圖像類... bmp.bmp存放GDI位圖和bmp.xs,bmp.ys是持有發現顏色分辨率
• col ...

[EDIT1]雙三次光照歸

我最近被重寫我的DIP LIB提升礦井照明正常化所以我給一個鏡頭在你的輸入圖像（如許多測試圖像之一）這裏的結果（強迫（檢測）空白處重新着色）：

正如你可以看到中間的紅色十歲上下的照明當場就沒了。你可以嘗試一下你的算法，這樣你就知道在編碼之前應用光照規範化是否有幫助（如果正確完成，它有點複雜）。這一個是這樣完成的：

1. 爲你的形象

   創建網格（表）各細胞包含電池面積的平均顏色和累計三角洲（噪聲）。另外單個標誌告訴單元是否爲紙或油墨。細胞尺寸應最小細節大小的周圍<0.5 - 1.5>（如字母或筆寬度...）

2. 組具有高增量作爲墨剩餘部分作爲紙中的所有紙張的

3. 計算平均顏色所有細胞細胞結合

4. 每個紙張小區相鄰墨小區

   組作爲油墨，如果其平均顏色是從全球平均紙張顏色太遠。請注意不要將這些新設置的墨跡單元作爲此步驟的鄰居條件。 （使用溫度標記或不同的標誌位，這完成後恢復...

5. 找到16個控制點沿着圖像均勻分散（只使用紙單元）

   他們應該在座標圖像的0%,33%,66%,100%分辨率所以雙三次插值是有效的。

6. 每個像素

   雙立方計算單元格顏色，並調用它c0然後將規範化應用於像素（RGB空間中的！）：

   • pixel+=global_avg_color-c0;

   這將沿着整個圖像均衡紙張顏色，以便與global_avg_color非常接近地匹配。保持非紙質細節不失真。

7. 任選重新着色的所有紙張的細胞面積與global_avg_color

   這不是必要的，但它會消除大部分從背景噪聲。像紙張紋理...