基于聚类的自动颜色传输

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (25): 63-65.

基于聚类的自动颜色传输

王常亮^1,2

1.东南大学计算机科学与工程学院，南京 210096
2.浙江工业职业技术学院计算机系，浙江绍兴 312000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-01 发布日期:2007-09-01
通讯作者: 王常亮

Automatic color transfer based on clustering

WANG Chang-liang^1,2

1.School of Computer Science and Engineering，Southeast University，Nanjing 210096，China
2.Zhejiang Industry Vocational and Technical College，Shaoxing，Zhejiang 312000，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-01 Published:2007-09-01
Contact: WANG Chang-liang

摘要/Abstract

摘要： 提出了一种基于聚类的颜色传输算法。利用算法可以自动完成彩色图像间、彩色图像和黑白图像间的全局或者局部颜色传输。首先，对于源图像，将采用混合高斯模型进行建模，并利用EM算法求得相应参数完成图像自动聚类。对于目标图像，如果是彩色图像，采用同样聚类方法。如果是黑白图像，采用K-Means聚类法。完成源图像和目标图像的聚类，并建立双方聚类区域的对应关系后，通过改变目标图像中像素的Lαβ通道值完成色彩传输功能。实验证明，算法高效且无需人工干预，颜色传输效果很理想。

关键词: 颜色传输, 聚类, 高斯混合模型

Abstract: A new clustering-based algorithm for color transfer is proposed in this paper.Global or local color transfer between color images or between color image and gray-scale image can be performed by this algorithm.Firstly，GMM-EM algorithm is jointly applied to automatically group color source image into regions.The same GMM-EM algorithm is used if target image is color image and k-means algorithm is used in case of gray-scale image.Then，corresponding map will be built between source image regions and target image regions after clustering.Finally，Lαβ values of pixel in the target image are changed to impose domain color of source image on target image.The experiments show the presented algorithm is highly automatically and effective and，satisfying results can be obtained.

Key words: color transfer, clustering, Gaussian mixture model

王常亮^1,2. 基于聚类的自动颜色传输[J]. 计算机工程与应用, 2007, 43(25): 63-65.

WANG Chang-liang^1,2. Automatic color transfer based on clustering[J]. Computer Engineering and Applications, 2007, 43(25): 63-65.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[3]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[4]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[7]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[8]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[9]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[10]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[11]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[12]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[13]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[14]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[15]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.