專利名稱：基于圖像屬性將圖像分類的方法、介質和系統(tǒng)的制作方法
技術領域：
本發(fā)明的一個或多個實施例涉及圖像處理技術，更具體地說，涉及一種 在顏色校正(color calibration)中將輸入圖像分類為商業(yè)圖形圖像和照片圖像 中的一個的方法、介質和系統(tǒng)。
背景技術：
顏色校正通常被執(zhí)行用于調整顯示裝置的輸出特征以匹配參考顏色或其 他裝置的參考顏色，并且在嘗試精確顯示將被打印的顏色中被廣泛使用。例 如，由于使用RGB(紅、綠和藍)顏色在監(jiān)視器上顯示顏色，因此通常需要 執(zhí)行這樣的顏色校正以通過使用CMYK (青色、品紅色、黃色和黑色)墨水 的打印機來打印在監(jiān)視器上顯示的圖像?；陬伾檎冶韥韴?zhí)行該顏色校正。一般來說，表現顏色的顏色輸入/輸出裝置(諸如監(jiān)視器、掃描儀、相機、 打印機等)根據其各自的應用而使用不同的顏色空間或不同的顏色模型。在 彩色圖像的情況下，打印裝置通常使用CMY或CMYK顏色空間，彩色CRT (陰極射線管)監(jiān)視器或計算機圖形裝置可使用RGB顏色空間，處理顏色、 飽和度和亮度的裝置可使用HIS顏色空間。此外，CIE顏色空間用于定義可 以在任何裝置上按要求精確顯示的所謂裝置無關(device independent)顏色。 例如，CIEXYZ、 CIELab和C正Luv顏色空間可以是這樣的裝置無關顏色空 間。除了不同的顏色空間，每個顏色輸入/輸出裝置還可使用不同的可表現顏 色范圍，即色域(color gamut )。因此，由于在色域中的這樣的潛在差異，相 同的彩色圖像在不同的顏色輸入Z輸出裝置上可能看起來仍不相同。CIELab顏色模型基于由CIE (國際照明委員會)提出的作為顏色測量的 國際標準的初始顏色模型。CIELab顏色模型是裝置無關的。也就是說，無論 用于形成或輸出圖像的裝置是什么裝置(諸如監(jiān)視器、打印機和計算機)都可顯示相同的顏色。CIELab顏色模型由發(fā)光度(即亮度分量L以及兩個色調 分量a和b)構成。色調分量a存在于綠色和紅色之間，色調分量b存在于藍 色和黃色之間。此外，由于最近已經出現Windows Vista ,除了現有CIELab顏色空間 之外，已經提出了 CIECAM02顏色空間作為用于顏色匹配的顏色空間。與 CIELab顏色空間相比，CIECAM02顏色空間嘗試對人類的視覺特征進行精確 建模并反映觀察環(huán)境。也就是說，在操作系統(tǒng)的現有顏色管理系統(tǒng)(以下， 稱為"CMS")中，例如為了顯示器和打印機的顏色匹配，用于觀察的光源可 能被限制到D50。然而，由于Windows VistaTM支持CIECAM02顏色空間，在 這樣的操作系統(tǒng)中可以在除了 D50光源之外的各種類型的照明(諸如D65光 源、F光源和A光源)下比較和觀察圖像。同時，國際顏色協(xié)會(ICC;http:〃www.color.org)也已經提出根據渲染意 圖的不同色域映射技術的應用。例如，這些渲染意圖可包括感知意圖、相對 比色意圖和飽和意圖。為了根據圖像自適應地應用相對比色意圖之外的兩種 意圖，首先，有必要判斷圖像是商業(yè)圖形圖像還是普通照片圖像。當然，在 相對比色意圖的情況下，可能需要上述判斷以獲取用于最小化色度的預期的 視覺優(yōu)化圖像。圖1示出通過圖像分類單元將給定圖像分類為商業(yè)圖形圖像或照片圖像 并將適當的色域映射技術應用于分類的圖像。如圖1所示，輸入圖像可由圖 像分類單元分類為商業(yè)圖形圖像或照片圖像。其后，可通過根據圖像分類應 用最優(yōu)色域映射技術來獲得具有預期的優(yōu)化圖像質量的輸出圖像。也就是， 可將ICC飽和度色域映射技術應用于分類為商業(yè)圖形圖像的輸入圖像，并將 ICC感知色域映射技術應用于分類為照片圖像的輸入圖像。然而，為了通過應用適當的色域映射技術來改善輸出圖像，需要圖像分 類單元執(zhí)行適當的圖像分類。因此，需要能夠通過從圖像信息進行各種分析 (諸如亮度分布分析、飽和度分析和邊緣分析)對輸入圖像的特征分類的技 術/處理/系統(tǒng)，這將在下面更詳細地描述。發(fā)明內容本發(fā)明的 一個或多個實施例的一方面在于提供一種精確地將輸入圖像分 類為商業(yè)圖形圖像或照片圖像的方法、介質和系統(tǒng)。將在描述中部分地闡述另外的方面和/或優(yōu)點，部分地，通過描述將是清 楚的，或可通過本發(fā)明的實踐而得知。為了實現上述和/或其他方面和優(yōu)點，本發(fā)明的實施例包括將輸入圖像分類為商業(yè)圖形圖像和照片圖像中的至少一個的系統(tǒng)，所述系統(tǒng)包括亮度分 析單元，計算輸入圖像的亮度分量的亮度頻率分布；飽和度分析單元，計算 輸入圖像的飽和度分量中的飽和度分量平均值；以及圖像分類單元，根據計 算的亮度頻率分布、飽和度分量的平均值和閾值，基于評估函數的比較將輸 入圖像分類為商業(yè)圖形圖像和照片圖像中的一個，并輸出分類的結果。為了實現上述和/或其他方面和優(yōu)點，本發(fā)明的實施例包括一種將輸入圖 像分類為商業(yè)圖形圖像和照片圖像中的至少一個的方法，所述方法包括計 算輸入圖像的亮度分量的亮度頻率分布；計算輸入圖像的飽和度分量平均值； 以及根據計算的亮度頻率分布、飽和度分量的平均值和閾值，基于評估函數 的比較將輸入圖像分類為商業(yè)圖形圖像和照片圖像中的 一個，并輸出分類的 結果。為了實現上述和/或其他方面和優(yōu)點，本發(fā)明的實施例包括至少一種介 質，所述介質包括用于控制至少 一個處理部件以實現將輸入圖像分類為商業(yè) 圖形圖像和照片圖像中的至少一個的方法的計算機可讀代碼，所述方法包括 計算輸入圖像的亮度分量的亮度頻率分布；計算輸入圖像的飽和度分量平均 值；以及根據計算的亮度頻率分布、飽和度分量的平均值和闞值，基于評估 函數的比較將輸入圖像分類為商業(yè)圖形圖像和照片圖像中的 一個，并輸出分 類的結果。


通過下面結合附圖對實施例的描述，本發(fā)明的上述和/或其他方面將會變得清楚和更容易理解，其中圖1示出對輸入圖像分類以及將色域映射應用于分類的圖像； 圖2示出根據本發(fā)明實施例的基于圖像屬性的圖像分類系統(tǒng)； 圖3示出根據本發(fā)明實施例的將輸入圖像的RGB數據轉換為CIELab顏色空間的數據的處理；圖4示出根據本發(fā)明實施例的將輸入圖像的RGB數據轉換為CIECAM02顏色空間的數據的處理；圖5示出根據本發(fā)明實施例的多層感知器的基本構思；以及 圖6示出根據本發(fā)明實施例的基于圖像屬性對圖像分類的方法。
具體實施方式
現在將詳細描述實施例，實施例的示例在附圖中示出，其中，相同的標 號始終表示相同的部件。為此，本發(fā)明的實施例可以以多種不同形式被實現， 并且不應被理解為限制于在此闡述的實施例。因此，以下通過參照附圖描述 實施例僅用于解釋本發(fā)明的各方面。圖2示出根據本發(fā)明實施例的基于圖像屬性的圖像分類系統(tǒng)100。例如， 圖像分類系統(tǒng)100可包括顏色空間轉換單元105、亮度分析單元IIO、飽和 度分析單元120、邊緣分析單元130和圖像分類單元140。例如，顏色空間轉換單元105可將輸入圖像的RGB數據轉換為由亮度和 飽和度分量構成的顏色空間。在實施例中，可將上述CIELab或CIECAM02 顏色空間作為顏色空間的示例。圖3示出將輸入圖像的RGB數據轉換為CIELab顏色空間的數據的處理。 RGB數據通常不能直接轉換為Lab數據，并且通常需要進行XYZ數據(關 于CIEXYZ顏色空間的數據)的轉換處理。也就是說，將RGB數據轉換為 Lab數據的轉換處理可包括在操作S31將RGB數據轉換為XYZ數據的轉換 以及在操作S32將XYZ數據轉換為Lab數據。這里，例如可通過測量將由色 度裝置顯示的RGB斑點來執(zhí)行操作S31,從而獲取XYZ數據。或者，在操 作S31，可通過sRGB模型將RGB數據轉換為XYZ數據，注意任一選擇都 是可行的。在"Color Management Default RGB Color Space sRGB" (IEC TC-100, IEC 61966-2-1, 1999)中進一步描述了這種技術的細節(jié)。這里，RGB 數據被轉換為rR、rG和rB分量，并隨后通過特定轉換矩陣轉換為XYZ數據。在操作S32，例如可根據以下等式1將XYZ數據轉換為Lab數據等式l<formula>formula see original document page 8</formula>這里，參考符號L表示亮度，參考符號a表示紅綠色(紅色和綠色之間的顏色)，參考符號b表示黃藍色(藍色和黃色之間的顏色)。同時，圖4示出將輸入圖像的RGB數據轉換為CIECAM02顏色空間的 數據(JCh數據)的處理。該處理包括在操作S31,將輸入圖像的RGB數 據轉換為XYZ數據；在操作S41,將XYZ數據轉換為JCh數據。在JCh數 據中，參考符號J表示亮度，參考符號C表示飽和度，參考符號h表示顏色。 這里，操作S31可以與圖3中示出的S31相同或相似。然而，在操作S41, 可使用在"The CIECAM02 Color Appearance Model" (Nathan Moroney， Mark Fairchild, Robert Hunt, Changjun Li， Ronnier Luo and Todd Newman, IS&T/SID 10th Color Imaging Conference)中描述的技術。將XYZ數據轉換為Jch數據的 步驟包括使用參考白色的CIEXYZ、參考條件下的參考白色、適應字段的照 片亮度、背景亮度因素、周圍參數和背景參數。再次參照圖2，例如，顏色空間轉換單元105可將亮度-飽和度空間的轉 換的數據(例如Lab數據或Jch數據)提供給亮度分析單元110、飽和度分析 單元120和邊緣分析單元130。例如，亮度分析單元110可使用從顏色空間轉換單元105提供的亮度分 量來計算輸入圖像的亮度頻率分布(以下稱為"LFD")。 LFD是指示亮度分 量如何連續(xù)分布在整個范圍中的指標(index )。例如，可使用下面的等式2 計算這樣的LFD:等式2<formula>formula see original document page 9</formula>這里，參考符號Lj表示Lab圖像的第i個亮度分量，參考符號num一L, 表示參考符號Li的頻率。當假設i在0到N的范圍內，Lo與最暗的亮度分量 值對應，Lw與最亮的亮度分量值對應。根據等式2，相似(相鄰)亮度分量 L,和L,w之間的出現頻率越相似，LFD變得越小。否則，LFD增加。也就是 說，LFD在普通照片圖像中相對較小而在商業(yè)圖形圖像中相對較大。飽和度分析單元120可計算例如從顏色空間轉換單元105提供的飽和度 分量的平均值Avg—C。例如，該平均值與Lab圖像中的所有像素的飽和度的 平均值或從Lab圖像采樣的圖像的像素的飽和度的平均值對應。例如，通常 可通過以下的等式3計算Lab圖像的飽和度等式3一般來說，照片圖像的飽和度分量的平均值Avg—C高于商業(yè)圖形圖像的 飽和度分量的平均值。因此,例如可使用飽和度分量來評估輸入圖像的特征。邊緣分析單元130可計算例如從顏色空間轉換單元105提供的亮度分量 的頻率分布。具體地說，例如，邊緣分析單元130可使用從顏色空間轉換單 元105提供的亮度分量來計算輸入圖像的傅立葉頻率分布(以下稱為"FFD")。 這里，例如所述頻率分布與通過對亮度分量表示的圖像執(zhí)行頻率變換(例如， 余弦變換)獲得的圖像的分布對應。 一般來說，在商業(yè)圖形圖像中存在相對 較多的高頻分量而在照片圖像中存在相對較多的低頻分量。因此，在通過對 輸入圖像執(zhí)行頻率變換而獲得的頻率分布中，照片圖像通常顯示包括低頻分 量的各種頻率分量，但是商業(yè)圖形圖像通常主要顯示高頻分量。例如，可通過下面的等式4計算對上述屬性分類的FFD:等式4y (w畫 爿.—wwm d )2 〉乂服m —4)這里，參考符號A,表示Lab圖像的第i個頻率分量(例如，關于L的頻 率分量)，參考符號num—A,表示^的頻率。當假設i在O到M的范圍內時， Ao與最低頻率分量值對應，AM與最高頻率分量值對應。根據等式4，相似(相 鄰)頻率分量A,和Ai+1之間的出現頻率越相似，FFD變得越小。否則，FFD 變得較大。因此，當輸入圖像是照片圖像時，FFD通常變得相對較小，當輸 入圖像是商業(yè)圖形圖像時，FFD變得相對較大。在實施例中，圖像分類單元140可將計算的LFD、平均值Avg_C和FFD 與預定閾值進行比較，以最終判斷應將輸入圖像分類為商業(yè)圖形圖像或是照 片圖像中的哪一個。然而，例如如果為三個參數對應地設置閾值，則可執(zhí)行 不同的判斷。例如，通過三個參數，可要求組合所述三個參數并設置一個閾 值。為此，在實施例中，例如圖像分類單元140可使用神經網絡算法計算一 個包括三個參數的評估函數，并對評估函數設置一個閾值。因此，在此示例 中，圖像分類單元140可通過判斷評估函數是否超過或達到閾值來將輸入圖 像分類為商業(yè)圖形圖像或照片圖像中的 一 個。多層感知器神經網絡是不同的神經網絡算法中最廣泛使用的神經網絡算法，并且至少可以在本發(fā)明實施例中類似地使用。這里，圖5示出多層感知 器的基本構思。如所示，輸入矢量具有n個參數x,至Xn以及作為偏置項的動 量常數(例如定義為1)。然后各個輸入值乘以加權Wi并通過加法器51相加。 然后例如可應用簡單函數f(x) 52。該簡單函數可被稱為執(zhí)行函數或評估函數。例如，通過上述處理計算的結果神經元y可通過下面的等式5表示等式5與本發(fā)明的此實施例相似，如果使用三個參數LFD、 Avg—C和FFD，則 n=3, x,至X3分別對應于LFD、 Avg_C和FFD。此外，例如可通過各種方式 (諸如在下面的等式6中示出的sigmoid函數)來定義等式5的評估函數f(x): 等式6f(u)=l/(l+ O因此，可通過調整加權關于多個輸入圖像訓練多層感知器神經網絡。在 這樣的訓練中，例如可將神經網絡的輸出與期望的輸出、用于調整加權的兩 個信號之間的差以及由學習速率控制的調整比率進行比較。可存在通過學習收斂的評估函數，例如，在0和1之間。例如如果用戶 指定O作為照片圖像，指定l作為商業(yè)圖形圖像，則可使用0.5作為關于評 估函數的閾值對輸入圖像進行分類。也就是說，例如如果收斂的評估函數等 于或小于0.5，則輸入圖像可被分類為照片圖像，而又例如如果收斂的評估函 數大于0.5，則輸入圖像可被分類為商業(yè)圖形圖像。圖6示出根據本發(fā)明實施例的基于圖像屬性對圖像分類的方法。例如，在操作S61,可通過顏色空間轉換單元105將輸入RGB圖像轉換 為亮度-飽和度顏色空間的分量。這里，例如亮度-飽和度顏色空間與可以表示 亮度和飽和度的顏色空間(諸如CIELab顏色空間或CIECAM02顏色空間) 對應，注意另外的顏色空間同樣可行。在操作S62，例如，可通過亮度分析單元110計算由顏色空間轉換單元 105轉換的分量中亮度分量的亮度頻率分布分量。此時，如上面相關的等式2 所述，可使用相鄰亮度分量之間的頻率差來計算亮度頻率分布。此外，在操作S63,例如可通過飽和度分析單元120計算由顏色空間轉 換單元105轉換的分量中的飽和度分量的平均值。在實施例中，當輸入RGB 圖像被轉換為CIELab顏色空間時，例如可根據等式3找出飽和度。在操作S64，例如還可通過邊緣分析單元130計算由顏色空間轉換單元 105轉換的分量中的亮度分量的頻率分布。具體地說，在實施例中，例如可 將轉換的分量中的亮度分量轉換為頻率區(qū)，并且如上面相關的等式4所述， 可計算頻率區(qū)中的相鄰頻率分量之間的頻率差。例如，在操作S65，還可通過圖像分類單元140使用計算的亮度頻率分 布、飽和度分量的平均值和頻率分布來計算評估函數。在實施例中，為了計 算評估函數，可應用神經網絡算法。此外，在操作S66，可判斷評估函數是 否超過或達到預定閾值，從而在操作S67將輸入圖像分類為商業(yè)圖形圖像， 或者在操作S68分類為照片圖像。件部件(諸如任務、類、子程序、進程、對象、執(zhí)行線程或程序)、硬件部件 (諸如現場可編程門陣列(FPGA )或專用集成電路(ASIC ))或軟件和/或硬 件部件的組合來實現。另外，示例流程圖的每個方框可表示包括一個或多個能夠實現特定邏輯 功能的可執(zhí)行指令的模塊、分段或部分代碼。還應注意在一些可選的實現方 式中，在方框中提到的操作可不按順序出現。例如，根據有關的操作，連續(xù) 顯示的兩個方框實際上可纟皮同時執(zhí)行和/或所述方框有時可按照相反順序被 執(zhí)行?？紤]到此，除了上述實施例之外，還可通過介質(例如計算機可讀介質) 中/上的計算機可讀代碼/指令來實現本發(fā)明的實施例，以控制至少一個處理組 件來實現任意的上述實施例。所述介質可對應于任意允許存儲和/或傳輸計算 機可讀代碼的介質，并且實際上可以是至少一個處理組件。所述介質還可是 系統(tǒng)實施例的示例。計算機可讀代碼能夠以各種方式被記錄/傳送到介質上，介質的示例包 括諸如磁存儲介質的記錄介質(例如，ROM、軟盤、硬盤等)、光學記錄 介質(例如，CD-ROM或DVD )和傳輸介質(諸如介質承載或包括載波的介 質)，以及互聯(lián)網組件。因此，根據本發(fā)明的實施例，介質可以是包括或承載 信號或信息的限定的并且可測量的結構，諸如承載比特流的裝置。介質還可 以是分布式網絡，從而以分布的方式存儲/傳送以及執(zhí)行計算機可讀代碼。另 外，僅作為示例，處理組件可包括處理器或計算機處理器，并且處理組件可 分布和/或包括在單個裝置中。根據本發(fā)明的一個或多個實施例，可通過從圖像信息進行亮度分布、飽 和度和邊緣分析將給定的圖像自動分類為商業(yè)圖形圖像和照片圖像中的一 個。此外，所述分類可作為輸出裝置/系統(tǒng)(諸如打印機等)的集成部分應用 于圖像處理技術或優(yōu)化顏色再現(例如，上述系統(tǒng)可以是打印機)。在一個實 施例中，在實驗中發(fā)現可能更優(yōu)選的是在系統(tǒng)中包括亮度分布分析和飽和度 分析，并且如果需要，可選擇性地增加邊緣分析。雖然已經參照本發(fā)明的不同實施例具體地示出和描述了本發(fā)明，但是應 理解這些示例性實施例應被認為是描述性的，并不是作為限制目的?？s小或 擴大在 一個實施例中的 一方面的功能或性能不應被認為是對不同實施例中的 相似特征的對應擴大或縮小，即，每個實施例的特征或各方面的描述應通常 被認為是對于其余實施例的其他相似特征或方面也是可行的。因此，雖然已經示出和描述了若干實施例，但是本領域的技術人員將理 解，在不脫離本發(fā)明的原理和精神的情況下，可以對這些實施例做出改變， 本發(fā)明的范圍在權利要求及其等同物中限定。
權利要求
1、一種將輸入圖像分類為商業(yè)圖形圖像和照片圖像中的至少一個的系統(tǒng)，所述系統(tǒng)包括亮度分析單元，計算輸入圖像的亮度分量的亮度頻率分布；飽和度分析單元，計算輸入圖像的飽和度分量中的飽和度分量平均值；以及圖像分類單元，根據計算的亮度頻率分布和飽和度分量平均值以及閾值，基于評估函數的比較將輸入圖像分類為商業(yè)圖形圖像和照片圖像中的一個，并輸出分類的結果。
2、 如權利要求l所述的系統(tǒng)，還包括顏色空間轉換單元，將輸入圖像 轉換為亮度-飽和度顏色空間的分量，以至少產生輸入圖像的亮度分量和輸入 圖像的飽和度分量。
3、 如權利要求l所述的系統(tǒng)，還包括邊緣分析單元，計算輸入圖像的 亮度分量的頻率分布，并且其中，圖像分類單元將輸入圖像分類的步驟還基于計算的頻率分布。
4、 如權利要求3所述的系統(tǒng)，其中，邊緣分析單元將輸入圖像的亮度分 量轉換為頻率區(qū)域，并計算所述頻率區(qū)域中的相鄰頻率分量之間的頻率差。
5、 如權利要求l所述的系統(tǒng)，其中，輸入圖像是RGB圖像。
6、 如權利要求5所述的系統(tǒng)，其中，通過將RGB圖像轉換到亮度-飽和 度顏色空間得到輸入圖像的亮度分量和輸入圖像的飽和度分量，所述亮度-飽 和度顏色空間是CIELab顏色空間或CIECAM02顏色空間。
7、 如權利要求l所述的系統(tǒng)，其中，亮度分析單元計算輸入圖像的相鄰 亮度分量之間的頻率差。
8、 如權利要求1所述的系統(tǒng)，其中，基于通過將CIELab顏色空間的Lab 數據的"a"分量的平方以及"b，，分量的平方相加所得的值的平方根來計算 輸入圖像的飽和度分量。
9、 如權利要求l所述的系統(tǒng)，其中，圖4象分類單元通過應用神經網絡算 法來識別評估函數。
10、 一種將輸入圖像分類為商業(yè)圖形圖像和照片圖像中的至少一個的方 法，所述方法包括計算輸入圖像的亮度分量的亮度頻率分布； 計算輸入圖像的飽和度分量平均值；以及根據計算的亮度頻率分布和飽和度分量平均值以及閾值，基于評估函數 的比較將輸入圖像分類為商業(yè)圖形圖像和照片圖像中"一個，并輸出分類的結果。
11、 如權利要求10所述的方法，還包括將輸入圖像轉換為亮度-飽和 度顏色空間的分量，以至少產生輸入圖像的亮度分量和輸入圖像的飽和度分量。
12、 如權利要求IO所述的方法，還包括計算輸入圖像的亮度分量的頻 率分布，并且其中，將輸入圖像分類的步驟還基于計算的頻率分布。
13、 如權利要求12所述的方法，其中，計算頻率分布的步驟包括 將輸入圖像的亮度分量轉換為頻率區(qū)域，以及 計算所述頻率區(qū)域中的相鄰頻率分量之間的頻率差。
14、 如權利要求IO所述的方法，其中，輸入圖像是RGB圖像。
15、 如權利要求14所述的方法，其中，通過將RGB圖像轉換到亮度-飽和度顏色空間得到輸入圖像的亮度分量和輸入圖像的飽和度分量，所述亮 度-飽和度顏色空間是CIELab顏色空間或CIECAM02顏色空間。
16、 如權利要求IO所述的方法，其中，計算亮度頻率分布的步驟包括 計算輸入圖像的相鄰亮度分量之間的頻率差。
17、 如權利要求IO所述的方法，其中，基于通過將CIELab顏色空間的 Lab數據的"a"分量的平方以及"b"分量的平方相加所得的值的平方根來 計算輸入圖像的飽和度分量。
18、 如權利要求IO所述的方法，其中，在將輸入圖像分類的步驟中，通 過應用神經網絡算法來識別評估函數。
19、 至少一種介質，包括控制至少一個處理組件以實現將輸入圖像分類 為商業(yè)圖形圖像和照片圖像中的至少 一 個的方法的計算機可讀代碼，所述方 法包括計算輸入圖像的亮度分量的亮度頻率分布； 計算輸入圖像的飽和度分量平均值；以及根據計算的亮度頻率分布和飽和度分量平均值以及閾值，基于評估函數的比較將輸入圖像分類為商業(yè)圖形圖像和照片圖像中的 一個，并輸出分類的結果。
20、如權利要求19所述的介質，其中，所述方法還包括將輸入圖像轉 換為亮度-飽和度顏色空間的分量，以至少產生輸入圖像的亮度分量和輸入圖 像的飽和度分量。
全文摘要
一種基于圖像屬性將圖像分類的方法、介質和系統(tǒng)，具體地說，公開了一種在諸如圖像的圖像校正中將圖像分類為商業(yè)圖形圖像或照片圖像的方法、介質和系統(tǒng)。將輸入圖像分類為商業(yè)圖形圖像或照片圖像中的至少一個的系統(tǒng)包括顏色空間轉換單元，將輸入圖像轉換為亮度-飽和度顏色空間的分量；亮度分析單元，計算轉換的分量中的亮度分量的亮度頻率分布；飽和度分析單元，計算轉換的分量中的飽和度分量的平均值；以及圖像分類單元，使用計算的亮度頻率分布和飽和度分量平均值以及閾值對評估函數進行比較，從而將輸入圖像分類。
文檔編號H04N1/60GK101222575SQ20081000164
公開日2008年7月16日 申請日期2008年1月7日 優(yōu)先權日2007年1月9日
發(fā)明者姜炳豪, 曹熺根, 羅尼爾·羅, 趙敏起 申請人:三星電子株式會社