本发明涉及数字图像处理以及颜色的技术领域，特别涉及一种鸟羽色彩特征提取方法。
背景技术：
色彩仿生是由仿生色彩研究成果与色彩设计方法相结合而产生的具有创新性特点的色彩设计方法。它以自然界生物优异的色彩功能和形式为研究对象，探索其色彩原理，用于设计创新，为人类提供更高水平的色彩设计成果。而鸟类是体色最为丰富、美丽的陆生脊椎动物之一。每一种鸟类都有自己独特的羽毛色彩，这些丰富绚丽的生物色彩，是经过亿万年进化而被自然选择保留下来的，在漫长的进化中逐渐形成了符合形式美法则的色彩组织与结构。若要对鸟羽进行色彩仿生首先需要做的便是需要对鸟类照片进行色彩特征提取。
主特征色即为可以代表该图片所有色彩中占比较高的几种色彩。对一幅图片最直观的感受是其主特征色系(简称“主色系”)色彩的分布，主色系代表了该图片中最主要的色彩分布，因此提取一幅图片中色彩的主色系，可以通过对主色系的视觉效果的感受，得到与图片相同的感官效果。对图片进行色彩特征提取最为主要的方法便是聚类分析，而所有聚类分析方法中k-means聚类算法具有较好的可操作性，算法较其他聚类算法更为简单快捷，并对大数据集的操作有更高的效率。但k-means算法存在每次色彩特征提取均不相同且某些具备代表性的颜色并没有得到提取的问题。
技术实现要素：
本发明的目的在于克服上述现有技术的不足，提供一种鸟羽色彩特征提取方法，用于解决传统色彩特征提取过程中存在的特征色系变化和颜色缺失现象，从而保证所提取的色彩特征准确且稳定，将本发明应用于丝绸领域，扩大了丝绸产品的设计领域，提高了丝绸产品的附加值。
为实现上述目的，本发明提出了一种鸟羽色彩特征提取方法，其特征在于包括如下步骤：
a)收集并选取一类高清的鸟类照片若干张；
b)采用matlab软件打开需要进行色彩特征提取的一张或两张鸟类照片；
c)采用matlab软件提取所打开鸟类照片中所有像素点的rgb值，并设定需要提取的特征色的数量以及收敛误差值；
d)依据k-means聚类算法对鸟类照片进行分色；
e)利用matlab软件将分色之后的图片进行颜色数据的提取，并分别计算颜色在图片中所占的比例；
f)通过提取的颜色数据进行色卡的制作，通过制作出的色卡织造出织物的色卡纹样。
作为优选，所述步骤d)中的分色包括如下步骤：
d1)选择大红色固定为第一个初始聚类中心，绿色为第二个初始聚类中心，蓝色为第三个初始聚类中心；
d2)以距离测度法分别依次计算下一个初始聚类中心直到所有类别的初始聚类中心选择完毕，然后计算剩余数据与第一个、第二个、第三个初始聚类中心的距离，选取其中距离最大的初始聚类中心即为第四个聚类中心，距离已选定的所有聚类中心的距离最大便是后一聚类中心以此类推得到所需要分色的颜色数量的聚类中心；
d3)对每个样本点，计算得到距其最近的初始聚类中心，将其类别标为该聚类中心所对应的聚类类别，重新计算所需要分色的颜色数量的聚类类别对应的聚类中心；
d4)将步骤d3)再重复操作一次，以前后两次聚类中心的距离差作为标准测度函数，直至标准测度函数的计算值小于或等于所设的收敛误差值。
作为优选，所述步骤d1)大红色的rgb颜色为r＝255，g＝0，b＝0，所述绿色的rgb颜色为r＝0，g＝255，b＝0，所述蓝色的rgb颜色为r＝0，g＝0，b＝255。
作为优选，所述步骤d2)中的距离测度法为马氏距离测度法。
作为优选，所述步骤d3)中聚类中心为该聚类类别中所有样本点坐标的平均值。
本发明的有益效果：
(1)针对同一照片进行分色，所最终获得的分色结果均是固定不变的，克服了传统以k-means方法由于随机选取初始聚类中心而导致分色结果每次均不相同的现象，保证了分色结果的稳定；
(2)本发明以距离测度方法分别进行除第一初始聚类中心之外所有初始聚类中心的选择，保证了所有初始聚类中心的颜色代表性，避免了分色之后照片的失真现象；
(3)本发明以大红色为初始聚类中心，针对蜂鸟照片中普遍存在、且肉眼辨识度最高的鲜艳颜色，避免这些颜色在分色之后被归类为颜色饱和度较低的类别中，从而保证图片分色后能够保留鸟类颜色鲜艳的这一特点。
(4)将本发明应用在丝绸领域，扩大了丝绸产品的设计领域，提高了丝绸产品的附加值，具有广阔的市场前景。
本发明的特征及优点将通过实施例进行详细说明。
【具体实施方式】
为使本发明的目的、技术方案和优点更加清楚明了，下面通过实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明提供一种鸟羽色彩特征提取方法，其特征在于包括如下步骤：a)收集并选取一类高清的鸟类照片若干张；b)采用matlab软件打开需要进行色彩特征提取的一张或两张鸟类照片；c)采用matlab软件提取所打开鸟类照片中所有像素点的rgb值，并设定需要提取的特征色的数量以及收敛误差值；d)依据k-means聚类算法对鸟类照片进行分色；e)利用matlab软件将分色之后的图片进行颜色数据的提取，并分别计算颜色在图片中所占的比例；f)通过提取的颜色数据进行色卡的制作，通过制作出的色卡织造出织物的色卡纹样，所述步骤d)中的分色包括如下步骤：d1)选择大红色固定为第一个初始聚类中心，绿色为第二个初始聚类中心，蓝色为第三个初始聚类中心；d2)以距离测度法分别依次计算下一个初始聚类中心直到所有类别的初始聚类中心选择完毕，然后计算剩余数据与第一个、第二个、第三个初始聚类中心的距离，选取其中距离最大的初始聚类中心即为第四个聚类中心，距离已选定的所有聚类中心的距离最大便是后一聚类中心以此类推得到所需要分色的颜色数量的聚类中心；d3)对每个样本点，计算得到距其最近的初始聚类中心，将其类别标为该聚类中心所对应的聚类类别，重新计算所需要分色的颜色数量的聚类类别对应的聚类中心；d4)将步骤d3)再重复操作一次，以前后两次聚类中心的距离差作为标准测度函数，直至标准测度函数的计算值小于或等于所设的收敛误差值，所述步骤d1)大红色的rgb颜色为r＝255，g＝0，b＝0，所述绿色的rgb颜色为r＝0，g＝255，b＝0，所述蓝色的rgb颜色为r＝0，g＝0，b＝255，所述步骤d2)中的距离测度法为马氏距离测度法，所述步骤d3)中聚类中心为该聚类类别中所有样本点坐标的平均值。
为了更好地理解本发明，下面结合实施例进一步阐明本发明的内容。
实施例1
本实施例的一种鸟羽色彩特征提取方法，包括如下步骤：
a)挑选一张鸟类照片；
b)采用matlab软件打开需要进行色彩特征提取的一张或两张鸟类照片；
c)采用matlab软件提取所打开鸟类照片中所有像素点的rgb值，
d)依据改进的k-means聚类算法对鸟类照片进行分色；
d1)第一个初始聚类中心的选择固定为大红色(r＝255，g＝0，b＝0)，第二个初始聚类中心为绿色(r＝0，g＝255，b＝0)，第三个初始点为蓝色(r＝0，g＝0，b＝255)；
d2)以距离测度法分别依次计算下一个初始聚类中心直到所有类别初始聚类中心选择完毕，然后计算剩余数据与第一个、第二个、第三个初始聚类中心的距离，最大距离的即为第四个聚类中心，距离已选定的所有聚类中心的距离最大便是后一聚类中心以此类推得到所需的数量(k值，即为所需要分色的颜色数量)的聚类中心。在这种改进过初始聚类中心选择方式下的聚类提取能够根据不同的图片的像素的分布制定不同的初始聚类中心。
距离测度算法为马氏距离，其距离公式为：
其中，xi和xj均为样本向量，s为协方差矩阵。
d3)对每个样本点，计算得到距其最近的初始聚类中心，将其类别标为该聚类中心所对应的聚类类别，重新计算k个聚类类别对应的聚类中心，聚类中心为该聚类类别中所有样本点坐标的平均值，其公式为：
其中n为该聚类类别中所有样本点的数量，xk为该类别中的样本向量。
d4)重复步骤d3)，以前后两次聚类中心的马氏距离差作为标准测度函数，直至标准测度函数的计算值小于或等于所设的e值(收敛误差值)；在将e值设定为0时，则意味着标准测度函数需要完全收敛才会停止聚类分析，但其计算机计算处理则较长，在将e值合理设定为较大的值，则可降低计算机计算处理所需要的时间，但可能降低特征色提取的精度。
e)利用matlab软件将分色之后的图片提取其颜色数据，并分别计算颜色在图片中所占的比例，其公式为：
其中ri为第i个特征色，i＝1～k，nci为第i个特征色的像素点个数，n为图片中总像素点的个数。
f)通过提取的颜色数据进行色卡的制作，通过制作出的色卡织造出织物的色卡纹样。
实施例2
本实施例的一种鸟羽色彩特征提取方法，包括如下步骤：
a)挑选孔雀羽毛照片对其进行色彩特征提取；
b)采用matlab软件打开需要进行色彩特征提取的一张或两张鸟类照片；
c)采用matlab软件提取所打开鸟类照片中所有像素点的rgb值；
d)依据改进的k-means聚类算法对鸟类照片进行分色；
d1)第一个初始聚类中心的选择固定为大红色(r＝255，g＝0，b＝0)，第二个初始聚类中心为绿色(r＝0，g＝255，b＝0)，第三个初始点为蓝色(r＝0，g＝0，b＝255)；
d2)以距离测度法分别依次计算下一个初始聚类中心直到所有类别初始聚类中心选择完毕，然后计算剩余数据与第一个、第二个、第三个初始聚类中心的距离，最大距离的即为第四个聚类中心，距离已选定的所有聚类中心的距离最大便是后一聚类中心以此类推得到所需的数量(k值，即为所需要分色的颜色数量)的聚类中心。在这种改进过初始聚类中心选择方式下的聚类提取能够根据不同的图片的像素的分布制定不同的初始聚类中心。
距离测度算法为马氏距离，其距离公式为：
其中，xi和xj均为样本向量，s为协方差矩阵。
d3)对每个样本点，计算得到距其最近的初始聚类中心，将其类别标为该聚类中心所对应的聚类类别，重新计算k个聚类类别对应的聚类中心，聚类中心为该聚类类别中所有样本点坐标的平均值，其公式为：
其中n为该聚类类别中所有样本点的数量，xk为该类别中的样本向量。
d4)重复步骤d3)，以前后两次聚类中心的马氏距离差作为标准测度函数，直至标准测度函数的计算值小于或等于所设的e值(收敛误差值)。
在将e值设定为0时，则意味着标准测度函数需要完全收敛才会停止聚类分析，但其计算机计算处理则较长，在将e值合理设定为较大的值，则可降低计算机计算处理所需要的时间，但可能降低特征色提取的精度。
e)利用matlab软件将分色之后的图片提取其颜色数据，并分别计算颜色在图片中所占的比例，其公式为：
其中ri为第i个特征色，i＝1～k，nci为第i个特征色的像素点个数，n为图片中总像素点的个数。
f)通过提取的颜色数据进行色卡的制作，通过制作出的色卡织造出织物的色卡纹样。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。