设计图的评分方法、装置、计算机可读存储介质和设备与流程

本申请涉及计算机技术领域，特别是涉及一种设计图的评分方法、装置、计算机可读存储介质和计算机设备。

背景技术：

在智能化设计及自动化设计的背景下，很多设计图是由计算机设备批量生成的，这些批量生成的设计图质量参差不齐，数量繁多，在投入使用之前，需要进行审查与筛选。

目前，通常是采用人工方式对设计图进行色彩审查和评分，以从中筛选出符合需求的设计图，再投入使用。然而，通过人工审查不仅需要大量的时间成本，效率低下，而且由于每个人对色彩的感知力不同，对审查规则的理解也不同，使得审查和评分过程是因人而异的，容易产生主观偏差，评分准确性较低。

技术实现要素：

基于此，有必要针对现有技术中采用人工方式对设计图进行审查和评分存在效率低下且准确率不够的技术问题，提供一种设计图的评分方法、装置、计算机可读存储介质和计算机设备。

一种设计图的评分方法，包括：

获取待评分的设计图，所述设计图包括多个图层；

从所述设计图的源文件提取各个图层对应的色彩信息；

根据各个图层对应的色彩信息，确定所述设计图对应各配色条件的分值；

按照各配色条件相应的权重融合对应的所述分值，获得设计图对应的色彩评分。

一种设计图的评分装置，所述装置包括：

获取模块，用于获取待评分的设计图，所述设计图包括多个图层；

提取模块，用于从所述设计图的源文件提取各个图层对应的色彩信息；

确定模块，用于根据各个图层对应的色彩信息，确定所述设计图对应各配色条件的分值；

融合模块，用于按照各配色条件相应的权重融合对应的所述分值，获得设计图对应的色彩评分。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述设计图的评分方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述设计图的评分方法的步骤。

上述设计图的评分方法、装置、计算机可读存储介质和计算机设备，通过解析设计图的源文件，获得设计图的各个图层，并提取各个图层对应的色彩信息，依据预设的配色条件对各个图层的色彩信息进行评分，获得设计图对应各配色条件的分值，最后按照各配色条件相应的权重融合对应的分值，获得设计图对应的色彩评分。一方面，相对于采用人工方式对设计图进行评分，采用计算机设备评分的方式减少了大量的重复劳动，提高了对设计图进行审查的效率；另一方面，计算机设备可以通过统一的配色条件对海量的设计图进行评分，能够建立统一的设计图输出标准，使得评分更为准确。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中设计图的评分方法的应用环境图；

图2为一个实施例中设计图的评分方法的流程示意图；

图3为一个实施例中提取图层的色彩的流程示意图；

图4为一个实施例中计算各个图层中元素的遮挡关系的步骤的流程示意图；

图5为一个实施例中对图层中的元素进行轮廓检测确定位置信息的示意图；

图6为一个实施例中确定设计图对应各配色条件的分值的流程示意图；

图7为一个实施例中配色条件检查器的训练步骤的流程示意图；

图8为一个实施例中对设计图进行评分的技术架构示意图；

图9为一个实施例中设计图的评分装置的结构框图；

图10为一个实施例中计算机设备的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图1为一个实施例中设计图的评分方法的应用环境图。参照图1，该应用环境可以包括至少一个计算机设备，本申请实施例中的设计图的评分方法可以由至少一个计算机设备来执行，该计算机设备可以是终端110或服务器。设计图的评分方法也可以由终端110和服务器120共同执行，终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在本申请实施例中，计算机设备可以获取待评分的设计图，设计图包括多个图层；从设计图的源文件提取各个图层对应的色彩信息；根据各个图层对应的色彩信息，确定设计图对应各配色条件的分值；按照各配色条件相应的权重融合对应的分值，获得设计图对应的色彩评分。在一种可能的实现方式中，配色条件即符合美学要求的配色规则，计算机设备中可以存储有预设的配色条件，计算机设备可以基于存储的多个配色条件对各个图层的色彩信息进行评分，实现设计图的评分过程。

在另一种可能的实现方式中，计算机设备也可以存储有基于机器学习的配色条件检查器，基于存储的该配色条件检查器提取设计图的色彩特征后对设计图进行评分，实现设计图的评分过程。该配色条件检查器可以在该计算机设备上训练得到，也可以在其他计算机设备上训练得到。本申请实施例对该配色条件检查器的训练设备不作限定。

在一些实施例中，终端110获取批量生成的设计图，并将生成的设计图发送至服务器120，服务器120接收到设计图后，从设计图的源文件提取各个图层对应的色彩信息；根据各个图层对应的色彩信息，确定设计图对应各配色条件的分值；按照各配色条件相应的权重融合对应的分值，获得设计图对应的色彩评分，并按照评分的高低从大量生成的设计图中筛选出评分满足指定条件的目标设计图后，将目标设计图返回至终端110。

如图2所示，在一个实施例中，提供了一种设计图的评分方法。本实施例主要以该方法应用于上述图1中计算机设备执行来举例说明，计算机设备可以是图1中的终端110或服务器120。参照图2，该设计图的评分方法具体包括如下步骤：

s202，获取待评分的设计图，设计图包括多个图层。

其中，设计图可以是使用设计软件设计的图片，例如可以是利用photoshop或sketch设计的图片。设计图可以是静态图片，也可以是多帧图像拼接而成的动态图片。设计图包括多个图层，各个图层可以包括至少一个元素，图层中的元素可以是文本、图形等等。在一个实施例中，各个图层仅包括一个元素。设计图可以用于制作网站页面，还可以用于制作网站或app内部的横幅广告。评分是指对设计图按照预设的配色条件进行检查以确定设计图与该配色条件的匹配程度的过程。

在本申请实施例中，计算机设备可以获取待进行评分的设计图。在一种应用场景中，当计算机设备需要从海量生成的设计图中筛选出符合需求的设计图时，可以分别对海量的设计图中的各个设计图进行评分，按照评分筛选出符合需求的设计图。

在一种可能的实现方式中，该设计图可以存储于计算机设备中，在该计算机设备需要对设计图进行评分时，可以直接从本地的存储中获取需要评分的设计图。在另一种可能的实现方式中，该设计图也可以存储在其他计算机设备上，在该计算机设备需要对设计图进行评分时，从其他计算机设备上获取设计图。例如，该计算机设备可以从批量生成设计图的终端或是存储设计图的数据库中获取设计图。本申请实施例对设计图的获取方式不作限定。

s204，从设计图的源文件提取各个图层对应的色彩信息。

其中，设计图的源文件是包括该设计图在设计过程中所使用的所有素材、图层等资源的文件。计算机设备获取到设计图后，可以基于该设计图的源文件进行解析，获取到设计图的各个图层的色彩信息。在一些实施例中，计算机设备可以通过设计图的解析插件或设计图的解析程序对设计图的源文件进行解析，提取设计图的各个图层对应的色彩信息。

图层的色彩信息可以包括图层的色彩、色彩面积、色彩分布等等。色彩可以通过lch色彩空间量化为包括明度(lightness)、色度(chroma，即色彩饱和度)和色调(hue，即色彩的总体倾向)的三维数值。当然，也可以采用rgb色彩空间或其他色彩空间来表示色彩。每个图层都有相应的色彩信息，计算机设备需要提取设计图的每个图层的色彩信息，以便在后续的处理过程中，根据各个图层的色彩信息确定设计图整体的色彩设计信息，并按照预设的配色条件进行检查与评分，获得对应每个配色条件的分值。

在本实施例中，一个图层包括一个元素，图层中的元素例如可以是文本或图形等等。计算机设备可以获取各个图层中的元素，对图层的元素进行色彩提取，从而获得图层的色彩信息。图层中的元素可以是颜色单一的元素，即单色元素，也可以是包括多种相似色彩的元素，即相似色元素，还可以是包括多种差异较大的色彩的元素，即多色元素。计算机设备可以针对上述不同类型的元素，分别提取色彩信息，从而获得对应的图层的色彩信息。

如图3所示，为一个实施例中提取图层的色彩的流程示意图。参照图3，色彩信息包括图层的色彩，图层的色彩通过以下步骤确定：当图层中的元素为单色元素时，则将单色元素的色彩作为图层的色彩；当图层中的元素为相似色元素时，则根据各个相似色彩在元素中所占的像素点数确定图层的色彩；当图层中的元素为多色元素时，则提取元素的主题色，并将主题色作为图层的色彩。

具体地，当提取的图层中的元素为单色元素时，计算机设备可以直接将该单色元素的色彩作为该图层的色彩。当提取的图层中的元素包括多种不同的色彩时，计算机设备可以判断该多种色彩的明度、色度和色调之间的差异是否小于预设阈值，若是则确定该元素为包括一系列相似色彩的相似色元素，这种情况下可以根据各个相似色彩在元素中所占的像素点数确定图层的色彩，在一种可能的实现方式中，计算机设备可以按照各个相似色彩在该元素中所占像素点数进行加权平均，获得该图层的色彩，例如，图层中的元素包括3种相似色彩，分别为color1：色调a1、饱和度b1、明度c1，占m个像素点；color2：色调a2、饱和度b2、明度c2，占n个像素点；color3：色调a3、饱和度b3、明度c3，占k个像素点，则计算机根据该元素的色彩所确定的该图层的色彩为：色调：(m*a1+n*a2+k*a3)/(m+n+k)，饱和度：(m*b1+n*b2+k*b3)/(m+n+k)明度：(m*c1+n*c2+k*c3)/(m+n+k)。

进一步地，当计算机设备判断该多种色彩的明度、色度和色调之间的差异大于预设阈值时，则确定该元素为包括一系列差异较大的色彩的多色元素，这种情况下可以采用主题色提取算法，从该多种色彩中确定具有代表性的主题色，将确定的主题色作为该图层的色彩。主题色提取算法比如可以是聚类算法、八叉树算法等等。

在一个实施例中，在提取图层的色彩信息之前，计算机设备可以先将设计图进行压缩处理，压缩至预设的尺寸后再提取各个图层的色彩信息，以减少运算量。例如，计算机设备可以将设计图的长宽压缩至像素大小为100*100的尺寸。

在一个实施例中，当图层中的元素为多色元素时，图层的色彩信息还包括色彩面积，即该元素所包括的不同色彩所占用的面积，每种色彩的色彩面积可以用该元素中该色彩所占用的像素点的数量来表示，则计算机设备可以通过以下步骤确定色彩面积：逐像素地遍历各图层中元素的各个像素点；统计元素中相同色彩的像素点的数量；根据相同色彩的像素点的数量获得图层中各个色彩的色彩面积。

在一种可能的实现方式中，对于图层中的相似色元素，计算机设备可以按照各个相似色彩在该元素中所占的像素点数确定合并色彩之后，获得该合并色彩的色彩面积，对于该元素中其它差异较大的色彩，则直接按照色彩占用像素点的数量确定色彩面积。

在一个实施例中，当图层中的元素为多色元素时，色彩信息包括色彩分布，色彩分布通过以下步骤确定：逐像素地遍历各图层中元素的各个像素点；统计元素中相同色彩的像素点之间的离散程度；根据离散程度确定图层中相同色彩的色彩分布。

具体地，当图层中的元素为多色元素时，图层的色彩信息还包括色彩分布，色彩分布可以用元素中相同色彩的离散程度来表示，相同色彩的离散程度可以用相同色彩的像素点之间的距离来表示。在另一种可能的实现方式中，计算机设备可以逐像素地遍历元素的各个像素点，确定相同色彩的非邻近像素点，相同色彩非邻近像素点是指两个像素点之间存在其它色彩的像素点，计算机设备可以统计非邻近像素点之间的距离，将非邻近像素点的距离和或距离均值作为该元素中相同色彩的色彩分布。当色彩分布过于分散或过于集中时，会影响设计图的评分。

在一个实施例中，当图层中的元素为多色元素时，色彩分布还包括色彩面积的占比。计算机设备可以统计元素中不同色彩的色彩面积和元素的总面积，根据色彩面积与总面积的占比确定该元素中不同色彩的色彩面积的占比。

可以理解的是，虽然有的图层中元素的尺寸较大但是可能会被其它图层中的元素遮挡或覆盖了，导致设计图呈现出的整个效果中该元素的色彩面积较小。进一步地，计算机设备除了获取图层中元素的色彩信息之外，还可以根据设计图的源文件提取各个图层中元素的位置信息，以计算不同图层中元素的遮挡关系，这样便于了解整个设计图所呈现出来的设计效果，从而对整体的设计效果进行评分。

如图4所示，在一个实施例中，上述设计图的评分方法还包括计算各个图层中元素的遮挡关系的步骤，具体包括如下步骤s402至步骤s408：

s402，获取各个图层的图层序号。

s404，根据图层序号确定各个图层之间的覆盖关系。

具体地，计算机设备可以通过解析设计图的源文件获得各个图层的图层序号，图层序号可以用于确定各个图层之间的覆盖关系。覆盖关系是图层与图层之间的上下覆盖关系，例如，图层a在图层b的上面，图层c在图层b的下面。在一个实施例中，图层序号越小，表示图层越靠近底层，图层序号越大，表示图层越靠近顶层。

s406，确定各个图层中元素的位置。

除了图层之间的覆盖关系会影响到设计图的色彩呈现效果，图层中元素的位置也会影响设计图的色彩呈现效果，因此，计算机设备还可以通过解析设计图的源文件获得各个图层中的元素，并提取元素在图层中的位置。

在一种可能的实现方式中，对于各个图层中的元素，计算机设备可以通过轮廓检测算法检测出元素的矩形包围框，矩形包围框所覆盖的像素点位置即为该元素在图层中占用的位置。除此之外，计算机设备还可以根据矩形包围框的长边或短边与水平方向的夹角确定该元素的旋转角度，旋转角度用于描述元素在图层中的放置效果，设计图中各个元素的旋转角度所呈现的整体效果也可以作为设计图的评分维度。如图5所示，为一个实施例中对图层中的元素进行轮廓检测确定位置信息的示意图。参照图5，每个元素的位置信息都可以通过最小外接矩形框来确定。

s408，根据图层之间的覆盖关系、元素的位置，确定各个图层中元素的遮挡关系。

具体地，在获取了图层之间的覆盖关系及各个图层中元素的位置后，就可以确定图层中元素之间的遮挡关系，从而确定整个设计图呈现的设计效果。除此之后，再结合各个图层中元素的色彩信息，就可以获取到整个设计图呈现的色彩设计效果，继而计算机设备可以依据上述信息对设计图进行评分。

在本实施例中，解析设计图的源文件获取设计图中元素的位置关系，将位置关系也作为影响设计图评分的一个因素，使得设计图的评分过程更细节化、更为合理。

s206，根据各个图层对应的色彩信息，确定设计图对应各配色条件的分值。

其中，配色条件是预先设置的符合美学的色彩评分规则，配色条件可以通过设计师的专业经验来设置。比如，配色条件可以是设计图中各种色彩之间的色度、对比度、亮度的差异需要控制在预设阈值以内，以保证风格的统一性。又比如，文字元素的色彩信息与其它元素的色彩信息之间也要存在一定的差异，以保证设计图所呈现出来的色彩效果中该文字元素的文字是可以看清楚的。在另一些实施例中，配色条件可以通过训练机器学习模型获得，通过大量的设计图来训练机器学习模型，由机器学习模型学习到对设计图对应不同维度的配色条件进行合理评分的能力，此时获得的机器学习模型内部也就具备了隐含的用于对设计图进行评分的配色条件。

在一种可能的实现方式中，计算机设备以每个图层为对象，将各个图层对应的色彩、色彩面积和色彩分布作为输入数据，获得整个设计图的设计信息后，按照每条配色条件依次对设计信息进行检查，获得设计图对应每条配色条件的分值。

在另一些实施例中，计算机设备以每个图层为对象，将各个图层对应的色彩、色彩面积、色彩分布和图层中元素之间的遮挡关系作为输入数据，获得整个设计图的设计信息后，按照每条配色条件依次对设计信息进行检查，获得设计图对应每条配色条件的分值。

如图6所示，在一个实施例中，根据各个图层对应的色彩信息，确定设计图对应各配色条件的分值，包括：

s602，将各个图层对应的色彩信息输入至配色条件检查器。

其中，配色条件检查器可以是根据多个配色条件生成的配色评分插件，也可以是根据大量的设计图样本对机器学习模型进行训练后，获得的具备对设计图进行评分的能力的模型。计算机设备可以根据设计图的源文件进行解析获得设计图的各个图层的色彩信息后，将各个图层的色彩信息共同输入至配色条件检查器。在另一些实施例中，计算机设备还可以提取各个图层中元素之间的遮挡关系，将各个图层的色彩信息、图层之间的遮挡关系共同输入至配色条件检查器。

s604，通过配色条件检查器，根据各个图层对应的色彩信息、各个图层中元素的遮挡关系，获得设计图的色彩设计信息，并按照配色条件对色彩设计信息进行检查后，输出设计图对应的各配色条件的分值。

其中，配色条件包括以下条件中的至少一种：设计图的色彩之间的色度的差异小于第一阈值；设计图的色彩之间的对比度的差异小于第二阈值；设计图的色彩之间的明度的差异小于第三阈值。

具体地，计算机设备依据各个图层的色彩信息、各个图层中元素之间的遮挡关系，可以确定设计图整体的色彩设计信息，并按照配色检查器内部的配色条件，对设计图整体的色彩设计信息进行检查后，输出该设计图对应每一条配色条件的评分。

在本实施例中，使用配色条件检查器对设计图的色彩进行评分，减少了人工对设计图进行审查所产生的重复性劳动成本，同时提高了设计图的产出效能，还能建立统一的设计图输出标准，使得评分更为准确，有助于根据评分筛选出标准一致的设计图。

在一个实施例中，如图7所示，配色条件检查器通过训练机器学习模型获得，配色条件检查器的训练步骤包括：

s702，获取样本设计图，样本设计图的标注信息包括与各配色条件对应的分值。

s704，对于每个样本设计图，通过机器学习模型提取对应的色彩特征，并根据色彩特征获得样本设计图中各配色条件的预测分值。

具体地，通过对机器学习模型进行训练，对大量的设计图进行色彩特征的提取，从而基于色彩特征预测设计图对应每条配色条件的分值，使得模型可以学习到针对不同配色条件的评分方式。

s706，根据标注信息中与各配色条件对应的分值与预测分值之间的差异，调整机器学习模型的模型参数，直至获得用于对设计图进行评分的配色条件检查器。

需要说明的是，该配色条件检查器的训练过程可以采用有监督学习方式对初始的机器学习模型进行训练，计算机设备可以获取大量的样本设计图，包括设计合理的正样本设计图与设计不太合理的负样本设计图，计算机设备基于大量的样本设计图即可完成模型的训练过程从而获得配色条件检查器。样本设计图的标注信息包括与各配色条件对应的分值，该分值可以是通过专业设计人员依据各个配色条件对设计图进行评审获得的。

s208，按照各配色条件相应的权重融合对应的分值，获得设计图对应的色彩评分。

具体地，在进行评分之前，计算机设备可以获取为每条配色条件设置的权重，以实现按照不同配色条件对评分的重要性进行融合，获得更为合理、准确的色彩评分。权重可以通过专业人员根据经验知识来设置，也可以先对各个设计图样本采用人工方式进行评分后，推导出每条配色条件对应的权重，还可以由采样设计图样本对机器学习模型进行训练后使得机器学习模型自动学习到各个配色条件对应权重。本申请实施例对各个配色条件对应的权重的获取方式不作限制。在获得每条配色条件对应的分值之后，计算机设备可以按照每条配色条件对应的权重，将设计图对应各配色条件的分值融合后获得设计图对应的色彩评分。

上述设计图的评分方法，通过解析设计图的源文件，获得设计图的各个图层，并提取各个图层对应的色彩信息，依据预设的配色条件对各个图层的色彩信息进行评分，获得设计图对应各配色条件的分值，最后按照各配色条件相应的权重融合对应的分值，获得设计图对应的色彩评分。一方面，相对于采用人工方式对设计图进行评分，采用计算机设备评分的方式减少了大量的重复劳动，提高了对设计图进行审查的效率；另一方面，计算机设备可以通过统一的配色条件对海量的设计图进行评分，能够建立统一的设计图输出标准，使得评分更为准确。

在一个实施例中，按照各配色条件相应的权重融合对应的分值，获得设计图对应的色彩评分，包括：获取各配色条件相应的权重；按照权重对各分值进行加权平均，以获得设计图对应的色彩评分。

在另一些可能的实现方式中，除了采用加权平均的方式融合各个配色条件对应的分值之外，还可以采用几何平均或调和平均的方式对各个配色条件对应的分值进行融合，获得设计图对应的色彩评分。

在一个实施例中，上述方法还包括：获取设计图集合中各个设计图对应的色彩评分；从设计图集合中筛选出色彩评分满足预设条件的目标设计图。

在本实施例中，计算机设备可以获取海量生成的设计图集合，按照本申请提供的设计图的评分方法获得该设计图集合中每个设计图对应的色彩评分，并按照该色彩评分的高低，从该设计图集合中筛选可以投入使用的或是满足使用需求的目标设计图。

如图8所示，为一个实施例中对设计图进行评分的技术架构示意图。参照图8，计算机设备先获取设计图，并解析设计图的源文件获取各个图层中的元素，然后提取元素的色彩信息和位置信息，将提取的色彩信息和位置信息输入至配色条件检查器，利用配色条件检查器内部的配色条件对设计图进行检查，获得该设计图对应每条配色条件的分值，接着按照每条配色条件对应的权重将每条配色条件对应的分值进行加权平均后，输出设计图对应的色彩评分。

在一个具体的实施例中，设计图的评分方法包括以下步骤：

获取待评分的设计图，设计图包括多个图层；

根据设计图的源文件获取各个图层中的元素；

当图层中的元素为单色元素时，则将单色元素的色彩作为图层的色彩；

当图层中的元素为相似色元素时，则根据各个相似色彩在元素中所占的像素点数确定图层的色彩；

当图层中的元素为多色元素时，则提取元素的主题色，并将主题色作为图层的色彩；

逐像素地遍历各图层中元素的各个像素点；统计元素中相同色彩的像素点的数量；根据相同色彩的像素点的数量获得图层中各个色彩的色彩面积；统计元素中相同色彩的像素点之间的距离；根据距离确定图层中相同色彩的色彩分布；

获取各个图层的图层序号；根据图层序号确定各个图层之间的覆盖关系；确定各个图层中元素的位置；根据图层之间的覆盖关系、元素的位置，确定各个图层中元素的遮挡关系；

将各个图层对应的色彩信息和遮挡关系输入至配色条件检查器，其中色彩信息包括色彩、色彩面积、色彩分布；

通过配色条件检查器，根据各个图层对应的色彩信息、各个图层中元素的遮挡关系，获得设计图的色彩设计信息，并按照配色条件对色彩设计信息进行检查后，输出设计图对应的各配色条件的分值；

根据各个图层对应的色彩信息，确定设计图对应各配色条件的分值；

获取各配色条件相应的权重；

按照权重对各分值进行加权平均，以获得设计图对应的色彩评分；

获取设计图集合中各个设计图对应的色彩评分；

从设计图集合中筛选出色彩评分满足预设条件的目标设计图。

应该理解的是，上述各个步骤并不是必然按照步骤的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺行。而且，至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。序执

在一个实施例中，如图9所示，提供了一种设计图的评分装置900，该装置可以通过软件、硬件或者两者的结合实现成为计算机设备的全部或一部分。该装置包括获取模块902、提取模块904、确定模块906和融合模块908，其中：

获取模块902，用于获取待评分的设计图，设计图包括多个图层；

提取模块904，用于从设计图的源文件提取各个图层对应的色彩信息；

确定模块906，用于根据各个图层对应的色彩信息，确定设计图对应各配色条件的分值；

融合模块908，用于按照各配色条件相应的权重融合对应的分值，获得设计图对应的色彩评分。

在一个实施例中，色彩信息包括图层的色彩，提取模块904还用于当图层中的元素为单色元素时，则将单色元素的色彩作为图层的色彩；当图层中的元素为相似色元素时，则根据各个相似色彩在元素中所占的像素点数确定图层的色彩；当图层中的元素为多色元素时，则提取元素的主题色，并将主题色作为图层的色彩。

在一个实施例中，色彩信息包括色彩面积，提取模块904还用于逐像素地遍历各图层中元素的各个像素点；统计元素中相同色彩的像素点的数量；根据相同色彩的像素点的数量获得图层中各个色彩的色彩面积。

在一个实施例中，色彩信息包括色彩分布，提取模块904还用于逐像素地遍历各图层中元素的各个像素点；统计元素中相同色彩的像素点之间的距离；根据距离确定图层中相同色彩的色彩分布。

在一个实施例中，提取模块904还用于获取各个图层的图层序号；根据图层序号确定各个图层之间的覆盖关系；确定各个图层中元素的位置；根据图层之间的覆盖关系、元素的位置，确定各个图层中元素的遮挡关系。

在一个实施例中，确定模块906还用于将各个图层对应的色彩信息输入至配色条件检查器；通过配色条件检查器，根据各个图层对应的色彩信息、各个图层中元素的遮挡关系，获得设计图的色彩设计信息，并按照配色条件对色彩设计信息进行检查后，输出设计图对应的各配色条件的分值；其中，配色条件包括以下条件中的至少一种：设计图的色彩之间的色度的差异小于第一阈值；设计图的色彩之间的对比度的差异小于第二阈值；设计图的色彩之间的明度的差异小于第三阈值。

在一个实施例中，配色条件检查器通过训练机器学习模型获得，设计图的评分装置900还包括训练模块，用于获取样本设计图，样本设计图的标注信息包括与各配色条件对应的分值；对于每个样本设计图，通过机器学习模型提取对应的色彩特征，并根据色彩特征获得样本设计图中各配色条件的预测分值；根据标注信息中与各配色条件对应的分值与预测分值之间的差异，调整机器学习模型的模型参数，直至获得用于对设计图进行评分的配色条件检查器。

在一个实施例中，融合模块908还用于获取各配色条件相应的权重；按照权重对各分值进行加权平均，以获得设计图对应的色彩评分。

在一个实施例中，设计图的评分装置900还包括筛选模块，用于获取设计图集合中各个设计图对应的色彩评分；从设计图集合中筛选出色彩评分满足预设条件的目标设计图。

上述设计图的评分装置900，通过解析设计图的源文件，获得设计图的各个图层，并提取各个图层对应的色彩信息，依据预设的配色条件对各个图层的色彩信息进行评分，获得设计图对应各配色条件的分值，最后按照各配色条件相应的权重融合各所述分值，获得设计图对应的色彩评分。一方面，相对于采用人工方式对设计图进行评分，采用计算机设备评分的方式减少了大量的重复劳动，提高了对设计图进行审查的效率；另一方面，计算机设备可以通过统一的配色条件对海量的设计图进行评分，能够建立统一的设计图输出标准，使得评分更为准确。

图10示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110或服务器120。如图10所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现设计图的评分方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行设计图的评分方法。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的设计图的评分装置900可以实现为一种计算机程序的形式，计算机程序可在如图10所示的计算机设备上运行。计算机设备的存储器中可存储组成该设计图的评分装置900的各个程序模块，比如，图9所示的获取模块902、提取模块904、确定模块906和融合模块908。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的设计图的评分方法中的步骤。

例如，图10所示的计算机设备可以通过如图9所示的设计图的评分装置900中的获取模块902执行步骤s202。计算机设备可通过提取模块904执行步骤s204。计算机设备可通过确定模块906执行步骤s206。计算机设备可通过融合模块908执行步骤s208。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述设计图的评分方法的步骤。此处设计图的评分方法的步骤可以是上述各个实施例的设计图的评分方法中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述设计图的评分方法的步骤。此处设计图的评分方法的步骤可以是上述各个实施例的设计图的评分方法中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。