颜色分类方法、装置、电子设备及存储介质

1.本发明涉及人工智能领域，尤其涉及一种颜色分类方法、装置、电子设备及存储介质。


背景技术：

2.随着科技的发展，物品越来越多，物品的颜色也多种多样，人们对物品颜色分类的需求越来越大。例如，对废旧织物进行颜色分类，以根据颜色进行纤维再造，达到循环重复再利用的目的。
3.当前，通常通过人工分类的方式对物品颜色进行分类，然而，人工分类效率低、准确率不高。同时，由于同一物品存在混合颜色(例如，红色和黄色以不同比例混合)，加大了颜色分类的难度，进一步降低了人工分类的效率和准确度。因此，亟需一种颜色分类方法，以提高颜色分类效率及分类准确度。


技术实现要素：

4.鉴于以上内容，有必要提供一种颜色方法、装置、电子设备及存储介质，旨在提高颜色分类效率及分类准确度。
5.本发明提供的颜色分类方法，包括：
6.控制第一相机采集待分类物品的第一图像，检测出所述第一图像中的物品区域；
7.对所述第一图像中的物品区域执行像素点采样处理，得到第一像素点集合；
8.基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别；
9.当所述初始颜色类别为预设颜色类别集中的任一颜色类别时，将所述初始颜色类别作为所述待分类物品的目标颜色类别。
10.可选的，所述控制第一相机采集待分类物品的第一图像，包括：
11.当检测到传送装置上有待分类物品时，确定所述第一相机的第一启动时间；
12.获取所述第一相机的第一曝光时间，根据所述第一启动时间及第一曝光时间控制所述第一相机采集所述待分类物品的第一图像。
13.可选的，所述基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别，包括：
14.根据所述第一像素点集合中每个像素点的像素值，确定所述第一像素点集合中每个像素点对应的颜色类别；
15.统计所述第一像素点集合中像素点的颜色类别分布数据，根据统计结果确定所述待分类物品的颜色类别。
16.可选的，所述根据所述第一像素点集合中每个像素点的像素值，确定所述第一像素点集合中每个像素点对应的颜色类别，包括：
17.获取所述第一相机对应的每个颜色类别在每个颜色空间的标准值；
18.基于所述标准值及每个像素点的像素值，计算所述第一像素点集合中每个像素点与每个颜色类别的相似度值；
19.基于所述相似度值确定所述第一像素点集合中每个像素点对应的颜色类别。
20.可选的，在所述当所述初始颜色类别为预设颜色类别集中的任一颜色类别时，将所述初始颜色类别作为所述待分类物品的目标颜色类别之后，所述方法还包括：
21.确定所述目标颜色类别对应的收集装置，计算所述收集装置的第二启动时间；
22.基于所述第二启动时间启动所述收集装置，控制所述收集装置收集所述待分类物品。
23.可选的，在所述基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别之后，所述方法还包括：
24.若所述初始颜色类别不属于所述预设颜色类别集中任一颜色类别，则确定第二相机的第三启动时间；
25.获取所述第二相机的第二曝光时间，根据所述第三启动时间及第二曝光时间控制所述第二相机采集所述待分类物品的第二图像；
26.根据所述第二图像确定所述待分类物品的目标颜色类别；
27.将所述待分类物品收集至所述目标颜色类别对应的收集装置。
28.可选的，所述颜色空间包括rgb颜色空间、hsv颜色空间和lab颜色空间，所述相似度值的计算公式为：
[0029][0030]
其中，d(si,lj)表示第一像素点集合中第i个像素点与第j个颜色类别的相似度值，dis
rgb
(si,lj)表示第一像素点集合中第i个像素点的rgb空间的像素值与第j个颜色类别的rgb空间的标准值之间的相似度值，dis
hsv
(si,lj)表示第一像素点集合中第i个像素点的hsv空间的像素值与第j个颜色类别的hsv空间的标准值之间的相似度值，dis
lab
(si,lj)表示第一像素点集合中第i个像素点的lab空间的像素值与第j个颜色类别的lab空间的标准值之间的相似度值，α1、α2及α3分别为rgb空间与hsv空间相似度比值、hsv空间与lab空间相似度比值及lab空间与rgb空间相似度比值对应的权重。
[0031]
为了解决上述问题，本发明还提供一种颜色分类装置，所述装置包括：
[0032]
检测模块，用于控制第一相机采集待分类物品的第一图像，检测出所述第一图像中的物品区域；
[0033]
采样模块，用于对所述第一图像中的物品区域执行像素点采样处理，得到第一像素点集合；
[0034]
识别模块，用于基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别；
[0035]
分类模块，用于当所述初始颜色类别为预设颜色类别集中的任一颜色类别时，将所述初始颜色类别作为所述待分类物品的目标颜色类别。
[0036]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0037]
至少一个处理器；以及，
[0038]
与所述至少一个处理器通信连接的存储器；其中，
[0039]
所述存储器存储有可被所述至少一个处理器执行的颜色分类程序，所述颜色分类程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述颜色分类方法。
[0040]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有颜色分类程序，所述颜色分类程序可被一个或者多个处理器执行，以实现上述颜色分类方法。
[0041]
相较现有技术，本发明首先控制第一相机采集待分类物品的第一图像，检测出所述第一图像中的物品区域；对所述第一图像中的物品区域执行像素点采样处理，得到第一像素点集合；基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别；当所述初始颜色类别为预设颜色类别集中的任一颜色类别时，将所述初始颜色类别作为所述待分类物品的目标颜色类别。本发明通过像素点采样，减少了待处理数据量，提高了颜色分类效率；通过先检测待分类物品的初始颜色类别，再将初始颜色类别与预设颜色类别集进行比对，确定目标颜色类别，提高了颜色分类准确度。因此，本发明提高了颜色分类效率及分类准确度。
附图说明
[0042]
图1为本发明一实施例提供的颜色分类方法的流程示意图；
[0043]
图2为本发明一实施例提供的颜色分类装置的模块示意图；
[0044]
图3为本发明一实施例提供的实现颜色分类方法的电子设备的结构示意图。
[0045]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0046]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0047]
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0048]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0049]
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求
的保护范围之内。
[0050]
本发明提供一种颜色分类方法。参照图1所示，为本发明一实施例提供的颜色分类方法的流程示意图。该方法可以由一个电子设备执行，该电子设备可以由软件和/或硬件实现。
[0051]
本实施例中，颜色分类方法包括以下步骤s1-s4：
[0052]
s1、控制第一相机采集待分类物品的第一图像，检测出所述第一图像中的物品区域。
[0053]
所述待分类物品可以是一个物品，也可以是多个物品(例如，批量废旧织物)。所述第一相机为低曝光图像采集相机，低曝光图像采集相机更适用于浅颜色物品的颜色识别。
[0054]
在本发明的一个实施例中，待分类物品通过传送装置被传送，每两个待分类物品之间间隔一定距离，在传送的过程中采集待分类物品的图像，根据采集的图像进行颜色识别，基于颜色识别结果将待分类物品分拣到对应颜色的收集装置中。
[0055]
所述传送装置包括驱动电机、冲动滚轮和传送带，传送带可采用链式传送或者皮带传送。
[0056]
所述控制第一相机采集待分类物品的第一图像，包括以下步骤a11-a12：
[0057]
a11、当检测到传送装置上有待分类物品时，确定所述第一相机的第一启动时间；
[0058]
本实施例中，通过激光检测传送器检测待分类物品的位置，根据检测到的位置、传送带的运行速度及第一相机的位置确定第一相机的第一启动时间，使得第一相机可采集完整、清晰的待分类物品图像。
[0059]
为保证对待分类物品位置检测的准确性，可将激光检测传感器按照对射的方式安装，安装高度根据传送带和待分类物品的高度确定。
[0060]
a12、获取所述第一相机的第一曝光时间，根据所述第一启动时间及第一曝光时间控制所述第一相机采集所述待分类物品的第一图像。
[0061]
本实施例中，预先通过实验验证的方式确定了针对浅颜色识别场景中第一相机的最佳曝光时间，将该时间作为第一相机的第一曝光时间，所述第一曝光时间可以在500ms～800ms之间。
[0062]
本实施例中，通过轮廓检测方法检测第一图像中的物品区域，所述轮廓检测方法包括canny算子、sobel算子、rewitt算子、roberts算子、robinson算子、laplace算子、log算子等多种检测方法。
[0063]
s2、对所述第一图像中的物品区域执行像素点采样处理，得到第一像素点集合。
[0064]
为加快颜色识别效率，本实施例对第一图像中的物品区域进行均匀采样，后续根据采样得到的第一像素点集合进行颜色识别，减少了待处理数据量。
[0065]
本实施例中，可按照预设步长进行采样，例如，每隔10个像素点执行一次像素点采集操作。
[0066]
s3、基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别。
[0067]
所述基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别，包括以下步骤b11-b12：
[0068]
b11、根据所述第一像素点集合中每个像素点的像素值，确定所述第一像素点集合
中每个像素点对应的颜色类别；
[0069]
所述根据所述第一像素点集合中每个像素点的像素值，确定所述第一像素点集合中每个像素点对应的颜色类别，包括以下步骤c11-c13：
[0070]
c11、获取所述第一相机对应的每个颜色类别在每个颜色空间的标准值；
[0071]
所述颜色空间包括rgb颜色空间、hsv颜色空间和lab颜色空间，从第一图像中可获取第一像素点集合中每个像素点在每个颜色空间的像素值。
[0072]
本实施例中，预先对第一相机采集的多个样本图像进行分析，得到第一相机对应的每个颜色类别在每个颜色空间的标准值。
[0073]
c12、基于所述标准值及每个像素点的像素值，计算所述第一像素点集合中每个像素点与每个颜色类别的相似度值；
[0074]
所述相似度值的计算公式为：
[0075][0076]
其中，d(si,lj)表示第一像素点集合中第i个像素点与第j个颜色类别的相似度值，dis
rgb
(si,lj)表示第一像素点集合中第i个像素点的rgb空间的像素值与第j个颜色类别的rgb空间的标准值之间的相似度值，dis
hsv
(si,lj)表示第一像素点集合中第i个像素点的hsv空间的像素值与第j个颜色类别的hsv空间的标准值之间的相似度值，dis
lab
(si,lj)表示第一像素点集合中第i个像素点的lab空间的像素值与第j个颜色类别的lab空间的标准值之间的相似度值，α1、α2及α3分别为rgb空间与hsv空间相似度比值、hsv空间与lab空间相似度比值及lab空间与rgb空间相似度比值对应的权重。
[0077]
所述相似度值可以是余弦相似度、欧式距离、曼哈顿距离、切比雪夫距离及汉明距离。
[0078]
c13、基于所述相似度值确定所述第一像素点集合中每个像素点对应的颜色类别。
[0079]
本实施例中，将每个像素点对应的多个相似度值中最小相似度值的颜色类别作为每个像素点对应的颜色类别。
[0080]
b12、统计所述第一像素点集合中像素点的颜色类别分布数据，根据统计结果确定所述待分类物品的颜色类别。
[0081]
本实施例中，统计第一像素点集合中每个像素点的颜色类别，根据每个颜色类别对应的像素点的数量及第一规则确定待分类物品的颜色类别。
[0082]
例如，第一规则可以包括：
[0083]
若红色对应的像素点在第一像素点集合中的占比大于80％，则待分类物品为红色；
[0084]
若白色+黄色对应的像素点在第一像素点集合中的占比大于75％，且白色对应的像素点在第一像素点集合中的占比大于60％，则待分类物品为白色；
[0085]
若绿色+白色对应的像素点在第一像素点集合中的占比大于60％，且绿色对应的像素点在第一像素点集合中的占比大于40％，则待分类物品为绿色；
[0086]
……
[0087]
s4、当所述初始颜色类别为预设颜色类别集中的任一颜色类别时，将所述初始颜
色类别作为所述待分类物品的目标颜色类别。
[0088]
本实施例中，预设颜色类别集中颜色类别为浅色颜色类别。
[0089]
在所述当所述初始颜色类别为预设颜色类别集中的任一颜色类别时，将所述初始颜色类别作为所述待分类物品的目标颜色类别之后，所述方法还包括以下步骤d11-d12：
[0090]
d11、确定所述目标颜色类别对应的收集装置，计算所述收集装置的第二启动时间；
[0091]
d12、基于所述第二启动时间启动所述收集装置，控制所述收集装置收集所述待分类物品。
[0092]
本实施例中，每个浅色颜色类别对应一个收集装置，每个收集装置包括收集桶、推杆、推杆助力机构及挡板，每个收集装置位于第一相机之后的不同位置，每两个收集装置之间通过挡板隔开。
[0093]
确定目标颜色类别对应的收集装置后，根据该收集装置的位置及传送带的运行速度计算该收集装置的第二启动时间，在该第二启动时间时启动该收集装置。
[0094]
在所述基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别之后，所述方法还包括以下步骤e11-e14：
[0095]
e11、若所述初始颜色类别不属于所述预设颜色类别集中任一颜色类别，则确定第二相机的第三启动时间；
[0096]
若初始颜色类别不属于浅色颜色，例如，若初始颜色类别为黑色或深蓝色，则采用第二相机采集待分类物品的图像，基于该图像继续对待分类物品进行颜色识别。
[0097]
所述第二相机为高曝光图像采集相机，高曝光图像采集相机更适用于深颜色物品的颜色识别。
[0098]
通过激光检测传感器检测待分类物品在传送带的实时位置，根据该实时位置、传送带的运行速度及第二相机的位置确定第二相机的第三启动时间，以便第二相机可采集待分类物品的完整、清晰的图像。
[0099]
e12、获取所述第二相机的第二曝光时间，根据所述第三启动时间及第二曝光时间控制所述第二相机采集所述待分类物品的第二图像；
[0100]
所述第二曝光时间可以在1200ms～1500ms之间。
[0101]
e13、根据所述第二图像确定所述待分类物品的目标颜色类别；
[0102]
该步骤与s1-s3所述的第一图像的初始颜色类别的识别过程相似，从第二图像中采集第二像素点集合，根据第二规则确定待分类物品对应的目标颜色类别，所述第二规则可以是：
[0103]
若黑色对应的像素点在第二像素点集合中的占比大于80％，则待分类物品为黑色；
[0104]
若蓝色+灰色对应的像素点在第二像素点集合中的占比大于70％，且蓝色对应的像素点在第二像素点集合中的占比大于50％，则待分类物品为蓝色；
[0105]
若紫色+黑色对应的像素点在第二像素点集合中的占比大于75％，且紫色对应的像素点在第二像素点集合中的占比大于50％，则待分类物品为紫色；
[0106]
……
[0107]
e14、将所述待分类物品收集至所述目标颜色类别对应的收集装置。
[0108]
在第二相机之后，设置了每个深色颜色类别对应的收集装置，浅色颜色类别对应的收集装置可以设置在第二相机之后，也可以设置在第一相机和第二相机之间。
[0109]
由上述实施例可知，本发明提出的颜色分类方法，首先，控制第一相机采集待分类物品的第一图像，检测出所述第一图像中的物品区域；对所述第一图像中的物品区域执行像素点采样处理，得到第一像素点集合；基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别；当所述初始颜色类别为预设颜色类别集中的任一颜色类别时，将所述初始颜色类别作为所述待分类物品的目标颜色类别。本发明通过像素点采样，减少了待处理数据量，提高了颜色分类效率；通过先检测待分类物品的初始颜色类别，再将初始颜色类别与预设颜色类别集进行比对，确定目标颜色类别，提高了颜色分类准确度。因此，本发明提高了颜色分类效率及分类准确度。
[0110]
如图2所示，为本发明一实施例提供的颜色分类装置的模块示意图。
[0111]
本发明所述颜色分类装置100可以安装于电子设备中。根据实现的功能，所述颜色分类装置100可以包括检测模块110、采样模块120、识别模块130及分类模块140。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0112]
在本实施例中，关于各模块/单元的功能如下：
[0113]
检测模块110，用于控制第一相机采集待分类物品的第一图像，检测出所述第一图像中的物品区域。
[0114]
所述控制第一相机采集待分类物品的第一图像，包括以下步骤a21-a22：
[0115]
a21、当检测到传送装置上有待分类物品时，确定所述第一相机的第一启动时间；
[0116]
a22、获取所述第一相机的第一曝光时间，根据所述第一启动时间及第一曝光时间控制所述第一相机采集所述待分类物品的第一图像。
[0117]
采样模块120，用于对所述第一图像中的物品区域执行像素点采样处理，得到第一像素点集合。
[0118]
识别模块130，用于基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别。
[0119]
所述基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别，包括以下步骤b21-b22：
[0120]
b21、根据所述第一像素点集合中每个像素点的像素值，确定所述第一像素点集合中每个像素点对应的颜色类别；
[0121]
b22、统计所述第一像素点集合中像素点的颜色类别分布数据，根据统计结果确定所述待分类物品的颜色类别。
[0122]
所述根据所述第一像素点集合中每个像素点的像素值，确定所述第一像素点集合中每个像素点对应的颜色类别，包括以下步骤c21-c23：
[0123]
c21、获取所述第一相机对应的每个颜色类别在每个颜色空间的标准值；
[0124]
c22、基于所述标准值及每个像素点的像素值，计算所述第一像素点集合中每个像素点与每个颜色类别的相似度值；
[0125]
所述颜色空间包括rgb颜色空间、hsv颜色空间和lab颜色空间，所述相似度值的计算公式为：
[0126][0127]
其中，d(si,lj)表示第一像素点集合中第i个像素点与第j个颜色类别的相似度值，dis
rgb
(si,lj)表示第一像素点集合中第i个像素点的rgb空间的像素值与第j个颜色类别的rgb空间的标准值之间的相似度值，dis
hsv
(si,lj)表示第一像素点集合中第i个像素点的hsv空间的像素值与第j个颜色类别的hsv空间的标准值之间的相似度值，dis
lab
(si,lj)表示第一像素点集合中第i个像素点的lab空间的像素值与第j个颜色类别的lab空间的标准值之间的相似度值，α1、α2及α3分别为rgb空间与hsv空间相似度比值、hsv空间与lab空间相似度比值及lab空间与rgb空间相似度比值对应的权重。
[0128]
c23、基于所述相似度值确定所述第一像素点集合中每个像素点对应的颜色类别。
[0129]
分类模块140，用于当所述初始颜色类别为预设颜色类别集中的任一颜色类别时，将所述初始颜色类别作为所述待分类物品的目标颜色类别。
[0130]
在所述当所述初始颜色类别为预设颜色类别集中的任一颜色类别时，将所述初始颜色类别作为所述待分类物品的目标颜色类别之后，所述方法还包括以下步骤d21-d22：
[0131]
d21、确定所述目标颜色类别对应的收集装置，计算所述收集装置的第二启动时间；
[0132]
d22、基于所述第二启动时间启动所述收集装置，控制所述收集装置收集所述待分类物品。
[0133]
在所述基于所述第一像素点集合中像素点的像素值，确定所述待分类物品的初始颜色类别之后，所述方法还包括以下步骤e21-e24：
[0134]
e21、若所述初始颜色类别不属于所述预设颜色类别集中任一颜色类别，则确定第二相机的第三启动时间；
[0135]
e22、获取所述第二相机的第二曝光时间，根据所述第三启动时间及第二曝光时间控制所述第二相机采集所述待分类物品的第二图像；
[0136]
e23、根据所述第二图像确定所述待分类物品的目标颜色类别；
[0137]
e24、将所述待分类物品收集至所述目标颜色类别对应的收集装置。
[0138]
如图3所示，为本发明一实施例提供的实现颜色分类方法的电子设备的结构示意图。
[0139]
所述电子设备1是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。所述电子设备1可以是计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云，其中云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。
[0140]
在本实施例中，电子设备1包括，但不仅限于，可通过系统总线相互通信连接的存储器11、处理器12、网络接口13，该存储器11中存储有颜色分类程序10，所述颜色分类程序10可被所述处理器12执行。图3仅示出了具有组件11-13以及颜色分类程序10的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0141]
其中，存储器11包括内存及至少一种类型的可读存储介质。内存为电子设备1的运
行提供缓存；可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等的非易失性存储介质。在一些实施例中，可读存储介质可以是电子设备1的内部存储单元，例如该电子设备1的硬盘；在另一些实施例中，该非易失性存储介质也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。本实施例中，存储器11的可读存储介质通常用于存储安装于电子设备1的操作系统和各类应用软件，例如存储本发明一实施例中的颜色分类程序10的代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
[0142]
处理器12在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子设备1的总体操作，例如执行与其他设备进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行颜色分类程序10等。
[0143]
网络接口13可包括无线网络接口或有线网络接口，该网络接口13用于在所述电子设备1与客户端(图中未画出)之间建立通信连接。
[0144]
可选的，所述电子设备1还可以包括用户接口，用户接口可以包括显示器(display)、输入单元比如键盘(keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选的，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
[0145]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0146]
所述电子设备1中的所述存储器11存储的颜色分类程序10是多个指令的组合，在所述处理器12中运行时，可以实现上述颜色分类方法。
[0147]
具体地，所述处理器12对上述颜色分类程序10的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0148]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是非易失性的，也可以是非易失性的。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)。
[0149]
所述计算机可读存储介质上存储有颜色分类程序10，所述颜色分类程序10可被一个或者多个处理器执行，以实现上述颜色分类方法。
[0150]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0151]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显
示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0152]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0153]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0154]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0155]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0156]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
[0157]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。