本發(fā)明涉及一種亂針繡鋪底繡稿的計算機自動生成方法，屬于計算機輔助設計技術領域，具體地說是一種基于色彩聚類的亂針繡鋪底繡稿生成方法。

背景技術：
亂針繡是由常州藝人楊守玉教授于二十世紀三十年代創(chuàng)立的一種刺繡藝術，具有精美的藝術價值和深厚的文化價值。目前江蘇省和常州市已將其列入首批非物質(zhì)文化遺產(chǎn)，中國政府也已將其列入世界非物質(zhì)文化遺產(chǎn)申請計劃。亂針繡的繡制過程主要分為三個階段：填充大面積色塊的鋪底、勾勒對象區(qū)域及其輪廓的粗繡和刻畫對象區(qū)域顯著細節(jié)的精繡，且亂針繡的藝術價值主要體現(xiàn)在繡品粗繡和精繡階段。目前已有多種計算機輔助亂針繡制作方法，例如：中國專利“一種計算機輔助亂針繡制作方法”，專利號：ZL201010175217.8；中國專利“一種采用遺傳算法的計算機輔助亂針繡制作方法”，公開號：CN201310211288.2；中國專利“一種基于反應擴散方程的計算機輔助亂針繡制作方法”，公開號：CN201310456178.2和中國專利“采用模糊聚類和隨機行走的計算機輔助亂針繡制作方法”，公開號：CN201310539428.9；等，但這些方法均側重于面向整個繡制過程中的繡線選擇和針法生成，以期實現(xiàn)亂針繡繡品各階段的完全數(shù)字化制作，并未單獨考慮每一階段繡制。然而，計算機輔助亂針繡制作的核心并非在于實現(xiàn)繡制過程的全自動化，而是在于保持其藝術價值的有效人機協(xié)作方式。由于亂針繡的鋪底主要進行襯托主題的大面積色塊填充，其針法相對簡單而又含大量重復工作，因此，數(shù)字化亂針繡鋪底繡制與人工化粗繡和精繡的有機結合是實現(xiàn)計算機輔助亂針繡制作的最實用途徑。而數(shù)字化亂針繡鋪底繡制的關鍵在于亂針繡鋪底繡稿的自動生成，其主要涉及繡線顏色選擇和色塊區(qū)域劃分兩個問題。由于在繡制過程中，可選的繡線顏色數(shù)量有限，通常只有幾百種，例如繡線生產(chǎn)廠商DMC的繡線顏色表包含454種顏色，而待繡制的圖像通常具有大量的顏色，如：常見的24位的真彩色圖像最多可能有224＝16777216種顏色。另外，受到實際可操作性的約束，實際繡制過程中不可能選擇所有的幾百種繡線顏色，通常只是從其中選擇少量幾種顏色進行繡制，比如，常見的電腦繡花機可以同時使用的顏色數(shù)只有6、9或12種，如果使用的繡線顏色數(shù)較多，繡制時需要頻繁地停機換線，影響機器繡制的速度。因此，需要根據(jù)輸入圖像的色彩分布特征從繡線顏色表中選擇一個子集，使用少量的顏色來重建輸入圖像。這種采用較少數(shù)量的顏色來重建具有豐富色彩的圖像是數(shù)字圖像處理基本技術色彩量化的主要研究內(nèi)容。目前已有多種算法，比較傳統(tǒng)的算法有統(tǒng)一量化法、頻度序列法、中位切割法、中值分裂法、八叉樹法和聚類法等。近年來，部分研究者又提出了一些新的方法或改進方法以改善重建圖像的視覺效果，例如文獻1：周兵,沈鈞毅,彭勤科.CoQuWeiP——使用加權積的色彩量化算法[J].計算機輔助設計與圖形學學報,2004,16(4):470-475.中提出的加權積色彩量化算法CoQuWeiP；文獻2：HuX,WangT,LiD.Anewapproachofcolorquantizationbasedonantcolonyclusteringalgorithm[C].InformationTechnology:CodingandComputing,2005.ITCC2005.InternationalConferenceon.IEEE,2005,1:102-108.中提出的基于蟻群聚類的色彩量化算法；文獻3：OzdemirD,AkarunL.Fuzzyalgorithmsforcombinedquantizationanddithering[J].ImageProcessing,IEEETransactionson,2001,10(6):923-931.中提出的結合色彩抖動的色彩量化；文獻4：BaolongG,XiangF.Amodifiedoctreecolorquantizationalgorithm[C].CommunicationsandNetworkinginChina,2006.ChinaCom'06.FirstInternationalConferenceon.IEEE,2006:1-3.中的改進八叉樹等。這些方法應用于亂針繡鋪底繡線顏色選擇時存在一個共同的問題，即它們選擇出的顏色集并不是從可選的繡線顏色集中選出的，這些算法按照某種優(yōu)化條件求解得到全局和局部最優(yōu)解，如果從繡線顏色表尋找相似顏色來替代這些算法的全局最優(yōu)或局部最優(yōu)解，則得到的解可能與最優(yōu)解相差很大。另一方面，對于區(qū)域劃分問題，文獻5：田緒安,李丙社,徐一兵.刺繡圖像輪廓圖的計算機生成系統(tǒng)[J].西北紡織工學院學報,1998,2.使用邊緣檢測方法，得到區(qū)域劃分結果。然而該方法更側重于區(qū)域輪廓，要得到閉合的區(qū)域需要更復雜的操作。文獻6：陳兆乾,謝俊元.刺繡打版系統(tǒng)中彩色空間聚類的方法與應用[J].軟件學報,1996,7(A00):85-90.中使用顏色聚類方法得到區(qū)域劃分結果。但是該方法僅利用了像素的顏色信息，而未考鄰域像素的信息，導致聚類結果中會有大量零散的面積很小的區(qū)域，給繡制帶來不便。文獻7：陳圣國,孫正興,項建華,等.計算機輔助亂針繡制作技術研究[J].計算機學報,2011,34(3):526-538.中先對圖像進行平滑處理，然后用繡線顏色替代平滑后的像素顏色。但這樣并未完全解決大量零散小區(qū)域存在的問題，且平滑過程會改變圖像原有顏色，導致繡制結果會產(chǎn)生一定色差。

技術實現(xiàn)要素：
發(fā)明目的：本發(fā)明所要解決的技術問題是針對現(xiàn)有技術的不足，提供一種適用于亂針繡鋪底繡制使用的繡稿，用于支持計算機輔助亂針繡鋪底繡制。為了解決上述技術問題，本發(fā)明公開了一種基于色彩聚類的亂針繡鋪底繡稿生成方法，包括以下步驟：步驟一：色彩空間轉換：為了能夠準確的將顏色在數(shù)值上的距離映射到人眼感知色差上，將輸入圖像Image轉換到CIELab色彩空間。步驟二，圖像構成顏色分析：基于繡線顏色庫，計算輸入圖像的顏色直方圖，通過直方圖分析得到圖像的構成顏色。步驟三，圖像顏色聚類：在圖像構成顏色的指導下對圖像像素進行聚類，得到每個像素的類別，及繡制每一類所需的繡線顏色。步驟四，鋪底繡稿生成：對聚類結果進行優(yōu)化，消除聚類結果中的孤立的像素點及零散的小面積區(qū)域，得到平滑的劃分區(qū)域，生成亂針繡鋪底繡稿。步驟五，鋪底繡制：在步驟四得到的鋪底繡稿上進行鋪底繡制。本發(fā)明步驟二中所述圖像構成顏色分析包括以下步驟：步驟21，圖像顏色量化：找出與每個像素最接近的繡線顏色，并用該繡線顏色代替像素原始顏色，得到量化圖像QuaImg。步驟22，計算顏色直方圖：統(tǒng)計量化圖像QuaImg中各種顏色所占的比例，并按占比從大到小排序，得到量化圖像QuaImg的顏色直方圖Hist，取出占比最高的前N種顏色，N為滿足的最小N值，Histi表示直方圖中的第i種顏色的占比，i取值1～N。步驟23，得到圖像構成顏色：根據(jù)用戶輸入的顏色數(shù)K對步驟22得到的N種顏色使用層次聚類算法進行聚類，得到K類的中心色即為圖像的K個構成顏色，即為圖像的構成顏色。本發(fā)明步驟三中所述圖像顏色聚類包括以下步驟：步驟31，設置初始聚類中心，即將步驟二中得到的圖像構成顏色設置為聚類中心。步驟32，對每個像素p，計算其與每個聚類中心色的色差，并將該像素劃分到距離最近的聚類中心，得到該像素p的類別lp∈{1,2,...,K}，即將像素p劃分到第lp類。步驟33，根據(jù)步驟32得到的所有像素的類別，重新計算聚類中心，新的聚類中心為繡線顏色庫中與屬于該類別的所有像素的平均色色差最小的繡線顏色。步驟34，判斷步驟33迭代過程中聚類中心與步驟32比是否發(fā)生變化，若未發(fā)生變化，則結束迭代過程，將當前聚類中心顏色定為繡制所需繡線顏色，轉步驟四，否則轉步驟32。本發(fā)明步驟四所述鋪底繡稿生成包括以下步驟：步驟41，利用圖的最小割算法進行平滑處理，通過最小化如下能量函數(shù)實現(xiàn)：E＝∑p∈ImageDp(lp)+λ∑{p,q}∈ΠV(p,q)·δ(lp,lq)，其中，Dp(lp)為區(qū)域數(shù)據(jù)項，表示像素p與其類別lp的匹配程度，V(p,q)為邊界平滑項，表示相鄰像素p和像素q之間的不一致性，∏表示輸入圖像8-鄰域系統(tǒng)中的無序像素對集合，λ為權重因子，λ取值范圍0～10，δ(lp,lq)為指示函數(shù)，用于指示像素p的類別lp和像素q的類別lq是否相同，定義如下：步驟42，計算優(yōu)化后圖像中各區(qū)域的像素個數(shù)，將區(qū)域像素個數(shù)小于閾值σS的區(qū)域合并到與其鄰接邊界最長的相鄰區(qū)域中，最終生成包含區(qū)域劃分信息和所選繡線顏色的鋪底繡稿，其中S表示輸入圖像Image的像素總數(shù)，σ取值范圍0～2％。步驟41中所述區(qū)域數(shù)據(jù)項Dp(lp)計算公式如下：Dp(lp)＝-log(Prob(p,lp))；其中，Prob(p,lp)表示像素p屬于類別lp的概率，利用像素p的實際顏色與步驟三得到的每一類的聚類中心的色差計算得出，計算公式如下：其中，Image(p)表示輸入圖像中像素p的顏色，ClusterColor(j)表示步驟三中得到的第j類的聚類中心，j＝1,...,K。步驟41中所述邊界平滑項V(p,q)計算公式如下：其中，Image(q)表示輸入圖像中像素q的顏色，variance為集合∏中所有像素對之間色差的方差，d(p,q)為像素p和像素q在輸入圖像中的坐標距離。本申請基于繡線色彩庫，對圖像進行構成顏色分析，在構成顏色的指導下對圖像進行顏色聚類，得到繡線顏色，并在聚類后使用平滑算法消除聚類結果中零散的面積很小的區(qū)域，從而得到平滑的色塊區(qū)域劃分，生成亂針繡鋪底繡稿，以便進行計算機輔助鋪底繡制。有益效果：本發(fā)明具有以下優(yōu)點：首先，本發(fā)明可以在僅需用戶輸入顏色數(shù)目的前提下自動的對輸入圖像按顏色進行區(qū)域劃分。其次，本發(fā)明能夠自動的選擇出繡制各個區(qū)域所需的繡線顏色。附圖說明下面結合附圖和具體實施方式對本發(fā)明做更進一步的具體說明，本發(fā)明的上述和/或其他方面的優(yōu)點將會變得更加清楚。圖1是本發(fā)明的處理流程示意圖。圖2a是實施例的輸入圖像示例示意圖。圖2b是對圖2a輸入圖像采用本申請所述方法進行處理，生成的鋪底繡稿示意圖。圖3是按圖2b提供的劃分及繡線顏色進行鋪底繡制的結果。圖4a是對圖2a輸入圖像進行構成顏色分析過程中，利用繡線顏色庫進行顏色量化的結果。圖4b是對圖2a輸入圖像進行構成顏色分析，得到的圖像構成顏色。圖5是對圖2a輸入圖像進行顏色聚類，得到的聚類結果示意圖。具體實施方式：如圖1所示，本發(fā)明公開的是一種基于色彩聚類的亂針繡鋪底繡稿生成方法，具體包括以下步驟：步驟一，色彩空間轉換：為了能夠更準確的度量顏色之間的差異，需要將輸入圖像轉換到合適的色彩空間。步驟二，圖像構成顏色分析：基于繡線顏色庫，計算輸入圖像的顏色直方圖，通過直方圖分析得到圖像的構成顏色。步驟三，圖像顏色聚類：在圖像構成顏色的指導下對圖像像素進行聚類，得到每個像素的類別，及繡制每一類所需的繡線顏色。步驟四，鋪底繡稿生成：對聚類結果進行優(yōu)化，消除聚類結果中的孤立的像素點及零散的小面積區(qū)域，得到平滑的劃分區(qū)域，生成亂針繡鋪底繡稿。步驟五，鋪底繡制：在步驟四得到的鋪底繡稿上進行鋪底繡制。本發(fā)明的輸入圖像為自然界的可供繡制的任意彩色圖像。下面具體介紹各個步驟的主要流程：1.色彩空間轉換由于常用的RGB色彩空間模型中，各種顏色在數(shù)值上的差距并不能很好的反映人眼直觀上對色彩差異的感覺。針對這個問題，可以先將圖像色彩空間轉換到CIELab(CIE法語：Commissioninternationaledel'éclairage，國際照明委員會。Lab：CIE1976(L*,a*,b*)色彩空間)或CIELuv(CIE1976(L*,u*,v*)色彩空間)等能夠直觀的反映人眼感知色差的顏色空間上。本申請將輸入圖像轉換到CIELab色彩空間上進行計算。CIELab色彩空間規(guī)范中將顏色C1與C2之間的色差定義為C1、C2在L、a、b三個通道上的歐氏距離：2.圖像構成顏色分析基于繡線顏色庫ThreadColor，分析輸入圖像Image的構成顏色，需用戶事先指定顏色聚類類別數(shù)K。繡線顏色庫ThreadColor內(nèi)包括現(xiàn)有所有繡線的顏色。包括以下幾個步驟：步驟21，圖像顏色量化：即用繡線顏色表示輸入圖像。對每個像素p，計算其與每種繡線顏色的距離。建立量化圖像QuaImg，令量化圖像中每個像素的顏色為與輸入圖像中對應位置像素顏色最接近的繡線顏色，即：QuaImg(p)＝ThreadColor(x)，其中x滿足Dis(ThreadColor(x),Image(p))<Dis(ThreadColor(y),Image(p))，Dis(·)表示在步驟1中的色彩空間上計算兩種顏色之間色差的函數(shù)。步驟22，計算顏色直方圖：步驟21得到的量化圖像QuaImg僅由少量有限的顏色構成，先統(tǒng)計QuaImg中各種顏色所占的比例，并按占比從大到小排序，得到QuaImg的顏色直方圖Hist。取出其中前N種顏色，N的為滿足的最小N值，Histi表示直方圖中的第i種顏色的占比，i取值1～N，即保證所有取出的顏色總占比不小于80％的同時，使取出的顏色最少。步驟23，得到圖像構成顏色：對步驟22得到的N種顏色使用文獻8：DefaysD.Anefficientalgorithmforacompletelinkmethod[J].TheComputerJournal,1977,20(4):364-366.中提出的層次聚類算法進行聚類，得到K類的中心色即為圖像的K個構成顏色MainColor{1,...,K}。3.圖像顏色聚類在步驟二中得到的圖像構成顏色的指導下，基于繡線顏色庫ThreadColor在輸入圖像Image上進行K均值聚類，得到每個像素的類別，及繡制每一類所需的繡線顏色。包括以下幾個步驟：步驟31，將步驟二中得到的圖像構成顏色設置為聚類中心：ClusterColor(m)＝MainColor(m),m∈[1,K]；ClusterColor(m)表示第m個聚類中心的顏色。步驟32，對每個像素p，計算其與每個聚類中心的距離，并將該像素劃分到距離最近的那個聚類中心上，得到該像素的類別lp∈{1,2,...,K}，即將像素p劃分到第lp類。步驟33，根據(jù)所有像素的劃分，重新計算聚類中心。新的聚類中心為繡線顏色庫中與類別平均色最接近的繡線顏色。即對每一類別t，先計算出該類所包含所有像素的平均色，然后計算該平均色與所有繡線顏色的距離，將距離最小的繡線顏色ThreadColor(n)設置為此類新的聚類中心，即ClusterColor(t)＝ThreadColor(n)。步驟34，判斷步驟33迭代過程中聚類中心與步驟32比是否發(fā)生變化，若未發(fā)生變化，則結束迭代過程，將當前聚類中心顏色定為繡制所需繡線顏色，轉步驟四，否則轉步驟32。4.鋪底繡稿生成對步驟三中得到的聚類結果進行優(yōu)化，消除聚類結果中孤立的像素點及零散的小面積區(qū)域，得到均勻平滑的劃分區(qū)域，生成鋪底繡稿。包括以下幾個步驟步驟41，利用圖的最小割算法進行平滑處理，重新分配各像素的類別。本發(fā)明通過最小化如下能量函數(shù)實現(xiàn)：E＝∑p∈ImageDp(lp)+λ∑{p,q}∈ΠV(p,q)·δ(lp,lq)其中，Dp(lp)為區(qū)域數(shù)據(jù)項，表示像素p與其類別lp的匹配程度，Dp(lp)越小，表示兩者越匹配，像素p的屬于類別lp的可能性越大；V(p,q)為邊界平滑項，表示像素p和像素q之間的不一致性，V(p,q)越小，表示像素p與像素q越不一致，兩者劃分到不同區(qū)域的可能性越大；∏表示原圖像8-鄰域系統(tǒng)中的無序像素對集合，λ為權重因子，λ取值范圍0～10，δ(lp,lq)為指示函數(shù)，指示像素p的類別lp和像素q的類別lq是否相同，定義如下：區(qū)域數(shù)據(jù)項Dp(lp)設置為像素p的屬于類別lp的概率Prob(p,lp)的負對數(shù)，即：Dp(lp)＝-log(Prob(p,lp))；其中，像素p屬于類別lp的概率Prob(p,lp)利用像素p的實際顏色與步驟三得到的每一類的聚類中心的色差計算得出，計算公式如下：利用如下公式計算出邊界平滑項V(p,q)：其中，variance為∏中所有像素對之間色差的方差，d(p,q)為像素p和像素q在圖像中的坐標距離。權重因子λ可設置為8。本申請使用文獻9：BoykovY,VekslerO,ZabihR.Fastapproximateenergyminimizationviagraphcuts[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2001,23(11):1222-1239.中描述的方法求解該能量最小化問題。步驟42，計算優(yōu)化后圖像中各區(qū)域的像素個數(shù)，將區(qū)域像素個數(shù)小于閾值σS的區(qū)域合并到與其鄰接邊界最長的相鄰區(qū)域中。σ通常可設為0.5％，S表示輸入圖像Image的像素總數(shù)。最終生成的鋪底繡稿包含區(qū)域劃分信息和步驟三得到的繡線顏色。5.鋪底繡制在步驟四得到的鋪底繡稿上進行鋪底繡制。采用“中國專利ZL201010175217.8一種計算機輔助亂針繡制作方法”中的繡制方法，使用所選出繡線顏色對劃分得到的平滑色塊區(qū)域進行鋪底繡制。實施例本實施例中，繡線顏色庫為繡線生產(chǎn)廠商DMC的454種繡線顏色。如圖2a為輸入的待處理圖像，通過本發(fā)明所述的一種基于色彩聚類的亂針繡鋪底繡稿生成方法，可從圖2a中的輸入圖像得到如圖2b的鋪底繡稿，圖2b中包含區(qū)域劃分和所選繡線顏色，每個區(qū)域中括號里面的數(shù)值表示從繡線顏色庫中選擇出來的用來鋪底繡制該區(qū)域的繡線顏色的RGB值。最終能夠得到圖3所示的鋪底繡制效果。由于本發(fā)明的特殊性，本實施例中的附圖，需要使用灰度效果顯示。具體實施過程如下：輸入如圖2a的圖像后，用戶輸入圖像顏色聚類數(shù)K＝2。步驟一中，將輸入圖像轉換到CIELab色彩空間。步驟二中，對輸入圖像進行主色調(diào)分析。先進行顏色量化，計算出每個像素顏色最接近的繡線顏色，用對應的繡線顏色替換原像素顏色，得到如圖4a所示的由有限的離散顏色組成的圖像。然后統(tǒng)計量化后圖像的顏色直方圖，對占比最大的前N種顏色進行聚類，得到如圖4b所示的圖像構成顏色。步驟三中，利用圖像構成顏色作為初始聚類中心，對輸入圖像進行顏色聚類，聚類收斂后得到新的中心色和每個像素對應的中心，如圖5。這里的聚類中心色是繡線顏色庫中的某一種顏色。步驟四中，對圖5的聚類結果進行優(yōu)化，使用圖的最小割算法優(yōu)化后，合并像素個數(shù)少于0.5％×S的區(qū)域后，得到亂針繡鋪底繡稿，結果如圖2b。步驟五中，利用步驟四得到的鋪底繡稿中給出的繡線顏色和色塊區(qū)域劃分結果，進行模擬的鋪底繡制，繡制結果如圖3。本發(fā)明提供了一種基于色彩聚類的亂針繡鋪底繡稿生成方法，具體實現(xiàn)該技術方案的方法和途徑很多，以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。本實施例中未明確的各組成部分均可用現(xiàn)有技術加以實現(xiàn)。