本发明提供了一种色彩分离的方法和系统，以解决现有技术中色彩分离效率较低的问题。本发明的方法包括：确定对图像进行色彩分离时使用的颜色种类以及混色规则；建立色彩分离能量模型E＝f(E1，E2，E3，E4)，其中E表示色彩分离能量，f表示预设的能量模型函数，E1为相似能量，表示像素点颜色与色彩分离后颜色的相似度，E2为混色能量，表示依据色彩分离后像素点颜色种类的个数确定的能量分量，E3为边缘能量，表示将相邻像素点表示为不同颜色的可行性，E4为过渡能量，表示不同颜色之间进行过渡的可行性；依据所述能量模型，针对所述色彩分离能量进行优化计算，将所述色彩分离能量最小时各像素的色彩分离后颜色作为所述图像的色彩分离结果。
步骤l：确定对图像进行色彩分离时使用的颜色种类以及混色规则；
步骤2：建立色彩分离能量模型E=f(E1,E2,E3,E4)，其中E表示色彩分离能量，f表示预设的能量模型函数，E1为相似能量，表示像素点颜色与色彩分离后颜色的相似度，E2为混色能量，表示依据色彩分离后像素点颜色种类的个数确定的能量分量，E3为边缘能量，表示将相邻像素点表示为不同颜色的可行性，E4为过渡能量，表示不同颜色之问进行过渡的可行性；
步骤3：依据所述能量模型，针对所述色彩分离能量进行优化计算，将所述色彩分离能量最小时各像素的色彩分离后颜色作为所述图像的色彩分离结果。
2.根据权利要求1所述的方法，其特征在于，所述颜色的相似度采用颜色向量的距离进行度量。
3.根据权利要求1或2所述的方法，其特征在于，在所述步骤3中，所述颜色的相似度采用如下步骤进行计算：将均匀分布在颜色种类所处的颜色空问一定数量的点视为已知颜色点；
计算已知颜色点与所述颜色种类最小差异度对应的各颜色种类的浓度；
当计算像素颜色与所述颜色种类相似度时，根据与所述颜色在颜色空问中较近的若干个已知颜色点的浓度数据，进行插值得到与所述像素颜色匹配的浓度，再根据浓度计算出混色颜色，最后采用颜色向量的距离计算得出颜色的相似度。
4.根据权利要求1所述的方法，其特征在于，所述过渡能量为色彩分离前后使用的颜色种类的个数。
5.根据权利要求1所述的方法，其特征在于，所述的能量模型为E=αE1+βE2+μE3E4或E=αE1E2+βE3E4，其中α、β和μ为预设的加权系数。
6.根据权利要求1所述的方法，其特征在于，所述的能量模型为E=αE1+βE2+μE3+νE4或E=αE1E2+βE3+μE4，其中α、β、μ和ν为预设的加权系数。
7.根据权利要求1所述的方法，其特征在于，还包括：
所述步骤3之后还包括：按照所述缩略图的色彩分离结果对所述图像进行色彩分离。
8.根据权利要求7所述的方法，其特征在于，按照所述缩略图的色彩分离结果对所述图像进行色彩分离包括：将所述图像分为多个图像块；
针对所述多个图像块中的每个图像块依次执行所述步骤2和步骤3，其中当执行步骤3时根据缩略图的色彩分离结果计算每个像素点可能颜色种类的相似能量，以最优解作为所述像素点的色彩分离结果。
9.根据权利要求8所述的方法，其特征在于，计算每个像素点可能颜色种类的相似能量之前还包括：按照所述缩略图的缩小比例，确定所述图像中的各个像素点在缩略图中对应的亚像素坐标；
针对所述图像中的每个像素点，将该像素点对应的亚像素坐标在所述缩略图中预设邻域内的多个像素点的颜色种类的并集作为该像素点的所述可能颜色种类。
10.根据权利要求1所述的方法，其特征在于，所述优化计算包括如下步骤：第一步：人为设置或随机产生一个初始解x0，令xbest=x0，并计算该初始解对应的能量函数值E(x0)；
第二步：设置初始温度T(0)=T0，其中函数T(t)是冷却进度表，表达式为T(t)=T0／log(1+t)，其中T0是常数，设迭代次数i=1，j=1；
第三步：对当前最优解xbest按照某一邻域函数，产生一新的解xnew，计算新的能量函数值E(xnew)，并计算能量函数值的增量△E=E(xnew)-E(xbest)；
第四步：如果△E<0，则xbest=xnew；如果△E>0，则p=exp(-△E／T(i))，若产生一个
0到1之问的随机数c小于p，则xbest=xnew，否则xbest=xbest；
第六步：i=i+1，若T(i)>Tmin，返回第三步，否则进行下一步；其中Tmin为预设的常数；
保存模块，用于保存对图像进行色彩分离时使用的颜色种类以及混色规则；
能量模型模块，用于建立色彩分离能量模型E=f(E1,E2,E3,E4)，其中E表示色彩分离能量，f表示预设的能量模型函数，E1为相似能量，表示像素点颜色与色彩分离后颜色的相似度，E2为混色能量，表示依据色彩分离后像素点颜色种类的个数确定的能量分量，E3为边缘能量，表示将相邻像素点表示为不同颜色的可行性，E4为过渡能量，表示不同颜色之问进行过渡的可行性；
优化求解模块，用于依据所述能量模型，针对所述色彩分离能量进行优化计算，将所述色彩分离能量最小时各像素的色彩分离后颜色作为所述图像的色彩分离结果。
12.根据权利要求11所述的系统，其特征在于，所述优化求解模块还用于按照如下步骤计算所述颜色的相似度：将均匀分布在颜色种类所处的颜色空问一定数量的点视为已知颜色点；
计算已知颜色点与所述颜色种类最小差异度对应的各颜色种类的浓度；
当计算像素颜色与所述颜色种类相似度时，根据与所述颜色在颜色空问中较近的若干个已知颜色点的浓度数据，进行插值得到与所述像素颜色匹配的浓度，再根据浓度计算出混色颜色，最后采用颜色向量的距离计算得出颜色的相似度。
所述能量模型模块还用于建立如下形式的能量模型：E=αE1+βE2+μE3E4或E=αE1E2+βE3E4，其中α、β和μ为预设的加权系数。
所述能量模型模块还用于建立如下形式的能量模型：E=αE1+βE2+μE3+νE4或E=αE1E2+βE3+μE4，其中α、β、μ和ν为预设的加权系数。
15.根据权利要求11所述的系统，其特征在于，还包括：缩略图模块，用于生成所述图像的缩略图；
色彩分离模块，用于按照所述缩略图的色彩分离结果对所述图像进行色彩分离；
并且，所述能量模型模块还用于基于所述缩略图建立色彩分离能量模型。
16.根据权利要求11所述的系统，其特征在于，所述色彩分离模块还用于：将所述图像分为多个图像块；
针对所述多个图像块中的每个图像块依次调用所述能量模型模块和优化求解模块，其中优化求解模块在计算时根据缩略图的色彩分离结果计算每个像素点可能颜色种类的相似能量，以最优解作为所述像素点的色彩分离结果。
17.根据权利要求16所述的系统，其特征在于，所述色彩分离模块还用于：按照所述缩略图的缩小比例，确定所述图像中的各个像素点在缩略图中对应的亚像素坐标；
针对所述图像中的每个像素点，将该像素点对应的亚像素坐标在所述缩略图中预设邻域内的多个像素点的颜色种类的并集作为该像素点的所述可能颜色种类。
18.根据权利要求11所述的系统，其特征在于，所述优化求解模块还用于按照如下步骤进行计算：第一步：人为设置或随机产生一个初始解x0，令xbest=x0，并计算该初始解对应的能量函数值E(x0)；
第二步：设置初始温度T(0)=T0，其中函数T(t)是冷却进度表，表达式为T(t)=T0／log(1+t)，其中T0是常数，设迭代次数i=l，j=l；
第三步：对当前最优解xbest按照某一邻域函数，产生一新的解xnew，计算新的能量函数值E(xnew)，并计算能量函数值的增量△E=E(xnew)-E(xbest)；
第四步：如果△E<0，则xbest=xnew；如果△E>0，则P=exp(-△E／T(i))，若产生一个
0到1之问的随机数c小于p，则xbest=xnew，否则xbest=xbest；
第六步：i=i+1，若T(i)>Tmin，返回第三步，否则进行下一步；其中Tmin为预设的常数；
色彩分离的方法和系统
技术领域
[0001] 本发明涉及一种色彩分离的方法和系统。
背景技术
[0002] 色彩分离是一种常见的印前图像处理技术，其目的是将一幅彩色图像按照选定的颜色分为多个单色图像，这些单色图像混色后的效果与原图尽量一致。在目前的印刷行业中，主要依靠人工进行色彩分离，从而效率较低。
[0003] 对于现有技术中的色彩分离效率较低的问题，目前尚未提出有效解决方案。
发明内容
[0004] 本发明旨在提供一种色彩分离的方法和系统，以解决现有技术中色彩分离效率较低的问题。
[0005] 为了实现上述目的，根据本发明的一个方面，提供了一种色彩分离的方法。
[0006] 本发明的色彩分离的方法包括：步骤1：确定对图像进行色彩分离时使用的颜色种类以及混色规则；步骤2：建立色彩分离能量模型E＝f(E1，E2，E3，E4)，其中E表示色彩分离能量，f表示预设的能量模型函数，E1为相似能量，表示像素点颜色与色彩分离后颜色的相似度，E2为混色能量，表示依据色彩分离后像素点颜色种类的个数确定的能量分量，E3为边缘能量，表示将相邻像素点表示为不同颜色的可行性，E4为过渡能量，表示不同颜色之间进行过渡的可行性；步骤3：依据所述能量模型，针对所述色彩分离能量进行优化计算，将所述色彩分离能量最小时各像素的色彩分离后颜色作为所述图像的色彩分离结果。
[0007] 进一步地，所述颜色的相似度采用颜色向量的距离进行度量。
[0008] 进一步地，在所述步骤3中，所述颜色的相似度采用如下步骤进行计算：将均匀分布在颜色种类所处的颜色空间一定数量的点视为已知颜色点；计算已知颜色点与所述颜色种类最小差异度对应的各颜色种类的浓度；当计算像素颜色与所述颜色种类相似度时，根据与所述颜色在颜色空间中较近的若干个已知颜色点的浓度数据，进行插值得到与所述像素颜色匹配的浓度，再根据浓度计算出混色颜色，最后采用颜色向量的距离计算得出颜色的相似度。
[0009] 进一步地，所述过渡能量为色彩分离前后使用的颜色种类的个数。
[0010] 进一步地，所述的能量模型为E＝αE1+βE2+μE3E4或E＝αE1E2+βE3E4，其中α、β和μ为预设的加权系数。
[0011] 进一步地，所述的能量模型为E＝αE1+βE2+μE3+vE4或E＝αE1E2+βE3+μE4，其中α、β、μ和v为预设的加权系数。
[0012] 进一步地，所述步骤1之前，还包括：生成所述图像的缩略图；所述步骤2和步骤3是基于所述缩略图进行；并且所述步骤3之后还包括：按照所述缩略图的色彩分离结果对所述图像进行色彩分离。
[0013] 进一步地，按照所述缩略图的色彩分离结果对所述图像进行色彩分离包括：将所述图像分为多个图像块；针对所述多个图像块中的每个图像块依次执行所述步骤2和步骤3，其中当执行步骤3时根据缩略图的色彩分离结果计算每个像素点可能颜色种类的相似能量，以最优解作为所述像素点的色彩分离结果。
[0014] 进一步地，计算每个像素点可能颜色种类的相似能量之前还包括：按照所述缩略图的缩小比例，确定所述图像中的各个像素点在缩略图中对应的亚像素坐标；针对所述图像中的每个像素点，将该像素点对应的亚像素坐标在所述缩略图中预设邻域内的多个像素点的颜色种类的并集作为该像素点的所述可能颜色种类。
[0015] 进一步地，所述优化计算包括如下步骤：第一步：人为设置或随机产生一个初始解x0，令xbest＝x0，并计算该解对应的能量函数值E(x0)；第二步：设置初始温度T(0)＝T0，其中函数T(t)是冷却进度表，表达式为T(t)＝T0/log(1+t)，其中T0是常数，设迭代次数i＝1，j＝1；第三步：对当前最优解xbest按照某一邻域函数，产生一新的解xnew，计算新的能量函数值E(xnew)，并计算能量函数值的增量ΔE＝E(xnew)-E(xbest)；第四步：如果ΔE＜0，则xbest＝xnew；如果ΔE＞0，则p＝exp(-ΔE/T(i))，若产生一个0到1之间的随机数c小于p，则xbest＝xnew，否则xbest＝xbest；第五步：j＝j+1，若j＜K，返回第三步，否则进行下一步；其中K为预设的常数；第六步：i＝i+1，若T(i)＞Tmin，返回第三步，否则进行下一步；其中Tmin为预设的常数；第七步：输出当前最优解。
[0016] 根据本发明的另一方面，提供了一种面向专色的色彩分离的系统。
[0017] 本发明的色彩分离的系统，包括：保存模块，用于保存对图像进行色彩分离时使用的颜色种类以及混色规则；能量模型模块，用于建立色彩分离能量模型E＝f(E1，E2，E3，E4)，其中E表示色彩分离能量，f表示预设的能量模型函数，E1为相似能量，表示像素点颜色与色彩分离后颜色的相似度，E2为混色能量，表示依据色彩分离后像素点颜色种类的个数确定的能量分量，E3为边缘能量，表示将相邻像素点表示为不同颜色的可行性，E4为过渡能量，表示不同颜色之间进行过渡的可行性；优化求解模块，用于依据所述能量模型，针对所述色彩分离能量进行优化计算，将所述色彩分离能量最小时各像素的色彩分离后颜色作为所述图像的色彩分离结果。
[0018] 进一步地，所述优化求解模块还用于按照如下步骤计算所述颜色的相似度：将均匀分布在颜色种类所处的颜色空间一定数量的点视为已知颜色点；计算已知颜色点与所述颜色种类最小差异度对应的各颜色种类的浓度；当计算像素颜色与所述颜色种类相似度时，根据与所述颜色在颜色空间中较近的若干个已知颜色点的浓度数据，进行插值得到与所述像素颜色匹配的浓度，再根据浓度计算出混色颜色，最后采用颜色向量的距离计算得出颜色的相似度。
[0019] 进一步地，所述能量模型模块还用于建立如下形式的能量模型：E＝αE1+βE2+μE3E4，或者建立如下形式的能量模型：E＝αE1E2+βE3E4，其中α、β和μ为预设的加权系数。
[0020] 进一步地，所述能量模型模块还用于建立如下形式的能量模型：E＝αE1+βE2+μE3+vE4，或者建立如下形式的能量模型：E＝αE1E2+βE3+μE4，其中α、β、μ和v为预设的加权系数。
[0021] 进一步地，所述系统还包括：缩略图模块，用于生成所述图像的缩略图；色彩分离模块，用于按照所述缩略图的色彩分离结果对所述图像进行色彩分离；并且，所述能量模型模块还用于基于所述缩略图建立色彩分离能量模型。
[0022] 进一步地，所述色彩分离模块还用于：将所述图像分为多个图像块；针对所述多个图像块中的每个图像块依次调用所述能量模型模块和优化求解模块，其中优化求解模块在计算时根据缩略图的色彩分离结果计算每个像素点可能颜色种类的相似能量，以最优解作为所述像素点的色彩分离结果。
[0023] 进一步地，所述色彩分离模块还用于：按照所述缩略图的缩小比例，确定所述图像中的各个像素点在缩略图中对应的亚像素坐标；针对所述图像中的每个像素点，将该像素点对应的亚像素坐标在所述缩略图中预设邻域内的多个像素点的颜色种类的并集作为该像素点的所述可能颜色种类。
[0024] 进一步地，所述优化求解模块还用于按照如下步骤进行计算：第一步：人为设置或随机产生一个初始解x0，令xbest＝x0，并计算该解对应的能量函数值E(x0)；第二步：设置初始温度T(0)＝T0，其中函数T(t)是冷却进度表，表达式为T(t)＝T0/log(1+t)，其中T0是常数，设迭代次数i＝1，j＝1；第三步：对当前最优解xbest按照某一邻域函数，产生一新的解xnew，计算新的能量函数值E(xnew)，并计算能量函数值的增量ΔE＝E(xnew)-E(xbest)；第四步：如果ΔE＜0，则xbest＝xnew；如果ΔE＞0，则p＝exp(-ΔE/T(i))，若产生一个0到1之间的随机数c小于p，则xbest＝xnew，否则xbest＝xbest；第五步：j＝j+1，若j＜K，返回第三步，否则进行下一步；其中K为预设的常数；
第六步：i＝i+1，若T(i)＞Tmin，返回第三步，否则进行下一步；其中Tmin为预设的常数；
第七步：输出当前最优解。
[0025] 应用本发明的技术方案，通过对包含有相似能量、混色能量、过渡能量和边缘能量的色彩分离能量模型进行优化求解，能够获得较高的色彩分离工作效率，一般来说，对于3～4个色彩分离使用的颜色，分色用时只需几分钟，而对相同图像进行手工分色则需要几个小时甚至几天。由此可见本发明实施例的技术方案能够有效提高工作效率。
附图说明
[0026] 说明书附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0027] 图1是根据本发明实施例的色彩分离的方法的主要步骤示意图；
[0028] 图2是根据本发明实施例的基于缩略图的色彩分离的示意图；
[0029] 图3是根据本发明实施例的色彩分离的系统的主要模块的示意图；以及[0030] 图4A至图4E是根据本发明实施例的色彩分离的效果的示意图。
具体实施方式
[0031] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
[0032] 图1是根据本发明实施例的色彩分离的方法的主要步骤示意图，如图1所示，该方法主要包括如下步骤：
[0033] 步骤1：确定对图像进行色彩分离时使用的颜色种类以及混色规则。此步骤中的图像即为待进行色彩分配的处理的图像。
[0034] 步骤2：建立色彩分离能量模型E＝f(E1，E2，E3，E4)，其中E表示色彩分离能量，f表示预设的能量模型函数，E1为相似能量，表示像素点颜色与色彩分离后颜色的相似度，E2为混色能量，表示依据色彩分离后像素点颜色种类的个数确定的能量分量，E3为边缘能量，表示将相邻像素点表示为不同颜色的可行性，E4为过渡能量，表示不同颜色之间进行过渡的可行性。
[0035] 步骤3：依据能量模型，针对所述色彩分离能量进行优化计算，将色彩分离能量最小时各像素的色彩分离后颜色作为所述图像的色彩分离结果。
[0036] 在上述步骤中，颜色的相似度可以采用颜色向量的距离进行度量，过渡能量可以是色彩分离前后使用的颜色种类的个数。
[0037] 在步骤3中，颜色的相似度具体可采用如下步骤进行计算：
[0038] 将均匀分布在颜色种类所处的颜色空间一定数量的点视为已知颜色点；
[0039] 计算已知颜色点与所述颜色种类最小差异度对应的各颜色种类的浓度；
[0040] 当计算像素颜色与所述颜色种类相似度时，根据与所述颜色在颜色空间中较近的若干个已知颜色点的浓度数据，进行插值得到与所述像素颜色匹配的浓度，再根据浓度计算出混色颜色，最后采用颜色向量的距离计算得出颜色的相似度。
[0041] 能量模型具体可以是E＝αE1+βE2+μE3E4或E＝αE1E2+βE3E4，其中α、β和μ为预设的加权系数；能量模型也可以是E＝αE1+βE2+μE3+vE4或E＝αE1E2+βE3+μE4，其中α、β、μ和v为预设的加权系数。
[0042] 本实施例中，可以采用缩略图进行色彩分离，具体是在步骤1之前生成待处理图像的缩略图，这样，步骤2和步骤3基于该缩略图进行。并且在步骤3之后按照缩略图的色彩分离结果对图像进行色彩分离，以下对此作具体说明。
[0043] 在按照缩略图的色彩分离结果对图像进行色彩分离时，可以先将图像分为多个图像块；然后针对多个图像块中的每个图像块依次执行步骤2和步骤3，其中当执行步骤3时根据缩略图的色彩分离结果只计算每个像素点可能颜色种类的相似能量E1，以能量E的最优解作为像素点的色彩分离结果。这里的可能颜色种类可以按如下方式确定：首先按照缩略图的缩小比例，确定图像中的各个像素点在缩略图中对应的亚像素坐标；然后针对图像中的每个像素点，将该像素点对应的亚像素坐标在缩略图中预设邻域内的多个像素点的颜色种类的并集作为该像素点的可能颜色种类。
[0044] 在步骤3的优化计算中，可以采用模拟退火算法，具体步骤如下：
[0045] 第一步：随机产生一个初始解x0，令xbest＝x0，并计算该解对应的能量函数值E(x0)；
[0046] 第二步：设置初始温度T(0)＝T0，其中函数T(t)是冷却进度表，表达式为T(t)＝T0/log(1+t)，其中T0是常数，设迭代次数i＝1，j＝1；
[0047] 第三步：对当前最优解xbest按照某一邻域函数，产生一新的解xnew，计算新的能量函数值E(xnew)，并计算能量函数值的增量ΔE＝E(xnew)-E(xbest)；
[0048] 第四步：如果ΔE＜0，则xbest＝xnew；如果ΔE＞0，则p＝exp(-ΔE/T(i))，若产生一个0到1之间的随机数c小于p，则xbest＝xnew，否则xbest＝xbest；
[0049] 第五步：j＝j+1，若j＜K，返回第三步，否则进行下一步；其中K为预设的常数；
[0050] 第六步：i＝i+1，若T(i)＞Tmin，返回第三步，否则进行下一步；其中Tmin为预设的常数；
[0051] 第七步：输出当前最优解
[0052] 以下通过一个具体的例子来进一步说明本发明实施例的技术方案。该例中的色彩分离(以下简称为“分色”)主要按以下步骤1至7进行。
[0053] 1.生成缩略图。如果待处理图像尺寸较大(如：2万×2万像素)无法一次性将全部图像数据载入内存时，先生成一幅原图的缩略图像。具体生成方式有很多，如最近邻法，线性插值法等。缩略图大小不固定，视计算机内存情况而定，一般不超过1024×1024像素。
[0054] 2.确定分色使用的颜色种类。该步骤需要人工设定进行分色的颜色以及混色规则。混色规则用来限定各分色颜色之间发生混色的情况，具体实施方法包括：设置最大混色数，根据所有可能混色情况进行挑选，手动输入规则，或上述规则的结合等等。混色规则也可以不特别设置，此时默认全部参与分色的颜色都可任意发生混色。一旦确定了分色颜色与混色规则，在分色时用到的所有颜色种类也就确定了。举例来说，假定分色颜色选择了三种，分别为a、b、c，如果不设置分色规则，那么最终分色使用的颜色种类为7类，分别为：a、b、c、a与b两混色、a与c两混色、b与c两混色、a与b与c三混色；若分色规则设定为最大混色数为2且a与c不能混色，则最终分色使用的颜色种类为5类，a、b、c、a与b两混色、b与c两混色。
[0055] 3.能量计算。根据分色能量模型进行计算。分色能量模型包括以下四项：相似能量，混色能量，过渡能量，边缘能量(具体名称不唯一，但都符合所述代价的定义)。其中，[0056] 3.1相似能量：衡量图像中某像素的颜色与分色所使用各颜色种类的相似性。
[0057] 一个颜色种类中可能存在一个或多个组成成分，这些组成成分的不同浓度搭配会产生不同的混合颜色。计算相似性时，要与该颜色种类的每一种可能的混合颜色进行度量，将最相似的结果记录下来。最终记录的相似能量数据个数等于像素数×颜色种类数。
[0058] 混合颜色根据具体的颜色空间和实际混色方式进行计算或者查表。可用以下公式在CMYK空间中计算混合颜色。
[0059]
[0060] 在实现中的计算可不局限于该公式。也可提前将混合颜色数值写入表格中，在计算时查表。
[0061] 具体度量方法可以为像素颜色与混色颜色在某颜色空间中的距离测度，如Lab空间中的欧式距离，也可以采用色差公式，比如CIE94，总之能体现两个颜色数据差异的方法即可。
[0062] 可以用穷举法计算某颜色种类中每一种可能的混色颜色与该像素颜色的相似度，但如果浓度级别较大或/与颜色组成成分较多时，穷举法会非常耗时，实际应用价值会大大减少甚至无法实用。举例来说，某颜色种类由3种成分组成，每种成分有100个浓度级别，该颜色种类包含的混色颜色就有100×100×100个，假设进行一次相似度计算用时为1微秒，则计算一个像素该颜色种类相似度耗时就达1秒。以此推算，对于一幅1024×1024像素的图像，仅计算一个颜色种类的相似度就要耗时1048576秒≈12天。
[0063] 设计了一种快速计算相似度的方法。该方法通过优化方式进行求解，优化函数设计为min E(α)＝diff(Cpixel，Cmixed(α))。其中Cpixel为像素颜色，Cmixed(α)为该颜色种类各成分浓度取α(α＝[α1，α2，...，αn]，n为组成该颜色种类的成分个数)时的混合颜色，diff(□)表示求差异度运算。差异度的一个实施例为两个数据的欧氏距离。优化方法的一个实施例是PSO(粒子群优化)算法。
[0064] 另一种快速计算相似度的方法是通过插值方法进行求解。设计思想是将某颜色种类所处颜色空间中每个点视为一个已知颜色，使用穷举法或前述优化算法计算出此点与该颜色种类最小差异度对应的各成分浓度，如此计算足够多个点并记录对应的浓度数据。当需要计算像素颜色与该颜色种类的相似度时，可根据与该像素颜色在颜色空间中较近的几个点的浓度数据，进行插值得到与像素颜色匹配的浓度，再根据浓度计算出混合颜色，通过定义好的度量方法求出相似度。
[0065] 本发明将上述两个快速计算方法结合进行使用，所用的颜色空间为CMY空间，计算的点数为10×10×10＝1000个并均匀分布在空间中。使用的插值算法为三维空间线性插值算法，计算方法如下：
[0066] 设(fc，fm，fy)是像素点在CMY空间中的坐标除以10的结果，α(c，m，y)表示该空间中(c，m，y)处的浓度向量。令(nc，nm，ny)与(dc，dm，dy)分别为(fc，fm，fy)的整数部分与小数部分，即，dc＝fc-nc，dm＝fm-nm，dy＝fy-ny。则
[0067] α(fc，fm，fy) ＝ (1-dc)·(1-dm)·(1-dy)·α(nc，nm，ny)+dc·(1-dm)·(1-dy)·α(nc+1，nm，ny)+(1-dc)·dm·(1-dy)·α(nc，nm+1，ny)+dc·dm·(1-dy)·α(nc+1，nm+1，ny)+(1-dc)·(1-dm)·dy·α(nc，nm，
ny+1)+dc·(1-dm)·dy·α(nc+1，nm，ny+1)+(1-dc)·dm·dy·α(nc，nm+1，
ny+1)+dc·dm·dy·α(nc，nm，ny)
[0068] 3.2混色能量：衡量某颜色种类组成包含颜色成分的个数。
[0069] 在分色中，需要对色彩混合情况加以控制，针对这个特点设计了混色能量项。在计算该能量时，不考虑像素本身颜色与颜色种类的任何关系，而仅关心颜色种类本身的组成成分。如果希望在分色中尽量少的发生颜色混合情况，则颜色种类的颜色成分个数越多，混色能量数值就越大；反之，如果希望尽量多的发生颜色混合，则颜色种类的颜色成分个数越多，混色能量数值就越小。该能量的具体设计方式有很多，只要满足上述描述均可。一个实施例为：该能量正比于颜色种类包含的颜色个数。
[0070] 3.3边缘能量：衡量图像中两个相邻像素之间颜色的相似性。
[0071] 该能量用来度量将两个相邻像素分为不同颜色种类所要付出的代价。相邻像素的定义可以是距离相近的一个或多个像素，而不仅限于图像中的邻接像素。设计思想是，将两个相似的像素分开时的边缘能量较大，将两个不相似的像素分开时的边缘能量较小。衡量相似性的方法可参考a中的方法。一个实施例是两个像素颜色欧氏距离的倒数。
[0072] 3.4过渡能量：衡量从一个颜色种类过渡到另一个颜色种类的可行性。
[0073] 该能量项用来衡量从一个颜色种类过渡到另一个颜色种类所要付出的固有代价。在实际分色中，通常要求颜色与颜色之间过渡尽量光滑。遵循这个原则，在设计该能量时，可以考虑不同颜色种类是否含有相同颜色成分以及含有的多少来确定，一个具体计算方法为两个标号的颜色成分个数之和减去两个标号中相同颜色的个数。一个3颜色分色的值如下表1所示。
[0074] 表1
[0075]色1 色2 色3 色1+2 色1+3 色2+3 色1+2+3
色1 0 2 2 1 1 3 2
色2 2 0 2 1 3 1 2
色3 2 2 0 3 1 1 2
色1+2 1 1 3 0 2 2 1
色1+3 1 3 1 2 0 2 1
色2+3 3 1 1 2 2 0 1
色1+2+3 2 2 2 1 1 1 0
[0076] 4.能量优化。该能量可以使用多种已知优化方法进行求解。可采用上文中的模拟退火算法求解。
[0077] 5.输出缩略图结果。根据4中的优化结果，确定图像中每个像素的颜色种类，并记录。
[0078] 6.根据缩略图结果处理全图的图像块。参考图2，图2是根据本发明实施例的基于缩略图的色彩分离的示意图。图中21表示原始图像，22表示原始图像的缩略图像，23表示缩略图像中的局部的放大。将原始图像分为多个图像块，每一块的尺寸小于或等于计算机内存一次可处理的最大图像。处理每一块时，重复步骤3和4。重复步骤3时参考缩略图结果，只求解每个像素可能的颜色种类的相似能量。具体方法为：将当前点坐标按步骤1中的缩小比例求得其在缩略图中的亚像素坐标，根据该坐标位置如下图所示找到其临近的4个像素。这四个像素在缩略图结果中的各自颜色种类的并集就是当前点所有可能的颜色种类情况。
[0079] 当然，对于大图，也可以不使用缩略图，直接分块做，但可能在图像块的边界处产生不一致的效果。
[0080] 7.输出图像块的分色结果。根据6的优化结果，确定图像中每个像素的颜色种类，使用3(a)中的相似度计算方法，得到各成分的浓度，转化成灰度写入结果图像中对应的虚拟颜色通道。
[0081] 图3是根据本发明实施例的色彩分离的系统的主要模块的示意图，如图3所示，本发明实施例的色彩分离的系统30主要包括如下模块：
[0082] 保存模块，用于保存对图像进行色彩分离时使用的颜色种类以及混色规则；
[0083] 能量模型模块，用于建立色彩分离能量模型E＝f(E1，E2，E3，E4)，其中E表示色彩分离能量，f表示预设的能量模型函数，E1为相似能量，表示像素点颜色与色彩分离后颜色的相似度，E2为混色能量，表示依据色彩分离后像素点颜色种类的个数确定的能量分量，E3为边缘能量，表示将相邻像素点表示为不同颜色的可行性，E4为过渡能量，表示不同颜色之间进行过渡的可行性；
[0084] 优化求解模块，用于依据所述能量模型，针对所述色彩分离能量进行优化计算，将所述色彩分离能量最小时各像素的色彩分离后颜色作为所述图像的色彩分离结果。
[0085] 优化求解模块还可用于按照如下步骤计算所述颜色的相似度：将均匀分布在颜色种类所处的颜色空间一定数量的点视为已知颜色点；计算已知颜色点与所述颜色种类最小差异度对应的各颜色种类的浓度；当计算像素颜色与所述颜色种类相似度时，根据与所述颜色在颜色空间中较近的若干个已知颜色点的浓度数据，进行插值得到与所述像素颜色匹配的浓度，再根据浓度计算出混色颜色，最后采用颜色向量的距离计算得出颜色的相似度。
[0086] 能量模型模块还可用于建立如下形式的能量模型：E＝αE1+βE2+μE3E4，或者建立如下形式的能量模型：E＝αE1E2+βE3E4，其中α、β和μ为预设的加权系数。
[0087] 能量模型模块还可用于建立如下形式的能量模型：E＝αE1+βE2+μE3+vE4，或者建立如下形式的能量模型：E＝αE1E2+βE3+μE4，其中α、β、μ和v为预设的加权系数。
[0088] 色彩分离的系统30还可包括如下模块(图示未示出)：缩略图模块，用于生成所述图像的缩略图；色彩分离模块，用于按照所述缩略图的色彩分离结果对所述图像进行色彩分离；并且，所述能量模型模块还用于基于所述缩略图建立色彩分离能量模型。
[0089] 色彩分离模块还可用于：将所述图像分为多个图像块；针对所述多个图像块中的每个图像块依次调用所述能量模型模块和优化求解模块，其中优化求解模块在计算时根据缩略图的色彩分离结果计算每个像素点可能颜色种类的相似能量E1，以能量E的最优解作为所述像素点的色彩分离结果。
[0090] 色彩分离模块还可用于：按照所述缩略图的缩小比例，确定所述图像中的各个像素点在缩略图中对应的亚像素坐标；针对所述图像中的每个像素点，将该像素点对应的亚像素坐标在所述缩略图中预设邻域内的多个像素点的颜色种类的并集作为该像素点的所述可能颜色种类。
[0091] 优化求解模块还可用于按照如下步骤进行计算：
[0092] 第一步：人为设置或随机产生一个初始解x0，令xbest＝x0，并计算该解对应的能量函数值E(x0)；
[0093] 第二步：设置初始温度T(0)＝T0，其中函数T(t)是冷却进度表，表达式为T(t)＝T0/log(1+t)，其中T0是常数，设迭代次数i＝1，j＝1；
[0094] 第三步：对当前最优解xbest按照某一邻域函数，产生一新的解xnew，计算新的能量函数值E(xnew)，并计算能量函数值的增量ΔE＝E(xnew)-E(xbest)；
[0095] 第四步：如果ΔE＜0，则xbest＝xnew；如果ΔE＞0，则p＝exp(-ΔE/T(i))，若产生一个0到1之间的随机数c小于p，则xbest＝xnew，否则xbest＝xbest；
[0096] 第五步：j＝j+1，若j＜K，返回第三步，否则进行下一步；其中K为预设的常数；
[0097] 第六步：i＝i+1，若T(i)＞Tmin，返回第三步，否则进行下一步；其中Tmin为预设的常数；
[0098] 第七步：输出当前最优解。
[0099] 图4A至图4E是根据本发明实施例的色彩分离的效果的示意图。其中图4A是原图像即待分色的图像，提取其右上部分的颜色作为色彩分离时使用的一种颜色，该颜色为(按CMYK四色)：C：13％，M：67％，Y：90％，K：0％，色彩分离时使用的其他三种颜色分别是C100，M100和Y100。图4B至图4E分别是分色后颜色C100、M100、Y100以及上述提取的专色这四个通道对应的色彩分离的结果图像。
[0100] 本发明实施例通过对包含有相似能量、混色能量、过渡能量和边缘能量的色彩分离能量模型进行优化求解，能够获得较高的色彩分离工作效率，一般来说，对于3～4个色彩分离使用的颜色，分色用时只需几分钟，而对相同图像进行手工分色则需要几个小时甚至几天。由此可见本发明实施例的技术方案能够有效提高工作效率。
[0101] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
