An efficient color quantization using color histogram

Abter, Sarmad Omar; Abdullah, Nada A.Z.

doi:10.1109/ntict.2017.7976153

Cited by 7 publications

(4 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In the early stage, non photorealistic rendering was primarily used as a supplement to photorealistic rendering [10]. Therefore, non photorealistic rendering technology for 3D models has many similarities with photorealistic rendering technology for 3D models in terms of implementation methods [11].…”

Section: Litarature Surveymentioning

confidence: 99%

An Efficient Image Processing Based Image to Cartoon Generation Based on Deep Learning

BALAJI,

VENKATESH,

ANWAR

et al. 2024

TURCOMAT

View full text Add to dashboard Cite

This paper proposes an approach to convert real life images into cartoon images using image processing. The cartoon images have sharp edges, reduced colour quantity compared to the original image, and smooth colour regions. With the rapid advancement in artificial intelligence, recently deep learning methods have been developed for image to cartoon generation. Most of these methods perform extremely huge computations and require large datasets and are time consuming, unlike traditional image processing which involves direct manipulation on the input images. In this paper, we have developed an image processing based method for image to cartoon generation. Here, we perform parallel operations of enhancing the edges and quantizing the colour. The edges are extracted and dilated to highlight them in the output colour image. For colour quantization, the colours are assigned based on proposed formulation on separate colour channels. Later, these images are combined and the highlighted edges are added to generate the cartoon image. The generated images are compared with existing image processing approaches and deep learning based methods. From the experimental results, it is evident that the proposed approach generates high quality cartoon images which are visually appealing, have superior contrast and are able to preserve the contextual information at lower computational cost.

show abstract

Section: Litarature Surveymentioning

confidence: 99%

An Efficient Image Processing Based Image to Cartoon Generation Based on Deep Learning

BALAJI,

VENKATESH,

ANWAR

et al. 2024

TURCOMAT

View full text Add to dashboard Cite

show abstract

“…In terms of camouflage color, the color histogram analysis method proposed by Abter et al can accurately obtain the proportion of each color, however, due to the excessive variety of color calculation, even if the method of quantitative histogram is used, the criteria selected by the quantitative standard also result in the distinction of similar colors [3] . In addition, the K-means clustering algorithm is fast to calculate, but it is easy to affect the iterative results due to the selection of the initial clustering center, and the deviation of each clustering result is large [4] .…”

Section: Introductionmentioning

confidence: 99%

A camouflage generation algorithm based on modified K-means clustering

Kong,

Liao,

Huang

et al. 2023

Second International Conference on Electronic Information Technology (EIT 2023)

View full text Add to dashboard Cite

The advent of high-tech means of detection posed a huge challenge to traditional camouflage imaging. It is important to develop a more efficient and better performing digital camouflage algorithm to improve the poor camouflage effects. The performance of camouflage generation is mainly affected by the camouflage color and camouflage texture. In this paper, we propose a novel design of digital camouflage based on he K-means clustering optimized by genetic algorithm. First, we randomly call the plaque of the target neighborhood to retain texture details, and then smooth the removal of abrupt boundaries. Then, we extract primary colors from the background and precisely reduce the influence of randomization of the initial cluster center using a clustering method. By comparing with the other reported camouflage patterns, we find that the output camouflage patterns generated by our proposed method greatly match the background and have good camouflage effect.

show abstract

“…Bu nedenle etkili bir görüntü erişimi için renk indirgeme yaklaşımlarına ihtiyaç duyulmaktadır. Renk indirgeme işlemi benzer renklerin aynı grup [19] altında toplanması olarak tanımlanabilir. LBG de renk indirgemesi için sık kullanılan bir yaklaşımdır [20].…”

Section: Introductionunclassified

Color Reduction with Recursive Mean and Image Retrieval

Kılıçaslan

Tanyeri

Demi̇rci̇

2020

Düzce Üniversitesi Bilim Ve Teknoloji Dergisi

View full text Add to dashboard Cite

Sayısal görüntülerden oluşan bir veri tabanından sorgulanan bir görüntünün aynısının veya benzerlerinin getirilmesi süreci görüntü erişimi olarak tanımlanır. Her ne kadar sayısal görüntü piksellerden oluşuyor olsa da sorgulama piksel düzeyinde değil, sayısal görüntüleri temsil eden vektörler düzeyinde yapılmaktadır. Görüntülerin vektörler ile temsil edilmesi özellik çıkarma süreci olarak adlandırılır ve içerik tabanlı görüntü erişiminin (İTGE) en önemli aşamasıdır. Özellik vektörünün temsil kabiliyetinin düşük olması sistemin performansının da düşük olması demektir. Gri ölçekli görüntülerin histogramları en tipik özellik vektörleridir. Diğer taraftan renkli görüntülerde üç ayrı kanal mevcut olduğundan, görüntüyü temsil edebilecek histogram üç boyutlu bir dizi oluşturur ki bu durum sistemin hesap maliyetini oldukça artıracaktır. Bu nedenle araştırmacılar renkli görüntülerdeki renk sayısını azaltma veya renk indirgeme yaklaşımını tercih etmişlerdir. Vektör kuantalama olarak adlandırılan renk indirgeme sürecinde ise her zaman aynı sonucu üretmek mümkün olmamıştır. Bunun nedeni ise bazı algoritmaların başlangıçta rastgele üretilen renk vektörleri ile çözüm aramalarıdır. Linde-Buzo-Gray (LBG), K-ortalamalar ve bulanık c-ortalamalar algoritmaları bu tür çözüm yaklaşımlarına tipik örneklerdir. Bu çalışmada tekrarlı ortalama tabanlı renk indirgeme yaklaşımı kullanılarak yeni bir görüntü erişim metodu önerilmiştir. Önerilen stratejide, öncelikle her bir renk kanalının histogramı üzerinden tekrarlı bir şekilde ortalamalar hesaplanmış ve çok seviyeli eşikler elde edilmiştir. Elde edilen eşikler kullanılarak RGB renk uzayı alt prizmalar şeklinde dilimlenmiştir. Oluşan alt prizmalar içinde kalan pikseller aynı sınıfa atanmış ve ilgili sınıftaki piksellerin ortalamaları kullanılarak renk indirgemesi yapılmıştır. Sınıf indisleri ve ilgili sınıflara tahsis edilen piksel sayıları yardımıyla tek boyutlu histogram elde edilmiştir. Son aşamada ise elde edilen sınıf tabanlı histogram özellik vektörü olarak atanmış ve içerik tabanlı görüntü erişimi gerçekleştirilmiştir. Önerilen algoritma ve LBG algoritması ile sonuçlar alınmış ve karşılaştırmalar yapılmıştır.

show abstract

An efficient color quantization using color histogram

Cited by 7 publications

References 13 publications

An Efficient Image Processing Based Image to Cartoon Generation Based on Deep Learning

An Efficient Image Processing Based Image to Cartoon Generation Based on Deep Learning

A camouflage generation algorithm based on modified K-means clustering

Color Reduction with Recursive Mean and Image Retrieval

Contact Info

Product

Resources

About