的纹理特征时，根据图像 中包含的图像关键点的数量评价图像的纹理复杂程度，图像关键点的数量与纹理特征复杂 程度成正比，即图像所包含的图像关键点的数量越多，图像的纹理越丰富；反之，图像所包 含的图像关键点的数量越少，图像的纹理越简单。利用图像关键点的数量分析图像的纹理 复杂程度，分析过程简单，减少图像分析所使用的时间，提高图像分析速度。
[0128] 图3是根据一示例性实施例示出的获取图像的颜色特征的流程图，如图3所示，该 过程可W包括W下步骤：
[0129] 在步骤S141中，将待分析图像的每个像素点对应的RGB值转换为HSV值。
[0130] 将待分析图像从RGB空间转换到HSV空间，即将待分析图像中的每个像素点的RGB 值转换为HSV值。
[0131] 在步骤S142中，根据饱和度阔值及亮度预设范围，获取待分析图像的饱和度及亮 度掩模区域。
[0132] 饱和度及亮度掩模区域内的饱和度大于饱和度阔值，且亮度在预设亮度范围内。
[0133] 如果图像过暗或过亮，或者，图像的饱和度较低时，图像的色调值不是很准确，因 此，对图像的亮度与饱和度分别给出一个作用区间，从而得到亮度与饱和度作用区间对应 的图像区域，即图像的饱和度及亮度掩模区域，根据公式6得到饱和度及亮度掩模区域：
[0134] mask_sv = S>th_sM(V > v_min&V < v_max) (公式6)
[0135] 公式6中，mask_sv表示饱和度及亮度掩模区域;1±_3的取值可W是0.12，v_min取 值可W是0.15，v_max取值可W是0.95。
[0136] 饱和度及亮度掩模区域就是图像中饱和度大于th_s，同时，亮度大于v_min且小于 v_max的图像区域。
[0137]在步骤S143中，获取饱和度及亮度掩模区域对应的图像色调值量化表。
[013引图像色调值W18为间隔量化到20个区间，量化结果记为hist_map。
[0139] 在步骤S144中，确定饱和度及亮度掩模区域内色调值大于色调阔值的数量，得到 待分析图像的颜色数量。
[0140] 在本公开一些实施例中，色调阔值等于图像色调值量化表中的色调最大值乘W预 设比例。本公开实施例中，图像的颜色是指图像的主题色，即图像大面积区域内是同一种颜 色。
[0141] 根据公式7评价图像的主题色数量：
[0142] N={i |hist_map(i)>a*max_h}(公式7)
[0143] 公式7中，max_h为Mst_map的最大值，a为比例因子可W设定为0.05;N为满足条件 的色调bins个数。
[0144] 得到的N值与第二预设值比较，其中，第二预设值可W设定为2。
[0145] 当N大于2时，认为该待分析图像包含多种主要的颜色，即色彩比较丰富；当N等于1 时，认为该待分析图像只有一种主要的颜色，即颜色单一。当N等于2时，需要进一步分析，满 足公式7所示条件的bin下标相邻，认为图像的颜色值比较接近可W归为一种颜色;如果满 足公式7所示条件的bin下标不相邻，认为图像的颜色值相差较多，图像有两种不同颜色的 色调。
[0146] 本实施例提供的图像单一性分析方法，针对待分析图像中的饱和度及亮度掩模区 域所包含的色调进行分析，排除了过暗过亮或饱和度较低的图像区域影响整个图像的色调 值的准确性，因此，该方法提高了获取图像颜色特征的准确率，进而提高了图像单一性分析 的准确率。
[0147] 相应于上述的图像单一性分析方法实施例，本公开还提供了图像单一性分析装置 实施例。
[0148] 图4是根据一示例性实施例示出的一种图像单一性分析装置的框图，该装置应用 于终端中，如图4所示，该图像单一性分析装置可W包括:第一获取模块410、第二获取模块 420、第Ξ获取模块430、纹理分析模块440、颜色分析模块450、第一确定模块460和第二确定 模块470。
[0149] 第一获取模块410被配置为，获取待分析图像。
[0150] 该待分析图像可W是终端内存储的照片，也可W是从服务器中下载的图片。
[0151] 第二获取模块420被配置为，获取所述第一获取模块410获得的待分析图像的纹理 特征。
[0152] 纹理特征是一种全局特征，描述了图像或图像区域所对应的物体的表面性质。纹 理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。本公开 采用图像关键点分析图像的纹理特征。
[0153] 第Ξ获取模块430被配置为，获取所述第一获取模块410获得的待分析图像的颜色 特征。
[0154] 本公开实施例中，先将图像或图像区域从RGB(Red Green Blue,红色绿色蓝色)颜 色空间转换成HSV化ue Saturation Li曲tness，色调饱和度亮度)颜色空间，然后，根据图 像的色调值判断图像所包含颜色的数量。
[0155] 纹理分析模块440被配置为，根据第二获取模块获得的所述纹理特征分析所述待 分析图像的纹理复杂度。
[0156] 根据图像中包含的图像关键点的数量评价图像的纹理复杂程度，图像关键点的数 量与纹理特征复杂程度成正比，即图像所包含的图像关键点的数量越多，图像的纹理越丰 富;反之，图像所包含的图像关键点的数量越少，图像的纹理越简单。
[0157] 颜色分析模块450被配置为，当所述纹理分析模块确定所述待分析图像的纹理简 单时，根据所述第Ξ获取模块获得的所述待分析图像的颜色特征分析所述待分析图像的颜 色是否单一。
[0158] 根据图像的色调值判断图像所包含颜色的数量;如果图像包含两种及W上色调， 则认为图像颜色丰富;如果图像包含一种色调，则认为图像颜色单一。
[0159] 第一确定模块460被配置为，当所述颜色分析模块确定所述待分析图像的颜色单 一，则确定所述待分析图像是单一性图像。
[0160] 第二确定模块470被配置为，当所述颜色分析模块确定所述待分析图像的颜色不 单一，则确定所述待分析图像是非单一性图像。
[0161] 在本公开的实施例中，还包括第Ξ确定模块480被配置为，当所述纹理分析模块确 定所述待分析图像的纹理复杂时，确定所述待分析图像是非单一性图像。
[0162] 本实施例提供的图像单一性分析装置，获得待分析图像后，获取待分析图像的纹 理特征，如果纹理复杂，则确定待分析图像是非单一性图像;如果图像纹理简单，则继续获 取待分析图像的颜色特征，结合图像的纹理特征及颜色特征综合判断图像的单一性，如果 待分析图像的纹理比较简单但颜色不单一，则确定待分析图像是非单一性图像;如果待分 析图像的纹理比较简单，同时，颜色单一，则确定待分析图像是单一性图像。该图像单一性 分析装置结合图像的纹理特征及颜色特征综合分析待分析图像的单一性，提高了结果准确 率。
[0163] 图5是根据一示例性实施例示出的一种第二获取模块的框图，如图5所示，该第二 获取模块420可W包括构造子模块421和第一获取子模块422。
[0164] 构造子模块421被配置为，针对所述待分析图像，利用非线性扩散滤波生成非线性 尺度空间的算法，构造的非线性尺度空间。
[0165] 首先对待分析图像进行高斯滤波，即去除待分析图像中的细节特征，得到模糊化 的图像。然后，计算高斯滤波后得到的图像的梯度直方图，从而获取对比度因子KdK值是根 据图像边缘直方图的量化得到，K值越大保留的图像边缘信息越少，K值越小保留的图像边 缘信息越多，Kaze算法中WG_Mst累计达到图像边缘点的70%作为当前的K值。然后，按照 A0S算法获得非线性尺度空间的所有图像。
[0166] 第一获取子模块422被配置为，在所述构造子模块构造的非线性尺度空间内，获取 所述待分析图像每一个像素块中的局部极大值，得到图像关键点。
[0167] 在非线性尺度空间内，检测图像的特征点（即，图像关键点），通过寻找不同尺度归 一化后的化ssian局部极大值点实现。
[0168] 用图像关键点的个数描述图像纹理的复杂程度，图像关键点的个数越多表示该区 域内的图像纹理越复杂。
[0169] 图6是根据一示例性实施例示出的一种纹理分析模块的框图，如图6所示，该纹理 分析模块440包括:第一比较子模块441、第一确定子模块442和第二确定子模块443。
[0170] 第一比较子模块441被配置为，比较所述待分析图像所包含的图像关键点的数量 与第一预设值的大小关系。
[0171] 第一确定子模块442被配置为，当所述比较子模块比较得到所述待分析图像中的 图像关键点小于或等于所述第一预设值，则确定所述待分析图像的纹理简单。
[0172] 第二确定子模块443被配置为，当所述比较子模块比较得到所述待分析图像中的 图像关键点大于所述第一预设值，则确定所述待分析图像的纹理复杂。
[0173] 本公开实施例提供的纹理分析模块，在分析图像的纹理特征时，根据图像中包含 的图像关键点的数量评价图像的纹理复杂程度，图像关键点的数量与纹理特征复杂程度成 正比，即图像所包含的图像关键点的数量越多，图像的纹理越丰富；反之，图像所包含的图 像关键点的数量越少，图像的纹理越简单。利用图像关键点的数量分析图像的纹理复杂程 度，分析过程简单，减少图像分析所使用的时间，提高图像分析速度。
[0174] 图7是根据一示例性实施例示出的一种第Ξ获取模块的框图，如图7所示，该第Ξ 获取模块430包括:转换子模块431、掩模区域获取子模块432、第二获取子模块433和第Ξ获 取子模块434。
[0175] 转换子模块431被配置为，将所述