1.一种基于编织纹理细节增强的织物纹样色彩转移方法，其特征在于：包括如下步骤：

1)用电荷耦合元件数码摄像系统获取织物彩色图像和自然图像，所获取织物图像和自然图像的每一个像素点颜色由红(R)、绿(G)、蓝(B)三个颜色分量表示，其中每一个颜色分量值的范围为[0,255]；2)前处理，用于自然图像的关键色彩特征提取，包括织物图像的滤波和纹理分割；3)在获得滤波和纹理分割后的织物图像中利用CIELab颜色空间在三个颜色分量上估算颜色偏移场，接着利用自然图像颜色信息，将自然图像的关键色彩成分对织物图像进行重构，从而获得织物图像的颜色转移结果；4)后处理，对不同的颜色转移结果，将自然图像和织物颜色转移图像进行颜色情绪的关联分析，用户可以比较不同比例构成的颜色转移结果，确定最优颜色转移方案；5)显示自然图像和颜色转移的最终织物纹理着色结果。

2.如权利要求1所述的一种基于编织纹理细节增强的织物纹样色彩转移方法，其特征在于：所述的步骤2)前处理包括如下具体内容：(a)将自然图像从RGB颜色通道上读入；

(b)即对自然图像进行双边滤波处理；双边滤波器能在保持自然图像结构的同时去除图片中的噪声部分，以有利于关键颜色成分的分析和处理；双边滤波对输入像素处理方式如下：其中fimg指自然图像，g(i,j)是对应像素点经双边滤波处理的结果,权重系数w(i,j,k,l)是指在给定邻域的定义域核和值域核的乘积；i,j分别指给定像素点的横坐标值和纵坐标值；k,l分别指给定像素点领域的横坐标值和纵坐标值；

其中fimg(i,j)、fimg(k,l)是读入RGB图像的像素点对应的颜色分量值，σd和σr分别表示距离特征和图片颜色分量值差异的高斯函数的标准偏差；

(c)将步骤(b)处理得到的自然图像进行关键色彩提取，方法如下：

其中N是输入数据的维数，K为聚类的类别数，uik表示某一数据点xk隶属于某一聚类中心vj的隶属度函数，m是模糊权重指数，Ai是一个关于聚类中心的位置距离函数， 是自然图像色彩数据项，计算方法如下：其中vi是第j类聚类的聚类中心，ρ是聚类中心的数据含量；

(d)根据后续分析目标决定分析对象；

当需要分析织物的纹理图像，则进入步骤(h)纹理分割；纹理分割是指利用步骤(c)所述的方法对图片中的关键色彩成分进行区域标记；然后进入步骤(i)纹理分类着色，是指利用不同色彩对应的纹理特征进行分类和着色；

当不需要分析织物的纹理图像，则进入步骤(e)利用电脑显示器显示从图像中提取的关键色彩成分,接着进入步骤(f)根据用户对关键色彩的内容要求判断对自然图像的色彩提取是否满意；当对显示的提取结果不满意，则进入步骤(g)调整待提取的关键色彩数目，即方程(3)中的目标色彩数目K；当对提取结果满意，则结束前处理过程。

3.如权利要求1所述的一种基于编织纹理细节增强的织物纹样色彩转移方法，其特征在于：所述的步骤3)包括如下具体内容，a)读取织物的纹理彩色图像，图像包括R、G、B三个颜色通道；接着进入步骤b)将R、G、B三个颜色通道转换为CIELab坐标中的L、a、b三个通道，转换方法如下：a*＝500×(f(X/Xn)-f(Y/Yn))                      (10)b*＝200×(f(Y/Yn)-f(Z/Zn))                     (11)其中Xn,Yn,Zn是标准白颜色的定义值，令(R,G,B)＝(255,255,255),标准白颜色值即可通过X,Y,Z与R,G,B之间的转换关系求得，织物图片中每一个像素点在CIELab坐标中的L、a、b三个通道的值分别用L*、a*、b*表示；

c)读入织物的CIELab图像；

d)对织物的CIELab图像的颜色偏移场进行估计；假定 为有界开区域，I(x):Ω→R3为目标图像,定义在CIELab空间，该图像被划分成N子区域，分别记为Ω1,K,ΩN；当I(x)在区域Ωi中的图像用b(x)ci表示，其中b(x):Ω→R是该织物图像的颜色偏移场，I(x)≈ci；

上式满足以下条件：

其中函数 是一个高斯窗函数，σ是一个定义窗口大小的参数，λ和α是经验控制参数，b(y)是b(x)在区域Ωi的一个近似的局部替代函数；在方程(13)中，通过引入区域Ωi的隶属度函数ui(x)可得：上式满足以下条件：

(I)0≤ui(x)≤1；(II)

上述方程的求解采用交替方向极小化方法优化待求解的变量；具体地，在优化其中一个变量时，其它变量取值为上一次迭代的结果，求解方法采用Chamnolle投影算法和增广Lagrange乘子进行快速求解；

e)根据方程(15)求得的区域Ωi的隶属度函数ui(x)对I(x)在区域Ωi中的图像进行区域标记；由于0≤ui(x)≤1，故可以实现模糊分割区域的标记；为了便于显示，分割结果采用灰度图片的形式进行显示；当ui(x)≈1时，表示该像素点隶属于Ωi区域的可能性最大；当ui(x)≈0时，表示该像素点隶属于Ωi区域的可能性最小；当ui(x)≈0.5时，表示该像素点隶属于Ωi区域的可能性最不确定,此时，用户需要根据实际应用情况进行判断；

f)将织物原图、关键色彩成分和分割区域的标记结果输出到电脑屏幕；

g)用户根据步骤f)中显示的结果判断是否达到满意的区域分割效果，不满意，则通过h)调整模糊区域分割的数目并进入到步骤d)，满意，则进入到下一处理步骤，即步骤j)；在执行步骤j)之前，先进行步骤i)即对步骤a)读取的织物图像进行纹理细节提取；纹理细节提取的目的是提取出织物图片中的编织纹理成分和阴影细节，去掉织物图片中的颜色成分，采用将彩色图像转换为灰度图像的方法去掉织物图片中的颜色成分；

所述的步骤i)具体为：首先将织物图像由RGB模式转换为灰度图像，采用织物的RGB图像格式转换为NTSC彩色空间，经格式转换后的织物图像用亮度、色调和饱和度信息描述，分别用分量Y、I、Q表示；将像素点颜色的色调I和饱和度设Q置为0，亮度Y设置为包含256个等级的灰度级图像，灰度取值范围为[0,255]；

然后进行织物图像的编织纹理和阴影细节提取，提取方法如下：

其中f是织物图像的灰度图像，λ＞0，μ＞0，p→∞，u表示织物图像的颜色信息，v表示织物图像的编织纹理和阴影细节，且 方程(17)中变量u,g1,g2的微分，采用Euler-Lagrange方程求解：

0

其中1≤p≤10；上述方程(18)-(20)令u，g1，g2的初始值分别为：u ＝f，则通过有限差分求解上述方程中的变量u；织物图像的编织纹理和阴影细节通过v＝f-u即可求得织物编织纹理和阴影细节场；

所述步骤j)具体为：对织物图像进行重构；重构元素包括：(1)从自然图像中提取的关键色彩成分；(2)从织物图像中分割出的区域；(3)织物图像颜色偏移场；(4)织物编织纹理和阴影细节场；重构方法如下：其中，Ti表示自然图像中的第i个关键色彩(共N种)，N是织物图像中的分割区域数目，b(x)是织物图像的颜色偏移场，v(x)是织物编织纹理和阴影细节场；织物图像颜色转移过程至此结束并进入后处理过程；

所述的步骤4)后处理的作用是对织物颜色的转移结果进行验证和显示，包括如下具体内容，a>首先读取织物图像颜色转移结果；b>利用颜色提取分析方法对织物图像颜色转移结果进行处理，具体处理方法采用模糊C均值颜色聚类方法；显示结果存储在步骤c>和步骤d>中，分别包括颜色聚类在图像中的位置分布和颜色聚类中心的颜色；e>判断是否需要根据织物图像中的颜色类别再次进行颜色提取分析，需要则进入步骤b>，否则保存最终结果，整个颜色处理过程结束。