我有一个包含约200个RGB格式颜色的数组。 我想编写一个程序，它可以接受任何RGB颜色并尝试匹配最“相似”的颜色。
我需要一个很好的“相似”定义，尽可能接近于人类感知。
我还想显示有关匹配准确性的一些信息。例如黑白：100％，对于具有稍微不同色调的相似颜色：-4％。
我需要使用神经网络吗？ 是否有更简单的替代方法？
最佳匹配颜色的算法。
29
- Maciek Sawicki
2
这个问题是关于建议一个好的相似度函数，还是关于一个算法来快速找到与给定颜色相似度最高的颜色（或颜色集合）在数组中的位置？ - mjv
两者都需要。如果我想尝试创建算法，首先需要一些相似性的定义。我认为“感知上相似”是我正在寻找的。 - Maciek Sawicki
7个回答
39
将所有颜色转换为CIE Lab颜色空间，并在该空间中计算距离。
deltaE = sqrt(deltaL^2 + deltaA^2 + deltaB^2)
颜色的最低 DeltaE 值越小，它们在视觉上就越相似。
- hobbs
5
17记住，你不需要进行平方根运算 - 平方根是一个单调递增的函数，因此这一步是多余的。 - Rooke
6没错，如果你只是进行排序，距离的平方和距离本身一样好。如果你想比较“不同的程度”，那就留下它。 - hobbs
CIE Lab被用于所有主要的颜色管理系统中，例如来自苹果、微软和Adobe的系统，以完全相同的方式进行最近颜色计算。这是一个非常有趣的话题。 - Bob Murphy
从您的经验来看，deltaE的良好低值是多少？即当deltaE <14时，颜色在感知上是相似的。 - Marius
使用Lab值的常规缩放，人们可以看到的最小差异约为deltaE=1，而在显示器上可表示的最大差异可能为150-200。由您决定何时结束“相似”并开始“不相似” :) - hobbs
4
不需要神经网络！只需将HSL颜色值视为向量，并为向量定义加权模数函数，如下所示：
modulus = sqrt(a*H1*H1 + b*S1*S1 + c*L1*L1);
where a,b,c are weights you should decide based on your visual definition of what
creates a bigger difference in perceived color - a 1% change in Hue or a 1%
change in Saturation
我建议您使用 a = b = 0.5 和 c = 1。
最后，找出模数可能取值的范围，并定义类似颜色为那些模数非常接近的颜色（比如说5%）。
- KJ Saxena
5
3这是一个好的简单替代方法。从RGB到HSL的转换比从RGB到Lab的转换简单得多。 :) - hobbs
Crimson，你能检查一下取模的数学公式吗？我觉得它不对。你想要的更像是
a * (H1 - H2)**2 + ...，对吧？ - hobbs@hobbs - 最好计算两个模数，然后再进行比较，而不仅仅是计算差向量的模数。 - KJ Saxena
1但是您不想要将两种不同颜色的色调等相乘，对吗？ - hobbs
嗨，我想知道你所说的“找出模数范围”的意思是什么？我们是只需使用abs（mod1-mod2）比较两种颜色的模数，还是“找出范围”意味着不同的事情？ - poncho
1
最近我也遇到了同样的问题，于是在网上比较了各种算法。一开始我对使用CIELAB颜色空间感到犹豫，因为它看起来很复杂，但实际上并没有想象中那么难。下面是你需要比较两个RGB值的全部代码。
struct CIELAB {
float L, a, b;
};
float gammaCorrect( float v )
{
return 100.0f * (v <= 0.04045f ? v / 12.92f : powf( (v + 0.055f) / 1.055f, 2.4f ));
}
float nonlinearToLinear( float v )
{
return v > 0.008856f ? cbrtf( v ) : 7.787f * v + 16.0f / 116.0f;
}
CIELAB RGBToCIELAB( int R, int G, int B )
{
float red = gammaCorrect( R / 255.0f );
float green = gammaCorrect( G / 255.0f );
float blue = gammaCorrect( B / 255.0f );
float xr = nonlinearToLinear( (red * 0.4124564f + green * 0.3575761f + blue * 0.1804375f) / 95.047f );
float yr = nonlinearToLinear( (red * 0.2126729f + green * 0.7151522f + blue * 0.0721750f) / 100.000f );
float zr = nonlinearToLinear( (red * 0.0193339f + green * 0.1191920f + blue * 0.9503041f) / 108.883f );
return { 116.0f * yr - 16.0f, 500.0f * (xr - yr), 200.0f * (yr - zr) };
}
float similarity( int R0, int G0, int B0, int R1, int G1, int B1 )
{
CIELAB lab0 = RGBToCIELAB( R0, G0, B0 );
CIELAB lab1 = RGBToCIELAB( R1, G1, B1 );
float dL = lab0.L - lab1.L;
float da = lab0.a - lab1.a;
float db = lab0.b - lab1.b;
return dL*dL + da*da + db*db;
}
对于similarity()函数，结果越低表示匹配度越好。为了提高效率，请将RGB颜色列表预先转换为CIELAB空间。
如果需要更简单的算法，可以参考维基百科的Color difference页面，其中有一个相当不错的算法。您可以使用整数运算来实现它，如果只比较相似性，则可以跳过平方根计算。
int similarity( int R0, int G0, int B0, int R1, int G1, int B1 )
{
int dr = R0 - R1;
int dg = G0 - G1;
int db = B0 - B1;
int redsum = R0 + R1;
return (1024 + redsum) * dr*dr + 2048 * dg*dg + (1534 - redsum) * db*db;
}
计算不会超过32位有符号整数。
我发现这种匹配与在CIELAB空间中的匹配相比明显劣质，但计算是微不足道的。
我还尝试在HSV颜色空间中进行匹配，但对于某些颜色对没有得到良好的结果。例如，纯白和纯黑（它们之间的差异很大）可能具有相同的色调和饱和度，因此可能匹配得更好。
- Dragonfly
0
我一直在寻找这个东西，但是没有找到很多答案，所以我决定创建这个小库。
https://github.com/sebastienjouhans/c-sharp-colour-utilities
- user2259397
1
请在发布回答时非常小心，不要推销自己的作品。确保您在此处实际回答问题，并仅将您的博客/来源用作备份和参考。目前这很可能会被标记为垃圾邮件。 - ChrisF
0
我最快实现这个的方法是将颜色添加到八叉树中，然后像量化一样使用每个位来指导您到达最深的子节点。一旦您无法再深入，要么您在最深层（最低位），此时您已经找到了精确的颜色，要么您需要的下一个子节点不存在 - 此时您只需要具有最接近您正在搜索的位的位的子节点，那就是您最接近的颜色。这比将所有内容转换为HSL并返回，或计算每个欧几里得距离要快得多。
这是我在CodeProject上的代码：https://www.codeproject.com/tips/1046574/octtree-based-nearest-color-search
这是我在CodeProject上的代码：https://www.codeproject.com/tips/1046574/octtree-based-nearest-color-search
- dynamichael
0
这是一个完整的Python代码，用于根据RGB中的任意值找到颜色的名称。
import matplotlib.colors as mc
import numpy as np
from scipy.spatial import KDTree
import cv2
class ColorNamer:
def __init__(self):
self.clut = {}
self.clut_list = []
self.clut_tree = None
for name in mc.XKCD_COLORS:
rgb = mc.to_rgb(mc.XKCD_COLORS[name])
lab = cv2.cvtColor(np.single([[rgb]]), cv2.COLOR_RGB2Lab)[0][0]
self.clut[tuple(lab)] = name[5:]
self.clut_list = list(self.clut.keys())
self.clut_tree = KDTree(self.clut_list)
def name(self, rgb):
lab = tuple(cv2.cvtColor(np.single([[rgb]]), cv2.COLOR_RGB2Lab)[0][0])
dist, point = self.clut_tree.query(lab, 1)
idx = int(point)
key = self.clut_list[idx]
return self.clut[key]
if __name__ == '__main__':
cn = ColorNamer()
print(cn.name((.3211, .543, .633)))
- Konchog
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接