Ekstraktor kolorów z obrazów

Ekstraktor kolorów z obrazu – paleta z dowolnego zdjęcia

Chcesz wiedzieć jakie kolory dominują na zdjęciu? Ekstraktor analizuje obraz i wydobywa N najbardziej reprezentatywnych kolorów. Przydatne przy tworzeniu palet designowych z fotografii, brandingu i generowaniu harmonijnych zestawień kolorów.

Od pikseli do palety — co dzieje się między wgraniem pliku a listą HEX

Po wgraniu obraz trafia do niewidocznego płótna w pamięci przeglądarki i zostaje rozłożony na pojedyncze piksele. Każdy piksel to trójka liczb całkowitych z zakresu 0–255, oznaczająca nasycenie kanału czerwonego, zielonego i niebieskiego. Od tego momentu obraz przestaje być grafiką, a staje się zbiorem punktów w trójwymiarowej przestrzeni kolorów — i tylko na tym zbiorze pracuje algorytm. Jeśli włączysz próbkowanie 10%, narzędzie losuje część pikseli zamiast przetwarzać wszystkie; reszta obrazu nie wpływa wtedy na wynik. Jeśli włączysz pomijanie skrajnych jasności, piksele o jasności bliskiej bieli i czerni są odrzucane jeszcze przed grupowaniem, więc nie ciągną palety w stronę tła.

Grupowanie w k-means opiera się na minimalizowaniu sumy kwadratów odległości pikseli od przypisanych im centrów. Dla każdego piksela p i centrum c liczy się odległość euklidesową w przestrzeni kolorów, piksel trafia do najbliższego centrum, a następnie każde centrum jest przeliczane jako średnia arytmetyczna składowych wszystkich pikseli w swoim klastrze. Te dwa kroki powtarzają się do momentu, gdy przypisania przestają się zmieniać. Odległość w RGB jest tania obliczeniowo, ale słabo oddaje to, jak oko widzi różnice — dlatego wybór przestrzeni LAB daje palety bardziej równomierne percepcyjnie, kosztem dodatkowej konwersji każdego piksela.

Median Cut i octree działają inaczej: nie szukają centrów, tylko dzielą zbiór pikseli na coraz mniejsze podzbiory, aż do uzyskania zadanej liczby grup, a kolor reprezentatywny bierze się z wnętrza przedziału, a nie z jego średniej. Efekt praktyczny jest taki, że median cut daje wynik powtarzalny dla tego samego pliku, natomiast k-means z losową inicjalizacją może przy dwóch uruchomieniach zwrócić nieco inne odcienie. Udział procentowy przy każdym kolorze to po prostu liczba pikseli w klastrze podzielona przez liczbę pikseli, które wzięły udział w analizie, pomnożona przez 100.

Przykład krok po kroku: sześć pikseli i dwie składowe palety

1. Do analizy bierzemy obrazek o sześciu pikselach: (255,0,0), (250,10,5), (0,0,255), (5,10,250), (255,255,255) oraz (0,0,0). Ustawiamy liczbę kolorów K = 2, próbkowanie 100%, przestrzeń RGB i włączone pomijanie skrajnych jasności.
2. Filtr jasności odrzuca piksel biały (255,255,255) i czarny (0,0,0), bo oba leżą na krańcach zakresu. Do grupowania zostają cztery piksele: dwa czerwone i dwa niebieskie.
3. Inicjalizacja wybiera dwa centra startowe możliwie daleko od siebie, czyli czerwone (255,0,0) i niebieskie (0,0,255). Każdy piksel jest przypisywany do bliższego centrum — klastry układają się zgodnie z oczekiwaniem: po dwa piksele w każdym.
4. Liczymy nowe centrum klastra czerwonego jako średnią składowych: R = (255+250)/2 = 252,5; G = (0+10)/2 = 5; B = (0+5)/2 = 2,5. Po zaokrągleniu do liczb całkowitych powstaje kolor (253,5,3), czyli HEX #FD0503.
5. Analogicznie dla klastra niebieskiego: R = (0+5)/2 = 2,5; G = (0+10)/2 = 5; B = (255+250)/2 = 252,5. Po zaokrągleniu (3,5,253), czyli HEX #0305FD.
6. Przypisania nie zmieniają się w kolejnej iteracji, więc algorytm się zatrzymuje. Każdy klaster zawiera 2 z 4 analizowanych pikseli, więc oba kolory mają udział 50%. Wynikowa paleta to dwa wpisy: #FD0503 (50%) i #0305FD (50%).

Ustawienia ekstrakcji — co wybrać i kiedy

Jak wycisnąć z ekstrakcji użyteczną paletę

• Zmniejsz obraz przed wgraniem. Ekstraktor i tak nie potrzebuje pełnej rozdzielczości, żeby znaleźć dominujące kolory, a mniejszy plik szybciej przechodzi przez grupowanie — zwłaszcza przy ustawieniu 100% pikseli.
• Zacznij od K = 6. To kompromis między paletą czytelną a kompletną. Dopiero gdy widać, że brakuje odcieni, zwiększaj liczbę kolorów — przy zbyt dużym K paleta zaczyna się rozmywać na podobne warianty tego samego koloru.
• Przy zdjęciach studyjnych włącz pomijanie skrajnych jasności. Białe tło potrafi zająć większość powierzchni obrazu i wypchnąć z palety właściwe kolory produktu. Ten sam mechanizm działa dla czarnych teł.
• Sprawdź udziały procentowe, zanim cokolwiek wyeksportujesz. Kolor z udziałem kilku procent to detal, nie dominanta — jeśli chcesz zbudować na nim tło strony, wynik będzie przypadkowy. Sięgaj po kolory o największym udziale, a małe traktuj jako akcenty.
• Porównaj RGB i LAB na tym samym pliku. Jeśli obie palety wyglądają podobnie, temat jest prosty i możesz zostać przy RGB. Jeśli LAB daje wyraźnie lepiej rozdzielone odcienie, użyj go jako podstawy i dopiero na końcu skonwertuj kolory do HEX.

Czego wynik nie uwzględnia

• Przewagi powierzchni nad treścią. Algorytm nie wie, co jest tematem zdjęcia. Duży, jednolity obszar — tło, niebo, blat — zawsze zdominuje klaster, nawet jeśli najważniejszy obiekt zajmuje niewielką część kadru. Kadrowanie przed wgraniem bywa skuteczniejsze niż zmiana ustawień.
• Konwersji i profilu koloru. Analiza patrzy na wartości zapisane w pliku, a nie na to, jak obraz wygląda na Twoim monitorze. Ten sam plik otwarty w programie respektującym inny profil może pokazywać inne odcienie niż kolory wyliczone przez ekstraktor.
• Losowości inicjalizacji w k-means. Przy tym samym pliku i tej samej liczbie kolorów kolejne uruchomienia mogą zwrócić nieznacznie różne centra, bo algorytm nie gwarantuje optimum globalnego. Gdy potrzebujesz powtarzalności, sięgnij po median cut.
• Przezroczystości i artefaktów. Piksele w pełni przezroczyste nie mają koloru, więc jeśli nie zostaną odrzucone, zafałszują proporcje klastrów. Podobnie skompresowane pliki wnoszą przypadkowe piksele wokół krawędzi, które potrafią trafić do palety jako odrębny odcień.

Najczęstsze pytania

Powiązane narzedzia: blender kolorów HEX, tester schematów kolorów i narzedzie do nazywania kolorów.