以编程方式查找相似的颜色

我在java中有一个缓冲的图像，我想根据颜色值记录每个像素与另一个像素的相似程度。 所以具有“相似”颜色的像素将具有更高的相似度值。 例如，红色和粉红色的相似度值为1000，但红色和蓝色的相似值为300或更小。

我怎样才能做到这一点。 当我从缓冲的Image像素中获取RGB时，它返回一个负整数，我不知道如何用它来实现它。

Answer 1

首先，你如何得到整数值？

获得RGB值后，您可以尝试

（（r2-r1） ² +（g2-g1） ² +（b2-b1） ² ） ^1/2

这将为您提供距离两个点的3D空间距离，每个点由（r1，g1，b1）和（r2，g2，b2）指定。

或者使用颜色的HSV值有更复杂的方法。

Answer 2

我建议你从这里开始阅读

色差公式，如果你想这样做。 它解释了用于计算色差的ΔE*ab ， ΔE*94 ， ΔE*00和ΔE*CMC公式。

Answer 3

HSL是一个糟糕的举动。 L * a * b是一个色彩空间，旨在表示色彩实际上是如何被实现的，并且是基于数百个实验的数据，这些实验涉及真实眼睛看不同颜色的人，并说“我可以分辨出这两者之间的区别。但不是那两个“。

L * a * b空间中的距离表示根据这些实验得出的预测的实际距离。

一旦转换为L * a * b，您只需要测量3D空间中的线性距离。

Answer 4

如果您打算使用HSV，您需要意识到HSV不是三维空间中的点，而是锥体的角度，大小和距离顶部的距离。 要计算HSV值的距离，您需要通过变换确定3d空间中的点。

X = Cos（H）* S * V.

Y = Sin（H）* S * V.

Z = V.

对于这两点，然后取它们之间的欧几里德距离：

 Sqrt((X0 - X1)*(X0 - X1) + (Y0 - Y1)*(Y0 - Y1) + (Z0 - Z1)*(Z0 - Z1)) 

代价为2 Cos，2 Sin和平方根。

或者你可以通过以下方式更容易地计算距离，因为你会意识到当平面化为2D空间时，你只需要从原点得到两个向量，并应用cosign定律来找到XY空间中的距离：

 C² = A² + B² + 2*A*B*Cos(Theta) 

其中A = S * V的第一个值，B = S * V的第二个和cosign是差值theta或H0-H1

然后将因子考虑在内，将2D空间扩展到3D空间。

 A = S0*V0 B = S1*V1 dTheta = H1-H0 dZ = V0-V1 distance = sqrt(dZ*dZ + A*A + B*B + 2*A*B*Cos(dTheta); 

请注意，因为cosigns定律给我们C²，我们只需将其插入Z中即可。它的成本为1 Cos和1 Sqrt。 HSV非常有用，你只需要知道它描述的是什么类型的色彩空间。 你不能只是将它们打成一个欧几里德函数，并从中得到一些连贯的东西。

Answer 5

最简单的方法是将两种颜色转换为HSV值并找出H值的差异。 最小的变化意味着颜色相似。 您可以自定义阈值。

Answer 6

你可能在每个像素上调用getRGB（），它返回的颜色为4 8位字节，高字节alpha，下一个字节为红色，下一个字节为绿色，下一个字节为蓝色。 您需要将频道分开。 即使这样，RGB空间中的颜色相似性也不是很大 – 使用HSL或HSV空间可能会获得更好的结果。 请参阅此处获取转换代码。

换一种说法：

 int a = (argb >> 24) & 0xff; int r = (argb >> 16) & 0xff; int g = (argb >> 8) & 0xff; int b = argb & 0xff; 

我不知道java缓冲图像中的特定字节顺序，但我认为这是对的。

Answer 7

您可以获得单独的字节，如下所示：

 int rgb = bufferedImage.getRGB(x, y); // Returns by default ARGB. int alpha = (rgb >>> 24) & 0xFF; int red = (rgb >>> 16) & 0xFF; int green = (rgb >>> 8) & 0xFF; int blue = (rgb >>> 0) & 0xFF; 

Answer 8

我发现HSL值更容易理解。 HSL Color解释了它们的工作原理并提供了转换程序。 与其他答案一样，您需要确定与您类似的方法。

Answer 9

有一篇关于这个问题的有趣论文：

用于基于内容的图像和video检索 的 相关颜色相似性测量的新的感知均匀颜色空间 由M. Sarifuddin和Rokia Missaoui提供

您可以使用Google或特别是[Google学术搜索]轻松找到这一点。[1]

总而言之，一些颜色空间（例如RGB，HSV，Lab）和距离测量（例如几何平均和欧几里德距离）是人类对颜色相似性的感知的更好表示。 本文讨论了一种新的色彩空间，它比其他色彩空间更好，但它也提供了对常见的色彩空间和距离测量的良好比较。 定性*，似乎使用常用颜色空间的感知距离的最佳度量是：HSV颜色空间和圆柱距离测量。

*至少，根据参考文献中的图15。

圆柱距离度量（以Latex表示法）：

D_ {cyl} = \ sqrt {\ Delta V ^ {2} + S_1 ^ {2} + S_2 ^ {2} -2S_1S_2cos（\ Delta H）}

Answer 10

这是与＃1634206类似的问题。

如果您正在寻找RGB空间中的距离，则欧几里德距离将起作用，假设您将红色，绿色和蓝色值均等地处理。

如果您想要对它们进行不同的加权，就像将颜色/ RGB转换为灰度时通常所做的那样，您需要将每个组件加权不同的量。 例如，使用流行的RGB转换为30％红色+ 59％绿色+ 11％蓝色的灰度：

 d2 = (30*(r1-r2))**2 + (59*(g1-g2))**2 + (11*(b1-b2))**2; 

d2的值越小，颜色(r1,g1,b1)和(r2,g2,b2)越接近。

但是还有其他颜色空间可供选择，而不仅仅是RGB，这可能更适合您的问题。

Answer 11

颜色感知不是线性的， 因为人眼对某些颜色比其他颜色更敏感。

所以抖动 正确回答

Answer 12

我试了一下。 HSL / HSV值绝对没用。 例如：

• L = 0的所有颜色都是“黑色”（RGB 000000），尽管它们的HSL差异可能暗示高色距。

• S = 0的所有颜色都是“灰色”的阴影，尽管它们的HSL差异可能暗示高颜色距离。

• H（色调）范围以“红色”的阴影开始和结束，因此H = 0且H = [max]（360°或100％或240，取决于应用）都是红色的并且彼此相对相似，但欧几里德HSL距离接近最大值。

所以我的建议是使用Euclidean RGB距离（r2-r1）²+（g2-g1）²+（b2-b1）²无根。 （主观）阈值1000然后适用于类似的颜色。 差异> 1000的颜色可以通过人眼很好地区分。 另外，对组件进行不同的加权可能会很有帮助（参见前文）。