Trenutačno izdvojite dominantne boje iz bilo koje slike. Dobijte HEX i RGB vrijednosti jednim klikom. Besplatno, sigurno i u potpunosti radi u vašem pregledniku.
Podržava PNG, JPG, WEBP, GIF. Maksimalno 50 MB.
Ekstrakcija palete boja analizira sliku i identificira dominantne ili reprezentativne boje. Rezultat je mali skup boja — obično 5-8 — koji bilježi vizualni karakter slike. Dizajneri koriste izdvojene palete za koordinaciju drugih elemenata dizajna (boje korisničkog sučelja koje nadopunjuju sliku heroja, palete robnih marki izvedene iz fotografije, sheme boja koje odgovaraju slici raspoloženja).
Ekstrakcija koristi algoritme klasteriranja (k-means ili slično) za grupiranje svih piksela slike u traženi broj klastera boja. Središte svakog klastera postaje boja palete. Najveći grozdovi predstavljaju dominantne boje; algoritam također može odrediti težinu prema vizualnoj važnosti (zasićenost, kontrast) umjesto sirovog broja piksela za površinske upečatljive akcentne boje.
Ovaj alat radi u vašem pregledniku koristeći JavaScript. Slika se dekodira u pikselne podatke, uzorkuje kako bi se smanjio proračun i klasterira. Izlaz je paleta s heksadecimalnim kodovima, RGB vrijednostima i proporcionalnim trakama koje pokazuju prevalenciju svake boje na slici.
Dizajniranje komada koji koordiniraju s postojećim slikama mnogo je brže s izdvojenim paletama nego biranjem boja okom. Web dizajneri koji grade odredišne stranice oko glavnih slika, trgovci koji proizvode sredstva koja odgovaraju ključnoj fotografiji proizvoda i dizajneri robnih marki koji analiziraju slike konkurenata, svi imaju koristi od algoritamske ekstrakcije palete.
Palete također podržavaju upravljanje sadržajem. Kategorizacija slika prema dominantnoj boji omogućuje vam izradu sučelja na kojima korisnici pregledavaju fotografije, proizvode ili dizajne prema boji. Izgradnja takvog sustava zahtijeva sustavno izdvajanje paleta, što omogućuje programsko izdvajanje.
Prenesite, odaberite veličinu palete, dohvatite boje.
K-znači klasteriranje iteracija: dodijelite svaki piksel najbližem centru klastera, ponovno izračunajte centre kao srednju vrijednost dodijeljenih piksela, ponavljajte do konvergencije. Rad na slikama pune razlučivosti je spor; uzorkovanje (uzimanje svakog N-tog piksela) ubrzava se uz minimalan gubitak kvalitete.
Prostor boja je bitan. Grupiranje u RGB proizvodi palete ponderirane prema RGB udaljenosti, koja ne odgovara perceptivnoj udaljenosti. Grupiranje u LAB ili HSV proizvodi bolje perceptivno usklađene palete — boje koje izgledaju slično grupiraju se zajedno pouzdanije.
Izlaz: heksadecimalni kodovi za svaki centar klastera, plus postotak piksela slike u svakom klasteru. Postotak predstavlja vizualnu prevalenciju; najveći grozd je najdominantnija boja.