Ekstrak warna dominan dari gambar apa pun secara instan. Dapatkan nilai HEX dan RGB dengan satu klik. Gratis, aman, dan berjalan sepenuhnya di browser Anda.
Mendukung PNG, JPG, WEBP, GIF. Maks. 50MB.
Ekstraksi palet warna menganalisis gambar dan mengidentifikasi warna dominan atau representatif. Hasilnya adalah sekumpulan kecil warna — biasanya 5-8 — yang menangkap karakter visual gambar. Desainer menggunakan palet yang diekstraksi untuk mengoordinasikan elemen desain lainnya (warna UI yang melengkapi gambar pahlawan, palet merek yang berasal dari fotografi, skema warna yang sesuai dengan gambar suasana hati).
Ekstraksinya menggunakan algoritma pengelompokan (k-means atau serupa) untuk mengelompokkan semua piksel gambar ke dalam jumlah kelompok warna yang diminta. Setiap pusat cluster menjadi warna palet. Kelompok terbesar mewakili warna dominan; algoritme juga dapat memberi bobot berdasarkan kepentingan visual (saturasi, kontras) daripada jumlah piksel mentah untuk menampilkan warna aksen yang mencolok.
Alat ini berjalan di browser Anda menggunakan JavaScript. Gambar didekodekan menjadi data piksel, diambil sampelnya untuk mengurangi komputasi, dan dikelompokkan. Outputnya adalah palet dengan kode hex, nilai RGB, dan bilah proporsional yang menunjukkan prevalensi setiap warna pada gambar.
Mendesain karya yang selaras dengan citra yang ada jauh lebih cepat dengan palet yang diekstraksi dibandingkan memilih warna secara langsung. Desainer web membuat halaman arahan berdasarkan gambar pahlawan, pemasar memproduksi aset yang cocok dengan foto produk utama, dan desainer merek menganalisis citra pesaing, semuanya mendapat manfaat dari ekstraksi palet algoritmik.
Palet juga mendukung manajemen konten. Mengkategorikan gambar berdasarkan warna dominan memungkinkan Anda membangun antarmuka tempat pengguna menjelajahi foto, produk, atau desain berdasarkan warna. Membangun sistem seperti itu memerlukan ekstraksi palet secara sistematis, yang memungkinkan ekstraksi terprogram.
Unggah, pilih ukuran palet, dapatkan warnanya.
Pengelompokan K-means melakukan iterasi: tetapkan setiap piksel ke pusat cluster terdekat, hitung ulang pusat sebagai rata-rata piksel yang ditetapkan, ulangi hingga konvergensi. Berjalan pada gambar resolusi penuh lambat; pengambilan sampel (mengambil setiap piksel ke-N) dipercepat dengan kehilangan kualitas minimal.
Ruang warna penting. Pengelompokan dalam RGB menghasilkan palet yang diberi bobot berdasarkan jarak RGB, yang tidak sesuai dengan jarak persepsi. Pengelompokan di LAB atau HSV menghasilkan palet yang lebih selaras secara persepsi — warna-warna yang terlihat serupa dikelompokkan bersama dengan lebih andal.
Output: kode hex untuk setiap pusat cluster, ditambah persentase piksel gambar di setiap cluster. Persentase tersebut mewakili prevalensi visual; cluster terbesar adalah warna yang paling dominan.