Estrai istantaneamente i colori dominanti da qualsiasi immagine. Ottieni valori HEX e RGB con un clic. Gratuito, sicuro e funziona interamente nel tuo browser.
Supporta PNG, JPG, WEBP, GIF. Massimo 50 MB.
L'estrazione della tavolozza dei colori analizza un'immagine e identifica i colori dominanti o rappresentativi. Il risultato è un piccolo insieme di colori, in genere 5-8, che catturano il carattere visivo dell'immagine. I designer utilizzano le tavolozze estratte per coordinare altri elementi di progettazione (colori dell'interfaccia utente che completano un'immagine principale, tavolozze del marchio derivate dalla fotografia, combinazioni di colori che corrispondono a un'immagine d'atmosfera).
L'estrazione utilizza algoritmi di clustering (k-means o simili) per raggruppare tutti i pixel dell'immagine nel numero richiesto di cluster di colori. Il centro di ogni cluster diventa un colore della tavolozza. I cluster più grandi rappresentano i colori dominanti; l'algoritmo può anche ponderare in base all'importanza visiva (saturazione, contrasto) piuttosto che al numero di pixel grezzi per ottenere colori accentati sorprendenti.
Questo strumento viene eseguito nel tuo browser utilizzando JavaScript. L'immagine viene decodificata in dati pixel, campionata per ridurre il calcolo e raggruppata. L'output è la tavolozza con codici esadecimali, valori RGB e barre proporzionali che mostrano la prevalenza di ciascun colore nell'immagine.
Progettare pezzi che si coordinano con le immagini esistenti è molto più veloce con le tavolozze estratte che scegliere i colori a occhio. I web designer che creano pagine di destinazione attorno alle immagini degli eroi, gli esperti di marketing che producono risorse che corrispondono a una foto di prodotto chiave e i designer di marchi che analizzano le immagini della concorrenza traggono tutti vantaggio dall'estrazione algoritmica della tavolozza.
Le tavolozze supportano anche la gestione dei contenuti. La categorizzazione delle immagini in base al colore dominante consente di creare interfacce in cui gli utenti sfogliano foto, prodotti o progetti in base al colore. La costruzione di un sistema di questo tipo richiede l'estrazione sistematica delle tavolozze, cosa che l'estrazione programmatica consente.
Carica, scegli la dimensione della tavolozza, ottieni i colori.
Il clustering K-means itera: assegna ciascun pixel al centro del cluster più vicino, ricalcola i centri come media dei pixel assegnati, ripeti fino alla convergenza. L'esecuzione su immagini a piena risoluzione è lenta; il campionamento (prendendo ogni ennesimo pixel) accelera con una perdita di qualità minima.
Lo spazio colore è importante. Il clustering in RGB produce tavolozze ponderate in base alla distanza RGB, che non corrisponde alla distanza percettiva. Il clustering in LAB o HSV produce tavolozze più allineate percettivamente: i colori che sembrano simili vengono raggruppati insieme in modo più affidabile.
Output: codici esadecimali per ciascun centro del cluster, più la percentuale di pixel dell'immagine in ciascun cluster. La percentuale rappresenta la prevalenza visiva; il cluster più grande è il colore più dominante.