Akimirksniu išskleiskite dominuojančias spalvas iš bet kurio vaizdo. Gaukite HEX ir RGB vertes vienu paspaudimu. Nemokamas, saugus ir veikia tik jūsų naršyklėje.
Palaiko PNG, JPG, WEBP, GIF. Max 50 MB.
Spalvų paletės ištraukimas analizuoja vaizdą ir nustato dominuojančias arba tipines spalvas. Rezultatas yra nedidelis spalvų rinkinys (dažniausiai 5–8), kuris užfiksuoja vaizdo vaizdinį pobūdį. Dizaineriai naudoja išgautas paletes, kad derintų kitus dizaino elementus (UI spalvos, papildančios herojaus įvaizdį, prekės ženklų paletės, gautos iš fotografijos, spalvų schemos, atitinkančios nuotaikos vaizdą).
Išskyrimas naudoja klasterizacijos algoritmus (k-means ar panašius), kad sugrupuotų visus vaizdo pikselius į pageidaujamą spalvų grupių skaičių. Kiekvienos grupės centras tampa paletės spalva. Didžiausios grupės atstovauja dominuojančias spalvas; Algoritmas taip pat gali vertinti vizualinę svarbą (sotumą, kontrastą), o ne neapdorotą pikselių skaičių, atsižvelgiant į paviršiaus ryškias akcentines spalvas.
Šis įrankis veikia jūsų naršyklėje naudojant „JavaScript“. Vaizdas iššifruojamas į pikselių duomenis, atrenkami mėginiai, kad būtų sumažintas skaičiavimas, ir sugrupuojamas. Išvestis yra paletė su šešioliktainiais kodais, RGB reikšmėmis ir proporcinėmis juostomis, rodančiomis kiekvienos spalvos paplitimą vaizde.
Su esamais vaizdais suderinamus kūrinius suprojektuoti daug greičiau naudojant ištrauktas paletes, nei pasirinkti spalvas iš akies. Žiniatinklio dizaineriai, kuriantys nukreipimo puslapius aplink herojų atvaizdus, rinkodaros specialistai, gaminantys turtą, atitinkantį pagrindinę produkto nuotrauką, ir prekės ženklų dizaineriai, analizuojantys konkurentų vaizdus, turi naudos iš algoritminio paletės ištraukimo.
Paletės taip pat palaiko turinio valdymą. Suskirstę vaizdus pagal dominuojančias spalvas galite kurti sąsajas, kuriose naudotojai naršo nuotraukas, gaminius ar dizainą pagal spalvas. Kuriant tokią sistemą reikia sistemingai išgauti paletes, o tai įgalina programinis ištraukimas.
Įkelkite, pasirinkite paletės dydį, gaukite spalvas.
K-means klasterizacijos iteracijos: priskirkite kiekvieną pikselį artimiausiam klasterio centrui, perskaičiuokite centrus kaip priskirtų pikselių vidurkį, kartokite iki konvergencijos. Visos raiškos vaizdai veikia lėtai; atranka (paimama kas N-ą pikselį) paspartėja minimaliai prarandant kokybę.
Svarbu spalvų erdvė. Klasterizuojant RGB, gaunamos paletės, įvertintos pagal RGB atstumą, kuris neatitinka suvokimo atstumo. Klasterizuojant LAB arba HSV, gaunamos labiau suvokiamos paletės – panašiai atrodančios spalvos sugrupuojamos patikimiau.
Išvestis: kiekvieno klasterio centro šešioliktainiai kodai, pridėjus vaizdo pikselių procentą kiekviename klasteryje. Procentas rodo regėjimo paplitimą; didžiausias klasteris yra labiausiai dominuojanti spalva.