Haal dominante kleuren onmiddellijk uit elke afbeelding. Ontvang HEX- en RGB-waarden met één klik. Gratis, veilig en draait volledig in uw browser.
Ondersteunt PNG, JPG, WEBP, GIF. Maximaal 50 MB.
Kleurenpaletextractie analyseert een afbeelding en identificeert de dominante of representatieve kleuren. Het resultaat is een kleine reeks kleuren (meestal 5-8) die het visuele karakter van de afbeelding weergeven. Ontwerpers gebruiken geëxtraheerde paletten om andere ontwerpelementen te coördineren (UI-kleuren die een heldenafbeelding aanvullen, merkpaletten afgeleid van fotografie, kleurenschema's die passen bij een sfeerbeeld).
De extractie maakt gebruik van clusteralgoritmen (k-means of iets dergelijks) om alle pixels van de afbeelding te groeperen in het gevraagde aantal kleurclusters. Het centrum van elke cluster wordt een paletkleur. De grootste clusters vertegenwoordigen dominante kleuren; het algoritme kan ook wegen op visueel belang (verzadiging, contrast) in plaats van op het aantal ruwe pixels om opvallende accentkleuren naar voren te brengen.
Deze tool draait in uw browser met behulp van JavaScript. Het beeld wordt gedecodeerd in pixelgegevens, bemonsterd om berekeningen te verminderen, en geclusterd. De uitvoer is het palet met hexadecimale codes, RGB-waarden en proportionele balken die de prevalentie van elke kleur in de afbeelding weergeven.
Het ontwerpen van stukken die aansluiten bij bestaand beeldmateriaal gaat veel sneller met geëxtraheerde paletten dan het met het oog kiezen van kleuren. Webontwerpers die landingspagina's bouwen rond heldenafbeeldingen, marketeers die assets produceren die overeenkomen met een belangrijke productfoto en merkontwerpers die afbeeldingen van concurrenten analyseren, profiteren allemaal van algoritmische paletextractie.
Paletten ondersteunen ook contentbeheer. Door afbeeldingen te categoriseren op dominante kleur kunt u interfaces bouwen waarin gebruikers op kleur door foto's, producten of ontwerpen kunnen bladeren. Het bouwen van een dergelijk systeem vereist het systematisch extraheren van paletten, wat programmatische extractie mogelijk maakt.
Upload, kies paletgrootte, verkrijg de kleuren.
K-betekent clustering-iteraties: wijs elke pixel toe aan het dichtstbijzijnde clustercentrum, bereken de centra opnieuw als het gemiddelde van de toegewezen pixels, herhaal dit tot convergentie. Het uitvoeren van afbeeldingen met volledige resolutie is traag; sampling (elke N-de pixel nemen) versnelt met minimaal kwaliteitsverlies.
Kleurruimte is belangrijk. Clustering in RGB levert paletten op die zijn gewogen op RGB-afstand, wat niet overeenkomt met de perceptuele afstand. Clustering in LAB of HSV levert perceptueel beter uitgelijnde paletten op; kleuren die er hetzelfde uitzien, groeperen betrouwbaarder.
Uitvoer: hexadecimale codes voor elk clustercentrum, plus het percentage beeldpixels in elk cluster. Het percentage vertegenwoordigt de visuele prevalentie; de grootste cluster is de meest dominante kleur.