Мгновенно извлекайте доминирующие цвета из любого изображения. Получайте значения HEX и RGB одним кликом. Бесплатно, безопасно и работает прямо в браузере.
Поддерживает PNG, JPG, WEBP, GIF. Макс. 50МБ.
При извлечении цветовой палитры анализируется изображение и определяются доминирующие или репрезентативные цвета. В результате получается небольшой набор цветов (обычно 5–8), которые передают визуальный характер изображения. Дизайнеры используют извлеченные палитры для координации других элементов дизайна (цвета пользовательского интерфейса, дополняющие изображение героя, палитры бренда, полученные из фотографии, цветовые схемы, соответствующие настроению изображения).
При извлечении используются алгоритмы кластеризации (k-средние или аналогичные) для группировки всех пикселей изображения в запрошенное количество цветовых кластеров. Центр каждого кластера становится цветом палитры. Самые большие кластеры представляют доминирующие цвета; алгоритм также может взвешивать визуальную важность (насыщенность, контрастность), а не необработанное количество пикселей, чтобы отображать яркие акцентные цвета.
Этот инструмент запускается в вашем браузере с использованием JavaScript. Изображение декодируется в пиксельные данные, отбирается для сокращения вычислений и кластеризуется. На выходе получается палитра с шестнадцатеричными кодами, значениями RGB и пропорциональными полосами, показывающими преобладание каждого цвета в изображении.
С использованием извлеченных палитр создавать предметы, соответствующие существующим изображениям, гораздо быстрее, чем подбирать цвета на глаз. Веб-дизайнеры, создающие целевые страницы вокруг главных изображений, маркетологи, создающие ресурсы, соответствующие ключевой фотографии продукта, и дизайнеры брендов, анализирующие изображения конкурентов, — все получают выгоду от алгоритмического извлечения палитры.
Палитры также поддерживают управление контентом. Классификация изображений по доминирующему цвету позволяет создавать интерфейсы, в которых пользователи просматривают фотографии, продукты или дизайны по цвету. Построение такой системы требует систематического извлечения палитр, что позволяет программное извлечение.
Загрузите, выберите размер палитры, получите цвета.
Итерации кластеризации K-средних: присваивают каждый пиксель ближайшему центру кластера, пересчитывают центры как среднее значение назначенных пикселей, повторяют до сходимости. Работа с изображениями в полном разрешении выполняется медленно; sampling (taking every Nth pixel) accelerates with minimal quality loss.
Цветовое пространство имеет значение. Clustering in RGB produces palettes weighted by RGB distance, which does not match perceptual distance. Clustering in LAB or HSV produces more perceptually aligned palettes — colors that look similar group together more reliably.
Output: hex codes for each cluster center, plus the percentage of image pixels in each cluster. Процент представляет собой распространенность зрения; самый большой кластер - это наиболее доминирующий цвет.