Одмах извуците доминантне боје из било које слике. Добијте ХЕКС и РГБ вредности једним кликом. Бесплатно, безбедно и у потпуности ради у вашем претраживачу.
Подржава ПНГ, ЈПГ, ВЕБП, ГИФ. Мак 50МБ.
Екстракција палете боја анализира слику и идентификује доминантне или репрезентативне боје. Резултат је мали скуп боја — обично 5-8 — које хватају визуелни карактер слике. Дизајнери користе екстраховане палете за координацију других елемената дизајна (боје корисничког интерфејса које допуњују слику хероја, палете брендова изведене из фотографије, шеме боја које одговарају слици расположења).
Екстракција користи алгоритме груписања (к-средње вредности или слично) да групише све пикселе слике у тражени број кластера боја. Центар сваког кластера постаје боја палете. Највећи гроздови представљају доминантне боје; алгоритам такође може тежити визуелном важношћу (засићеност, контраст) уместо сировим бројем пиксела до површинских упадљивих акцентних боја.
Овај алат ради у вашем претраживачу користећи ЈаваСцрипт. Слика се декодира у податке о пикселима, узоркује да би се смањило израчунавање и групише. Излаз је палета са хексадецималним кодовима, РГБ вредностима и пропорционалним тракама које показују распрострањеност сваке боје на слици.
Дизајнирање делова који се усклађују са постојећим сликама је много брже са екстрахованим палетама него бирање боја на око. Веб дизајнери граде одредишне странице око слика хероја, трговци који производе средства која одговарају кључној фотографији производа и дизајнери брендова који анализирају слике конкурената који имају користи од алгоритамског издвајања палета.
Палете такође подржавају управљање садржајем. Категоризација слика према доминантној боји омогућава вам да изградите интерфејсе где корисници прегледају фотографије, производе или дизајне према боји. Изградња оваквог система захтева систематско издвајање палета, што омогућава програмско извлачење.
Отпремите, изаберите величину палете, узмите боје.
К-меанс груписање понављања: доделите сваки пиксел најближем центру кластера, поново израчунајте центре као средњу вредност додељених пиксела, поновите до конвергенције. Рад на сликама у пуној резолуцији је спор; узорковање (узимање сваког Н-тог пиксела) се убрзава уз минималан губитак квалитета.
Простор боја је важан. Груписање у РГБ производи палете пондерисане РГБ растојањем, што се не поклапа са перцептивном удаљености. Груписање у ЛАБ или ХСВ производи више перцептивно усклађених палета — боје које изгледају слично груписане су поузданије.
Излаз: хексадецимални кодови за сваки центар кластера, плус проценат пиксела слике у сваком кластеру. Проценат представља визуелну преваленцију; највећи кластер је најдоминантнија боја.