Extrahera dominerande färger från alla bilder direkt. Få HEX- och RGB-värden med ett klick. Gratis, säker och körs helt i din webbläsare.
Stöder PNG, JPG, WEBP, GIF. Max 50 MB.
Färgpalettextraktion analyserar en bild och identifierar de dominerande eller representativa färgerna. Resultatet är en liten uppsättning färger - vanligtvis 5-8 - som fångar bildens visuella karaktär. Designers använder extraherade paletter för att koordinera andra designelement (UI-färger som kompletterar en hjältebild, varumärkespaletter som härrör från fotografi, färgscheman som matchar en stämningsbild).
Extraheringen använder klustringsalgoritmer (k-medel eller liknande) för att gruppera alla bildens pixlar i det begärda antalet färgkluster. Varje klusters centrum blir en palettfärg. De största klustren representerar dominerande färger; Algoritmen kan också väga efter visuell betydelse (mättnad, kontrast) snarare än obearbetat antal pixlar till ytans slående accentfärger.
Detta verktyg körs i din webbläsare med JavaScript. Bilden avkodas till pixeldata, samplas för att minska beräkningen och klustras. Utdata är paletten med hex-koder, RGB-värden och proportionella staplar som visar varje färgs förekomst i bilden.
Att designa bitar som koordinerar med befintliga bilder går mycket snabbare med extraherade paletter än att välja färger med ögat. Webbdesigners som bygger målsidor runt hjältebilder, marknadsförare som producerar tillgångar som matchar en nyckelproduktfoto och varumärkesdesigners som analyserar konkurrentbilder drar alla nytta av algoritmisk palettextraktion.
Paletter stöder även innehållshantering. Genom att kategorisera bilder efter dominerande färg kan du bygga gränssnitt där användare bläddrar bland foton, produkter eller mönster efter färg. Att bygga ett sådant system kräver att paletter extraheras systematiskt, vilket programmatisk extrahering möjliggör.
Ladda upp, välj palettstorlek, hämta färgerna.
K-betyder klustring itererar: tilldela varje pixel till närmaste klustercentrum, beräkna om centra som medelvärdet av tilldelade pixlar, upprepa tills konvergens. Att köra på bilder i full upplösning är långsamt; sampling (tar var N:te pixel) accelererar med minimal kvalitetsförlust.
Färgrymden spelar roll. Klustring i RGB producerar paletter viktade med RGB-avstånd, vilket inte matchar perceptuellt avstånd. Klustring i LAB eller HSV producerar mer perceptuellt anpassade paletter - färger som ser likadana ut grupperas mer tillförlitligt.
Utdata: hexadecimalkoder för varje klustercentrum, plus procentandelen bildpixlar i varje kluster. Procentandelen representerar visuell prevalens; det största klustret är den mest dominerande färgen.