แปลงฟรี
จานสี แยกจากรูปภาพ
แยกสีที่โดดเด่นออกจากภาพใดๆ ได้ทันที รับค่า HEX และ RGB ได้ในคลิกเดียว ฟรี ปลอดภัย และทำงานได้อย่างสมบูรณ์ในเบราว์เซอร์ของคุณ
ลากและวางรูปภาพที่นี่
รองรับ PNG, JPG, WEBP, GIF สูงสุด 50MB
หรือ
แยกสีที่โดดเด่นออกจากภาพใดๆ ได้ทันที รับค่า HEX และ RGB ได้ในคลิกเดียว ฟรี ปลอดภัย และทำงานได้อย่างสมบูรณ์ในเบราว์เซอร์ของคุณ
รองรับ PNG, JPG, WEBP, GIF สูงสุด 50MB
การแยกชุดสีจะวิเคราะห์ภาพและระบุสีที่โดดเด่นหรือสีที่เป็นตัวแทน ผลลัพธ์ที่ได้คือชุดสีเล็กๆ — โดยทั่วไปคือ 5-8 — ที่จับภาพลักษณะของภาพ นักออกแบบใช้ชุดสีที่แยกออกมาเพื่อประสานองค์ประกอบการออกแบบอื่นๆ (สี UI ที่ช่วยเสริมภาพหลัก ชุดสีแบรนด์ที่ได้มาจากภาพถ่าย โทนสีที่เข้ากับภาพอารมณ์)
การแยกใช้อัลกอริธึมการจัดกลุ่ม (k-means หรือคล้ายกัน) เพื่อจัดกลุ่มพิกเซลของรูปภาพทั้งหมดให้เป็นจำนวนกลุ่มสีที่ต้องการ ศูนย์กลางของแต่ละคลัสเตอร์จะกลายเป็นจานสี กระจุกที่ใหญ่ที่สุดแสดงถึงสีที่โดดเด่น อัลกอริธึมยังสามารถชั่งน้ำหนักตามความสำคัญของภาพ (ความอิ่มตัวของสี คอนทราสต์) แทนที่จะนับจำนวนพิกเซลดิบไปจนถึงสีที่ถูกเน้นที่โดดเด่นของพื้นผิว
เครื่องมือนี้ทำงานในเบราว์เซอร์ของคุณโดยใช้ JavaScript รูปภาพจะถูกถอดรหัสเป็นข้อมูลพิกเซล สุ่มตัวอย่างเพื่อลดการคำนวณ และจัดกลุ่ม เอาท์พุตคือจานสีที่มีรหัสฐานสิบหก ค่า RGB และแถบสัดส่วนที่แสดงความแพร่หลายของแต่ละสีในรูปภาพ
การออกแบบชิ้นงานที่ประสานกับภาพที่มีอยู่จะเร็วกว่ามากเมื่อใช้จานสีที่แยกออกมามากกว่าการเลือกสีด้วยตา นักออกแบบเว็บไซต์สร้างแลนดิ้งเพจรอบรูปภาพหลัก นักการตลาดที่สร้างเนื้อหาที่ตรงกับรูปภาพผลิตภัณฑ์หลัก และนักออกแบบแบรนด์ที่วิเคราะห์รูปภาพของคู่แข่ง ล้วนได้รับประโยชน์จากการแยกชุดอัลกอริธึม
Palettes ยังรองรับการจัดการเนื้อหาอีกด้วย การจัดหมวดหมู่รูปภาพตามสีที่โดดเด่นทำให้คุณสามารถสร้างอินเทอร์เฟซที่ผู้ใช้เรียกดูรูปภาพ ผลิตภัณฑ์ หรือการออกแบบตามสีได้ การสร้างระบบดังกล่าวจำเป็นต้องมีการแตกจานสีอย่างเป็นระบบ ซึ่งการสกัดด้วยโปรแกรมจะเปิดใช้งานได้
อัปโหลด เลือกขนาดจานสี รับสี
การจัดกลุ่มแบบ K-means วนซ้ำ: กำหนดแต่ละพิกเซลให้กับศูนย์กลางคลัสเตอร์ที่ใกล้ที่สุด คำนวณศูนย์กลางใหม่เป็นค่าเฉลี่ยของพิกเซลที่กำหนด ทำซ้ำจนกระทั่งมาบรรจบกัน การทำงานบนภาพที่มีความละเอียดเต็มจะช้า การสุ่มตัวอย่าง (รับทุกๆ พิกเซลที่ N) จะเร่งความเร็วโดยสูญเสียคุณภาพน้อยที่สุด
พื้นที่สีมีความสำคัญ การจัดกลุ่มใน RGB จะสร้างจานสีที่ถ่วงน้ำหนักด้วยระยะห่าง RGB ซึ่งไม่ตรงกับระยะห่างในการรับรู้ การจัดกลุ่มใน LAB หรือ HSV จะสร้างจานสีที่สอดคล้องกันมากขึ้น — สีที่ดูเป็นกลุ่มเดียวกันเข้าด้วยกันได้อย่างน่าเชื่อถือมากขึ้น
เอาต์พุต: รหัสฐานสิบหกสำหรับแต่ละศูนย์คลัสเตอร์ บวกเปอร์เซ็นต์ของพิกเซลรูปภาพในแต่ละคลัสเตอร์ เปอร์เซ็นต์แสดงถึงความชุกของการมองเห็น กระจุกที่ใหญ่ที่สุดคือสีที่โดดเด่นที่สุด