I-extract agad ang mga nangingibabaw na kulay mula sa anumang larawan. Kumuha ng mga halaga ng HEX at RGB sa isang click. Libre, secure, at ganap na tumatakbo sa iyong browser.
Sinusuportahan ang PNG, JPG, WEBP, GIF. Max na 50MB.
Sinusuri ng color palette extraction ang isang imahe at kinikilala ang nangingibabaw o kinatawan ng mga kulay. Ang resulta ay isang maliit na hanay ng mga kulay — karaniwang 5-8 — na kumukuha ng visual na karakter ng larawan. Gumagamit ang mga designer ng mga na-extract na palette para i-coordinate ang iba pang mga elemento ng disenyo (mga kulay ng UI na umakma sa isang imahe ng bayani, mga palette ng brand na nagmula sa photography, mga scheme ng kulay na tumutugma sa isang imahe ng mood).
Gumagamit ang pagkuha ng mga clustering algorithm (k-means o katulad) upang igrupo ang lahat ng pixel ng imahe sa hiniling na bilang ng mga cluster ng kulay. Nagiging palette color ang bawat cluster's center. Ang pinakamalaking kumpol ay kumakatawan sa mga nangingibabaw na kulay; ang algorithm ay maaari ding timbangin sa pamamagitan ng visual na kahalagahan (saturation, contrast) sa halip na hilaw na bilang ng pixel sa ibabaw ng kapansin-pansin na mga kulay ng accent.
Gumagana ang tool na ito sa iyong browser gamit ang JavaScript. Ang imahe ay na-decode sa pixel data, na-sample upang mabawasan ang pag-compute, at naka-cluster. Ang output ay ang palette na may mga hex code, mga halaga ng RGB, at proporsyonal na mga bar na nagpapakita ng pagkalat ng bawat kulay sa larawan.
Ang pagdidisenyo ng mga piraso na tumutugma sa umiiral na koleksyon ng imahe ay mas mabilis sa mga nakuhang palette kaysa sa pagpili ng mga kulay sa pamamagitan ng mata. Ang mga web designer ay gumagawa ng mga landing page sa paligid ng mga imahe ng bayani, ang mga marketer na gumagawa ng mga asset na tumutugma sa isang pangunahing larawan ng produkto, at ang mga designer ng brand na nagsusuri ng imahe ng kakumpitensya ay nakikinabang lahat mula sa algorithmic palette extraction.
Sinusuportahan din ng mga palette ang pamamahala ng nilalaman. Ang pagkakategorya ng mga larawan ayon sa nangingibabaw na kulay ay nagbibigay-daan sa iyong bumuo ng mga interface kung saan nagba-browse ang mga user ng mga larawan, produkto, o disenyo ayon sa kulay. Ang pagbuo ng naturang sistema ay nangangailangan ng sistematikong pag-extract ng mga palette, na pinapagana ng programmatic extraction.
Mag-upload, pumili ng laki ng palette, kunin ang mga kulay.
Umuulit ang K-means clustering: italaga ang bawat pixel sa pinakamalapit na cluster center, i-compute ang mga center bilang mean ng mga nakatalagang pixel, ulitin hanggang sa convergence. Ang pagtakbo sa mga full-resolution na larawan ay mabagal; sampling (pagkuha ng bawat Nth pixel) accelerates na may minimal na pagkawala ng kalidad.
Mahalaga ang espasyo ng kulay. Ang pag-cluster sa RGB ay gumagawa ng mga palette na natimbang ng RGB na distansya, na hindi tumutugma sa perceptual na distansya. Ang pag-cluster sa LAB o HSV ay nagbubunga ng mas maraming perceptual na nakahanay na mga palette — mga kulay na mukhang magkakatulad na grupo nang mas maaasahan.
Output: mga hex code para sa bawat cluster center, kasama ang porsyento ng mga pixel ng imahe sa bawat cluster. Ang porsyento ay kumakatawan sa visual prevalence; ang pinakamalaking kumpol ay ang pinaka-nangingibabaw na kulay.