颜色相关的算法整理

RGB 转灰度

//rgba(grey,grey,grey,1)
function rgb2Grey(r,g,b)
{
var grey=Math.round((r*299 + g*587 + b*114 + 500) / 1000)
return grey
}

---

判断两种颜色相似程度

//rbg
function isSimilarColorRBG(r1, g1, b1, r2, g2, b2, offset)
{
if (Math.sqrt((r1 - r2) * (r1 - r2) + (g1 - g2) * (g1 - g2) + (b1 - b2) * (b1 - b2)) < offset)
{
return true;
}
else
{
return false;
}
}
//hex
function isSimilarColorHEX(sHexColorA, sHexColorB, nOffset)
{
this.offsetNum = Math.abs(nOffset);
this.offsetNum > 255 ? this.offsetNum = this.offsetNum - 256 : "";
var arrNumA = [parseInt(sHexColorA.substring(0, 2), 16),
parseInt(sHexColorA.substring(2, 4), 16),
parseInt(sHexColorA.substring(4, 6), 16)
];
var arrNumB = [parseInt(sHexColorB.substring(0, 2), 16),
parseInt(sHexColorB.substring(2, 4), 16),
parseInt(sHexColorB.substring(4, 6), 16)
];
for (var i = 0; i < arrNumA.length; i++)
{
if (Math.abs(arrNumA[i] - arrNumB[i]) > this.offsetNum)
{
return false;//不相似
};
}
return true;//相似
}
RGB转HEX
//rgbToHex("rbg(r,g,b)")
function rgb2Hex(rgb)
{
var color = rgb.toString().match(/\d+/g);
var hex = "#";
for (var i = 0; i < 3; i++)
{
hex += ("0" + Number(color[i]).toString(16)).slice(-2);
}
return hex;
}

---

色差计算

色彩有多种颜色空间表示方式,如RGB,HSV,HSL,LAB等等,

RGB颜色空间:

RGB颜色空间相对简单,也最为普遍,就分为三个颜色通道,分别为红色,绿色,蓝色这三种基本色调的值,然后将这三个颜色融合在一起,也就成为一种颜色.

但用RGB比较颜色之间的相似度时,存在很大的问题,不建议直接使用,因为往往一个通道的一点改变,会导致最后融合在一起的颜色发生巨大变化,而如果三个通道的同时改变,却只会使最后的明暗发生变化,色调并不会产生巨大变化.

而这也是H系列色彩空间普遍存在的问题.

HSV颜色空间:

HSV是个六棱锥模型,这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。

色调H:

用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

饱和度S:

饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。

明度V:

明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

其中:V对应的是棱锥的中间轴,H对应的是角度,S对应的是距离中间轴的距离.

RGB跟HSV的相互转换可参考百度百科

距离计算方法:

在斜边长R，底面圆半径为r，高为h的HSV圆锥体内，以地面圆心为原点，H=0为x轴正方向建立坐标轴。那么色值是(H,S,V)的点的三维坐标(x,y,z)是 

x = r∗V∗S∗cosH

y = r∗V∗S∗sinH

z = h∗(1−V)

具体Python代码实现(参考这个连接)

def HSVDistance(hsv_1,hsv_2):
H_1,S_1,V_1 = hsv_1
H_2,S_2,V_2 = hsv_2
R=100
angle=30
h = R * math.cos(angle / 180 * math.pi)
r = R * math.sin(angle / 180 * math.pi)
x1 = r * V_1 * S_1 * math.cos(H_1 / 180 * math.pi);
y1 = r * V_1 * S_1 * math.sin(H_1 / 180 * math.pi);
z1 = h * (1 - V_1);
x2 = r * V_2 * S_1 * math.cos(H_2 / 180 * math.pi);
y2 = r * V_2 * S_1 * math.sin(H_2 / 180 * math.pi);
z2 = h * (1 - V_2);
dx = x1 - x2;
dy = y1 - y2;
dz = z1 - z2;
return math.sqrt(dx * dx + dy * dy + dz * dz);
HSV颜色空间分布图

 

但HSV空间计算距离时,存在一定的问题,比如,在接近顶点的地方,基本都接近黑色,不管H色调怎么改变,而在底面的中心或者S饱和度接近0时,基本都接近灰色,不管H色调怎么改变,而在饱和度S较大,且V亮度较大时,H色调的一点改变往往会让整体的颜色产生巨大变化,所以,用HSV计算距离时往往还存在某些问题.

LAB颜色空间:

LAB颜色空间是基于人眼对颜色的感知，可以表示人眼所能感受到的所有颜色。L表示明度，A表示红绿色差，B表示蓝黄色差。两个颜色之见的色差：

ΔE=( ΔL^2 + ΔA^2 + ΔB^2 ) ^ (1/2)

ΔE 表示色差，ΔL/ΔA/Δb分别表示两个颜色之间在不同分量的差值。

为了简化计算及保证计算效果，有人在RGB空间上通过公式计算出加权的欧式距离。

以下为具体的计算方法，详细说明可以参考：链接 

 https://www.compuphase.com/cmetric.htm

具体Python代码实现(参考这个链接):

def ColourDistance(rgb_1, rgb_2):
R_1,G_1,B_1 = rgb_1
R_2,G_2,B_2 = rgb_2
rmean = (R_1 +R_2 ) / 2
R = R_1 - R_2
G = G_1 -G_2
B = B_1 - B_2
return math.sqrt((2+rmean/256)*(R**2)+4*(G**2)+(2+(255-rmean)/256)*(B**2))
这个方法是我目前尝试,最为可靠有效的方法.

CIEDE2000色差公式计算