Javascript Palette 颜色提取算法详解

Android Palette Library 是一个从 Bitmap 中提取图像的主题颜色的工具库。在阅读源码理解了它的原理后,我打算用 JavaScript 来实现同样的功能。

下面是实现 Javascript 提取颜色的完整过程(包含代码)。

1. 获取图片的像素数据

通过 canvas 获取图片的像素信息 ImageData。ImageData 中包含图片的宽高和一个Uint8数组,该数组以 RGBA 的形式存储像素数据。

let width = this.image.width;
let height = this.image.height;

let canvas = document.createElement('canvas');
canvas.width = width;
canvas.height = height;

let ctx = canvas.getContext("2d");
ctx.drawImage(this.image, 0, 0);
let data = ctx.getImageData(0, 0, width, height).data;

2. 以柱状图的形式统计所有颜色出现的次数

柱状图是一个一维 int 数组,数组 index 对应颜色的 int 值,对应的取值表示该颜色的出现次数。RGB888包含的颜色大约有1600万(255x255x255)种颜色,这里将RGB888颜色空间转成 RGB555 颜色空间。RGB555 包含 32768(32x32x32) 种颜色,可减少大量的计算量。

let colorCount = 1 << 15;
let histogram = new Int16Array(colorCount);

for (let i = 0; i < data.length; i += 4) {
    let r = data[i] >> 3;
    let g = data[i + 1] >> 3;
    let b = data[i + 2] >> 3;
    histogram[r << (10) | g << 5 | b]++;
}

3. 筛选出现次数大于 0 的颜色

将出现次数大于 0 的颜色保存在一个数组中,统计不同颜色的数量 distinctColorCount。shouldIgnoreColor 方法会忽略掉接近白色、黑色和红色的颜色。

let distinctColorCount = 0;
for (let color = 0; color < colorCount; color++) {
    if (histogram[color] > 0 && ColorCutQuantizer.shouldIgnoreColor(color)) {
        histogram[color] = 0;
    }

    if (histogram[color] > 0) {
        distinctColorCount++
    }
}

let colors = new Int16Array(distinctColorCount);
let index = 0;
for (let color = 0; color < colorCount; color++) {
    if (histogram[color] > 0) {
        colors[index++] = color;
    }
}

如果 distinctColorCount 小于等于我们需要提取的采样个数 maxColors,那么我们的采样流程结束,直接生成颜色样本。

代码如下:

if (distinctColorCount <= maxColors) {
    this.quantizedColors = new Array(distinctColorCount);
    for (let i = 0; i < distinctColorCount; i++) {
        let color = colors[i];
        let r = (color >> 10) & 0x1f;
        let g = (color >> 10) & 0x1f;
        let b = color & 0x1f;
        this.quantizedColors[i] = new Swatch(r, g, b, histogram[color])
    }
} else {
    this.quantizedColors = ColorCutQuantizer.quantizePixels(histogram, colors, maxColors)
}

4. 通过中位切分算法提取样本

如果我们拥有的颜色数量比需要的样本数量多,利用中位切割算法将颜色数量裁剪到需要的采样数量。

首先将所有的颜色放入一个长方体 Vbox:

Vbox

我们对 Vbox 进行初始化,得到该 Vbox 对应的R、G、B的最大和最小值,以及表示的该颜色范围内所有像素的数量的 population。

代码如下:

fitBox() {
    this.minRed = this.minGreen = this.minBlue = Number.MAX_VALUE;
    this.maxRed = this.maxGreen = this.maxBlue = 0;
    this.population = 0;

    for (let i = this.lowerIndex; i <= this.upperIndex; i++) {
        let color = this.colors[i];
        this.population += this.histogram[color];

        let r = quantizedRed(color);
        let g = quantizedGreen(color);
        let b = quantizedBlue(color);

        if (r > this.maxRed) {
            this.maxRed = r
        }
        if (r < this.minRed) {
            this.minRed = r
        }
        if (g > this.maxGreen) {
            this.maxGreen = g
        }
        if (g < this.minGreen) {
            this.minGreen = g
        }
        if (b > this.maxBlue) {
            this.maxBlue = b
        }
        if (b < this.minBlue) {
            this.minBlue = b
        }
    }
};

然后,将这个 Vbox 放入一个优先级队列(PriorityQueue)中。JavaScript 中没有 PriorityQueue 这样的数据结构,我在 Github 上找到了对应的简单实现 TinyQueue。该队列根据 Vbox 的体积排序:

// 获取Vbox的体积 — 三边长的乘积
getVolume() {
    return (this.maxRed - this.minRed + 1) * (this.maxGreen - this.minGreen + 1) * (this.maxBlue - this.minBlue + 1);
};

...

let queue = new TinyQueue();
queue.compare = function (a, b) {
    return b.getVolume() - a.getVolume();
};

将 RGB 中最长的一边从颜色统计的中位数一切为二,使得到的两个长方体所包含的像素数量相同。中位切割最重要的是找到切割的点,下面是我们找到 Vbox 切割点的方法:

findSplitPoint() {
    // 获取Vbox最长的边
    let longestDimension = this.getLongestColorDimension();

    // 我们需要根据最长的边对该Vbox中的颜色进行排序,由于当前是颜色RGB空间
    // 如果最长的边是Green则需要把颜色修改为GRB,如果最长边是Blue修改为RGR
    Vbox.modifySignificantOctet(this.colors, longestDimension, this.lowerIndex, this.upperIndex);

    // 对Vbox内的颜色排序
    Vbox.sortRange(this.colors, this.lowerIndex, this.upperIndex);

    Vbox.modifySignificantOctet(this.colors, longestDimension, this.lowerIndex, this.upperIndex);

    let midPoint = this.population / 2;
    let count = 0;
    for (let i = this.lowerIndex; i <= this.upperIndex; i++) {
        count += this.histogram[this.colors[i]];
        if (count >= midPoint) {
            return Math.min(this.upperIndex - 1, i)
        }
    }
    return this.lowerIndex
};

将分割出的2个的 Vbox 放入队列中,然后我们再从队列中获取体积最大的一个 Vbox 继续分割,直到 Vbox 数量达到我们需要的样本数量。

5. 根据 Vbox 生成样本 Swatch

getAverageColor 方法计算 Vbox 中的所有颜色的平均值,然后生成一个 Swatch。

方法如下:

getAverageColor() {
    let redSum = 0, greenSum = 0, blueSum = 0, totalPopulation = 0;
    for (let i = this.lowerIndex; i <= this.upperIndex; i++) {
        let color = this.colors[i];
        let colorPopulation = this.histogram[color];

        totalPopulation += colorPopulation;
        redSum += colorPopulation * quantizedRed(color);
        greenSum += colorPopulation * quantizedGreen(color);
        blueSum += colorPopulation * quantizedBlue(color);
    }

    let redMean = Math.round(redSum / totalPopulation);
    let greenMean = Math.round(greenSum / totalPopulation);
    let blueMean = Math.round(blueSum / totalPopulation);

    return new Swatch(redMean, greenMean, blueMean, totalPopulation);
};

6. 根据 Target 对 Swatch 打分,获得最终的主题颜色值列表

Target 定义了我们对颜色饱和度和亮度的最低值、目标值和计算评分的权重要求,默认定义了 6 种 Target:

  1. Vibrant:有活力的
  2. Vibrant dark:有活力的 暗色
  3. Vibrant light:有活力的 亮色
  4. Muted:柔和的
  5. Muted dark:柔和的 暗色
  6. Muted light:柔和的 亮色

我们得到的 Swatch 是 RGB 的颜色值,需要通过转换 RGB 得到对应的 HSL 颜色值(RGB 颜色转 HSL 工具提供了带 UI 界面的颜色转换功能),然后打分,HSL 即色相(Hue)、饱和度(Saturation)、亮度(Lightness)。

在计算分数之前需要判断该 Swatch 是否满足评分的要求 — 饱和度和亮度在 Target 的要求范围之内,并且该 Swatch 没有被其他 Target 使用。因此该 Target 可能获取不到对应的 Swatch。

shouldBeScoredForTarget(swatch, target) {
    let hsl = swatch.getHsl();
    let s = hsl[1];
    let l = hsl[2];

    return s >= target.getMinimumSaturation() && s <= target.getMaximumSaturation()
        && l >= target.getMinimumLightness() && l <= target.getMaximumLightness()
        && !this.usedColors.get(swatch.rgb);
};

我们将饱和度分数、亮度分数、像素 Population 分数三项分数加起来,得到该 Target 评分最高的 Swatch。

generateScore(swatch, target) {
    let saturationScore = 0;
    let luminanceScore = 0;
    let populationScore = 0;
    let maxPopulation = this.dominantSwatch.population;

    let hsl = swatch.getHsl();

    if (target.getSaturationWeight() > 0) {
        saturationScore = target.getSaturationWeight() * (1 - Math.abs(hsl[1] - target.getTargetSaturation()));
    }
    if (target.getLightnessWeight() > 0) {
        luminanceScore = target.getLightnessWeight() * (1 - Math.abs(hsl[2] - target.getTargetLightness()));
    }
    if (target.getPopulationWeight() > 0) {
        populationScore = target.getPopulationWeight() * (swatch.population / maxPopulation);
    }

    return saturationScore + luminanceScore + populationScore;
};

全文完。

分享