本文同时发表在我的博客wangyi.blog
Android Palette Library 是一个从 Bitmap中 提取图像的主题颜色的工具库。我最近对 Palette 的实现感兴趣，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。
example
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。
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。
- 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。
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
}
}
};
- 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。
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：
- Vibrant （有活力的）
- Vibrant dark（有活力的 暗色）
- Vibrant light（有活力的 亮色）
- Muted （柔和的）
- Muted dark（柔和的 暗色）
- 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(RGB转HSL算法)得到对应的HSL颜色值然后打分，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 Targe 可能t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;
};
全部代码上传到Githubhttps://github.com/wangyiwy/palette-js
网友评论