色值近似度看我就够了一(HSV模型)

前言

最近有一个需求是根据图片平均色来改变滑动后导航的颜色,但是由于图片平均色和导航图标/文字颜色接近那么这样的展示效果并不好,因此要求当接近时改变导航的图标/文字颜色。这里直接判断相等肯定是不行的,因此需要一个近似色值的判断方法。于是就有了这篇文章。

参考文献

颜色值近似判断

ps
  • 如果大家看到有精简好用的三维作图软件(mac版,CAD,matlab这些就算了太大了),评论区留言给我,我补几张立体图
  • 最终算法传送门
具体思路

首先大家熟悉的色值表示方式RGB也可以去近似,但是误差相当大。所以我们采用HSV的色值表示方式来计算。下面简单说明下HSV色值的原理。
  和RGB一样,也分为三个值,H:色相,S:饱和度,V:明度。其中S和V都是[0,1]的数,而H为角度,不同平台的H表示是不一样的,参考文献中java环境下该值为[0,360],而在OC里该值为[0,1]所以在后续的计算中应保持对应。另外需要知道HSV是一个圆锥模型,后面的计算都是利用到这个模型的一些性质,特此说明。
  HSV与圆锥模型的对应关系如下图

我是百度来的HSV圆锥模型
 
  如图所示,一个颜色,在这个圆锥中的表示其实可以变成一个从底部圆锥顶点出发的一个向量,既然是向量,那么两个向量相减即可得出两个颜色的近似度
  那么接下来就是这个圆锥的定义和具体的计算公式了,首先定义一个圆锥我们知道要有高(或者底面直径或斜边长度)和顶角角度就能定义一个圆锥了,这里我们先定义角度为30°,斜边长度为1,后面会在公式中说明这两个值的含义及定义范围。

static double L = 1;
static double angle = 30;
//通过三角函数得出圆锥高
#define HSB_h (L * cos(angle / 180 * M_PI))
//通过三角函数得出圆锥底面半径
#define HSB_r (L * sin(angle / 180 * M_PI))

现在我们有了一个HSV的圆锥模型了,我们把两个色值转换为模型中的向量,代码如下:

CGFloat hue1, saturation1, brightness1, alpha1, hue2, saturation2, brightness2, alpha2;

//这是oc取HSV的方法,brightness对应的就是V值
BOOL success1 = [firstColor getHue:&hue1 saturation:&saturation1 brightness:&brightness1 alpha:&alpha1];
BOOL success2 = [secondColor getHue:&hue2 saturation:&saturation2 brightness:&brightness2 alpha:&alpha2];

//hue在OC中为[0,1],应转换为[0,2𝛑]进行计算
CGFloat HUE1 = hue1*2*M_PI;
CGFloat HUE2 = hue2*2*M_PI;

//x轴为0°, HSB_r*cos(HUE)为H在x轴上的投影长度,*saturation后变为加了饱和度后x轴的投影长度,*brightness后变为实际色值在圆锥模型中的x轴投影长度。后面均用到相似三角形性质,此处有张图能更清楚。
double x1 = HSB_r * brightness1 * saturation1 * cos(HUE1);
//y轴为90°,HSB_r*sin(HUE)为H在y轴上的投影长度,*saturation后变为加了饱和度后y轴的投影长度,*brightness后变为实际色值在圆锥模型中的y轴投影长度。后面均用到相似三角形性质,此处有张图能更清楚。
double y1 = HSB_r * brightness1 * saturation1 * sin(HUE1);
//z轴不解释
double z1 = HSB_h * (1 - brightness1);
double x2 = HSB_r * brightness2 * saturation2 * cos(HUE2);
double y2 = HSB_r * brightness2 * saturation2 * sin(HUE2);
double z2 = HSB_h * (1 - brightness2);

  现在我们有了两个向量了,那么做减法吧

double dx = x1 - x2;
double dy = y1 - y2;
double dz = z1 - z2;

ok,众所周知,向量加减会得到新的向量,于是我们现在有了一个新向量,只要计算他的长度即可得出相似度,然后根据结果设定阈值判断即可。
  回到刚才的圆锥模型

  
我还是百度来的HSV圆锥模型

  既然所有的色值向量都在这个圆锥模型内部,那么,向量相减后的新向量也必然在模型内部,所以可以得出一个结论就是,相似度的最大值是这个圆锥内部所能截取出来的最长的一条线,那么这条最长的线在哪呢?首先最长的线所在平面一定是过顶点和底面圆心的。那么这样截取出来的横截面必然是一个等腰三角形,他的最长线段就是三个顶点之间的距离看那个长了,所以我们定义的角度为30°就在这里,它使得我们的截面变成一个等边三角形,所以最长的线长度就是我们定义的斜边长度L。
  向量的长度计算如下
//pow()是C函数,次幂运算,0.5即1/2开方运算
float difference = pow (pow(dx, 2) + pow(dy, 2) + pow(dz, 2), 0.5);

下面是做的一些结果校验(由于纯黑纯白不具有验证价值,他的V恒为0,1,所以验证背景色均设置为#FCD100)
  

简书不支持表格html,为了凸显视觉差表格截图给大家看

  绝大部分都符合视觉效果,但是这是出现了一个梦魇和,视觉上颜色相近,但是计算结果太大。根据其他结果,我们暂定阈值为0.2倍斜边长度,小于该值即为相似。
  为了解决这个梦魇,我们再倒回之前向量相减这一步。首先我们都知道向量相减回得出一个新向量,然后我们计算了新向量的长度,并设置了长度的比较范围即阈值。那么我们不难想象其实这个范围对应到这个三维模型里就是一个球体,那么现在这个球体范围和我们视觉感觉出现了误差。
  
  究其原因是因为人眼对饱和度变化,色相变化及明度变化的感知存在差异,那么怎么弥补这个差异呢。我们想办法把划定界限的球体范围改成椭球范围就好了。具体我们下一篇接着讲,将引入新的色值模型LAB和新的近似度算法CIEDE2000,尽情期待。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,980评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,178评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,868评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,498评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,492评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,521评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,910评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,569评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,793评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,559评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,639评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,342评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,931评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,904评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,144评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,833评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,350评论 2 342