Extractor de paleta de color

Una fotografía típica contiene cientos de miles de colores distintos una vez que se cuenta individualmente cada gradiente y sombra sutil, muchos más de los que cualquier paleta utilizable podría mostrar. La cuantización por corte de mediana reduce eso tratando todos los píxeles de una imagen como puntos en un espacio de color tridimensional, y luego dividiendo repetidamente el grupo más grande y disperso a lo largo del eje — rojo, verde o azul — que tenga el rango más amplio, hasta que queda el número de grupos solicitado. El color promedio de cada grupo final se convierte en una muestra de la paleta.

Como la división está guiada por cuán disperso está un grupo de colores en lugar de por cuántos píxeles tiene, el resultado favorece naturalmente colores que son tanto comunes como visualmente distintos, en lugar de simplemente el valor de píxel más frecuente — una gran área de azul cielo casi idéntico no desplaza a otros tres colores genuinamente diferentes que cada uno cubre un área más pequeña. Este es el mismo algoritmo central detrás de la generación de paletas GIF y de 256 colores clásicas, aplicado aquí para construir una paleta de uso en diseño en lugar de para redibujar la propia imagen.

La atención humana se dirige hacia el sujeto de una fotografía — un rostro, un producto, un objeto focal — casi sin importar cuánto del encuadre ocupe realmente, mientras que un algoritmo que cuenta píxeles no tiene ningún concepto de sujeto en absoluto. Un retrato tomado contra una gran extensión de follaje verde devolverá una paleta dominada por verdes, porque el verde genuinamente es la mayoría de los píxeles, aunque alguien que mire la foto diría que trata "sobre" la persona en el encuadre, no sobre el fondo detrás de ella.

El arreglo, cuando esto ocurre, es casi siempre recortar la imagen a la región que realmente importa antes de extraer la paleta — recortar ajustadamente al sujeto de una foto de producto, o al elemento focal de una maqueta de diseño, elimina los píxeles de fondo que estaban sesgando el resultado y permite que la paleta refleje la parte de la imagen que realmente se pretende representar.

Menos colores fuerzan al algoritmo a generalizar más agresivamente, lo cual es útil cuando la paleta se va a usar como una paleta de marca o tema pequeña y deliberada — tres o cuatro colores que cada uno necesita ser genuinamente distinto de los demás. Más colores capturan distinciones más finas en la imagen de origen pero empiezan a producir muestras casi duplicadas difíciles de distinguir una vez que el número supera mucho seis o siete, particularmente en imágenes con gradientes sutiles donde las muestras adicionales son en realidad solo escalones a lo largo del mismo gradiente en lugar de colores significativamente diferentes.