カラーパレット抽出ツール

典型的な写真には、微妙なグラデーションや影の一つ一つを個別にカウントすると、どんな使いやすいパレットでも表示できないほど多い、数十万もの異なる色が含まれます。メディアンカット量子化は、画像のすべてのピクセルを3次元色空間の点として扱い、要求されたグループ数になるまで、最も広い範囲を持つ軸 — 赤、緑、または青 — に沿って最大かつ最も分散したグループを繰り返し分割することでこれを削減します。各最終グループの平均色がパレットのサンプルになります。

分割はグループが持つピクセル数ではなく、色のグループがどれだけ分散しているかに導かれるため、結果は単に最頻出のピクセル値ではなく、自然に一般的でありながら視覚的に際立つ色を重視します — ほぼ同一の空の青の大きな領域が、それぞれより小さい面積を占める本当に異なる3つの色を押しのけることはありません。これは古典的なGIFや256色パレット生成の背後にある同じ中核アルゴリズムであり、ここでは画像自体を再描画するのではなく、デザイン用途のパレットを構築するために適用されています。

人間の注意は、フレームの実際の占有率にほとんど関わらず、写真の被写体 — 顔、製品、注目の対象 — に向かいますが、ピクセルを数えるアルゴリズムには被写体という概念が全くありません。緑豊かな葉の広がりを背景に撮影されたポートレートは緑が支配的なパレットを返します。緑が本当にピクセルの大半を占めているためですが、写真を見た誰かは、それは背景ではなくフレーム内の人物「について」のものだと言うでしょう。

これが起きた場合の修正は、ほぼ常にパレットを抽出する前に本当に重要な領域に画像をトリミングすることです — 商品写真の被写体にぴったりとトリミングしたり、デザインのモックアップの注目要素にトリミングしたりすることで、結果を偏らせていた背景ピクセルが取り除かれ、パレットが本当に表現しようとしている画像の部分を反映できるようになります。

色数を減らすと、アルゴリズムはより積極的に一般化を強いられます。これはパレットがブランドやテーマ用の小さく意図的なパレットとして使われる場合に有用です — それぞれが互いに本当に異なる必要がある3色か4色です。色数を増やすと元画像のより細かい違いを捉えられますが、数が6〜7を大きく超えると、ほぼ重複したサンプルを生成し始め、区別が難しくなります。特に微妙なグラデーションを含む画像では、追加のサンプルは実質的に意味のある違う色ではなく、同じグラデーション上の単なる段階にすぎません。