主导颜色在CocoaPods.org上

主导颜色

使用CIE LAB颜色空间和k-means聚类算法寻找图像的主导颜色。

RGB颜色空间没有考虑到人类的感知，所以使用CIELAB颜色空间，它旨在模拟人类视觉 ^[1]。

从RGB值转换为LAB值，首先需要将RGB值转换为类似sRGB这样的绝对颜色空间^[2]。在iOS上，这一转换是多余的，因为sRGB就是设备的原生颜色空间^[3]。在OS X上，可以使用-[NSColorSpace sRGBColorSpace]方法来进行转换。

将颜色转换为sRGB后，首先转换为线性的sRGB值，然后转换为CIE XYZ值^[4]。最后，使用D65标准光源^[6][7]将其转换为CIE LAB颜色空间^[5]。

使用颜色差异算法来分组相似的色彩。API用户可以选择CIE 76^[8]、CIE 94^[9]和CIE 2000^[10]算法，分别用于低、中、高色彩分组精度。默认算法是CIE 94，因为它提供的结果与CIE 2000相似，且与CIE 76相比性能影响微小。

使用标准的k-means聚类算法^[11][12][13]将像素分组到以主要色彩为特色的集群中。

最初选择k值是基于经验规则 k = sqrt(n/2)^[14]，但这种选择导致在较大的n值下，k值太大以至于无法在合理时间内运行。目前，我使用一个神秘的值16，因为经验测试表明，对于许多不同的图像，它产生了最佳结果，但我仍在探索多种基于数据的替代方法。

目前，初始质心是随机选择的。另一种方法是使用适用于k-means++算法，其中首先随机选择了第一个质心，接下来根据距离随机选中质心的距离成比例选择质心。

k-means算法在最坏情况下的运行时间是输入大小的超多项式，^[15]，所以采样大量像素是一个问题。图像会自动降采样，以使得像素总数不超过指定的最大像素数。我所使用的值是1000，在准确结果和运行时间之间找到一个好的平衡。

除了解码颜色空间之间的函数外，所有内容都在Swift中实现。这些函数使用了GLKit，因此必须用C编写（因为Swift目前不支持C联合）。

该项目包含Mac和iOS应用，可用于查看算法的结果和运行简单的基准测试。

根据MIT许可证授权。