比较 RGB 颜色，使色差比强度总和更显着

Question

当涉及到在图像分析过程中比较颜色时，您很快就会发现您可以只使用灰度图像。为什么？因为通常你会这样做：

double average = (color.r+color.g+color.b)/3;

基于grascale平均颜色，我做了一个算法，在屏幕上找到一个对象时实际上非常令人满意（我使用了整个桌面，但是，这就足够了）：

按平均颜色搜索耗时 67 毫秒，而按精确像素匹配（蓝框）搜索耗时 1.255 秒！（前者在找到第一个匹配后立即终止，而平均颜色算法循环整个图像）。

但我想提高 GUI 的精度。在 GUI 中，红色按钮看起来就像蓝色按钮，可能会错误匹配。这就是我实现颜色敏感积分图像的原因。现在我发现我不知道如何正确比较颜色总和以获得一些真实色差。

假设您有 2 个包含 3 个元素的数组。

//Summed colors on the image you're looking for
double sumOnSearchedImage[3];
//Summed colors on currently checked rectangle (in some loop we'll not bother with here)
double sumOnBigImage[3];

数组中的每个数字分别代表红色、蓝色和绿色的总和（不是平均值）。您如何比较这些，以便 rgb(0, 255, 255) 和 rgb(255,255,255) 之间的差异大于 rgb(170,170,170) 和 rgb(255,255,255) 之间的差异？

Answer 1

使用点积

dc=cos(ang)=dot(col1,col2);
dc=r1*r2+g1*g2+b1*b2

对于标准化的 RGB 颜色（单位向量），这会为您提供 dc=<0,1> 范围内的系数，其中 0 表示颜色之间的角度为 90 度（最大可能差异) 和 1 表示相同的颜色（不是强度）

性能

每个通道使用 8 位...所以范围是 <0,255> 以避免 FPU 使用。您可以通过以下方式避免 sqrt 使用非标准化颜色：

dc=(r1*r2+g1*g2+b1*b2)^2/(|col1|^2*|col2|^2)
|col|^2=r*r+g*g+b*b

[edit1] 附加信息

归一化颜色是单位3D向量

如果像 255*(r,g,b) 那样将其转换为 8 位范围，则每个通道范围为 8 位，因此您可以将每个颜色通道处理为整数或定点小数。对于定点你只需要改变乘法和除法，其余的操作都是一样的：

add=a+b
sub=a-b
mul=(a*b)>>8
div=((a<<8)/b)>>8

当你使用标准化颜色时 |col|=1 所以你不需要 sqrt 也不需要除法。对于定点，只需右移 8 位...对于整数 <0,255>，|col|=255 也可以通过 ~shift 右移 8 位来完成。对于非标准化颜色，您需要除以 |col|，这需要 sqrt 和除法，但 dc 系数在 <0,1> 范围内，因此如果您使用 dc^2，您只需更改系数的线性度对您和 |col|^2 不重要，sqrt 用法已过时，因为 |col|^2=sqrt(r*r+g*g+b*b)^2=(r*r+g*g+b*b).

为了更好地加快速度，您应该在执行任务之前将整个图像转换为标准化颜色。如果编码正确，对于普通桌面分辨率

，它应该在 10+ ms 左右

[注释]

还有其他颜色空间更适合您的目的，例如 HSV

Answer 2

在指标space中rgb(0, 255, 255)和rgb(255,255,255)之间的距离已经远远大于rgb(170,170,170)和rgb(255,255,255)之间的距离。

不使用距离本身，而是使用它们的平方来提高速度。

|(0, 255, 255), (255,255,255)|^2 = 255^2 = 9*85^2
|(170,170,170), (255,255,255)|^2 = 3*85^2

顺便说一句，不要惊讶地发现灰度视图通常就足够了。好的设计使设计师能够使事物 a) 清晰可见，b) 至少以某种方式对大约 18% 的人可见，因为很多人在颜色识别方面存在问题。 http://www.colour-blindness.com/general/prevalence/

比较 RGB 颜色，使色差比强度总和更显着

Compare RGB colors so that color difference is more significant then intensity sum

java

algorithm

colors

image-processing