Java 比较RGB颜色，使色差比强度和更显著

当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，我制定了一个算法，当在屏幕上查找对象时，该算法实际上非常令人满意（我使用了整个桌面，但这已经足够了）：

按平均颜色搜索耗时67毫秒，按精确像素匹配（蓝色边框）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的精确度。在GUI中，红色按钮看起来就像蓝色按钮，可能匹配错误。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地比较颜色和来得到一些真正的色差

假设你有两个由3个元素组成的数组

//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表示红色、蓝色和绿色总和（非平均值）。您如何比较它们，使

rgb（0255255）

和

rgb（255255255）

之间的差异大于

rgb（170170170）

和

rgb（255255255）

之间的差异？

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），这将为您提供范围

dc=

中的系数，其中

0

表示颜色之间的90度角（最大可能差异），

1

表示相同的颜色（非强度）

性能

每个频道使用8比特。。。所以范围是

，以避免FPU的使用。您可以通过以下方法避免

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]其他信息

标准化颜色是单位3D向量

如果将其转换为8位范围，如

255*（r，g，b）

，则得到每个通道的8位范围，以便可以将每个颜色通道处理为整数或定点小数。对于固定点，您只需更改乘法和除法，其余所有操作都是相同的：

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

add=a+b
sub=a-b
mul=（a*b）>>8
div=（（a8

当您使用标准化颜色时，则

| col |=1

，因此您不需要

sqrt

或除法。对于固定点，只需右移8位即可…对于整数

而言，

| col |=255

，这也是通过~shift right by 8位来完成的。对于非标准化颜色，您需要除以

| col |

sqr>t和除法，但

dc

系数在范围内

因此，如果使用

dc^2

只需更改系数的线性，这对您和

col^2

来说并不重要

sqrt

用法已过时，因为

col^2=sqrt（r*r+g*g+b*b）^2=（r*r+g+b*b）

为了提高速度，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，它应该大约为

10+ms

[Notes]

---

还有其他更适合您使用的颜色空间，如度量空间中的HSVrgb（0、255、255）和rgb（255255255）之间的距离已经远远大于rgb（170170170）和rgb（255255）之间的距离

速度不是用距离本身，而是用它们的方块

|(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觉往往就足够了。好的设计让设计师让事物a）清晰可见，b）至少对18%的人可见，因为只有这么多人在颜色视觉上有问题

假设颜色存在于三维空间中，r、g和b构成三个轴，你有没有考虑过从一种颜色到另一种颜色计算一个向量，然后比较向量的长度/方向，而不是每个轴上差异的总和？我想也许使用像小波这样的变换可以大大提高速度和精度，为什么你要使用简单的rgb格式@我是一个简单的学习者。你必须从某件事开始。所以基本上我所做的就是将结果平方（最初是

abs（color1-color2）

）？是的。简单地用它们自己乘以它。计算距离非常昂贵。但是比较它们非常便宜，因为您不需要使用sqrt（）。好的。有趣的是，我一直在考虑同样的方法，但从未意识到这是在比较距离。你知道，当我需要对结果进行非线性分析时，我会使用

sqrt

（结果越小越显著）或

^2

（结果越大越显著）。但在这种情况下，我害怕在计算中抛出一些随机函数。谢谢你的解释。谢谢你的回答！请您详细解释一下您的绩效记录，特别是第一个绩效记录，好吗？