K-Means聚类在图片主色提取中的实现

说明主色提取要解决的实际问题

图片主色提取的目标，是从一张图的像素中找出 3～8 个代表颜色，生成可用于配色、设计参考或图片取色工具的主色板。输出不应只有几个色块，还应包含每种颜色的 HEX、RGB、像素占比，以及明确的排序依据。

直接按 RGB 数值排序并不能得到可靠的视觉主色。RGB 是设备相关的加色表示，8 位 RGB 通道通常取值为 0～255；两个颜色在数值上的距离，并不一定符合人眼感受到的颜色差异。例如，蓝绿色和绿色可能在某些通道上距离接近，但视觉上并不相似。

计算时也没必要处理原图的每一个像素。可以先将图片缩放到宽度 300～800 像素，或按固定间隔抽样，把每个保留下来的像素表示为一个颜色样本。这样能减少大图带来的计算量，同时保留背景、主体和明显的强调色。

把像素颜色映射到适合聚类的空间

RGB 适合保存和显示颜色，HSV 适合按色相、饱和度和明度理解颜色，CIE Lab 则更适合用距离近似视觉差异。Lab 中的 L* 表示明度，a* 和 b* 表示颜色方向，因此主色聚类通常优先考虑 Lab，而不是直接在 RGB 上计算距离。

• RGB：输出方便，适合转换为 #RRGGBB，但欧氏距离与视觉差异并不完全一致。
• HSV：便于筛选高饱和色或按色相分组，适合交互式取色和规则化配色。
• CIE Lab：更适合计算颜色间距离，但不同库的通道范围和编码方式必须核对。

实现时可以使用 Python、NumPy 和 OpenCV。读取图片后，先把 BGR 转为 RGB，再把像素排列为形状类似 (样本数, 3) 的矩阵；随后使用 OpenCV 转换到 Lab，或调用 scikit-learn 的 KMeans。OpenCV 的 8 位 Lab 通常采用编码后的通道范围，不能直接与使用浮点真实范围的其他库混用，转换前应确认文档中的范围定义。

抽样方式会影响结果。等比例缩放适合一般照片，随机抽样可以减少重复像素，固定步长采样则实现简单。小面积的高饱和标志、文字或装饰色，可能在抽样中被遗漏；如果这类颜色很重要，应提高采样密度，或保留一定比例的边缘和高饱和像素。

用 K-Means 计算颜色中心与主色占比

K-Means 可以理解为“把颜色样本分成 K 组，并不断调整每组的代表点”。每轮先把样本分配给距离最近的中心，再用每组样本的平均值更新中心，直到中心变化很小或达到迭代上限。

1. 读取图片，处理透明通道，并缩放或抽样像素。
2. 将 RGB 像素转换为 Lab，组成二维输入矩阵。
3. 设定 K，使用 K-Means++ 初始化聚类中心。
4. 反复执行样本分配和中心更新，直到收敛。
5. 统计每个簇包含的像素数量，计算占比。
6. 把 Lab 中心转换回 RGB，并格式化为 #RRGGBB。

一个可复现实验配置是 max_iter=100、n_init=10、random_state=42。其中 max_iter 限制单次运行的最大迭代次数，n_init 表示用不同初始中心重复运行 10 次，算法通常选择簇内误差较小的结果；random_state=42 则固定随机过程，便于比较不同参数。

可以分别测试 K=3、K=5 和 K=8。每个簇的占比计算为该簇样本数除以总样本数，再按占比从高到低排序。要注意，聚类中心不是原始像素中出现次数最多的颜色，而是一个簇内样本的平均代表值，原图中可能不存在完全相同的像素。

调参数并生成可使用的主色板

K=3 通常得到背景、主体和一个强调色，但相近颜色容易被合并；K=5 往往能在简洁与细节之间取得平衡；K=8 能保留更多层次，却可能产生相近色或噪声色。具体效果取决于图片内容、抽样方式和所用色彩空间。

选择 K 值时，不要只看 K-Means 的误差下降。更实用的标准是检查主色板是否覆盖了背景、主体和具有视觉意义的强调色。若增加 K 后只是多出几个几乎相同的灰色或阴影色，继续增加聚类数量并没有帮助。

• 在 Lab 中计算颜色距离，对距离过近的中心进行合并；阈值应根据项目需求测试，不能把某个固定数值视为所有图片通用。
• 过滤占比低于 1%～3% 的簇，适合去除压缩噪声；但图标、文字等小面积重点颜色不应机械删除。
• 默认按像素占比排序，设计场景也可以把高饱和强调色单独标记，避免它因面积小而排在末尾。
• 透明背景应先依据 Alpha 通道处理，黑边则应裁剪或屏蔽，否则边框会被误判为主色。

与图片取色工具结合时，每个结果可以显示色块、HEX、RGB 和占比，并提供点击复制颜色值的操作。这样用户既能快速获得整体配色，也能继续手动检查某个局部区域。

最终结果不是唯一答案。色彩空间、抽样方式、K 值和随机初始化都会影响聚类结果，因此应把参数和处理流程一并保存；在同一批图片中比较时，至少固定 random_state=42、抽样规则和颜色转换方式。