评估色多黑科技2.0中的色彩富厚度 ，不可只数画面里有几多个差别的RGB数值：渐变、阴影和压缩噪点都可能爆发大宗近似颜色。更稳固的做法是先划定取样规模 ，再按色差合并相近颜色 ，最后划分盘算颜色种类数、色系笼罩率和漫衍平衡度。以下用一组1000个取样点演示公式与效果 ，适用于对统一张图、统一帧画面或统一块设计区域做统计。
先确定统计口径：什么算一种颜色
盘算前要牢靠样本界线。若工具是一张图片 ，就使用完整画布 ；若只较量局部计划 ，应先圈定相同巨细、相同位置的区域。统计透明图层时 ，要统一配景致后再取样 ，不然透明像素叠加差别配景会改变最终颜色。样本点可匀称铺在区域内 ，阻止只挑视觉上颜色鲜艳的部分。
随后将颜色转换到Lab色彩空间 ，以色差权衡相似水平。设定一个合并阈值 ，例如ΔE00不凌驾10时归为统一颜色簇 ；凌驾阈值则暂记为差别簇。阈值越小 ，统计效果越细 ，颜色种类数通常越多 ；阈值越大 ，近似色更容易合并 ，效果更适合归纳综合整体配色。比照两组效果时 ，取样数目、颜色空间和阈值必需一致。
这里的“颜色种类”指合并后的颜色簇 ，而不是文件中泛起过的所有RGB编码。统计色系笼罩时 ，再把每个颜色簇归入预先设定的七类：红、橙黄、绿、青、蓝、紫、无彩色。七类是本例接纳的分类口径 ，若项目尚有色系标准 ，也可以替换 ，但统一轮较量不可中途改分类表。
三个指标的盘算公式
- 颜色种类数K：按色差阈值合并后保存的颜色簇数目 ，单位为“种”。K越大 ，样本中可区分的颜色越多 ，但不代表画面一定更协调。
- 色系笼罩率C：泛起过颜色的色系数目÷预设色系总数×100%。本例总数为7类 ，笼罩5类时 ，C=5÷7×100%=71.4%。
- 香农熵H：H=?∑p?log?p? ，其中p?为第i种颜色簇的像素占比 ，单位为bit。熵越高 ，颜色漫衍越平衡 ；熵较低时 ，通常由少数主色占有较大面积。
熵值还可换算为归一化平衡度H?=H÷log?K ，效果介于0和1之间 ；再盘算有用颜色数N?ff=2?。有用颜色数不是新的颜色计数 ，而是把漫衍平衡度换算成便于明确的等效数目。例如 ，五种颜色虽然都泛起了 ，但若其中一种占绝大大都 ，N?ff会显着低于5。
按办法盘算：1000个取样点示例
- 牢靠样本：从指定区域匀称抽取1000个像素点 ，纪录每个点的颜色 ，并统一转换到Lab色彩空间。
- 合并近似色：按ΔE00≤10合并 ，获得5个颜色簇。将簇归入色系后 ，本例包括青、蓝、橙黄和无彩色 ，共4类。
- 统计占比：把各簇像素数除以1000 ，获得每簇比例 ，并检查五项比例之和是否为100%。
- 代入公式：盘算K、C、H、H?和N?ff ，再连系样本规模说明统计效果。
| 颜色簇 | 取样点数 | 占比 | 归属色系 |
|---|---|---|---|
| 蓝色 | 420点 | 42% | 蓝 |
| 青色 | 260点 | 26% | 青 |
| 白色与浅灰簇 | 180点 | 18% | 无彩色 |
| 深灰与玄色簇 | 90点 | 9% | 无彩色 |
| 橙色 | 50点 | 5% | 橙黄 |
这组数据的颜色种类数K=5 ；泛起的色系为青、蓝、无彩色、橙黄 ，共4类 ，因此色系笼罩率C=4÷7×100%=57.1%。熵值按五个占比代入 ，H约为2.005 bit ；归一化后H?=2.005÷log?5≈0.864 ，有用颜色数N?ff=2?·???≈4.01种。效果说明该样本有五个可区分颜色簇 ，颜色漫衍的平衡水平靠近四种颜色平均漫衍的状态。
效果怎么读 ，哪些条件要写清晰
K形貌“有几种” ，C形貌“涉及几类色系” ，H和H?形貌“各颜色漫衍是否匀称”。四项不可相互替换：一个画面可以拥有较大的K ，却由简单主色占有大部分面积 ；也可以K较小 ，但几种颜色面积靠近 ，熵值仍然较高。较量色多黑科技2.0的差别样本时 ，宜并列报告这些指标 ，不要只用一个“颜色富厚”结论归纳综合所有差别。
统计纪录至少应附上取样区域、取样点数目、色差空间、合并阈值和色系分类表。好比 ，本例可写作：“全图匀称取样1000点 ，Lab色差阈值ΔE00≤10 ，K=5种 ，C=57.1% ，H=2.005 bit ，H?=0.864 ，N?ff≈4.01种。”若是缩小统计区域、提高取样密度或调解阈值 ，数字可能转变 ；因此复算时要沿用统一口径。
若是主要关注画面主色 ，可增补纪录占比最高的颜色簇及其比例 ，本例为蓝色42% ；若关注配色跨度 ，则审查笼罩率和色系漫衍 ；若关注视觉集中水平 ，则优先看熵值与有用颜色数。这样把“颜色多未几”拆成可复算的数目、笼罩规模和面积漫衍 ，获得的结论更清晰 ，也更利便举行同口径较量。
Android版
iPhone版