java实现：根据图片生成配色方案

因为项目的需求，要做一个根据图片自动生成配色方案的功能。
网上查了文献大概有几种算法
1.K-means聚类算法
2.八叉树算法
3.最小差值法
4….
这里我选用了K-means算法，就不介绍K-means算法了。网上很多参考资料

先来介绍一下算法的思路：
将每个像素点的RGB值映射到xyz三维坐标中，这样相当于一张图片所有的像素点都分散在三维坐标当中

在图片上随机取N个点作为种子点，然后计算出图片上的所有像素点与这N个种子点的距离，每个像素点可以得到与其距离最近的种子点，就可以把该像素点加入到该种子点的点群中（这里体现了聚类的思想）。

遍历过整张图片后，每个像素都会加入到其中一个种子点群中（种子点群会记录下他拥有的全部像素点RGB总和，拥有的像素点个数），然后每个种子点群求得自己所拥有点的平均RGB值，作为新的种子点代替原来的种子结点。

重复这个过程，直到种子结点不再移动（收敛于某个RGB值）或者迭代次数超过阈值，最后得到的权重（点群中 点的数量）最高的RGB值便是图片的主色调， 也可以搭配权重前3的RGB值生成一套不错的配色方案

先看看效果图：

大概的流程是这样的：
定义了以下几个内部类

    //定义RGB像素点
    public class Point{
    int R;
    int G;
    int B;
    //..省略一些构造方法
    //计算两个RGB值的相似度 （根据方差）
    public int colorDistance(Point point){
        int absR = this.R - point.R;
        int absG = this.G - point.G;
        int absB = this.B - point.B;    
        return (int) Math.sqrt(absR*absR+absG*absG+absB*absB);
    }
    //..省略了一些重写的equls方法等


    //种子点群内部类
    public class PointGroup{
    int sumaryR = 0;
    int sumaryG = 0;
    int sumaryB = 0;
    int pointCount = 0;
    Point point;
    public void addPoint(Point point){
        this.sumaryR += point.R;
        this.sumaryG += point.G;
        this.sumaryB += point.B;
        pointCount++;
    }
    public Point getNewRGB(){
        Point newpoint = new Point();
        if(pointCount != 0 ){
            newpoint.R = sumaryR / pointCount;
            newpoint.G = sumaryG / pointCount;
            newpoint.B = sumaryB / pointCount;
        }else{
            newpoint= this.point;
        }
        return newpoint;
    }
}

1.按照比例获取图片上一定数量的点,筛选其中一些点作为种子点

    //得到图上上32*32个点放入集合中作为种子点群的备选点
    List<PointGroup> rootPoint = new ArrayList<PointGroup>();
    for(int i = 0; i < width; i += offsetWidth)
        for(int j = 0; j < height; j += offsetHeight){
            PointGroup pg = new PointGroup();
            //得到图片上坐标为（i,j）的RGB值
            pg.point = getRGB(i,j);
    }
    //设置相似颜色初始阈值
    int threshold = 6;
    //当前的种子点个数大于用户设置的上限时 提高阈值 以减少点的数量
    while(rootPoint.size() > rootPointNum){
        for(int i = 0; i < rootPoint.size(); i++)
            for(int j = i+1; j < rootPoint.size(); j++){
                if(rootPoint.get(i).point.colorDistance(rootPoint.get(j).point) < threshold){
                    rootPoint.remove(j);
                }

            }       
        //提高阈值
        threshold += 1;
    }

2.主循环

            //统计运算数次，当超过阈值时退出循环
            int count = 0;
            do{
            //遍历图片所有像素点，将每个点都加入与其最接近的种子点
            for(int i = 0; i < width ; i++)
                for(int j = 0; j < height; j++){
                    Point point = getRGB(i,j);
                    int index = 0;
                    int dis = 10000;
                    for (int m = 0; m < rootPoint.size() ; m++) {
                        //计算当前点与第m个种子点的距离
                        int curDis = point.colorDistance(rootPoint.get(m).point);
                        //如果距离小于最小距离 ，则替换最小距离并记录种子