RGB HSV 颜色空间 颜色距离 颜色相似度

RGB与HSV的转换

具体转换实现参考百度HSV基本概念
各种语言的颜色API应该都提供有相关函数,直接把color转换成HSV。

//android color library
import android.graphics.Color;

float[] tempHSV = new float[3];
Color.colorToHSV(Color.argb(255, red , green , blue.length), tempHSV);
double h = tempHSV[0];
double s = tempHSV[1];
double v = tempHSV[2];

颜色相近、颜色距离的概念

这是我做一个东西时候需要判断两个颜色的相似程度时候想到的,网上相关的东西不多,所以自己把自己的做法写了下来。

RGB空间上进行颜色相似判断有些复杂,看了别人的说法觉得HSV应该比较适合用来做这个。

颜色距离就是在HSV空间上,两个色值的相近程度,我是用在圆锥(R/h/r确定的圆锥)体内两个点的距离判断的。

具体计算公式以及示例代码

在斜边长R,底面圆半径为r,高为h的HSV圆锥体内,以地面圆心为原点,H=0为x轴正方向建立坐标轴。那么色值是(H,S,V)的点的三维坐标(x,y,z)

xyz=rVScosH=rVSsinH=h(1V)

两个分别为(h1,s1,v1)(h2,s2,v2)的色值点的距离可以再分别求出来其三维坐标后进行计算,下面的java代码可以作为一个示例:

//java
public static class HSV {
        public float H;
        public float S;
        public float V;

        //self-defined
        private static final double R = 100;
        private static final double angle = 30;
        private static final double h = R * Math.cos(angle / 180 * Math.PI);
        private static final double r = R * Math.sin(angle / 180 * Math.PI);

        public static double distanceOf(HSV hsv1, HSV hsv2) {
            double x1 = r * hsv1.V * hsv1.S * Math.cos(hsv1.H / 180 * Math.PI);
            double y1 = r * hsv1.V * hsv1.S * Math.sin(hsv1.H / 180 * Math.PI);
            double z1 = h * (1 - hsv1.V);
            double x2 = r * hsv2.V * hsv2.S * Math.cos(hsv2.H / 180 * Math.PI);
            double y2 = r * hsv2.V * hsv2.S * Math.sin(hsv2.H / 180 * Math.PI);
            double z2 = h * (1 - hsv2.V);
            double dx = x1 - x2;
            double dy = y1 - y2;
            double dz = z1 - z2;
            return Math.sqrt(dx * dx + dy * dy + dz * dz);
        }
    }
  • 3
    点赞
  • 34
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值