创建色轮的函数 [已关闭]

我在某处读到人眼无法区分少于 4 个值。所以这是要记住的事情。以下算法不能对此进行补偿。

我不确定这是否正是您想要的，但这是随机生成非重复颜色值的一种方法：

（注意，前方伪代码不一致）

//colors entered as 0-255 [R, G, B]
colors = []; //holds final colors to be used
rand = new Random();

//assumes n is less than 16,777,216
randomGen(int n){
   while (len(colors) < n){
      //generate a random number between 0,255 for each color
      newRed = rand.next(256);
      newGreen = rand.next(256);
      newBlue = rand.next(256);
      temp = [newRed, newGreen, newBlue];
      //only adds new colors to the array
      if temp not in colors {
         colors.append(temp);
      }
   }
}

为了获得更好的可见性，可以对其进行优化的一种方法是比较每种新颜色与数组中所有颜色之间的距离：

for item in color{
   itemSq = (item[0]^2 + item[1]^2 + item[2]^2])^(.5);
   tempSq = (temp[0]^2 + temp[1]^2 + temp[2]^2])^(.5);
   dist = itemSq - tempSq;
   dist = abs(dist);
}
//NUMBER can be your chosen distance apart.
if dist < NUMBER and temp not in colors {
   colors.append(temp);
}

但这种方法会大大减慢您的算法速度。

另一种方法是放弃随机性，系统地遍历每 4 个值，并在上面的示例中为数组添加颜色。

这不也是您设置颜色顺序的一个因素吗？

就像你使用Dillie-Os的想法一样，你需要尽可能多地混合颜色。 0 64 128 256 是从 1 到 256。但是轮子中的 0 256 64 128 会更“分开”

这有意义吗？

我对此的第一个想法是“如何在一个空间中生成 N 个向量，使彼此之间的距离最大化”。

您可以看到 RGB（或您使用的构成色彩空间基础的任何其他比例）只是矢量。看看随机点拾取。一旦你有了一组最大化相距的向量，你可以将它们保存在哈希表或其他东西中以备后用，然后对它们进行随机旋转，以获得你想要的所有颜色，这些颜色彼此之间最大化！

更多地考虑这个问题，最好以线性方式映射颜色，可能按字典顺序（0,0,0）→（255,255,255）映射颜色，然后均匀分布。

我真的不知道这将有多好，但它应该，因为，让我们说：

n = 10

我们知道我们有16777216颜色 （256^3）。

我们可以使用 Buckles 算法 515 来查找词典索引的颜色。。您可能需要编辑算法以避免溢出，并可能添加一些小的速度改进。

最好在“感知均匀”的色彩空间中找到最远的颜色，例如 CIELAB（使用 L*、a*、b* 坐标之间的欧几里得距离作为距离度量），然后转换为您选择的色彩空间。感知均匀性是通过调整色彩空间以近似人类视觉系统中的非线性来实现的。

一些相关资源：

ColorBrewer - 设计为在地图上使用的最大可区分性的颜色集。

Escaping RGBland： Selecting Colors for Statistical Graphics - 一份技术报告，描述了一组算法，用于在 hcl 颜色空间中生成良好（即最大可区分）的颜色集。

下面是一些代码，用于在指定亮度的 HSL 色轮周围均匀分配 RGB 颜色。

class cColorPicker
{
public:
    void Pick( vector<DWORD>&v_picked_cols, int count, int bright = 50 );
private:
    DWORD HSL2RGB( int h, int s, int v );
    unsigned char ToRGB1(float rm1, float rm2, float rh);
};
/**

  Evenly allocate RGB colors around HSL color wheel

  @param[out] v_picked_cols  a vector of colors in RGB format
  @param[in]  count   number of colors required
  @param[in]  bright  0 is all black, 100 is all white, defaults to 50

  based on Fig 3 of http://epub.wu-wien.ac.at/dyn/virlib/wp/eng/mediate/epub-wu-01_c87.pdf?ID=epub-wu-01_c87

*/

void cColorPicker::Pick( vector<DWORD>&v_picked_cols, int count, int bright )
{
    v_picked_cols.clear();
    for( int k_hue = 0; k_hue < 360; k_hue += 360/count )
        v_picked_cols.push_back( HSL2RGB( k_hue, 100, bright ) );
}
/**

  Convert HSL to RGB

  based on http://www.codeguru.com/code/legacy/gdi/colorapp_src.zip

*/

DWORD cColorPicker::HSL2RGB( int h, int s, int l )
{
    DWORD ret = 0;
    unsigned char r,g,b;

    float saturation = s / 100.0f;
    float luminance = l / 100.f;
    float hue = (float)h;

    if (saturation == 0.0) 
    {
      r = g = b = unsigned char(luminance * 255.0);
    }
    else
    {
      float rm1, rm2;

      if (luminance <= 0.5f) rm2 = luminance + luminance * saturation;  
      else                     rm2 = luminance + saturation - luminance * saturation;
      rm1 = 2.0f * luminance - rm2;   
      r   = ToRGB1(rm1, rm2, hue + 120.0f);   
      g = ToRGB1(rm1, rm2, hue);
      b  = ToRGB1(rm1, rm2, hue - 120.0f);
    }

    ret = ((DWORD)(((BYTE)(r)|((WORD)((BYTE)(g))<<8))|(((DWORD)(BYTE)(b))<<16)));

    return ret;
}


unsigned char cColorPicker::ToRGB1(float rm1, float rm2, float rh)
{
  if      (rh > 360.0f) rh -= 360.0f;
  else if (rh <   0.0f) rh += 360.0f;

  if      (rh <  60.0f) rm1 = rm1 + (rm2 - rm1) * rh / 60.0f;   
  else if (rh < 180.0f) rm1 = rm2;
  else if (rh < 240.0f) rm1 = rm1 + (rm2 - rm1) * (240.0f - rh) / 60.0f;      

  return static_cast<unsigned char>(rm1 * 255);
}

int _tmain(int argc, _TCHAR* argv[])
{
    vector<DWORD> myCols;
    cColorPicker colpick;
    colpick.Pick( myCols, 20 );
    for( int k = 0; k < (int)myCols.size(); k++ )
        printf("%d: %d %d %d\n", k+1,
        ( myCols[k] & 0xFF0000 ) >>16,
        ( myCols[k] & 0xFF00 ) >>8,
        ( myCols[k] & 0xFF ) );

    return 0;
}

function random_color($i = null, $n = 10, $sat = .5, $br = .7) {
    $i = is_null($i) ? mt_rand(0,$n) : $i;
    $rgb = hsv2rgb(array($i*(360/$n), $sat, $br));
    for ($i=0 ; $i<=2 ; $i++) 
        $rgb[$i] = dechex(ceil($rgb[$i]));
    return implode('', $rgb);
}

function hsv2rgb($c) { 
    list($h,$s,$v)=$c; 
    if ($s==0) 
        return array($v,$v,$v); 
    else { 
        $h=($h%=360)/60; 
        $i=floor($h); 
        $f=$h-$i; 
        $q[0]=$q[1]=$v*(1-$s); 
        $q[2]=$v*(1-$s*(1-$f)); 
        $q[3]=$q[4]=$v; 
        $q[5]=$v*(1-$s*$f); 
        return(array($q[($i+4)%6]*255,$q[($i+2)%6]*255,$q[$i%6]*255)); //[1] 
    } 
}

因此，只需调用识别颜色、可能颜色数量、饱和度和亮度的函数即可。random_color()$i$n$sat$br

为了实现“最可区分”，我们需要使用除 RGB 之外的感知色彩空间，如 Lab（或任何其他感知线性色彩空间）。此外，我们可以量化这个空间以减小空间的大小。

使用所有可能的量化条目生成完整的 3D 空间，并使用 运行 K-means 算法。由此产生的中心/“均值”应该大致最容易区分。K=N