在发现百日大战时景项目中。有一个创新玩法，就是通过筛选图片主色调来显示如红色系，蓝色系照片。这就涉及到了图片主色调的提取。技术选型为客户端进行图片颜色提取，上传到服务端。但是由于项目时间限制，iOS和Android的图片色调提取算法不一样。Android采用的是Google官方推出的Palette算法，为了统一，在这一期我去研究了一下Palette算法，并将它OC化。最终将作为一个两端统一的技术方案，提供SDK到海纳平台上。
Palette算法是Android Lillipop中新增的特性。它可以从一张图中提取主要颜色，然后把提取的颜色融入的App的UI之中。现在在很多设计出彩的泛前端展示届非常普遍，如知乎等。大致效果如下:
可以看出来Android在Material Design上下了一番功夫。在很多Android官方的demo里，各种炫酷效果层出不穷。那我们就顺势站在巨人的肩膀上，将他人拿手之处，为我所用！
相比于很多传统的图片提取算法，Palette的特点是不单单是去筛选中出现颜色最多的。而是从使用角度出发，通过六种模式，如活力色彩，柔和色彩等，筛选出更符合人眼筛选视觉焦点的颜色。如夜晚中的霓虹灯，白色背景的产品照。同时，也可以自定义筛选模式，输入自己的筛选规则，得到目标颜色。下面将逐步分析一下每个步骤。
Palette算法为了减少运算量，加快运算速度。一共做了两个事情，第一是将图片压缩。第二个是将RGB888颜色空间的颜色转变成RGB555颜色空间，这样就会使整个直方图数组以及颜色数组长度大大减小，又不会太影响计算结果。
颜色直方图的概念可以想象成一个颜色柱状分布图，某一柱越高，这柱代表的颜色在图片中也就越多。它本质上是一个int类型的一维数组。
NSInteger distinctColorCount = 0; NSInteger length = sizeof(hist)/sizeof(hist[0]); for (NSInteger color = 0 ; color < length ;color++){ if (hist[color] > 0 && [self shouldIgnoreColor:color]){ hist[color] = 0; } if (hist[color] > 0){ distinctColorCount ++; } } NSInteger distinctColorIndex = 0; _distinctColors = [[NSMutableArray alloc]init]; for (NSInteger color = 0; color < length ;color++){ if (hist[color] > 0){ [_distinctColors addObject: [NSNumber numberWithInt:color]]; distinctColorIndex++; } }将不同的颜色存进distinctColors，留在后面进行判断。
最大颜色数在设计上可以设计为接收入参，满足不同使用者的需要，默认值为16。这个值不宜过大，因为如果过大的话，图片颜色会分的很散，图片颜色比较分散的时候，得出来的颜色可能会偏向某一小部分颜色，而不是从整体上来综合判断。而当图片筛选出来的颜色种类小于MaxColorNum的时候，整个流程会简单很多。
for (NSInteger i = 0;i < distinctColorCount ; i++){ NSInteger color = [_distinctColors[i] integerValue]; NSInteger population = hist[color]; NSInteger red = [TRIPPaletteColorUtils quantizedRed:color]; NSInteger green = [TRIPPaletteColorUtils quantizedGreen:color]; NSInteger blue = [TRIPPaletteColorUtils quantizedBlue:color]; red = [TRIPPaletteColorUtils modifyWordWidthWithValue:red currentWidth:QUANTIZE_WORD_WIDTH targetWidth:8]; green = [TRIPPaletteColorUtils modifyWordWidthWithValue:green currentWidth:QUANTIZE_WORD_WIDTH targetWidth:8]; blue = [TRIPPaletteColorUtils modifyWordWidthWithValue:blue currentWidth:QUANTIZE_WORD_WIDTH targetWidth:8]; color = red << 2 * 8 | green << 8 | blue; TRIPPaletteSwatch *swatch = [[TRIPPaletteSwatch alloc]initWithColorInt:color population:population]; [swatchs addObject:swatch]; }这里引出了一个新的概念，叫Swatch(样本)。Swatch是最终被作为参考进行模式筛选的数据结构，它有两个最主要的属性，一个是Color，这个Color是最终要被展示出来的Color，所以需要的是RGB888空间的颜色。另外一个是Population，它来自于hist直方图。是作为之后进行模式筛选的时候一个重要的权重因素。但是如果颜色个数超出了最大颜色数，则需要进行第3步。
VBox是一个新的概念，它理解起来稍微抽象一点。可以这样来理解，我们拥有的颜色过多，但是我们只需要提取出例如16种颜色，需要需要用16个“筐”把颜色相近的颜色筐在一起，最终用每个筐的平均颜色来代表提取出来的16种主色调。它的属性如下:
@interface VBox :NSObject @property (nonatomic,assign) NSInteger lowerIndex; @property (nonatomic,assign) NSInteger upperIndex; @property (nonatomic,strong) NSMutableArray *distinctColors; @property (nonatomic,assign) NSInteger population; @property (nonatomic,assign) NSInteger minRed; @property (nonatomic,assign) NSInteger maxRed; @property (nonatomic,assign) NSInteger minGreen; @property (nonatomic,assign) NSInteger maxGreen; @property (nonatomic,assign) NSInteger minBlue; @property (nonatomic,assign) NSInteger maxBlue; @end其中lowerIndex和upperIndex指的是在所有的颜色数组distinctColors中，VBox所持有的颜色范围。Population代表的是这个颜色范围中，一共有多少个像素点。其它的则代表R,G,B值各自的最大最小值。它决定了该VBox的Volume。范围越大，Volume越大，当分裂VBox的时候，总是分裂当前队列中VBox里Volume最大的那个。
- (void)splitBoxes:(TRIPPaletteVBoxArray*)queue{ //queue is a priority queue. while (queue.count < maxColorNum) { VBox *vbox = [queue objectAtIndex:0]; if (vbox != nil && [vbox canSplit]) { // First split the box, and offer the result [queue addVBox:[vbox splitBox]]; // Then offer the box back [queue addVBox:vbox]; }else{ NSLog(@"All boxes split"); return; } } }VBox的分裂规则是像素中点分裂，从lowerIndex递增到upperIndex，如果某一个点让整个像素个数累加起来大于了VBox像素个数的一半，则这个点就是splitPoint。而优先队列的排序规则是，队首永远是Volume最大的VBox，从大概率上来讲，这总是代表像素个数最多的VBox。当VBox个数大于最大颜色个数的时候，则return，获得优先队列中每个VBox的平均颜色。并生成平均颜色，之后将每个VBox转换成了一个一个的Swatch。
在Palette算法里，“模式”对应的数据结构是target。它对颜色的识别和筛选不是使用的RGB色彩空间，而采用的是HSL颜色模型。它的主要属性如下:
@interface TRIPPaletteTarget() @property (nonatomic,strong) NSMutableArray *saturationTargets; @property (nonatomic,strong) NSMutableArray *lightnessTargets; @property (nonatomic,strong) NSMutableArray* weights; @property (nonatomic,assign) BOOL isExclusive; // default to true @property (nonatomic,assign) PaletteTargetMode mode; @endTarget主要保存了饱和度和明度以及权重的数组。数组里保存了最小值，最大值，和目标值。这些参数都是后面用来给HSL颜色值评分用的。这些值是经过Google的团队进行调优之后，筛选出来的值。可以说是整套算法中最有价值的参数。
- (TRIPPaletteSwatch*)getMaxScoredSwatchForTarget:(TRIPPaletteTarget*)target{ CGFloat maxScore = 0; TRIPPaletteSwatch *maxScoreSwatch = nil; for (NSInteger i = 0 ; i<_swatchArray.count; i++){ TRIPPaletteSwatch *swatch = [_swatchArray objectAtIndex:i]; if ([self shouldBeScoredForTarget:swatch target:target]){ CGFloat score = [self generateScoreForTarget:target swatch:swatch]; if (maxScore == 0 || score > maxScore){ maxScoreSwatch = swatch; maxScore = score; } } } return maxScoreSwatch; }通过这些已经经过调优的参数，可以得出每一项的得分：饱和度得分，明度得分，像素Population得分，将三项得分加起来，可以得到该Target评估得分最高的Swatch，也就是我们最终要提取的对应颜色值。分值具体的具体方法如下:
- (CGFloat)generateScoreForTarget:(TRIPPaletteTarget*)target swatch:(TRIPPaletteSwatch*)swatch{ NSArray *hsl = [swatch getHsl]; float saturationScore = 0; float luminanceScore = 0; float populationScore = 0; if ([target getSaturationWeight] > 0) { saturationScore = [target getSaturationWeight] * (1.0f - fabsf([hsl[1] floatValue] - [target getTargetSaturation])); } if ([target getLumaWeight] > 0) { luminanceScore = [target getLumaWeight] * (1.0f - fabsf([hsl[2] floatValue] - [target getTargetLuma])); } if ([target getPopulationWeight] > 0) { populationScore = [target getPopulationWeight] * ([swatch getPopulation] / (float) _maxPopulation); } return saturationScore + luminanceScore + populationScore; }图上红框部分即是筛选出来的主题色。
该算法已经运用在了飞猪发现广场的时景项目中（Android版本）。下一期，iOS端也会切换成这种提取算法。并且将这套算法沉淀在基础线，只需要使用UIImage+Palette的接口即可调用。考虑到它的使用场景，会尽快沉淀为SDK，供集团内其它App使用。
相关资源：Palette从图像中提取几种主色