지배 색상

이미지의 지배 색상을 RGB 형식으로 가져옵니다.

픽셀 색상에 K-평균 군집화를 적용해 색상 분포를 분석하고, 색상 군집을 식별한 뒤, 색상 분석, 테마 추출, 색상 기반 필터링, 시각적 분석 워크플로를 위해 가장 자주 나타나는 색상 군집의 RGB 값을 반환하여 이미지에서 가장 우세한 지배적 색상을 추출합니다.

이 블록의 작동 방식

이 블록은 K-평균 군집화를 사용해 이미지의 색상 분포를 분석하여 지배적(가장 우세한) 색상을 식별하고 추출합니다. 이 블록은:

1. 지배적 색상을 분석할 입력 이미지를 받습니다(RGB 형식으로 가정).

2. 처리 속도를 최적화하기 위해 이미지를 다운샘플링합니다:

   • 가장 짧은 변과 target_size 매개변수를 기준으로 스케일 계수를 계산합니다

   • 색상 특성을 유지하면서 이미지 해상도를 낮춥니다

   • target_size 값이 작을수록 처리는 빨라지지만 정밀도가 약간 떨어질 수 있습니다

3. 이미지 픽셀을 각 행이 하나의 픽셀 RGB 값을 나타내는 2차원 배열로 재구성합니다

4. K-평균 군집화를 초기화합니다:

   • 무작위 픽셀 색상을 초기 군집 중심으로 선택합니다(군집 수 = color_clusters)

   • 유사한 픽셀 색상을 그룹화하기 위한 초기 색상 군집을 만듭니다

5. 최대 max_iterations까지 반복하는 K-평균 군집화를 수행합니다:

   • 각 픽셀을 가장 가까운 색상 군집에 할당합니다(RGB 색 공간의 유클리드 거리를 기준으로)

   • 각 군집의 픽셀 RGB 평균값을 계산하여 군집 중심을 업데이트합니다

   • 빈 군집은 무작위 픽셀 색상으로 다시 초기화하여 처리합니다

   • 수렴을 확인하고(중심점이 더 이상 크게 변하지 않으면) 수렴 시 조기에 종료합니다

6. 가장 많은 픽셀을 포함하는 군집을 결정하기 위해 각 색상 군집의 픽셀 수를 셉니다

7. 픽셀 수가 가장 많은 군집을 지배적 색상 군집으로 선택합니다

8. 지배적 군집의 중심점에서 RGB 값을 추출합니다

9. RGB 값을 유효한 0-255 정수 범위로 변환하고 제한합니다

10. 지배적 색상을 RGB 튜플(R, G, B 값)로 반환합니다

블록은 K-평균 군집화를 사용해 유사한 픽셀 색상을 함께 그룹화한 다음, 가장 큰 색상 그룹을 지배적 색상으로 식별합니다. 처리 시간은 이미지 크기, 색상 복잡도, 매개변수 설정(color_clusters, max_iterations, target_size)에 따라 달라집니다. 대부분의 이미지는 기본 설정에서 0.5초 이내에 완료됩니다. 다운샘플링 단계는 속도와 정확도의 균형을 맞춥니다. 해상도를 낮추면 군집화 속도는 빨라지지만 전체 색상 분포는 여전히 포착합니다.

일반적인 사용 사례

• 색상 테마 추출: 이미지에서 지배적 색상을 추출하여 색상 테마 또는 팔레트를 식별합니다(예: 제품 이미지에서 지배적 색상 추출, 사진의 색상 테마 식별, 이미지의 색상 팔레트 분석), 색상 테마 분석 워크플로를 지원합니다

• 이미지 색상 분석: 이미지의 주요 색상 특성을 파악하기 위해 이미지를 분석합니다(예: 이미지의 지배적 색상 식별, 색상 분포 분석, 이미지에서 색상 시그니처 추출), 색상 기반 이미지 분석을 지원합니다

• 색상 기반 필터링: 지배적 색상을 사용해 이미지를 필터링하거나 분류합니다(예: 지배적 색상으로 이미지 필터링, 색상 테마로 이미지 분류, 색상 특성으로 이미지 그룹화), 색상 기반 분류 워크플로를 지원합니다

• 시각적 분석 및 보고: 시각적 분석 또는 보고를 위해 색상 정보를 추출합니다(예: 이미지용 색상 보고서 생성, 이미지 컬렉션의 색상 추세 분석, 이미지 데이터베이스용 색상 메타데이터 추출), 색상 보고 워크플로를 지원합니다

• 디자인 및 브랜딩 분석: 디자인 또는 브랜딩 목적으로 이미지를 분석합니다(예: 이미지에서 브랜드 색상 추출, 디자인 색상 구성 분석, 브랜드 콘텐츠에서 색상 사용 식별), 디자인 분석 워크플로를 지원합니다

• 품질 관리: 지배적 색상 분석을 품질 관리 또는 검사에 사용합니다(예: 제품의 예상 색상 검증, 색상 이상 감지, 색상 특성 검증), 색상 기반 품질 관리 워크플로를 지원합니다

다른 블록에 연결하기

이 블록은 이미지를 받아 지배적 RGB 색상을 생성합니다:

• 이미지 입력 블록 뒤에 입력 이미지에서 지배적 색상을 추출하기 위해(예: 카메라 피드의 색상 분석, 이미지 입력에서 색상 추출, 이미지의 색상 특성 분석), 색상 분석 워크플로를 지원합니다

• 자르기 블록 뒤에 특정 이미지 영역의 지배적 색상을 분석하기 위해(예: 자른 영역에서 지배적 색상 추출, 특정 영역의 색상 분석, 선택한 영역의 색상 식별), 영역 기반 색상 분석 워크플로를 지원합니다

• 필터링 또는 로직 블록 전에 색상 정보를 의사 결정에 사용하는(예: 지배적 색상을 기준으로 필터링, 색상 특성을 바탕으로 결정, 색상 분석 기반 로직 적용), 색상 기반 조건부 워크플로를 지원합니다

• 시각화 블록 이전 지배적 색상을 시각화에 사용하는(예: 추출한 색상을 주석에 사용, 시각화에 지배적 색상 적용, 추출한 색상으로 시각화 사용자 지정), 색상 강화 시각화 워크플로를 지원합니다

• 색상 분석 파이프라인에서 지배적 색상 추출이 더 큰 분석 워크플로의 일부인 경우(예: 다단계 워크플로에서 색상 분석, 종합 분석을 위한 색상 추출, 파이프라인에서 색상 정보 처리), 색상 분석 파이프라인 워크플로를 지원합니다

• 데이터 저장 블록 앞에서 이미지와 함께 색상 정보를 저장하기 위해(예: 이미지 메타데이터와 함께 지배적 색상 저장, 색상 분석 결과 저장, 색상 특성 기록), 색상 메타데이터 저장 워크플로를 지원합니다

유형 식별자

단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/dominant_color@v1 워크플로우에 이 블록을 단계로 추가하려면.

속성

이름	유형	설명	참조
name	str	이 단계에 대한 고유 식별자를 입력하세요..	❌
color_clusters	정수	K-평균 군집화에서 사용할 색상 군집 수(K)입니다. 1~10 사이여야 합니다. 알고리즘은 픽셀 색상을 이 수의 군집으로 그룹화한 다음, 가장 큰 군집을 지배적 색상으로 선택합니다. 더 높은 값(예: 6~8)은 색상 분포가 복잡한 이미지의 정밀도를 높일 수 있지만 처리 시간이 늘어납니다. 더 낮은 값(예: 2~3)은 더 빠르지만 다색 이미지에서는 정밀도가 떨어질 수 있습니다. 기본값은 4로, 좋은 균형을 제공합니다. 색상 구성이 단순한 이미지에는 더 적은 군집을, 색상이 다양한 이미지에는 더 많은 군집을 사용하세요..	✅
max_iterations	정수	K-평균 군집화에서 수행할 최대 반복 횟수입니다. 1~500 사이여야 합니다. 알고리즘은 색상 군집을 반복적으로 정교화하며, 수렴에 도달하면(중심점이 더 이상 변하지 않으면) 조기에 중단합니다. 더 높은 값은 더 많은 정교화를 허용하고 정밀도를 높일 수 있지만 처리 시간이 늘어납니다. 더 낮은 값은 더 빠르지만 색상 군집이 덜 정교할 수 있습니다. 기본값은 100으로, 일반적으로 수렴에 충분합니다. 대부분의 이미지는 최대값에 도달하기 전에 잘 수렴합니다. 더 정밀한 군집화가 필요하면 늘리고, 속도가 중요하면 줄이세요..	✅
target_size	정수	군집화에 사용되는 다운샘플링 이미지의 가장 짧은 변에 대한 목표 크기(픽셀)입니다. 1~250 사이여야 합니다. 이미지는 처리 속도를 높이기 위해 군집화 전에 다운샘플링되며, 가장 짧은 변은 종횡비를 유지하면서 이 크기 정도로 조정됩니다. 더 낮은 값(예: 50~75)은 처리를 크게 빠르게 하지만 세밀한 색상 디테일이 있는 이미지에서는 정밀도가 약간 떨어질 수 있습니다. 더 높은 값(예: 150~200)은 더 많은 세부 정보를 보존하지만 더 느립니다. 기본값은 100픽셀로, 좋은 균형을 제공합니다. 속도가 중요한 애플리케이션에는 더 낮은 값을, 최대 정밀도가 필요하면 더 높은 값을 사용하세요..	✅

이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 지배 색상 버전 v1 을 가지고 있는지.

입력 및 출력 바인딩

• 입력

  • 이미지 (이미지): 지배적 색상 추출을 위해 분석할 입력 이미지입니다. 이미지는 RGB 형식이라고 가정합니다. 블록은 이미지의 모든 픽셀을 분석하여 가장 우세한 색상을 결정합니다. 처리 시간은 이미지 크기와 복잡도에 따라 달라집니다. 처리 중 이미지가 자동으로 다운샘플링되어 색상 특성을 유지하면서 속도를 최적화합니다..

  • color_clusters (정수): K-평균 군집화에서 사용할 색상 군집 수(K)입니다. 1~10 사이여야 합니다. 알고리즘은 픽셀 색상을 이 수의 군집으로 그룹화한 다음, 가장 큰 군집을 지배적 색상으로 선택합니다. 더 높은 값(예: 6~8)은 색상 분포가 복잡한 이미지의 정밀도를 높일 수 있지만 처리 시간이 늘어납니다. 더 낮은 값(예: 2~3)은 더 빠르지만 다색 이미지에서는 정밀도가 떨어질 수 있습니다. 기본값은 4로, 좋은 균형을 제공합니다. 색상 구성이 단순한 이미지에는 더 적은 군집을, 색상이 다양한 이미지에는 더 많은 군집을 사용하세요..

  • max_iterations (정수): 수행할 K-평균 군집화의 최대 반복 횟수입니다. 1~500 사이여야 합니다. 알고리즘은 색상 군집을 반복적으로 정교화하며, 수렴에 도달하면(중심점이 더 이상 변하지 않으면) 조기에 중단합니다. 더 높은 값은 더 많은 정교화를 허용하고 정밀도를 높일 수 있지만 처리 시간이 늘어납니다. 더 낮은 값은 더 빠르지만 색상 군집이 덜 정교할 수 있습니다. 기본값은 100으로, 일반적으로 수렴에 충분합니다. 대부분의 이미지는 최대값에 도달하기 전에 잘 수렴합니다. 더 정밀한 군집화가 필요하면 늘리고, 속도가 중요하면 줄이세요..

  • target_size (정수): 군집화에 사용되는 다운샘플링 이미지의 가장 짧은 변에 대한 목표 크기(픽셀)입니다. 1~250 사이여야 합니다. 이미지는 처리 속도를 높이기 위해 군집화 전에 다운샘플링되며, 가장 짧은 변은 종횡비를 유지하면서 이 크기 정도로 조정됩니다. 더 낮은 값(예: 50~75)은 처리를 크게 빠르게 하지만 세밀한 색상 디테일이 있는 이미지에서는 정밀도가 약간 떨어질 수 있습니다. 더 높은 값(예: 150~200)은 더 많은 세부 정보를 보존하지만 더 느립니다. 기본값은 100픽셀로, 좋은 균형을 제공합니다. 속도가 중요한 애플리케이션에는 더 낮은 값을, 최대 정밀도가 필요하면 더 높은 값을 사용하세요..

• 출력

  • rgb_color (rgb_color): RGB 색상.

예시 JSON 정의

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/dominant_color@v1",
	    "image": "$inputs.image",
	    "color_clusters": 4,
	    "max_iterations": 100,
	    "target_size": 100
	}