我有一个 rgb 值，如果它不存在于我数据库的颜色表中，我需要找到最接近的颜色。我正在考虑比较所有值并找出差异（红色、绿色和蓝色），然后取平均值。最低的平均偏差应该是最接近的颜色。在我看来，应该有更好的方法。有什么想法吗？
【问题讨论】：
每次都将颜色样本与整个颜色列表进行比较可能不是最佳选择。这可以通过将颜色列表中的颜色放入搜索树中来优化。如果您要比较颜色样本的红色、绿色和蓝色 (RGB) 值，您可以将颜色列表中的颜色放入三维搜索树中。搜索树可以创建一次并保存到 (json, xml) 文件或数据库中。如果速度很重要，这可能是值得的，例如有很多要比较的地方。
【讨论】：
将颜色视为 3 维空间中的向量，然后您可以使用 3d 毕达哥拉斯轻松计算差异：
d = sqrt((r2-r1)^2 + (g2-g1)^2 + (b2-b1)^2)
但是，请注意，由于颜色会受到不那么完美的眼睛的解释，您可能需要调整颜色以避免它们具有相同的重要性。
例如，使用a typical weighted approach:
d = sqrt(((r2-r1)*0.3)^2 + ((g2-g1)*0.59)^2 + ((b2-b1)*0.11)^2)
由于眼睛对绿色最敏感，而对蓝色最不敏感，因此仅在蓝色分量上不同的两种颜色必须具有更大的数字差异，才能被认为比具有相同数字差异的颜色“更不同”。绿色组件。
还有多种方法可以优化此计算。例如，由于您对实际的 d 值并不真正感兴趣，因此您可以省去平方根：
d = ((r2-r1)*0.30)^2
+ ((g2-g1)*0.59)^2
+ ((b2-b1)*0.11)^2
在此请注意，在许多基于 C 语法的编程语言（如 C#）中，^ 并不意味着“提升到幂”，而是“二进制异或”。
因此，如果这是 C#，您将使用 Math.Pow 来计算该部分，或者只是展开并进行乘法运算。
添加：从Color difference on Wikipedia 上的页面来看，有各种标准试图处理感知差异。例如，CIE94 使用了不同的公式，在 L*C*h 颜色模型中看起来值得研究，但这取决于您希望它有多准确。
【讨论】：
Euclidean distancedifference = sqrt(sqr(red1 - red2) + sqr(green1 - green2) + sqr(blue1 - blue2)) 是standard way 来判断两种颜色的相似度。
但是，如果您将颜色放在一个简单的列表中，那么要找到最接近的颜色需要计算新颜色与列表中每种颜色的距离。这是一个 O(n) 操作。
sqrt() 是一项昂贵的操作，如果您只是比较两个距离，那么您可以简单地省略 sqrt()。
如果您有一个非常大的调色板，将颜色组织到kd tree（或alternatives 之一）中可能会更快，以减少需要计算的差异数量。
【讨论】：
以下内容完全符合您的描述：
select (abs(my_R - t.r) + abs(my_G - t.g) + abs(my_B - t.b)) / 3 as difference, t.*
from RGBtable t
order by difference desc;
但是，使用非线性的东西可能会获得更好的结果。在“取平均值”方法中，如果您的目标颜色是 (25, 25, 25)，则颜色 (45, 25, 25) 将比 (35, 35, 35) 更接近。但是，我敢打赌，第二个实际上会看起来更近，因为它也是灰色的。
我想到了一些想法：您可以先将差值求平方，然后再取平均值。或者，您可以做一些复杂的事情，找到不同值之间比率最接近的颜色。找到最接近的比率将使您最接近正确的色调，但不会考虑饱和度（如果我没记错的话......）
【讨论】：
比平均值好一步是最接近的平方根：
((delta red)^2 + (delta green)^2 + (delta blue)^2)^0.5
这会最小化 3D 色彩空间中的距离。
由于根是严格递增的，因此您可以搜索平方的最大值。如何在 SQL 中表达这一点取决于您使用的 RDBMS。
【讨论】：
让数据库为你做：
select top 1
c.r,
c.b,
c.g
from
color c
order by
(square(c.r - @r) + square(c.g - @g) + square(c.b - @b))
其中@r、@g 和@b 是您正在搜索的颜色的 r、g、b 值（SQL Server 参数语法，因为您没有指定数据库）。请注意，这仍然需要进行表扫描，因为 order by 中有一个函数调用。
请注意，实际上并不需要额外的平方根调用，因为它是一个单调函数。并不是说它可能非常重要，但仍然如此。
【讨论】：
从the Wikipedia page on Color difference 来看，这个想法是将 RGB 颜色视为三个维度中的点。两种颜色的区别就等于两点之间的距离：
difference = sqrt((red1 - red2)^2 + (green1 - green2)^2 + (blue1 - blue2)^2)
【讨论】：
像这样计算平均值和距离：
(r + g + b) / 3 = average
(r - average) + (g - average) + (b - average) = distance
这应该让您对最接近的值有一个很好的了解。
【讨论】：