Color Quantizer and Clustering

Dieser Funktionsblock ermöglicht es den Benutzern, die Farbaus quantisierung auf ein Bild mithilfe des K-Means-Clustering-Algorithmus anzuwenden. Er hilft dabei, die Anzahl der Farben in einem Bild auf ein bestimmtes Niveau (K) zu reduzieren und verbessert die visuelle Darstellung, indem ähnliche Farben zusammengefasst werden.

📥 Eingänge

Image Any Das Eingangsbild, auf das Sie die Farbaus quantisierung anwenden möchten.

📤 Ausgänge

Image Any Das Ausgabebild nach der Farbaus quantisierung, in dem ähnliche Farben zusammengefasst sind.

Clustered Colors (B,G,R) Diese Ausgabe liefert die RGB-Werte der im verarbeiteten Bild gefundenen gruppierten Farben zur weiteren Referenz oder Analyse.

🕹️ Steuerungen

K Coefficient Ein Schieberegler, mit dem Sie den Wert von K anpassen können, der die Anzahl der Cluster (oder Farben) im Quantisierungsprozess bestimmt. Das Bewegen des Schiebereglers ändert die Anzahl der einzigartigen Farben im Ausgabebild.

🎨 Funktionen

Dynamic Color Reduction Benutzer können den K-Koeffizienten interaktiv anpassen, um zu sehen, wie sich die Farbdarstellung in Echtzeit ändert.

Color Analysis Der Block bietet Einblick in die dominanten Farben, die nach der Quantisierung im Bild vorhanden sind, und unterstützt bei Farbanalysen.

📝 Nutzungshinweise

1. Connect Input Image: Verbinden Sie ein beliebiges Bild mit dem Image Any-Input, um die Farbaus quantisierung anzuwenden.

2. Adjust Color Clusters: Verwenden Sie den K Coefficient-Schieberegler, um die Anzahl der Cluster, die Sie erstellen möchten, festzulegen. Die Werte liegen typischerweise zwischen 1 und 8, abhängig von Ihren Bedürfnissen.

3. Evaluate: Führen Sie den Block aus, um das quantisierte Bild und die gruppierten Farbwerte zu sehen, die als Ausgaben erzeugt werden.

📊 Bewertung

Bei der Bewertung verarbeitet dieser Funktionsblock das Eingangsbild und erzeugt eine quantisierte Version zusammen mit den RGB-Werten der gruppierten Farben, um Farbreduzierung und Analyseaufgaben zu erleichtern.

💡 Tipps und Tricks

K Effektiv wählen

Ein kleinerer K-Wert führt zu einem abstrakteren Bild, während ein größerer K-Wert mehr Details behält. Experimentieren Sie mit verschiedenen K-Werten, um die beste visuelle Darstellung für Ihr spezifisches Bild zu finden.

Nachverarbeitung

Nach der Quantisierung sollten Sie eine Image Filter oder Auto Contrast anwenden, um die visuelle Qualität des quantisierten Bildes weiter zu verbessern.

Verwendung mit anderen Blöcken

Sie können die Ausgabe dieses Blocks mit einem Image Logger verknüpfen, um gespeicherte Farben zu analysieren, oder das quantisierte Bild an andere Verarbeitungsblöcke wie Apply Mask weitergeben, um bestimmte gruppierte Farben zu isolieren.

🛠️ Fehlersuche

Kein Ausgabebild

Wenn Sie kein Ausgabebild sehen, überprüfen Sie, ob das Eingangsbild korrekt angeschlossen und nicht leer ist. Ungültige oder beschädigte Bilder können dazu führen, dass keine Ausgabe erzeugt wird.

Unerwartete Farben im Output

Wenn die Ausgabe gemischte Farben unerwartet erscheinen, versuchen Sie, den K-Koeffizienten anzupassen. Der Clustering-Algorithmus liefert möglicherweise keine zufriedenstellenden Ergebnisse für bestimmte Bilder, wenn K nicht angemessen festgelegt ist.