如何将NumPy颜色数组匹配至样本色以适配.vox文件255色限制

问题背景 #

我需要把形状为(N, 3)的NumPy RGB数组转换为.vox格式文件，但.vox格式最多仅支持255种唯一颜色。原数组的颜色数值通常相近（例如存在大量视觉上几乎一致的红色），我已预先准备好一个形状为(247, 3)的样本色板——在RGB空间的13个色系下各选取19个等间距颜色，示例如下：

([13, 0, 0], [26, 0, 0], [39, 0, 0], [52, 0, 0], [65, 0, 0], [78, 0, 0], [91, 0, 0],
[104, 0, 0], [117, 0, 0], [130, 0, 0], [143, 0, 0], [156, 0, 0], [169, 0, 0], [182, 0, 0],
[195, 0, 0], [208, 0, 0], [221, 0, 0], [234, 0, 0], [247, 0, 0]) ×13组其他色系

需求是将原数组中的每个颜色替换为样本色板中最接近的匹配色，只要最终唯一颜色数量不超过255即可，数组长度大于255不受限制。

解决方案 #

利用NumPy的广播机制高效计算颜色距离，找到每个原颜色对应的最近样本色，具体步骤如下：

1. 导入依赖并定义数组 #

import numpy as np

# 原RGB数组（示例：随机生成1000个颜色，形状(N,3)，数值范围0-255）
original_colors = np.random.randint(0, 256, size=(1000, 3), dtype=np.uint8)

# 你的样本色板（已预先创建，形状(247,3)）
# 此处为模拟示例，替换为你实际的样本色板数组即可
sample_colors = np.vstack([
    np.linspace(13, 247, 19, dtype=np.uint8)[:, None] * np.array([1, 0, 0]),
    np.linspace(13, 247, 19, dtype=np.uint8)[:, None] * np.array([0, 1, 0]),
    # 补充剩余11个色系的颜色...
])

2. 计算颜色距离并匹配最近色 #

# 扩展维度实现广播：原数组变为(N,1,3)，样本色板变为(1,247,3)
expanded_original = original_colors[:, np.newaxis, :]
expanded_sample = sample_colors[np.newaxis, :, :]

# 计算欧氏距离的平方（省略开根号，不影响最小值判断，提升计算效率）
distance_squared = np.sum((expanded_original - expanded_sample) ** 2, axis=2)

# 找到每个原颜色对应的最近样本色的索引
closest_indices = np.argmin(distance_squared, axis=1)

# 替换为匹配的样本色
mapped_colors = sample_colors[closest_indices]

3. 验证结果（可选） #

# 检查最终唯一颜色数量，确保≤255
unique_count = np.unique(mapped_colors, axis=0).shape[0]
print(f"唯一颜色数量：{unique_count}")

补充说明 #

• 采用距离平方而非欧氏距离，是为了避免开根号运算，在不影响最小值判断的前提下提升计算速度
• 利用NumPy广播替代循环遍历，处理大规模数组时效率远高于逐元素计算
• 如果需要更贴合人眼视觉感知的颜色匹配，可以先将RGB颜色转换为CIELAB等感知均匀颜色空间后再计算距离，但针对颜色相近的场景，RGB空间的距离计算已足够准确

内容的提问来源于stack exchange，提问作者tempaccountforissue