改进图像主颜色占比检测算法：解决复杂图像黑白误判问题

我需要检测8种颜色在图像中的占比，包括3种RGB基础色（红、绿、蓝）、4种CMYK基础色（青、粉、黄、黑）以及白色。

当前实现方案 #

目标颜色列表 #

const colors = [
     {r: 255, g: 0, b: 0, name: 'red'},
     {r: 0, g: 255, b: 0, name: 'green'},
     {r: 0, g: 0, b: 255, name: 'blue'},
     {r: 0, g: 255, b: 255, name: 'cyan'},
     {r: 255, g: 0, b: 255, name: 'pink'},
     {r: 255, g: 255, b: 0, name: 'yellow'},
     {r: 0, g: 0, b: 0, name: 'black'},
     {r: 255, g: 255, b: 255, name: 'white'}
]

颜色匹配逻辑 #

通过计算像素颜色与目标颜色的曼哈顿距离判定最近匹配色：

const colorNumber = (color, pixel_rgba) => {
    const number = Math.abs(color.r - pixel_rgba.r) + Math.abs(color.g - pixel_rgba.g) + Math.abs(color.b - pixel_rgba.b)
    return number
}

存在的问题 #

该方案在文档、色彩区分度高的简单图像上表现正常，但在复杂图像中会误判出过多的黑色与白色。

尝试过的优化（效果不理想） #

曾尝试给黑白的差异值乘以2，以此降低它们的匹配优先级，但这种方法不够理想：

const colorNumber = (color, pixel_rgba) => {
    const number = Math.abs(color.r - pixel_rgba.r) + Math.abs(color.g - pixel_rgba.g) + Math.abs(color.b - pixel_rgba.b)
    return color.name === "black" || color.name === "white" ? number * 2 : number
}

寻求建议 #

希望优化最近色判定逻辑，使其更符合人眼感知，减少黑白的误判情况。

内容的提问来源于stack exchange，提问作者khramov