如何实现从红到紫排序、相似色相邻的HSV颜色排序算法

颜色距离的正确计算方式 #

你提到的三维欧氏距离（毕达哥拉斯定理）思路完全可行，但不能直接套用原始HSV值计算，要做两个关键修正，否则还是会出现你说的排序错位问题：

• 首先处理色相的环形属性：色相是0°-360°的环形刻度，359°的红和1°的红实际视觉差只有2°，计算两个颜色的色相差值时必须用min(|h1-h2|, 360 - |h1-h2|)，不能直接做减法。
• 其次给三个维度加动态感知权重：人眼对色相的敏感度不是固定的——当颜色饱和度极低、明度极暗或极亮时，人眼几乎分辨不出来色相差异，就像你举的反例里H=2°的近黑色，哪怕色相和正红只差1°，视觉上也和正红差很远。计算距离时，平均饱和度越低、明度越靠近0%或100%，色相的权重就要压得越低。

可以直接用下面的加权距离计算逻辑，已经适配了你提到的反例场景：

import math

# 标准锚点色
STANDARD_RED = (0, 1.0, 1.0)    # 正红，排序起点锚点
STANDARD_PURPLE = (270, 1.0, 1.0) # 正紫，排序终点锚点

def calc_hsv_distance(color1, color2):
    """
    计算两个HSV颜色的感知距离
    color参数格式: (hue: 0~360, saturation: 0~1, value:0~1)
    传入前把百分比的S、V除以100转成0-1区间即可
    """
    h1, s1, v1 = color1
    h2, s2, v2 = color2

    # 计算归一化的环形色相差，范围0~1
    h_delta = abs(h1 - h2)
    h_delta = min(h_delta, 360 - h_delta) / 180
    s_delta = abs(s1 - s2)
    v_delta = abs(v1 - v2)

    # 动态计算色相权重：饱和度越低、明度越靠近黑白两端，色相权重越低
    avg_saturation = (s1 + s2) / 2
    avg_value = (v1 + v2) / 2
    value_deviation = abs(avg_value - 0.5) * 2 # 距离明度中点的偏移，0~1
    h_weight = avg_saturation * (1 - value_deviation * 0.8)
    s_weight = 0.5
    v_weight = 0.7

    return math.sqrt(
        (h_weight * h_delta) ** 2
        + (s_weight * s_delta) ** 2
        + (v_weight * v_delta) ** 2
    )

用这个函数测试你举的三个颜色：正红（1°,100%,100%）和近黑（2°,10%,10%）的距离，远大于正红和橙调红（3°,100%,100%）的距离，完全符合你要的相邻预期。
另外注意不要机械选H值最低的颜色当起点，要选和STANDARD_RED距离最近的颜色当序列起点，避免把低饱和暗色调错当成红端起点。

贪心最近邻策略的问题 #

你说的“每次选和序列末尾最近的未排序颜色加入”的贪心策略实现简单，小批量颜色排序时能用，但一定会在部分场景下产出非最优结果。
这类贪心的典型缺陷是“短视”：很容易被离当前末尾点极近的孤立颜色带偏，选了这个孤立点之后，剩下的大簇颜色和这个点的距离都非常远，最终序列会出现很突兀的跳色，整体相邻相似度很差。比如颜色集合里混了一个离橙红极近、但离所有蓝紫色都极远的灰调杂色，贪心策略排到橙红时会优先把这个杂色加进来，接下来就必须跨很大的视觉差跳到后面的冷色序列，观感非常割裂。

和旅行商问题（TSP）的关联 #

这个排序问题本质就是固定起终点的开环旅行商问题：

• 每个颜色对应TSP里的城市
• 两个颜色的感知距离对应城市之间的路径成本
• 你要的“所有颜色排一次、相似颜色相邻、从红到紫”的需求，对应找一条从红端起点到紫端终点、经过所有点一次、路径总成本最小的链路，完全符合开环TSP的定义，属于NP难问题。

实际落地可以根据数据量选方案：

• 颜色数少于50个：直接用动态规划解固定起终点的TSP，能拿到全局最优结果
• 颜色数几十到上百个：用最小生成树（MST）做深度优先遍历排序，比纯贪心稳很多，几乎不会出现突兀跳色，计算成本也很低
• 颜色数上千：可以直接用贪心加局部优化，比如每插入3-5个颜色就回头调整下最近3个点的顺序，足够应付绝大多数设计、可视化场景的需求。

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