3

我得到了 n 个属于彩虹的点（或接近于“彩虹色”）。现在给定一个也是彩虹色的点，我想从 n 个点中找到最接近的匹配。

什么是强大而简单的数据结构+算法组合来做到这一点？我想到了使用 (R,G,B) 元组和欧拉距离。

是的，我有一个严重的用例:-)

4

4 回答 4

2

您基本上是对的，但是 HSL 或 HSV 可能会允许更高的准确性，因为您可以对属性进行加权。见colorsys。

于 2012-06-28T14:58:48.727 回答
2

您可能应该将您的 RGB 值转换为HSL，其中基于色调匹配颜色接近度应该更容易。

于 2012-06-28T14:59:20.443 回答
2

我不是在玩彩虹;-) 但我的情况几乎相同，我为此使用 kd-tree 来快速搜索最近的“点”。我的观点也是 0-1 浮点数形式的 rgb 颜色

http://code.google.com/p/python-kdtree/

from kdtree import KDTree

data = [(1,2,3),(4,0,1),(5,3,1),(10,5,4),(9,8,9),(4,2,4)]

tree = KDTree.construct_from_data(data)
nearest = tree.query(query_point=(5,4,3), t=1)
于 2012-06-28T15:00:42.340 回答
1

您说的是彩虹色，在通常意义上是指可见光谱中的单色，即单一频率的颜色（白色或粉红色不是彩虹色）。在这种情况下，您有很大的优势，可以仅用它们的频率或波长（一个数字）来表示它们。例如，看一下与彩虹光谱的样本划分相对应的频率：

所以现在你有n 个数字，然后你选择另一个数字（另一种彩虹色），并且必须决定它最接近哪个数字。这应该是微不足道的。

所以如果你有你的彩虹色频率（你应该这样做，否则你怎么知道它们是彩虹色？），这是一项简单的工作。

于 2012-06-28T15:07:54.980 回答