作为起点，请考虑对图像的颜色进行聚类。如果您不知道想要多少个集群，那么您将需要确定是否合并两个给定集群的方法。目前，让我们假设我们知道这个数字。例如，给定下图左侧，我将它的颜色映射到 3 个簇，它们的平均颜色如中间所示，并用平均颜色表示每个簇，得到右图。
有了右边的输出，现在你需要的是一种替换颜色的方法。假设用户单击图像中的某个位置（单个点），那么您知道原始图像中需要修改的位置。对于下一张图片，用户（我）点击了包含在“橙色”集群中的一个点。然后他点击了一些蓝色调。从那开始，您制作一个代表“橙色”集群中的点的蒙版并使用它。我考虑了一个简单的高斯滤波器，然后是一个 3x5 的扁平膨胀。然后根据生成的蒙版替换原始图像中的色调（经过低通滤波后，其上的值也被视为合成图像的 alpha 值）。
一点也不完美，但你可以有比我更好的聚类，还有一种不那么原始的颜色替换方法。我故意跳过了关于聚类方法、颜色空间等的细节，因为我只在 RGB 上使用了基本的 k-means，没有对输入进行任何预处理。因此，您可以将上述结果视为您可以做的任何其他事情的基准。
给定图像、选定的颜色和目标新颜色 - 你不能做很多不丑陋的事情。您还需要一个范围，一些颜色的变化，因此您可以说一个像素的颜色“足够接近”，而另一个像素的颜色显然“不同”。
处理的第一步：创建一个蒙版图像，它是灰度的，从 0.0 到 1.0（或从零到某个最大值，我们将视为 1.0）变化，并且与输入图像的大小相同。对于每个输入像素，测试其颜色是否足够接近所选颜色。如果它“相同”或“足够接近”，则将 1.0 放入掩码中。如果不同，则输入 0.0。如果是分界线，则放置一个中间值。究竟如何做到这一点取决于图像的细节。
这可能在 LAB 空间中效果最好，并根据 A、B 坐标相对于其原点的角度测试相同性。
拿到口罩后，把它放在一边。现在对整个图像进行颜色转换。这可能最好在 HSV 空间中完成。请勿触摸 V 通道。向 S 添加一个常数，模 360 度（或模 256，如果 S 存储为字节）并将 S 乘以选择的常数，以便与所选颜色对应的 HSV 中的坐标移动到目标颜色的 HSV 坐标。将 L 不变的变换后的 S 和 H 转换回 RGB。
最后，使用蒙版将原始图像与经过颜色转换的图像混合。将此应用于每个通道 - 红色、绿色、蓝色：
output = (1-mask)*original + mask*transformed
如果你在字节数组中做这一切，0 是 0.0 和 255 是 1.0，并小心溢出和有符号/无符号问题。