In computer graphics, color quantization or color image quantization is applied to color spaces; it is a process that reduces the number of distinct colors used in an , usually with the intention that the new image should be as visually similar as possible to the original image. Computer algorithms to perform color quantization on bitmaps have been studied since the 1970s. Color quantization is critical for displaying images with many colors on devices that can only display a limited number of colors, usually due to memory limitations, and enables efficient compression of certain types of images. The name "color quantization" is primarily used in computer graphics research literature; in applications, terms such as optimized palette generation, optimal palette generation, or decreasing color depth are used. Some of these are misleading, as the palettes generated by standard algorithms are not necessarily the best possible. Most standard techniques treat color quantization as a problem of clustering points in three-dimensional space, where the points represent colors found in the original image and the three axes represent the three color channels. Almost any three-dimensional clustering algorithm can be applied to color quantization, and vice versa. After the clusters are located, typically the points in each cluster are averaged to obtain the representative color that all colors in that cluster are mapped to. The three color channels are usually red, green, and blue, but another popular choice is the Lab color space, in which Euclidean distance is more consistent with perceptual difference. The most popular algorithm by far for color quantization, invented by Paul Heckbert in 1979, is the median cut algorithm. Many variations on this scheme are in use. Before this time, most color quantization was done using the population algorithm or population method, which essentially constructs a histogram of equal-sized ranges and assigns colors to the ranges containing the most points.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Séances de cours associées (13)
Histoires de cuisine: Exploration du monde coloré
Explore l'utilisation des couleurs dans le film pour transmettre des émotions et créer l'ambiance.
Traitement de l'image I: Fondamentaux
Couvre les bases du traitement de l'image, le travail pratique à l'aide de Jupyter Notebooks, et les tendances futures dans le domaine.
Traitement d'image I: quantification et analyse d'histogramme
Explore la quantification d'images, l'analyse d'histogrammes et le compromis entre la résolution spatiale et celle en niveaux de gris.
Afficher plus
Publications associées (52)

Discovering perceived images of reused industrial heritage from user-generated photos: Three mega-event reinforced industrial heritage transformation cases

Huishu Deng

Cities are increasingly reusing industrial heritage as part of cultural and creative regeneration strategies. However, designers and decision-makers face the challenge of determining which features and elements of industrial heritage are more perceived and ...
2023

The Height of Chitinous Ridges Alone Produces the Entire Structural Color Palette

Hemant Kumar Raut

The colorful wings of butterflies result from the interaction between light and the intricate chitinous nanostructures on butterflies’ scales. This study demonstrates that just by reproducing the chitinous ridges present in butterfly scales (i.e., without ...
2022

Optimized Quantization in Distributed Graph Signal Processing

Pascal Frossard, Isabela Cunha Maia Nobre

Distributed graph signal processing methods require that the graph nodes communicate by exchanging messages. These messages have a finite precision in a realistic network, which may necessitate to implement quantization. Quantization, in turn, generates er ...
IEEE2019
Afficher plus
Concepts associés (5)
Indexed color
In computing, indexed color is a technique to manage s' colors in a limited fashion, in order to save computer memory and file storage, while speeding up display refresh and file transfers. It is a form of vector quantization compression. When an image is encoded in this way, color information is not directly carried by the image pixel data, but is stored in a separate piece of data called a color lookup table (CLUT) or palette: an array of color specifications. Every element in the array represents a color, indexed by its position within the array.
Diffusion d'erreur
La diffusion d'erreur est une technique d'amélioration du rendu des images infographiques en cas de diminution du nombre de codes de couleurs. Elle se combine à l'anticrénelage. Elle sert dans les systèmes informatiques capables d'afficher seulement un petit nombre de couleurs, et dans les imprimantes, pour lesquelles les pixels n'ont que deux valeurs, avec du toner ou sans. Elle consiste à répartir sur les pixels voisins les erreurs de quantification issues de l'assimilation de la couleur d'un pixel à une couleur prise dans une gamme réduite.
Palette de couleurs
En infographie, une palette de couleurs est un ensemble fini de couleurs stocké servant à l'affichage d'. Voici les utilisations les plus courantes de l'expression « palette de couleurs » en informatique : l'ensemble des couleurs qu'un système est capable de générer ou de gérer (selon les limitations de mémoire vidéo, il est possible qu'il ne puisse pas les afficher toutes en même temps) : par exemple, on dit des systèmes d'affichage de type Highcolor qu'ils ont une palette RVB 16 bits, c'est-à-dire qu'ils sont potentiellement capables d'afficher couleurs différentes (en tout) ; la sélection de couleurs qui peut être affichée simultanément : soit sur l'écran entier : soit à l'aide d'une palette fixe : un terminal d'affichage donné peut offrir un choix de couleurs prédéterminés, en sélectionnant une palette parmi celles établies à l'avance par le constructeur.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.