背景

上周，某公司的产品经理提了一个需求：根据用户手机壳颜色来改变 App 主题颜色。可能是由于这天马行空的需求激怒了程序员，导致程序员和产品经理打了起来，最后双双被公司开除。

那如何实现这个功能呢？首先需要获取图像中的主色。

插一句题外话，作为程序员在桌面上还是要有一些必备的东西需要放的。

KMeans 算法

k-平均算法（英文：k-means clustering）源于信号处理中的一种向量量化方法，现在则更多地作为一种聚类分析方法流行于数据挖掘领域。k-平均聚类的目的是：把 n 个点（可以是样本的一次观察或一个实例）划分到k个聚类中，使得每个点都属于离他最近的均值（此即聚类中心）对应的聚类，以之作为聚类的标准。这个问题将归结为一个把数据空间划分为Voronoi cells的问题。

KMeans 算法思想为：给定n个数据点{x1,x2,…,xn},找到K个聚类中心{a1,a2,…,aK},使得每个数据点与它最近的聚类中心的距离平方和最小,并将这个距离平方和称为目标函数,记为Wn,其数学表达式为：

本文使用 KMeans 算法对图像颜色做聚类。

算法基本流程： 1、初始的 K 个聚类中心。 2、按照距离聚类中心的远近对所有样本进行分类。 3、重新计算聚类中心，判断是否退出条件：两次聚类中心的距离足够小视为满足退出条件；不退出则重新回到步骤2。

算法实现

public List
    
      extract(ColorProcessor processor) {		// initialization the pixel data        int width = processor.getWidth();        int height = processor.getHeight();        byte[] R = processor.getRed();        byte[] G = processor.getGreen();        byte[] B = processor.getBlue();                //Create random points to use a the cluster center		Random random = new Random();		int index = 0;		for (int i = 0; i < numOfCluster; i++)		{		    int randomNumber1 = random.nextInt(width);		    int randomNumber2 = random.nextInt(height);		    index = randomNumber2 * width + randomNumber1;		    ClusterCenter cc = new ClusterCenter(randomNumber1, randomNumber2, R[index]&0xff, G[index]&0xff, B[index]&0xff);		    cc.cIndex = i;		    clusterCenterList.add(cc); 		}                // create all cluster point        for (int row = 0; row < height; ++row)        {            for (int col = 0; col < width; ++col)            {            	index = row * width + col;            	pointList.add(new ClusterPoint(row, col, R[index]&0xff, G[index]&0xff, B[index]&0xff));            }        }                // initialize the clusters for each point        double[] clusterDisValues = new double[clusterCenterList.size()];        for(int i=0; i
     
       10) {        		break;        	}        	times++;        }                //update the result image        List
      
        colors = new ArrayList
       
        ();        for(ClusterCenter cc : clusterCenterList) {        	        	colors.add(cc.color);        }        return colors;	}	private boolean isStop(double[][] oldClusterCenterColors, double[][] newClusterCenterColors) {		boolean stop = false;		for (int i = 0; i < oldClusterCenterColors.length; i++) {			if (oldClusterCenterColors[i][0] == newClusterCenterColors[i][0] &&					oldClusterCenterColors[i][1] == newClusterCenterColors[i][1] &&					oldClusterCenterColors[i][2] == newClusterCenterColors[i][2]) {				stop = true;				break;			}		}		return stop;	}	/**	 * update the cluster index by distance value	 */	private void stepClusters() 	{        // initialize the clusters for each point        double[] clusterDisValues = new double[clusterCenterList.size()];        for(int i=0; i
        
          clusterDisValues[i])			{				min = clusterDisValues[i];				clusterIndex = i;			}		}		return clusterIndex;	}	/**	 *	 * @param p	 * @param c	 * @return distance value	 */	private double calculateEuclideanDistance(ClusterPoint p, ClusterCenter c) 	{	    int pr = p.pixelColor.red;	    int pg = p.pixelColor.green;	    int pb = p.pixelColor.blue;	    int cr = c.color.red;	    int cg = c.color.green;	    int cb = c.color.blue;	    return Math.sqrt(Math.pow((pr - cr), 2.0) + Math.pow((pg - cg), 2.0) + Math.pow((pb - cb), 2.0));	}复制代码

在 Android 中使用该算法来提取主色：

完整的算法实现可以在：找到，它是一个典型的 KMeans 算法。

我们的算法中，K默认值是5，当然也可以自己指定。

以上算法目前在 demo 上耗时蛮久，不过可以有优化空间。例如，可以使用 RxJava 在 computation 线程中做复杂的计算操作然后切换回ui线程。亦或者可以使用类似 Kotlin 的 Coroutines 来做复杂的计算操作然后切换回ui线程。

总结

提取图像中的主色，还有其他算法例如八叉树等，在 Android 中也可以使用 Palette 的 API来实现。

是和我一起开发的图像处理库，纯java实现，我们已经分离了一个Android版本和一个Java版本。

如果您想看该系列先前的文章可以访问下面的文集：

最后提醒一句，作为程序员，还是要多健身。

Java与Android技术栈：每周更新推送原创技术文章，欢迎扫描下方的公众号二维码并关注，期待与您的共同成长和进步。