颜色检测算法 - 我应该怎么做？

我在设计颜色检测系统方面有点陷入困境 - 我不太想出一种轻松完成它的方法。

-

基本上，我有一个图像库，我想按颜色排序。因此，如果用户指定“按蓝色排序”，则蓝色最多的图像将出现在结果的顶部，蓝色最少的图像将出现在底部。

问题是图像并不全是一种颜色，所以它同时做两件事：

1- 找到图像中最蓝的部分
2- 对该蓝色进行排名（基于色调和该颜色的数量）。

我尝试了大约 3 或 4 种不同的方法，但结果各不相同 - 但没有一个能很好地工作，其中 2 种是相当数学的算法（它们在纸上的效果都比实践中好得多，哈哈）。

-

我可以采取哪些不同的方式来完成整个过程？我可能错过了一些非常明显的工作方式 - 任何帮助或想法将不胜感激:)

-

EDIT:感谢您的所有回复 - 这是我迄今为止尝试过的：

• 获取整个图像的平均 RGB 值并将其与蓝色进行比较。使用归一化的 RGB 3 空间向量进行比较并查找它们之间的距离。这种方法效果最差，没有蓝色的图像很容易出现在带有部分非常强的蓝色的图像上方。

• 找到主色并将其与蓝色进行比较（再次使用 3 个空间矢量距离）。这不起作用，因为图像中可能有一大块蓝色部分不是最多（或在顶部的几个）主色部分。

• 找到接近蓝色的像素，对所有这些进行平均并将答案与实际蓝色进行比较。

• 查找所有接近蓝色的像素，增加计数并根据计数/总像素查找百分比。

我想到了两个想法：

廉价版本：将图像转换为 HSV 颜色空间，并对每个像素进行计算cos(H - target_hue)或合理的近似值（对于蓝色，target_hue将为 240 度），乘以饱和度，然后对图像中所有像素的数值进行平均。高值是最好的。请注意，比蓝色更接近黄色的颜色具有“负蓝色度”，黑色、白色和纯灰色同样具有“零蓝色度”。请注意，在这种情况下，您确实需要 HSV，而不是 HSL，因为 HSL 中的“S”不能很好地映射到感知饱和度。例如，颜色 #f8f8ff（RGB 248、248、255）在 HSL 中的饱和度为 100%（即纯蓝色），但它看起来接近白色。 HSV中相同颜色的“S”坐标只有3%，这是合理的。

不太便宜的版本：将图像转换为 CIELAB 颜色空间，丢弃 L，并计算 a*b* 空间中每个像素与目标颜色之间的距离，然后对每个像素求平均值或 RMS。低值是最好的。