前端UI组件【免费下载链接】fastThe adaptive interface system for modern web experiences.项目地址https://gitcode.com/gh_mirrors/fa/fast点击查看免费下载导读在自适应界面系统 FAST 的microsoft/fast-colors模块中Histogram类是颜色量化Quantization流程的第一环它将一张图像中的每一个像素颜色统计成每种颜色出现多少次的频数分布为后续从图像中提取主色调、生成色板提供原始数据。本文围绕 Histogram 构造函数文档完整讲解source、significantBits、pixelSkipping、isHistogramPixelValid四个参数的语义与权衡并结合 PixelBlob、ImageDataPixelBlob、quantize() 等周边 API让你既能看懂直方图的内部原理也能直接写出可运行的调色实战代码。构造函数签名constructor( source: PixelBlob, significantBits?: number, pixelSkipping?: number, isHistogramPixelValid?: ((pixel: number[]) boolean) | null );Histogram是microsoft/fast-colors包导出的公开类声明见 fast-colors.histogram.md。构造时接收一个 PixelBlob 像素数据源其余三个参数均为可选用于控制统计精度、性能开销与像素筛选。参数详解参数类型必填作用sourcePixelBlob是提供源图像像素数据的抽象数据源。significantBitsnumber否每个颜色通道保留的有效位深度。内存需求按4 * 2^(3 * significantBits)字节增长。pixelSkippingnumber否像素采样步长。pixelSkipping越小CPU 时间近似线性增长。isHistogramPixelValid((pixel: number[]) boolean) \| null否可选谓词用于把不想要的像素从源数据中筛除例如忽略透明像素。source直方图的数据来源source必须实现 PixelBlob 接口该接口约定了一个像素块的最小能力width: number、height: number、totalPixels: number图像尺寸与像素总数getPixel(x, y)返回该坐标处的 ColorRGBA64 颜色对象getPixelRGBA(x, y)返回一个长度为 4 的数组按 RGBA 顺序排列每个分量取值范围[0, 255]。Histogram在构造时会遍历source的全部像素通过getPixelRGBA读取每个像素的 R/G/B 分量并累加计数。因此source的实现决定了原始数据长什么样而significantBits与isHistogramPixelValid则决定这些原始数据如何进入直方图。FAST 提供了一个开箱即用的实现 ImageDataPixelBlob它直接包装浏览器的ImageData对象例如从canvas的getContext(2d).getImageData(...)得到的数据实现了全部PixelBlob成员。在日常使用中最常见的组合就是const imageData ctx.getImageData(0, 0, width, height); const source new ImageDataPixelBlob(imageData); const histogram new Histogram(source);significantBits精度与内存的取舍significantBits决定了每个颜色通道被压缩到的位深度是理解Histogram内存模型的关键参数。其内存需求公式为内存占用 4 * 2^(3 * significantBits) 字节对应关系如下significantBits直方图内存每通道取值个数5128K320–3161M6478M128864 兆字节2560–255为什么是2^(3 * significantBits)因为 RGB 三个通道各占significantBits位三种颜色组合共有2^(3 * significantBits)种可能而data数组每个元素是Uint32Array4 字节所以总内存为4 * 2^(3 * significantBits)字节。文档中给出的两个实例数字正是这一公式的直接结果5 位时直方图为 128K8 位时达到 64 兆。当significantBits小于 8 时每个通道在进入直方图前都会被降位压缩。例如默认值 5 意味着每个通道从 8 位0–255降为 5 位0–31原本在低 3 位上有差异的颜色会被合并到同一个桶里——这是直方图空间换精度、控制内存的关键机制。pixelSkipping用采样换速度pixelSkipping控制像素采样步长直方图构建时每隔pixelSkipping个像素才读取一个样本。取值越小纳入统计的像素越多、结果越接近全量统计但 CPU 开销近似线性上升反之取值越大越省 CPU但会漏掉部分像素信息。这个参数在需要快速预览或处理超大图像时非常实用是一种典型的以采样精度换构建速度的权衡。isHistogramPixelValid构造期的像素过滤器isHistogramPixelValid是一个可选谓词签名与getPixelRGBA的输出对齐接收一个长度 4、按 RGBA 顺序排列、分量范围[0, 255]的数组返回true表示该像素应计入直方图false表示丢弃。文档中给出的典型场景是忽略透明像素const histogram new Histogram(source, 5, 1, (pixel: number[]) { return pixel[3] 128; // 只保留 alpha 不小于 128 的不透明像素 });这个谓词同样出现在 QuantizeConfig.isHistogramPixelValid 中用于在量化流程里排除太接近纯白或透明的像素。在直方图构造阶段就过滤可以避免无意义像素挤占有限的颜色桶让统计结果更聚焦于真正关心的颜色区域。直方图的内部结构与索引算法构造完成后Histogram实例暴露以下成员完整列表见 fast-colors.histogram.md成员类型含义dataUint32Array直方图计数数组下标对应颜色桶。significantBitsnumber构造时使用的有效位深度。totalnumber被统计的像素总数。minRed/minGreen/minBlue、maxRed/maxGreen/maxBluenumber实际出现的颜色范围各通道最小/最大值。getHistogramIndex(r, g, b)函数将 RGB 三元组映射为data数组的下标。getHistogramValue(r, g, b)函数读取某个颜色的频数。setHistogramValue(value, r, g, b)函数写入某个颜色的频数。其中 getHistogramIndex 是理解整个数据布局的钥匙它接收三个通道值返回Uint32Array的索引。RGB 三通道被编码成一个单一下标这正是data数组大小等于2^(3 * significantBits)的原因——getHistogramIndex把三维颜色空间拍平成一维数组getHistogramValue/setHistogramValue则是对数组的读写封装。文档还对data的类型给出了明确提示直方图计数使用Uint32Array单个桶最多记录2^32个同色像素。因此如果源图像中同一种颜色出现超过 2^32 次例如一张 65536×65536 的纯色方图计数将发生溢出、结果不再正确。直方图的实战用途配合量化提取色板单独构建直方图的意义在于它是 quantize() 与 quantizeHistogram() 的输入数据。这两个函数都基于 Leptonica 的 Modified Median Cut Quantization 算法实现把颜色数量庞大的直方图压缩成一个小型调色板。两者的区别正是直方图的价值所在quantize(source: PixelBlob, config?)一步完成——内部先构建Histogram再量化quantizeHistogram(histogram: Histogram, config?)接收已构建好的Histogram文档明确指出它的适用场景——当你希望手工修改直方图中的颜色或者想用同一份直方图配合不同配置多次量化时先手动创建Histogram会更高效因为直方图的构建成本可以被复用。配合 QuantizeConfig 可以进一步控制量化行为其字段与构造函数参数高度呼应配置字段说明significantBits必须在[1, 8]范围内内存按4 * 2^(3 * significantBits)增长设为 8 需要 64 兆字节直方图。pixelSkipping降低该值会增加 CPU 负载但纳入计算的像素更多。isHistogramPixelValid从直方图中排除像素的谓词与构造函数同名参数语义一致。targetPaletteSize期望的输出色板大小在颜色极少的边缘情况下实际输出可能少于该值。maxIterations量化迭代次数上限超过即中止并返回当前结果仅在极端输入下可能触发。fractionByPopulation色板前fractionByPopulation * targetPaletteSize个颜色仅按像素占比排序其余按population * colorVolume排序保证小面积高对比颜色也有机会进入最终输出。isBoxValid可选的盒子过滤谓词用于筛除不理想的输出颜色例如排除像素数低于阈值的颜色。完整示例从 Canvas 到直方图再到色板综合以上内容一个典型的使用链路如下可直接在浏览器环境中运行import { Histogram, ImageDataPixelBlob, quantizeHistogram, defaultQuantizeConfig, } from microsoft/fast-colors; // 1. 从 canvas 读取像素数据 const canvas document.createElement(canvas); canvas.width 320; canvas.height 240; const ctx canvas.getContext(2d)!; ctx.drawImage(someImage, 0, 0); const imageData ctx.getImageData(0, 0, 320, 240); // 2. 构建 PixelBlob 并创建直方图 // significantBits 5 → 128K 内存pixelSkipping 1 → 全量采样 // 谓词过滤掉 alpha 过低的像素 const source new ImageDataPixelBlob(imageData); const histogram new Histogram( source, 5, 1, (pixel: number[]) pixel[3] 0 ); // 3. 查看统计结果 console.log(histogram.total); // 被统计的像素总数 console.log(histogram.getHistogramValue(31, 31, 31)); // 某颜色的频数 // 4. 复用同一份直方图用不同配置量化出两套色板 const smallPalette quantizeHistogram(histogram, { ...defaultQuantizeConfig, targetPaletteSize: 8, }); const largePalette quantizeHistogram(histogram, { ...defaultQuantizeConfig, targetPaletteSize: 16, });其中defaultQuantizeConfig见 defaultquantizeconfig提供了开箱即用的默认量化参数适合作为自定义配置的起点。边界与注意事项内存非线性增长significantBits每增加 1内存翻 8 倍4 * 2^(3 * significantBits)。默认值 5 只需 128K而 8 会膨胀到 64 兆务必根据图像实际色彩丰富度选择避免在低端设备上构造过大的直方图。同色像素计数上限Uint32Array的桶容量是2^32同色像素超过该数量如 65536×65536 的纯色大图会导致计数溢出、统计失真。采样与过滤的先后pixelSkipping决定取哪些像素isHistogramPixelValid决定取到的像素要不要两者共同影响最终频数分布构造阶段的过滤还会影响minRed/maxRed等颜色范围统计结果。复用直方图如果需要在同一图像上尝试多种量化参数优先使用 quantizeHistogram 复用已构建的Histogram把构建成本摊薄到多次量化中。参考资料构造函数 API 文档fast-colors.histogram.constructor.mdHistogram 类完整成员fast-colors.histogram.md像素数据源接口fast-colors.pixelblob.md 及其开箱实现 fast-colors.imagedatapixelblob.md量化函数与配置fast-colors.quantize.md、fast-colors.quantizehistogram.md、fast-colors.quantizeconfig.md、fast-colors.defaultquantizeconfig.md模块总览fast-colors.md赞分享前端UI组件【免费下载链接】fastThe adaptive interface system for modern web experiences.项目地址https://gitcode.com/gh_mirrors/fa/fast点击查看免费下载相关推荐FAST 1.x fast-colors深入理解 QuantizedColor 接口——图像颜色量化结果的数据结构FAST 1.x fast colors深入理解 QuantizedColor 接口——图像颜色量化结果的数据结构 在 FAST 1.x 时代micros前端UI组件FAST 颜色系统详解microsoft/fast-colors 中 QuantizedColor.color 属性与图像调色板量化FAST 颜色系统详解microsoft/fast colors 中 QuantizedColor.color 属性与图像调色板量化 本文围绕 micro前端UI组件FASTmicrosoft/fast-colors 1.xQuantizeConfig.isHistogramPixelValid 属性详解用像素谓词过滤直方图输入FASTmicrosoft/fast colors 1.xQuantizeConfig.isHistogramPixelValid 属性详解用像素谓词过前端UI组件上一篇2025最全Apache Spark生态工具与实战指南下一篇【亲测免费】 中文文本标注工具Chinese-Annotator使用教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
fast-colors Histogram 构造函数详解：从像素数据构建颜色直方图
前端UI组件【免费下载链接】fastThe adaptive interface system for modern web experiences.项目地址https://gitcode.com/gh_mirrors/fa/fast点击查看免费下载导读在自适应界面系统 FAST 的microsoft/fast-colors模块中Histogram类是颜色量化Quantization流程的第一环它将一张图像中的每一个像素颜色统计成每种颜色出现多少次的频数分布为后续从图像中提取主色调、生成色板提供原始数据。本文围绕 Histogram 构造函数文档完整讲解source、significantBits、pixelSkipping、isHistogramPixelValid四个参数的语义与权衡并结合 PixelBlob、ImageDataPixelBlob、quantize() 等周边 API让你既能看懂直方图的内部原理也能直接写出可运行的调色实战代码。构造函数签名constructor( source: PixelBlob, significantBits?: number, pixelSkipping?: number, isHistogramPixelValid?: ((pixel: number[]) boolean) | null );Histogram是microsoft/fast-colors包导出的公开类声明见 fast-colors.histogram.md。构造时接收一个 PixelBlob 像素数据源其余三个参数均为可选用于控制统计精度、性能开销与像素筛选。参数详解参数类型必填作用sourcePixelBlob是提供源图像像素数据的抽象数据源。significantBitsnumber否每个颜色通道保留的有效位深度。内存需求按4 * 2^(3 * significantBits)字节增长。pixelSkippingnumber否像素采样步长。pixelSkipping越小CPU 时间近似线性增长。isHistogramPixelValid((pixel: number[]) boolean) \| null否可选谓词用于把不想要的像素从源数据中筛除例如忽略透明像素。source直方图的数据来源source必须实现 PixelBlob 接口该接口约定了一个像素块的最小能力width: number、height: number、totalPixels: number图像尺寸与像素总数getPixel(x, y)返回该坐标处的 ColorRGBA64 颜色对象getPixelRGBA(x, y)返回一个长度为 4 的数组按 RGBA 顺序排列每个分量取值范围[0, 255]。Histogram在构造时会遍历source的全部像素通过getPixelRGBA读取每个像素的 R/G/B 分量并累加计数。因此source的实现决定了原始数据长什么样而significantBits与isHistogramPixelValid则决定这些原始数据如何进入直方图。FAST 提供了一个开箱即用的实现 ImageDataPixelBlob它直接包装浏览器的ImageData对象例如从canvas的getContext(2d).getImageData(...)得到的数据实现了全部PixelBlob成员。在日常使用中最常见的组合就是const imageData ctx.getImageData(0, 0, width, height); const source new ImageDataPixelBlob(imageData); const histogram new Histogram(source);significantBits精度与内存的取舍significantBits决定了每个颜色通道被压缩到的位深度是理解Histogram内存模型的关键参数。其内存需求公式为内存占用 4 * 2^(3 * significantBits) 字节对应关系如下significantBits直方图内存每通道取值个数5128K320–3161M6478M128864 兆字节2560–255为什么是2^(3 * significantBits)因为 RGB 三个通道各占significantBits位三种颜色组合共有2^(3 * significantBits)种可能而data数组每个元素是Uint32Array4 字节所以总内存为4 * 2^(3 * significantBits)字节。文档中给出的两个实例数字正是这一公式的直接结果5 位时直方图为 128K8 位时达到 64 兆。当significantBits小于 8 时每个通道在进入直方图前都会被降位压缩。例如默认值 5 意味着每个通道从 8 位0–255降为 5 位0–31原本在低 3 位上有差异的颜色会被合并到同一个桶里——这是直方图空间换精度、控制内存的关键机制。pixelSkipping用采样换速度pixelSkipping控制像素采样步长直方图构建时每隔pixelSkipping个像素才读取一个样本。取值越小纳入统计的像素越多、结果越接近全量统计但 CPU 开销近似线性上升反之取值越大越省 CPU但会漏掉部分像素信息。这个参数在需要快速预览或处理超大图像时非常实用是一种典型的以采样精度换构建速度的权衡。isHistogramPixelValid构造期的像素过滤器isHistogramPixelValid是一个可选谓词签名与getPixelRGBA的输出对齐接收一个长度 4、按 RGBA 顺序排列、分量范围[0, 255]的数组返回true表示该像素应计入直方图false表示丢弃。文档中给出的典型场景是忽略透明像素const histogram new Histogram(source, 5, 1, (pixel: number[]) { return pixel[3] 128; // 只保留 alpha 不小于 128 的不透明像素 });这个谓词同样出现在 QuantizeConfig.isHistogramPixelValid 中用于在量化流程里排除太接近纯白或透明的像素。在直方图构造阶段就过滤可以避免无意义像素挤占有限的颜色桶让统计结果更聚焦于真正关心的颜色区域。直方图的内部结构与索引算法构造完成后Histogram实例暴露以下成员完整列表见 fast-colors.histogram.md成员类型含义dataUint32Array直方图计数数组下标对应颜色桶。significantBitsnumber构造时使用的有效位深度。totalnumber被统计的像素总数。minRed/minGreen/minBlue、maxRed/maxGreen/maxBluenumber实际出现的颜色范围各通道最小/最大值。getHistogramIndex(r, g, b)函数将 RGB 三元组映射为data数组的下标。getHistogramValue(r, g, b)函数读取某个颜色的频数。setHistogramValue(value, r, g, b)函数写入某个颜色的频数。其中 getHistogramIndex 是理解整个数据布局的钥匙它接收三个通道值返回Uint32Array的索引。RGB 三通道被编码成一个单一下标这正是data数组大小等于2^(3 * significantBits)的原因——getHistogramIndex把三维颜色空间拍平成一维数组getHistogramValue/setHistogramValue则是对数组的读写封装。文档还对data的类型给出了明确提示直方图计数使用Uint32Array单个桶最多记录2^32个同色像素。因此如果源图像中同一种颜色出现超过 2^32 次例如一张 65536×65536 的纯色方图计数将发生溢出、结果不再正确。直方图的实战用途配合量化提取色板单独构建直方图的意义在于它是 quantize() 与 quantizeHistogram() 的输入数据。这两个函数都基于 Leptonica 的 Modified Median Cut Quantization 算法实现把颜色数量庞大的直方图压缩成一个小型调色板。两者的区别正是直方图的价值所在quantize(source: PixelBlob, config?)一步完成——内部先构建Histogram再量化quantizeHistogram(histogram: Histogram, config?)接收已构建好的Histogram文档明确指出它的适用场景——当你希望手工修改直方图中的颜色或者想用同一份直方图配合不同配置多次量化时先手动创建Histogram会更高效因为直方图的构建成本可以被复用。配合 QuantizeConfig 可以进一步控制量化行为其字段与构造函数参数高度呼应配置字段说明significantBits必须在[1, 8]范围内内存按4 * 2^(3 * significantBits)增长设为 8 需要 64 兆字节直方图。pixelSkipping降低该值会增加 CPU 负载但纳入计算的像素更多。isHistogramPixelValid从直方图中排除像素的谓词与构造函数同名参数语义一致。targetPaletteSize期望的输出色板大小在颜色极少的边缘情况下实际输出可能少于该值。maxIterations量化迭代次数上限超过即中止并返回当前结果仅在极端输入下可能触发。fractionByPopulation色板前fractionByPopulation * targetPaletteSize个颜色仅按像素占比排序其余按population * colorVolume排序保证小面积高对比颜色也有机会进入最终输出。isBoxValid可选的盒子过滤谓词用于筛除不理想的输出颜色例如排除像素数低于阈值的颜色。完整示例从 Canvas 到直方图再到色板综合以上内容一个典型的使用链路如下可直接在浏览器环境中运行import { Histogram, ImageDataPixelBlob, quantizeHistogram, defaultQuantizeConfig, } from microsoft/fast-colors; // 1. 从 canvas 读取像素数据 const canvas document.createElement(canvas); canvas.width 320; canvas.height 240; const ctx canvas.getContext(2d)!; ctx.drawImage(someImage, 0, 0); const imageData ctx.getImageData(0, 0, 320, 240); // 2. 构建 PixelBlob 并创建直方图 // significantBits 5 → 128K 内存pixelSkipping 1 → 全量采样 // 谓词过滤掉 alpha 过低的像素 const source new ImageDataPixelBlob(imageData); const histogram new Histogram( source, 5, 1, (pixel: number[]) pixel[3] 0 ); // 3. 查看统计结果 console.log(histogram.total); // 被统计的像素总数 console.log(histogram.getHistogramValue(31, 31, 31)); // 某颜色的频数 // 4. 复用同一份直方图用不同配置量化出两套色板 const smallPalette quantizeHistogram(histogram, { ...defaultQuantizeConfig, targetPaletteSize: 8, }); const largePalette quantizeHistogram(histogram, { ...defaultQuantizeConfig, targetPaletteSize: 16, });其中defaultQuantizeConfig见 defaultquantizeconfig提供了开箱即用的默认量化参数适合作为自定义配置的起点。边界与注意事项内存非线性增长significantBits每增加 1内存翻 8 倍4 * 2^(3 * significantBits)。默认值 5 只需 128K而 8 会膨胀到 64 兆务必根据图像实际色彩丰富度选择避免在低端设备上构造过大的直方图。同色像素计数上限Uint32Array的桶容量是2^32同色像素超过该数量如 65536×65536 的纯色大图会导致计数溢出、统计失真。采样与过滤的先后pixelSkipping决定取哪些像素isHistogramPixelValid决定取到的像素要不要两者共同影响最终频数分布构造阶段的过滤还会影响minRed/maxRed等颜色范围统计结果。复用直方图如果需要在同一图像上尝试多种量化参数优先使用 quantizeHistogram 复用已构建的Histogram把构建成本摊薄到多次量化中。参考资料构造函数 API 文档fast-colors.histogram.constructor.mdHistogram 类完整成员fast-colors.histogram.md像素数据源接口fast-colors.pixelblob.md 及其开箱实现 fast-colors.imagedatapixelblob.md量化函数与配置fast-colors.quantize.md、fast-colors.quantizehistogram.md、fast-colors.quantizeconfig.md、fast-colors.defaultquantizeconfig.md模块总览fast-colors.md赞分享前端UI组件【免费下载链接】fastThe adaptive interface system for modern web experiences.项目地址https://gitcode.com/gh_mirrors/fa/fast点击查看免费下载相关推荐FAST 1.x fast-colors深入理解 QuantizedColor 接口——图像颜色量化结果的数据结构FAST 1.x fast colors深入理解 QuantizedColor 接口——图像颜色量化结果的数据结构 在 FAST 1.x 时代micros前端UI组件FAST 颜色系统详解microsoft/fast-colors 中 QuantizedColor.color 属性与图像调色板量化FAST 颜色系统详解microsoft/fast colors 中 QuantizedColor.color 属性与图像调色板量化 本文围绕 micro前端UI组件FASTmicrosoft/fast-colors 1.xQuantizeConfig.isHistogramPixelValid 属性详解用像素谓词过滤直方图输入FASTmicrosoft/fast colors 1.xQuantizeConfig.isHistogramPixelValid 属性详解用像素谓词过前端UI组件上一篇2025最全Apache Spark生态工具与实战指南下一篇【亲测免费】 中文文本标注工具Chinese-Annotator使用教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
