Color Quantizer and Clustering

Cette fonction réduit le nombre de couleurs distinctes dans une image en regroupant les couleurs similaires en clusters. Elle est utile pour simplifier l'information couleur pour la visualisation, la segmentation ou pour accélérer les étapes de traitement suivantes.

📥 Entrées

• Image Any Image à quantifier et à regrouper en clusters.

📤 Sorties

• Image Any Image avec une palette de couleurs réduite (résultat quantifié).

• Clustered Colors (B,G,R) Liste des valeurs de couleurs des clusters représentant la palette trouvée (une couleur par cluster).

🕹️ Contrôles

• K Coefficient Curseur — Choisissez le nombre de clusters de couleur que le bloc doit calculer. Des valeurs faibles produisent moins de couleurs, des valeurs élevées conservent plus de détails colorimétriques.

🎨 Fonctionnalités

• Réduction de la palette de couleurs pour une inspection visuelle plus simple ou pour un traitement en aval.

• Retourne à la fois l'image traitée et la palette résultante afin que vous puissiez réutiliser la palette pour annotation, visualisation ou comparaison.

• Clustering rapide adapté à un réglage interactif via le curseur.

⚙️ Mécanisme de fonctionnement

• Lorsque le bloc est actif, il examine l'image d'entrée, regroupe les couleurs similaires en K clusters (définis par K Coefficient) et remplace chaque pixel par la couleur de son cluster.

• L'image quantifiée et la liste des couleurs de clusters sont produites en sorties pour que vous puissiez prévisualiser et utiliser la palette dans d'autres blocs.

📝 Comment utiliser

1. Connectez un bloc producteur d'image à l'entrée Image Any.

2. Déplacez le curseur K Coefficient pour sélectionner le nombre de clusters de couleurs souhaité.

3. Observez l'image quantifiée sur la sortie Image Any et consultez la liste des clusters sur la sortie Clustered Colors (B,G,R).

💡 Astuces

• Pour les grandes images, utilisez Image Resizer avant ce bloc pour accélérer le traitement tout en conservant des couleurs représentatives.

• Si l'image est bruitée, ajoutez un petit bloc Blur en amont pour stabiliser les résultats du clustering.

• Pour visualiser le résultat en taille réelle, connectez la sortie à Show Image.

• Si vous souhaitez analyser ou comparer des canaux individuels, utilisez Split Image avant le clustering ou effectuez des conversions avec Color Space pour ajuster l'interprétation des couleurs.

• Utilisez Image Logger ou Image Write après ce bloc pour sauvegarder les images quantifiées et les examiner plus tard.

• Pour améliorer le contraste des couleurs avant la quantification, essayez Auto Contrast ou Contrast Optimization en amont.

🛠️ Dépannage

• Si la sortie paraît trop "posterisée" ou perd des détails importants, augmentez K Coefficient.

• Si le clustering est trop lent sur de grandes images, réduisez la taille de l'image avec Image Resizer ou diminuez le K Coefficient.

• Si les couleurs ne correspondent pas aux attentes (par ex. à cause de l'espace colorimétrique), ajoutez un bloc Color Space pour convertir entre BGR/RGB ou d'autres espaces avant le clustering.