JavaScript原生实现颜色相似度计算:RGB欧氏距离算法详解

作者:小括号

时间:2026-11-18

浏览:626

详解如何在原生JavaScript中使用RGB欧氏距离算法计算颜色相似度,涵盖三维空间距离原理、十六进制解析、归一化百分比映射、色板最近邻匹配实战以及人眼感知偏差与Alpha通道等注意事项。

文章目录

假设你正在前端页面中实现一个“按颜色筛选商品”或“提取图片主色并匹配预设标签”的功能:用户选中的颜色是 #3B82F6,而商品库里标注的颜色是 #2563EB。人眼很容易看出这两种蓝色非常接近,但对程序而言,两个字符串并不相等。在不引入任何第三方色彩库的前提下,原生 JavaScript 最直接的解决思路,就是把颜色拆解为红(R)、绿(G)、蓝(B)三个数值坐标,通过计算它们在三维空间中的欧氏距离,再换算为 0% 到 100% 的相似度。

下面将从三维几何原理开始,逐步拆解原生 JavaScript 的完整实现代码、色板最近邻匹配写法,以及实际项目中容易忽略的感知误差与透明通道边界问题。

一、RGB 颜色空间与欧氏距离的原理

在网页开发中,标准 sRGB 颜色由 R(Red)、G(Green)、B(Blue)三个独立通道组成,每个通道的整数取值范围都是 0 到 255。如果把这三个通道分别对应到三维直角坐标系中的 X、Y、Z 轴,那么任意一种不透明颜色,都可以看作边长为 255 的正方体内部或表面上的一个点。

在这个三维空间中,判断两种颜色有多接近,最基础的数学工具就是欧氏距离(Euclidean Distance),也就是连接两个坐标点的直线段长度。对于颜色 C₁(R₁, G₁, B₁) 与 C₂(R₂, G₂, B₂),它们之间的距离公式如下:

d = √[ (R₁ - R₂)² + (G₁ - G₂)² + (B₁ - B₂)² ]

单独拿到一个距离数值(例如 39.57)并不够直观,通常还需要知道它在整个色彩空间中所处的比例。RGB 立方体中相距最远的两个点,是纯黑 (0, 0, 0) 和纯白 (255, 255, 255),它们之间的体对角线长度就是理论最大距离:

d_max = √(255² + 255² + 255²) = 255 × √3 ≈ 441.672956

有了最大距离作为参考基准,就可以用线性归一化公式把距离转化为直观的百分比。当两种颜色完全相同时,d = 0,相似度为 100%;当一种颜色为纯黑、另一种为纯白时,d = d_max,相似度为 0%:

相似度(%) = (1 - d / d_max) × 100
JavaScript原生实现颜色相似度计算:RGB欧氏距离算法详解
图 1:RGB 三维色彩立方体中的两点欧氏距离及相似度归一化映射关系

二、原生 JavaScript 实现步骤与完整代码

以下代码基于标准 ES2015+ 语法编写,可在现代浏览器控制台或 Node.js 环境中直接运行,不需要安装任何依赖包。整个计算过程分为格式解析、差值求解和百分比归一化三个步骤。

第一步:校验并解析十六进制颜色

前端业务中最常见的是十六进制颜色字符串,例如 #3B82F6,有时也会出现不带 # 号的写法或三位简写(如 #fff 实际上等价于 #ffffff)。如果直接按两位截取三位简写,就会出现 NaN 错误。因此解析函数需要先统一清理前缀、校验 6 位或 3 位合法字符,再通过 parseInt(hex, 16) 转换为十进制整数。

第二步:计算欧氏距离与平方距离

拿到两组 { r, g, b } 数值后,分别求出三通道差值 dr、dg、db,使用 Math.hypot(dr, dg, db) 或 Math.sqrt(dr * dr + dg * dg + db * db) 即可得到精确距离。其中 Math.hypot 是原生内置函数,专门用于计算多维向量的欧几里得范数,语义更清晰。

性能提示:如果业务只需要找出“最接近的颜色”或按距离排序,而不需要输出具体百分比,可以跳过开平方步骤,直接比较平方距离 dr * dr + dg * dg + db * db。因为平方根函数是单调递增的,省略 Math.sqrt 不会改变距离的大小顺序,还能减少浮点开方开销。

第三步:映射为百分比相似度

用常数 MAX_RGB_DISTANCE = Math.hypot(255, 255, 255)(即 441.6729559300637)作为分母,计算 (1 - distance / MAX_RGB_DISTANCE) * 100。为了防止极少数浮点误差导致结果略微超出区间,通常再用 Math.max(0, Math.min(100, value)) 做一次边界钳位。

JavaScript原生实现颜色相似度计算:RGB欧氏距离算法详解
图 2:原生 JavaScript 计算两色 RGB 欧氏距离与相似度的四步处理流程

下面是完整的实现代码,包含输入校验、3 位/6 位 HEX 解析、平方距离、欧氏距离以及百分比输出:

// RGB 空间最大欧氏距离:Math.hypot(255, 255, 255) ≈ 441.6729559300637
const MAX_RGB_DISTANCE = Math.hypot(255, 255, 255);

/**
 * 将十六进制颜色字符串解析为 { r, g, b } 对象
 * 支持 "#3B82F6"、"3B82F6"、"#fff"、"fff" 等格式
 */
function parseHexToRgb(hex) {
  if (typeof hex !== "string") {
    throw new TypeError("颜色值必须是字符串");
  }

  let cleaned = hex.trim().replace(/^#/, "");

  // 展开 3 位简写,例如 "3af" -> "33aaff"
  if (/^[0-9a-fA-F]{3}$/.test(cleaned)) {
    cleaned = cleaned
      .split("")
      .map((ch) => ch + ch)
      .join("");
  }

  if (!/^[0-9a-fA-F]{6}$/.test(cleaned)) {
    throw new Error(`无效的十六进制颜色格式: "${hex}"`);
  }

  const num = parseInt(cleaned, 16);
  return {
    r: (num >> 16) & 255,
    g: (num >> 8) & 255,
    b: num & 255
  };
}

/**
 * 计算两个 RGB 对象的平方距离(适合仅做排序或求最近邻)
 */
function getRgbDistanceSquared(c1, c2) {
  const dr = c1.r - c2.r;
  const dg = c1.g - c2.g;
  const db = c1.b - c2.b;
  return dr * dr + dg * dg + db * db;
}

/**
 * 计算两个 RGB 对象的欧氏距离
 */
function getRgbDistance(c1, c2) {
  return Math.hypot(c1.r - c2.r, c1.g - c2.g, c1.b - c2.b);
}

/**
 * 计算两个 HEX 颜色的欧氏距离与相似度百分比
 */
function getColorSimilarity(hex1, hex2) {
  const rgb1 = parseHexToRgb(hex1);
  const rgb2 = parseHexToRgb(hex2);

  const distance = getRgbDistance(rgb1, rgb2);
  const rawSimilarity = (1 - distance / MAX_RGB_DISTANCE) * 100;
  const similarity = Math.max(0, Math.min(100, rawSimilarity));

  return {
    distance: Number(distance.toFixed(2)),
    similarity: Number(similarity.toFixed(2))
  };
}

// 运行示例
console.log(getColorSimilarity("#3B82F6", "#2563EB"));
console.log(getColorSimilarity("#3B82F6", "#77B9AE"));
console.log(getColorSimilarity("#3B82F6", "#EF4444"));
console.log(getColorSimilarity("#000", "#FFFFFF"));
示例输出:
{ distance: 39.57, similarity: 91.04 }
{ distance: 108.67, similarity: 75.4 }
{ distance: 260.63, similarity: 40.99 }
{ distance: 441.67, similarity: 0 }

代码中使用位运算 (num >> 16) & 255 提取通道值,比连续调用三次 slice 和 parseInt 更紧凑。其中 num 是 24 位无符号整数,右移 16 位保留高 8 位的红色通道,右移 8 位并用 & 255 掩码保留中间 8 位的绿色通道,低 8 位则是蓝色通道。

三、实战场景:从候选色板中匹配最接近的颜色

理解了单次比对之后,更常见的实际需求是从一组固定色板(例如商品的“红、橙、黄、绿、蓝、紫”标准色卡)中,自动找出距离目标颜色最近的一项。下面直接利用上面的 parseHexToRgb 和 getRgbDistanceSquared 实现最近邻匹配,并用真实色值验证计算过程。

const PALETTE = [
  { name: "科技蓝", hex: "#2563EB" },
  { name: "浅青绿", hex: "#77B9AE" },
  { name: "警示红", hex: "#EF4444" },
  { name: "琥珀黄", hex: "#F59E0B" },
  { name: "深海蓝", hex: "#142537" }
];

// 预先解析静态色板,避免在高频调用时重复执行正则与 parseInt
const PARSED_PALETTE = PALETTE.map((item) => ({
  ...item,
  rgb: parseHexToRgb(item.hex)
}));

function findClosestColor(targetHex, parsedPalette = PARSED_PALETTE) {
  if (!Array.isArray(parsedPalette) || parsedPalette.length === 0) {
    throw new Error("候选色板不能为空");
  }

  const targetRgb = parseHexToRgb(targetHex);
  let bestMatch = null;
  let minDistanceSq = Infinity;

  for (const candidate of parsedPalette) {
    const distSq = getRgbDistanceSquared(targetRgb, candidate.rgb);
    if (distSq < minDistanceSq) {
      minDistanceSq = distSq;
      bestMatch = candidate;
    }
  }

  const distance = Math.sqrt(minDistanceSq);
  const similarity = Math.max(0, Math.min(100, (1 - distance / MAX_RGB_DISTANCE) * 100));

  return {
    name: bestMatch.name,
    hex: bestMatch.hex,
    distance: Number(distance.toFixed(2)),
    similarity: Number(similarity.toFixed(2))
  };
}

console.log(findClosestColor("#3B82F6"));
示例输出:
{ name: '科技蓝', hex: '#2563EB', distance: 39.57, similarity: 91.04 }

在这段实现中,循环内部只做了整数减法、乘法和加法,直到确定唯一获胜的候选色后才调用一次 Math.sqrt 还原距离和百分比。如果页面需要处理上千个像素块的颜色归类,提前缓存 PARSED_PALETTE 并推迟开方操作能显著减少无效计算。

JavaScript原生实现颜色相似度计算:RGB欧氏距离算法详解
图 3:#3B82F6 与三组不同色值的通道差值、平方和、欧氏距离及相似度对比

四、RGB 欧氏距离的局限性与常见注意事项

标准 RGB 欧氏距离算法编写简单、运行速度快,但它直接把面向显示硬件的数值当成均匀空间来度量,在实际应用中存在几个明确的限制和容易踩坑的细节。

1. 人眼对红、绿、蓝的敏感度并不均等

标准欧氏距离给 R、G、B 三个通道分配了完全相同的权重(1:1:1)。然而人眼视网膜对绿色波段最敏感,对红色次之,对蓝色最不敏感。这导致两组绿色差值为 30 的颜色,在人眼看来可能已经明显偏色;而两组蓝色差值为 30 的颜色,看起来依然非常接近。

如果你的应用需要更贴近人眼主观感受,又不想引入复杂的 CIE Lab 转换矩阵,可以在原生代码中使用常见的“加权欧氏距离”(Redmean 近似公式)。该公式根据两个颜色红色通道的平均值动态调整三通道权重,仅增加几行算术运算,就能明显改善深浅色与红绿对比的准确度:

function getWeightedRgbDistance(c1, c2) {
  const rMean = (c1.r + c2.r) / 2;
  const dr = c1.r - c2.r;
  const dg = c1.g - c2.g;
  const db = c1.b - c2.b;

  const weightR = 2 + rMean / 256;
  const weightG = 4;
  const weightB = 2 + (255 - rMean) / 256;

  return Math.sqrt(weightR * dr * dr + weightG * dg * dg + weightB * db * db);
}

需要注意,加权后的最大距离不再是 441.67,计算百分比时分母应替换为纯黑与纯白在此加权公式下的距离(即 rMean = 127.5 时的结果,约 764.83)。如果项目涉及印刷校色、专业设计软件或严格的视觉一致性测试,则建议改用 CIE Lab 色彩空间下的 Delta E 算法。

2. 透明通道(Alpha)不能直接并入三维距离

前端样式中常出现 8 位十六进制(如 #3B82F680)或 rgba(59, 130, 246, 0.5)。不能简单把透明度当成第 4 个维度直接套用四维欧氏距离,因为半透明颜色最终呈现出来的视觉效果取决于它下方的背景色。

正确的做法是在比对前先按已知底色(例如白色背景 #FFFFFF)做 Alpha 混合(Alpha Blending),将其还原为不透明的 RGB 颜色后再计算距离:

// 将带透明度 a (0~1) 的前景颜色叠加到不透明背景色 bg 上
function blendWithBackground(fg, alpha, bg = { r: 255, g: 255, b: 255 }) {
  return {
    r: Math.round(fg.r * alpha + bg.r * (1 - alpha)),
    g: Math.round(fg.g * alpha + bg.g * (1 - alpha)),
    b: Math.round(fg.b * alpha + bg.b * (1 - alpha))
  };
}

3. 常见输入与阈值设置问题

常见问题 产生原因 处理建议
解析 #fff 返回 NaN 直接按每 2 个字符切片,未处理 3 位简写或缺少 # 校验 在解析前用正则判断 3 位格式并双写展开为 6 位
收到 rgb(...) 字符串报错 只写了 HEX 解析器,未兼容 CSS 的 rgb(r, g, b) 格式 根据前缀分支解析,用正则提取数字并限制在 0–255
“相似”阈值不知如何设定 没有结合业务容忍度,盲目使用固定数值 以色板实测为准:同色系归类一般可将相似度阈值设在 80%–90%(d ≈ 44–88)
JavaScript原生实现颜色相似度计算:RGB欧氏距离算法详解
图 4:RGB 欧氏距离算法的适用场景、边界注意事项与进阶优化路径总结

五、总结

使用原生 JavaScript 计算颜色相似度,本质上是将颜色字符串解析为 (R, G, B) 三维坐标,再用 Math.hypot(dr, dg, db) 求解空间直线距离,并通过最大距离 441.67 归一化为百分比。在商品色卡匹配、主题色归类等常见前端任务中,预解析色板配合平方距离比较就能获得稳定且高效的结果;遇到半透明色值或对人眼色彩分辨要求较高的场景,则只需在原有结构上补充底色混合与通道加权即可应对。

实用工具推荐

电子包浆

绿化、压缩、噪点和虚拟水印,自由调节做旧程度。

使用 ›
图片压缩

选择画质和输出格式,预览压缩前后的大小。

使用 ›
相关文章