拼豆图像算法实验

案例：复杂插画先简化，再转拼豆

下面使用同一张站内测试图。左侧是 AI 简化后的插画，右侧是 420 × 420 的数字拼豆模拟效果。右图用于检查轮廓、色块与格子分布，不是线下成品实拍。

多人物全身图即使简化后仍然需要较多豆子。想控制在 1 万颗以内，应先裁掉大面积留白，再根据人物数量选择网格宽度；单人头像通常更容易保留五官。

实验 1：每格取众数色，不取平均色

缩小图片时，一个目标格子往往覆盖描边、肤色和背景。如果把所有像素平均，黑色描边与白色背景会混成灰边；如果取出现次数最多的颜色，主体色块通常更干净。

众数取色也不是万能的。眼睛、嘴角或耳饰占比很小时，仍可能输给周围肤色，因此后面还需要人物特征保护。

实验 2：RGB 最近色与 CIEDE2000 的差异

以下目标色在 MARD 221 基础色卡中分别用 RGB 欧氏距离和 CIEDE2000 色差寻找最近色。结果由当前网站色卡数据直接计算，可在代码更新后重复验证。

屏幕 HEX 只是算法参考，实体豆仍会受显示器、灯光和生产批次影响。大作品建议先用真实色卡确认肤色、灰色和相邻浅色。

实验 3：描边与五官保护

统一把所有深色都压成黑色，会让头发、眼睛和外轮廓粘成一片；过强去杂点又会删掉单格眼睛。当前策略把两类深色分开处理：

1. 只把紧邻透明背景的外轮廓压向最深色，保证主体边界连续。
2. 肤色区域内部的小块深色进入人物特征保护掩码，去杂点时不直接删除。
3. 编辑器保留人工修改入口，自动结果无法可靠判断时由用户决定。

当前结论与仍需验证的部分

• 已验证：众数取色能减少插画边缘发灰；Lab/CIEDE2000 在部分肤色、灰青和蓝紫目标色上会选择不同色号；特征保护能避免小五官被去杂点吞掉。
• 尚未声称：数字模拟效果不等于熨烫后的实体颜色，也不能替代不同豆子批次、灯光和板子尺寸下的实物测试。
• 下一步：收集获得公开授权的原图、图纸、摆豆过程和成品四联案例，记录实际豆数、耗时与需要人工修正的格子。