So verwendest du es 01 Ein Bild wählen. Die Datei verlässt den Browser nie; Leinwand und Palette erscheinen, sobald das Bild dekodiert ist. 02 Zuerst den Durchschnitt lesen. Er ist das arithmetische Mittel aller beprobten Pixel, pro Kanal gerundet — nützlich als einzelne Antwort auf die Frage, welche Farbe dieses Bild hat. 03 Die Palette als sechs Antworten lesen, nicht als eine. Median Cut teilt die beprobten Farben in Boxen und liefert einen Vertreter pro Box, geordnet von der gesättigtsten zur am wenigsten gesättigten Farbe. 04 Über ein Histogramm fahren, wenn eine Farbe falsch aussieht. Eine glatte Wand erzeugt eine Spitze; ein verlaufener Himmel eine sanfte Steigung, und die Spitzen erklären die Palette. 05 Einen Pixel anklicken, um ihn zu übernehmen. Der gewählte Hex-Wert erscheint in einer eigenen Karte mit RGB und HSL, kopierbereit.
Durchgerechnete Messwerte Eine Testkarte mit 400 × 200 Pixeln in vier gleichen Quadranten — #1d3557 Navy, #e63946 Rot, #a8dadc blasses Cyan und #457b9d Stahlblau — liest sich wie folgt:
Karte
Das Panel liest
Sampling
80.000 Pixel, jeder 4. Pixel beprobt → 20.000 Stichproben
Durchschnittsfarbe
#7c7186 · rgb(124, 113, 134) · hsl(271, 9%, 48%)
Dominante Palette
#e63946 , #1d3557 , #a8dadc , #457b9d (vier Boxen; keine weitere Teilung)
Rotes Histogramm
vier Bins bei etwa 28–31, 68–71, 168–171 und 228–231, je 5.000 Stichproben
Klick auf den blassen Cyan-Quadranten
#a8dadc , RGB und HSL exakt wie eingegeben
Der Durchschnitt ist die interessante Zahl: ein ergrautes Mauve, das im Testbild nirgends vorkommt. Vier gesättigte Farben mittelten sich zu einer Farbe, die keine von ihnen ist.
Erst samplen, dann quantisieren Das Panel liest nicht alle Pixel eines großen Fotos. Es berechnet eine Schrittweite — jeder 4. Pixel bei 80.000 insgesamt (20.000 Stichproben), jeder 7. bei 153.600 (21.943) —, sodass die Statistik grob 20.000 Stichproben sieht, nicht den ganzen Frame. Jede Stichprobe ist ein Tripel aus Werten von 0 bis 255; der Durchschnitt rundet jeden Kanal auf eine ganze Zahl. Das Histogramm verwirft die unteren sechs Bits (value >> 2), weshalb ein Foto mit einer einzigen glatten Farbe eine vier Werte breite Spitze statt eines einzelnen Balkens zeigt.
Median Cut ist der Palettenschritt. Er beginnt mit einer Box, die alle Stichproben enthält, nimmt dann wiederholt die Box mit der größten Kanalbreite, sortiert sie entlang dieses Kanals und teilt sie in zwei Hälften. Sobald sechs Boxen existieren, steuert jede Box ihre Mittelfarbe bei. Deshalb liefert die Palette oben die vier Quadrantenfarben unverändert: Jede Gruppe ist eng genug, dass keine Teilung zwei von ihnen zu einem gemischten Feld verschmilzt, und keine weitere Teilung hat noch eine Spanne zum Schneiden. Bei einem echten Foto mischt derselbe Prozess Verläufe zu Feldern der Art „Mittelwert des Himmels“; genau das ist der Punkt: sechs Vertreter einer stetigen Verteilung.
Annahmen und Grenzen
Alles ist eine Zusammenfassung. Durchschnitt und Palette beschreiben das ganze Bild, daher dominiert ein großer Hintergrund beide. Ein Porträt vor weißer Wand liest sich überwiegend weiß, es sei denn, die Person füllt den Ausschnitt.
Die Leinwand ist auf 480 px Breite begrenzt und wird nie hochskaliert. Feine Details gehen verloren, bevor irgendeine Statistik läuft; der gewählte Pixel stammt aus der skalierten Leinwand, nicht aus der Originaldatei. Es wird kein Farbmanagement angewandt — die Werte gelten als sRGB. Was es nicht tut: Es liest keine EXIF-Daten, benennt keine Farben, vergleicht keine zwei Bilder und exportiert kein Asset. Für den nächstgelegenen CSS-Farbnamen und Farbraumumrechnungen den Konvertieren-Tab verwenden, und um zu prüfen, ob zwei dieser Farben Text tragen können, den Kontrast-Tab .
Der Durchschnitt steht nicht im Foto Die Vierfarben-Karte ist die saubere Demonstration. Mittelung ist linear in den rohen Kanalwerten, die Farbwahrnehmung aber nicht, sodass komplementäre Quadrantenmittel sich aufheben: Navy plus Rot plus Cyan plus Stahlblau zieht zu einem entsättigten Mittenton. Derselbe Effekt lässt ein rot-grün kariertes Feld olivfarben mitteln. Wenn eine Designentscheidung an der „Farbe des Bildes“ hängt, vertraue den Palettenfeldern und den Histogrammen; der Durchschnitt beantwortet eine andere Frage, näher an dem, was man sieht, wenn man einen Schritt zurücktritt und die Augen zusammenkneift.
Eine zweite Falle sind spitze Histogramme. Das Histogramm der Karte zählt 5.000 in jedem von vier roten Bins und null sonst. So sieht ein synthetisches Bild aus; ein echtes Foto sollte glatte Histogramme haben. Erzeugt ein Foto Spitzen, wurde es wahrscheinlich bereits quantisiert, als GIF gespeichert oder stark komprimiert.
Wo es hilft Eine Palette aus einem Moodboard bauen Ein Referenzfoto einwerfen und die sechs Felder kopieren. Da die Palette nach Sättigung sortiert, steht die Akzentfarbe meist zuerst; die Hintergrundtöne folgen.
Markenfarbe am Bildschirm prüfen Eine Live-Seite als Screenshot aufnehmen, dann die Schaltfläche anklicken und ihren Hex-Wert ablesen. Weicht der gewählte Wert vom Design-Token ab, hat der Browser den Screenshot skaliert oder farbverwaltet, bevor das Panel ihn sah.
Datenschutz Dekodierung, Sampling und Quantisierung laufen vollständig in deinem Browser auf einer Leinwand. Die Datei wird nie hochgeladen; das Schließen des Tabs verwirft alles außer dem, was du kopierst.
Quellen
Wikipedia, Median cut , en.wikipedia.org (访问日期:2026-10-07)— die rekursive Teilung der breitesten Kanal-Box hinter der Sechs-Felder-Palette.
Wikipedia, Color quantization , en.wikipedia.org (访问日期:2026-10-07)— warum ein Vollfarbbild durch eine kleine Menge repräsentativer Farben dargestellt wird.
Wikipedia, Image histogram , en.wikipedia.org (访问日期:2026-10-07)— Werteverteilungen pro Kanal und die Bedeutung von Bins und Spitzen.
Calculators in this hub
Hand-picked tools, one click away. The mini versions compute live and carry your values into the full calculator.
Sources & review
Updated 2026-10-07