Actually I walked the same path a couple of months ago. There is no perfect answer to the question (that was asked here a couple of times) but there is one, more sophisticated than the sqrt(r-r) etc. answer and more easy to implement directly with RGB without moving to all kinds of alternate color spaces. I found this formula here which is a low cost approximation of the quite complicated real formula (by the CIE which is the W3C of colors, since this is a not finished quest, you can find older and simpler color difference equations there). Good Luck.

编辑:为了子孙后代，这里是相关的C代码:

typedef struct {
     unsigned char r, g, b;
} RGB;

double ColourDistance(RGB e1, RGB e2)
{
    long rmean = ( (long)e1.r + (long)e2.r ) / 2;
    long r = (long)e1.r - (long)e2.r;
    long g = (long)e1.g - (long)e2.g;
    long b = (long)e1.b - (long)e2.b;
    return sqrt((((512+rmean)*r*r)>>8) + 4*g*g + (((767-rmean)*b*b)>>8));
}

我尝试了各种方法，如LAB颜色空间，HSV比较，我发现光度在这个目的上非常有效。

这是Python版本

def lum(c):
    def factor(component):
        component = component / 255;
        if (component <= 0.03928):
            component = component / 12.92;
        else:
            component = math.pow(((component + 0.055) / 1.055), 2.4);

        return component
    components = [factor(ci) for ci in c]

    return (components[0] * 0.2126 + components[1] * 0.7152 + components[2] * 0.0722) + 0.05;

def color_distance(c1, c2):

    l1 = lum(c1)
    l2 = lum(c2)
    higher = max(l1, l2)
    lower = min(l1, l2)

    return (higher - lower) / higher


c1 = ImageColor.getrgb('white')
c2 = ImageColor.getrgb('yellow')
print(color_distance(c1, c2))

会给你

0.0687619047619048

我在我的android up中使用了这个，它似乎令人满意，尽管不建议使用RGB空间:

    public double colourDistance(int red1,int green1, int blue1, int red2, int green2, int blue2)
{
      double rmean = ( red1 + red2 )/2;
    int r = red1 - red2;
    int g = green1 - green2;
    int b = blue1 - blue2;
    double weightR = 2 + rmean/256;
    double weightG = 4.0;
    double weightB = 2 + (255-rmean)/256;
    return Math.sqrt(weightR*r*r + weightG*g*g + weightB*b*b);
}

然后我用下面的方法得到相似度的百分比:

double maxColDist = 764.8339663572415;
double d1 = colourDistance(red1,green1,blue1,red2,green2,blue2);
String s1 = (int) Math.round(((maxColDist-d1)/maxColDist)*100) + "% match";

它工作得很好。

请参阅维基百科关于色差的文章以获得正确的线索。 基本上，你想要在多维颜色空间中计算一个距离度量。

但是RGB并不是“感知上一致的”，所以Vadim建议的欧几里得RGB距离度量将与人类感知的颜色之间的距离不匹配。首先，L*a*b*是一个感知上均匀的颜色空间，delta度量是常用的。但有更精致的色彩空间和更精致的delta公式，更接近人类的感知。

你需要学习更多关于颜色空间和光源的知识来进行转换。但如果想要一个比欧几里得RGB度量更好的快速公式，只需这样做:

假设你的RGB值在sRGB颜色空间中 找到sRGB到L*a*b*的转换公式 将sRGB颜色转换为L*a*b* 计算两个L*a*b*值之间的delta

计算成本不高，只是一些非线性公式和一些乘法和加法。

颜色值有不止一个维度，所以没有内在的方法来比较两种颜色。您必须为您的用例确定颜色的含义，从而确定如何最好地比较它们。

很可能你想比较颜色的色相、饱和度和/或明度属性，而不是红/绿/蓝组件。如果你不知道如何比较它们，那就拿几对样品颜色，在心里比较一下，然后试着向自己证明/解释为什么它们相似/不同。

一旦你知道了你想要比较的颜色的哪些属性/成分，那么你就需要弄清楚如何从颜色中提取这些信息。

最有可能的是，你只需要将颜色从常见的RedGreenBlue表示转换为HueSaturationLightness，然后计算类似的东西

avghue = (color1.hue + color2.hue)/2
distance = abs(color1.hue-avghue)

这个例子会给你一个简单的标量值，指示颜色的渐变/色相彼此之间的距离。

参见维基百科上的HSL和HSV。

我猜你最后想分析一幅完整的图像，对吧?所以你可以检查单位颜色矩阵的最小/最大差值。

大多数处理图形的数学操作都使用矩阵，因为使用矩阵的可能算法通常比经典的逐点距离和比较计算更快。(例如，对于使用DirectX, OpenGL，…的操作)

所以我认为你应该从这里开始:

http://en.wikipedia.org/wiki/Identity_matrix

http://en.wikipedia.org/wiki/Matrix_difference_equation

…正如Beska在上面评论的那样:

这可能不会带来最好的“可见”差异……

这也意味着，如果你在处理图像，你的算法取决于你对“相似”的定义。