การจัดกลุ่มสีแบบ OKLab
ดึงกลุ่มสีที่สมดุล สดใส หม่น หรือเข้มข้น แทนที่จะเป็นค่าเฉลี่ย RGB ที่ดูหม่นหมอง
อัปโหลดหรือวางรูปภาพเพื่อสุ่มพิกเซลที่แม่นยำและดึงชุดสีเข้าสู่สตูดิโอของคุณโดยตรง
วางหรือแปะภาพถ่าย ภาพหน้าจอ UI หรือกระดานอารมณ์ (moodboard) เพื่อตรวจสอบพิกเซลแต่ละจุดผ่านแว่นขยาย 11×11 และดึงชุดสีที่สมดุล 3 ถึง 8 สีในพื้นที่สี OKLab
ดึงกลุ่มสีที่สมดุล สดใส หม่น หรือเข้มข้น แทนที่จะเป็นค่าเฉลี่ย RGB ที่ดูหม่นหมอง
วางภาพหน้าจอด้วย Ctrl+V และซูมเข้าไปที่ขอบพิกเซล การไล่ระดับสี และไอคอน เพื่อคัดลอกรหัส HEX และ OKLCH ที่แม่นยำ
ส่งสีที่คุณดึงออกมาไปยังแถบสตูดิโอที่แชร์ไว้เพื่อทดสอบความต่างสีตามมาตรฐาน WCAG หรือสร้างสเกลสี 50–950
ซูมเข้าดูพิกเซลของภาพด้วยเป้าเล็งที่คมชัด พร้อมอ่านค่า HEX, RGB และ OKLCH ได้ทันที
กด Ctrl+V ที่ใดก็ได้ในสตูดิโอเพื่อวางภาพหน้าจอจากคลิปบอร์ดของคุณได้โดยตรง
ค้นหากลุ่มสีหลัก 3 ถึง 8 กลุ่มตามอารมณ์สีแบบสมดุล, สดใส, นุ่มนวล และเข้มข้น
แต่ละกลุ่มสีจะมีหมุดที่ลากวางได้บนผืนผ้าใบ เพื่อให้คุณปรับแต่งพิกัดการสุ่มตัวอย่างได้อย่างแม่นยำ
สร้างชุดสีแบบ Analogous, Complementary, Split, Triadic, Tetradic และ Monochromatic พร้อมการจำกัดขอบเขตสี sRGB
การหมุนเฉดสีใน OKLCH ช่วยรักษาความสว่างที่รับรู้ได้และป้องกันสีนีออนล้นในสไตล์โทนสว่างและมืด
สลับไปมาระหว่าง Generator, Visualizer, Contrast, Tailwind และ Vision ได้อย่างอิสระโดยไม่ต้องเลือกสีใหม่
Active Palette ของคุณจะซิงค์โดยอัตโนมัติในหน่วยความจำเบราว์เซอร์ข้ามทุกโมดูล และการเข้าถึงเครื่องมือใดๆ จะเริ่มต้นด้วยชุดสีที่กลมกลืนใหม่เสมอ
รองรับบทบาทสีตั้งแต่ 3 ถึง 8 สี พร้อมบันทึกและส่งออกในเครื่องได้ไม่จำกัด ไม่ต้องสมัครสมาชิก
การคำนวณสี การจำลอง และการส่งออกทั้งหมดทำงานภายในเบราว์เซอร์ของคุณ พร้อมซิงค์จานสีที่ใช้งานอยู่ข้ามเครื่องมือต่างๆ
คำตอบสั้นๆ ก่อนที่คุณจะเริ่มต้น
บนอุปกรณ์ของคุณไม่เลย รูปภาพจะถูกถอดรหัสโดยตรงบน HTML5 canvas ภายในแท็บเบราว์เซอร์ของคุณและยังคงเป็นส่วนตัว 100% บนอุปกรณ์ของคุณ
ได้ เพียงลากหมุดวงกลมที่มีหมายเลขใดก็ได้บนภาพเพื่อดูแว่นขยาย 11×11 และแถบสีอัปเดตแบบสดๆ
คุณสามารถวางหรืออัปโหลดไฟล์ PNG, JPEG, WebP, AVIF, GIF, SVG, BMP, ICO และ TIFF หลายช่องสี หรือวางภาพหน้าจอโดยตรงจากคลิปบอร์ดด้วย Ctrl+V
พิกเซลจะถูกจัดกลุ่มในพื้นที่สี OKLab โดยใช้การเริ่มต้นแบบ K-Means++ เพื่อให้สีที่โดดเด่นยังคงอยู่ แทนที่จะถูกเฉลี่ยจนกลายเป็นสีน้ำตาลหม่น