评估色多黑科技2.0中的色彩丰富度，不能只数画面里有多少个不同的RGB数值：渐变、阴影和压缩噪点都可能产生大量近似颜色。更稳定的做法是先规定取样范围，再按色差合并相近颜色，最后分别计算颜色种类数、色系覆盖率和分布均衡度。以下用一组1000个取样点演示公式与结果，适用于对同一张图、同一帧画面或同一块设计区域做统计。

先确定统计口径：什么算一种颜色

计算前要固定样本边界。若对象是一张图片，就使用完整画布；若只比较局部方案，应先圈定相同大小、相同位置的区域。统计透明图层时，要统一背景色后再取样，否则透明像素叠加不同背景会改变最终颜色。样本点可均匀铺在区域内，避免只挑视觉上颜色鲜艳的部分。

随后将颜色转换到Lab色彩空间，以色差衡量相似程度。设定一个合并阈值，例如ΔE00不超过10时归为同一颜色簇；超过阈值则暂记为不同簇。阈值越小，统计结果越细，颜色种类数通常越多；阈值越大，近似色更容易合并，结果更适合概括整体配色。对比两组结果时，取样数量、颜色空间和阈值必须一致。

这里的“颜色种类”指合并后的颜色簇，而不是文件中出现过的全部RGB编码。统计色系覆盖时，再把每个颜色簇归入预先设定的七类：红、橙黄、绿、青、蓝、紫、无彩色。七类是本例采用的分类口径，若项目另有色系标准，也可以替换，但同一轮比较不能中途改分类表。

三个指标的计算公式

• 颜色种类数K：按色差阈值合并后保留的颜色簇数量，单位为“种”。K越大，样本中可区分的颜色越多，但不代表画面一定更协调。
• 色系覆盖率C：出现过颜色的色系数量÷预设色系总数×100%。本例总数为7类，覆盖5类时，C=5÷7×100%=71.4%。
• 香农熵H：H=−∑pᵢlog₂pᵢ，其中pᵢ为第i种颜色簇的像素占比，单位为bit。熵越高，颜色分布越均衡；熵较低时，通常由少数主色占据较大面积。

熵值还可换算为归一化均衡度Hₙ=H÷log₂K，结果介于0和1之间；再计算有效颜色数Nₑff=2ᴴ。有效颜色数不是新的颜色计数，而是把分布均衡度换算成便于理解的等效数量。例如，五种颜色虽然都出现了，但若其中一种占绝大多数，Nₑff会明显低于5。

按步骤计算：1000个取样点示例

1. 固定样本：从指定区域均匀抽取1000个像素点，记录每个点的颜色，并统一转换到Lab色彩空间。
2. 合并近似色：按ΔE00≤10合并，得到5个颜色簇。将簇归入色系后，本例包含青、蓝、橙黄和无彩色，共4类。
3. 统计占比：把各簇像素数除以1000，得到每簇比例，并检查五项比例之和是否为100%。
4. 代入公式：计算K、C、H、Hₙ和Nₑff，再结合样本范围说明统计结果。

这组数据的颜色种类数K=5；出现的色系为青、蓝、无彩色、橙黄，共4类，因此色系覆盖率C=4÷7×100%=57.1%。熵值按五个占比代入，H约为2.005 bit；归一化后Hₙ=2.005÷log₂5≈0.864，有效颜色数Nₑff=2²·⁰⁰⁵≈4.01种。结果说明该样本有五个可区分颜色簇，颜色分布的均衡程度接近四种颜色平均分布的状态。

结果怎么读，哪些条件要写清楚

K描述“有几种”，C描述“涉及几类色系”，H和Hₙ描述“各颜色分布是否均匀”。四项不能互相替代：一个画面可以拥有较大的K，却由单一主色占据大部分面积；也可以K较小，但几种颜色面积接近，熵值仍然较高。比较色多黑科技2.0的不同样本时，宜并列报告这些指标，不要只用一个“颜色丰富”结论概括所有差异。

统计记录至少应附上取样区域、取样点数量、色差空间、合并阈值和色系分类表。比如，本例可写作：“全图均匀取样1000点，Lab色差阈值ΔE00≤10，K=5种，C=57.1%，H=2.005 bit，Hₙ=0.864，Nₑff≈4.01种。”如果缩小统计区域、提高取样密度或调整阈值，数字可能变化；因此复算时要沿用同一口径。

如果主要关注画面主色，可补充记录占比最高的颜色簇及其比例，本例为蓝色42%；若关注配色跨度，则查看覆盖率和色系分布；若关注视觉集中程度，则优先看熵值与有效颜色数。这样把“颜色多不多”拆成可复算的数量、覆盖范围和面积分布，得到的结论更清楚，也更方便进行同口径比较。