答案 0 :(得分：31)
基于Google工程师Henry Rowley，Shumeet Baluja和Yushi Jing博士发布的this paper，您的问题中关于识别图像颜色的最重要含义似乎与google的“saferank”算法相关。可以检测到肉色，周围没有任何文字。
本文首先描述了“经典”方法，这些方法通常基于标准化颜色亮度，然后使用“Gaussian Distribution”，或使用使用RGB值建立的三维直方图。像素（每种颜色是0-255的8位整数值，表示该颜色包含在像素中的数量）。还引入了依赖于诸如“亮度”（通常被错误地称为“发光度”）的特性的方法，其是来自给定图像的肉眼发光强度的密度。
谷歌论文提到他们需要使用他们的算法处理大约10 ^ 9个图像，因此它需要尽可能高效。为了实现这一点，他们在ROI（感兴趣的区域）上执行大部分计算，ROI是图像中心的矩形，并且在所有侧面上插入1/6的图像尺寸。一旦他们确定了投资回报率，他们就会有许多不同的算法，然后应用于图像，包括面部检测算法，颜色稳定性等等，它们总体上在图像中找到统计趋势着色，最重要的是在统计分布中找到频率最高的色调。
他们使用其他功能，如熵，边缘检测和纹理定义 为了从图像中提取线条，他们使用概率Hough变换（Kiryati等，1991）的OpenCV实现（Bradski，2000）计算在肤色连接组件的边缘，这允许它们到找到可能不是身体部位的直线，并且还可以让他们更好地确定哪些颜色在图像中最重要，这是图像颜色搜索的关键因素。
有关本主题的技术细节（包括数学方程式等）的更多信息，请阅读开头链接的Google论文，并查看其网站的“研究”部分。
非常有趣的问题和主题！
答案 1 :(得分：7)
图像只是像素。像素只是RGB值。我们知道RGB中的黑色是什么，所以我们可以在图像中查找它。
答案 2 :(得分：3)
嗯，一种方法是非常基本的方法：
给定图像语料库，确定给定颜色范围的高浓度（这实际上是微不足道的），存储该数据，相应地索引（根据从前一步骤确定的颜色索引图像）。现在，您基本上与查找包含某些单词的文档相同。
这是对一种可能方法的非常非常基本的描述。
答案 3 :(得分：0)
有多种方法可以从图像中提取颜色，我认为其他答案可以解决它们（K-Means，发行版等）。
假设您已经提取了颜色，有几种方法可以按颜色进行搜索。一种缓慢但显而易见的方法是使用某种度量（例如Color Difference）计算搜索颜色与图像主色之间的距离，然后根据“接近度”对结果进行加权。
另一种更快的方法是大幅缩小色彩空间的分辨率。而不是处理所有可能的RGB颜色值，将提取限制在像谷歌那样的较小范围（只有蓝色，绿色，黑色，黄色等）。然后，用户可以使用一组有限的颜色样本进行搜索，并且计算颜色距离变得微不足道。