在Android4.4系統中，更加詳細地介紹了關於顏色的細節並提供了使用colour的新教程，以使我們的應用更加獨一無二。也就是說，作為一個設計師或者開發者，為你的APP做完美的配色已經變成了你的職責。
可以通過改變Android Framework介面元素的預設藍色來使應用更加獨特。 ——來自Android Design
最簡單的方式就是給Action Bar加上一層自定義的背景，但是在我現在寫的一個APP中我希望可以更靈活一些（做到自適應），自適應顏色的最好例子就是iTunes了，它會從專輯中獲取配色方案，作用於彈出的曲目列表。
所以，我準備在Android上實現這個技術。
基本理論知識
在網上搜尋一遍後，我發現了很多開源的實現方式，不過是用其他語言寫的。最好的版本是一個JavaScript庫，叫Color Thief,我從裡面學到了很多實現這個技術需要的知識，正好是我需要的。
影像量化
這裡要做的第一步就是量化源影像，通俗地說，就是減少影像上使用的顏色種類。如果你喜歡動態的GIF，那麼只能用8位的色板，所以每一幀最多可以使用256種顏色。
為此，我們就需要減少顏色使用，只使用一些主要的顏色，那我們就用預設的色板吧，再根據需要弄出一些其他的顏色。稍後將詳細介紹。
現在需要選擇量化演算法了，Color Thief用了一個修改版的MCQ（Median Cut Quantization）演算法，另稱作MMCQ（Modified Median Cut Quantization），如果想了解更多關於MMCQ的資訊，可以來 這裡 。其他的比較著名的量化技術還有NeuQuant和OctTree。
我還在《Principles of Digital Image Processing 》這本書上找到了一個JAVA的MCQ實現，託管在GitHub上。
這個MCQ演算法有很多很棒的特性，所以我決定就用它了：
- 它很快。它比NeuQuant和OctTree還快，在移動裝置上這點尤其重要；
- 它內部使用了統計直方圖，每種色塊都繫結了一個數值，之後排序的時候更方便。
雖然MCQ演算法生成的影像質量不是最好的，但是這裡只是需要它生成的調色盤，不用展示生成的影像，所以，還不錯。
處理結果
以下就是處理後的結果，使用Color Thief的例子裡的影像。之前說過MCQ裡面帶有統計直方圖，所以我們可以排列出每種顏色使用的頻率，它顯示了調色盤排序後的列表。當然，這還是可以繼續改進。
這些結果和Color Thief生成的影像有點不一樣：
- 我的版本選擇藍色作為主要的顏色；
- Color Thief挑選了藍色，銀色和綠色作為主要顏色；
- Color Thief沒有選到那些灰色的陰影。所以還需要改進。
本文的第二部分將會介紹怎麼更好地從調色盤中挑選主色調，將於下週釋出。