Как фотография становится холстом по номерам: за кулисами алгоритма

Когда вы загружаете фотографию, она за несколько секунд превращается в раскраску по номерам — её не перерисовывает художник и, вопреки тому, что можно предположить в 2026 году, никакая нейросеть для генерации изображений здесь не участвует. Это цепочка продуманных, повторяемых шагов обработки изображения: считать цвета, свести их к фиксированной палитре, выделить области, убрать шум и нарисовать контуры с номерами. Ниже — что на самом деле делает каждый шаг, простыми словами.

Шаг 1: считываем цвета вашей фотографии

Фотография может содержать десятки тысяч различных цветов — каждый едва заметный градиент в небе — это десятки почти одинаковых оттенков синего. Такое не раскрасишь, да и не захочешь. Поэтому первая задача — понять цвета, которые действительно есть в вашем изображении: какие оттенки встречаются, как часто и как они группируются. Ничего не придумывается: палитра целиком берётся из ваших собственных пикселей.

Шаг 2: сводим к фиксированной палитре (квантизация)

Дальше идёт квантизация цвета — сердце всего процесса. Огромный набор цветов изображения сводится к небольшой фиксированной палитре: 16 для картины уровня «Набросок» и до 128 для «Безумного». Алгоритм подбирает палитру, которая лучше всего представляет фотографию, а затем сопоставляет каждый пиксель с ближайшим цветом палитры. Именно поэтому у заката получаются тёплые оранжевые, а у снежной сцены — холодные серые: палитра подгоняется под картинку, а не берётся из готовой банки.

Это классическая, хорошо изученная техника — то же семейство алгоритмов, что когда-то ужимало фотографии в 256-цветные GIF. Она детерминирована: одна и та же фотография при одних и тех же настройках каждый раз даёт одну и ту же палитру. Ни случайности, ни догадок о том, как картинка «должна» выглядеть.

Шаг 3: выделяем области

Как только каждый пиксель надел один из нескольких цветов, соседние пиксели одного цвета образуют сплошные фигуры. Обнаружение этих фигур — связных участков одного цвета — превращает плоскую карту цветов в области: те самые пронумерованные зоны, которые вы и будете раскрашивать. Простое фото может дать несколько сотен, подробное — несколько тысяч.

Шаг 4: убираем шум

Реальные фотографии зернистые, и наивный проход оставляет конфетти из одиночных пикселей, которые невозможно раскрасить. Поэтому конвейер наводит порядок: крошечные области поглощаются тем более крупным соседом, на которого они больше всего похожи, края сохраняются чёткими, а не смазанными, а рябь вдоль границ сглаживается. Цель — холст, где каждая область достаточно велика, чтобы её было видно и удобно закрашивать, но без потери деталей, которые делают картинку узнаваемой: тонкого блика в глазу, линии подбородка, черты горизонта.

Шаг 5: рисуем контуры и номера

Наконец, границы между областями становятся контурами, которые вы видите, каждая область помечается своим номером палитры, а сама палитра превращается в ваш цветовой ключ. Результат сохраняется как компактная карта областей плюс палитра и миниатюра — всё необходимое, чтобы отрисовать картину и играть в неё, а также чтобы получить печатный пустой холст, если вам захочется раскрасить его вручную.

Что это значит для вас

Поскольку это детерминированная обработка изображения, а не генеративная модель, отсюда следуют три вещи. Это быстро — секунды, а не минуты. Это точно: результат построен из ваших настоящих цветов и форм, а не из машинного их переосмысления. И это приватно: ваша фотография используется только для того, чтобы построить сцену, удаляется с серверов в течение семи дней и никогда не используется для обучения какой-либо ИИ-модели. Подробности — в нашей Политике конфиденциальности.

Это же объясняет, почему так важна исходная фотография. Алгоритм может работать только с тем цветом и деталями, что действительно есть в вашем изображении — как раз об этом руководство о выборе идеального фото, — и почему выбор уровня детализации на самом деле сводится к тому, сколько областей и цветов вы хотите, о чём рассказывает руководство о том, как число цветов меняет сложность.