有几种方法我可以想到如何做到这一点。下面的代码片段使用colorir库

1.根据感知距离对颜色进行分组

>>> from colorir import *
# These are the categories we want to fit the colors in
# You can use anything here, I just sampled a few CSS colors
>>> tints_dict = {  
    'red': '#ff0000',
    'yellow': '#ffff00',
    'green': '#00ff00',
    'blue': '#0000ff',
    'black': '#000000',
    'white': '#ffffff'
}
>>> tints = Palette('tints', **tints_dict)

# Now to get the tint of a given color:
>>> tints.most_similar('#9c2b2b')
HexRGB('#ff0000')  # Pure red
# If you want its name:
>>> tints.get_names(tints.most_similar('#9c2b2b'))[0]
'red'

这种方法的问题是，我不认为你对“色调”的定义与色距的定义是一样的（这本身就很有争议，见this）。
这意味着，如果我们向'tints'数据集添加紫色，例如'#800080'，palette.most_similar('#9c2b2b')将返回'#800080'。
这是因为'#9c2b2b'的感知亮度更接近我们的紫色，而不是红色。一个可能的解决方法是只使用类似亮度的参考“色调”。

2.按色相分组颜色

然而，这种解决方案可能更合适。
在这里，我们只关注它们的色调分量，而不是根据整体相似性对颜色进行分组。色调是颜色的“颜料”，也是HSL和HSV颜色系统的组成部分之一。

>>> def closest_hue(target, tints):
    # Interprets input target as hex string, convert to HSL and get hue component
    target_hue = HexRGB(target).hsl()[0]  
    closest = (None, 180)
    for color in tints:
        hue = color.hsl()[0]
        hue_dist = (min(target_hue, hue) - max(target_hue, hue)) % 360
        if hue_dist < closest[1]:
            closest = (color, hue_dist)
    return closest[0]

>>> closest_hue('#9c2b2b', tints)  # 'tints' is the same palette defined previously
HexRGB('ff0000')  # Pure red

这种方法的缺点，正如在原始帖子的评论中提到的，是它不能识别接近黑色，白色或灰色的颜色。
你也可以合并的方法，并说，对于混合，颜色非常接近黑色或白色应该与这些分组，但否则，他们应该按色调排序。由于这个问题没有单一的答案，你真的必须用我描述的方法来试验，看看什么最适合你。