El histograma de color es un comportamiento estadístico para una búsqueda o emparejamiento de patrones sólido; sin embargo, han surgido dificultades en su uso para discriminar entre objetos similares. Nuestro método, llamado indexación de color ausente (ABC), describe cómo utilizar colores ausentes o menores como una característica para resolver problemas mientras se reconocen imágenes de manera robusta, incluso aquellas con características de color similares. El enfoque propuesto separa un histograma de color fuente en histogramas de color aparente (AP) y ausente (AB) para proporcionar una forma justa de centrarse en las contribuciones principales y menores juntas. Un umbral para esta separación se obtiene automáticamente a partir del histograma de color medio considerando la significancia estadística de los colores ausentes. Después de que estos hayan sido separados, se realiza una operación de inversión para reforzar el peso de AB. Para equilibrar las contribuciones de los dos histogramas, se utilizan cuatro medidas de similitud como candidatas para combinarse con ABC. Probamos el rendimiento de ABC en términos de la medida F utilizando diferentes medidas de similitud, y los resultados muestran que es capaz de alcanzar valores superiores a 0.95. Experimentos en patrones aleatorios de Mondrian verifican la capacidad de ABC para distinguir objetos similares por margen. Los resultados de experimentos extensos en imágenes del mundo real y bases de datos abiertas se presentan aquí para demostrar que el rendimiento de nuestro algoritmo relativamente simple se mantuvo robusto incluso en casos difíciles.