Computer Vision - Color

Color

• Color: 카메라 센서가 가지는 가장 독특한 특징
  • 사람의 눈과 동일하게 데이터 표현 가능
  • 색은 상대적인 정보이기 때문에 패턴 인식 관점에서는 비효율적인 정보
  • 빛을 정량적으로 표현하는 방법: HSV, RGB Color model
• 시신경
  • 시신경에는 색을 구분하는 세포 cone이 존재한다.
    • L(red), M(green), S(blue) 세포들은 $10:5:1$ 비율로 존재한다.

빛의 물리학

• Spectrum
  • 전자기 스펙트럼으로 파장에 따른 색을 표현할 수 있다.
  • 환경에 따라 인식되는 색을 간단하게 설명할 방법은 없다.
    • 유용한 제약 조건: 정규분포를 가진 물리적 스펙트럼만 고려하는 것
      
    • Phothons: 빛의 양, 클수록 밝은 것
    • Mean: 특정 빛, 어느 빛이 많이 들어오는가
    • Variance: Saturation, 해당 빛으로 얼마나 몰려 있는가, 얼마나 선명한가
    • Area: Brightness, Values, Intensity
• The Physics of Light
  • 빨간색 레이저 포인터는 긴 파장 쪽에 좁은 영역으로 그래프가 형성된다.
  • 백색 형광등은 넓은 영역에 골고루 그래프가 형성된다.

선형 색공간

• RGB color model: 사람의 시신경과 동일하게 빛의 삼원색으로 표현하여 계산이 용이하다.
  • 삼원색의 값이 주어졌을 때 색을 표현하는 방법
    $\text{color}=\alpha R+\beta G+\gamma B$
    $0 \leq {\alpha, \beta, \gamma} \leq 1$
  • 길이가 1인 정육면체로 색을 표현할 수 있다.
    • $[0, 255] \rightarrow [0, 1.0]$
    • Gray scale: $(h, w, 1)$
    • Color: $(h, w, 3)$
    • $(0, 0, 0)$과 $(1.0, 1.0, 1.0)$을 연결하는 직선은 gray scale을 의미한다.
      
  • RGB 모델 영상 표현
    • 한 픽셀의 값 $f(i, j)=[r, g, b]$로 표현할 수 있다.
    • 각 채널은 $f_r, f_g, f_b$로 표현한다.
    • 흰색 이미지는 R, G, B 모두에서 흰색, 즉 255로 표현된다.
• HSI color model: 이중 콘으로 색을 표현하는 비선형 색공간
  

Computer Vision에서 color의 쓰임

• Color histograms는 image matching에 사용된다.
  • 조명의 영향으로 더이상 많이 사용하지 않는다.
• Image Segmentation
  • Color 정보가 가장 많이 사용되는 분야
  • text 정보, 깊이 정보와 융합하여 사용된다.
• Skin detection(비효율적)
• Robot 스포츠
• 유니폼 추적에 용이하지만 찾고 싶은 대상의 색을 알아야 하기 때문에 제한적이다.