6.4 컬러 공간 변환
6.4.1 컬러 및 컬러 공간
- 색
- 색각으로 느낀 빛에서 주파수(파장)의 차이에 따라 다르게 느껴지는 색상
- 색각: 눈의 감각인 시각 가운데 하나의 감각
- 보통 물체에 닿는 빛은 일부 흡수되고 일부 반사됨
- 반사된 빛을 사람의 눈이 인지하는 것 = 물체의 색
- 색각으로 느낀 빛에서 주파수(파장)의 차이에 따라 다르게 느껴지는 색상
- 가시 광선
- 전체 전자기파 중에서 인간이 인지할 수 있는 약 380nm ~ 780nm 사이의 파장
- 컬러 공간
- 색 표시계의 모든 색들을 색 공간에서 3차원 좌표로 표현한 것 (RGB, CMY, HSV 등)
- 공간상의 좌표로 표현 -> 어떤 컬러와 다른 컬러들과의 관계를 표현하는 논리적인 방법 제공
- 영상처리에서 컬러 공간 다양하게 활용
- 각각의 색상이 다른 객체를 분리하기 위해
- 전선의 연결 오류 검사를 위해
- 기준 색상과 비슷한 색상의 전선인지를 체크하기 위해
- 색상 정보를 이용하여 원하는 물체를 검색하기 위해
6.4.2 RGB 컬러 공간
- RGB 컬러 공간
- 가산 혼합 - 빛을 섞을수록 밝아짐
- 빛을 이용해서 색 생성
- 빛의 삼원색 (빨강, 초록, 파랑)
- 원색: 더 이상 분해할 수 없는 최소한의 색
- black
(0, 0, 0), white(255, 255, 255),
red(255, 0, 0), green(0, 255, 0), blue(0, 0, 255)
- 모니커, TV, 빔 프로젝터 등의 디스플레이 장비들에서 기본 컬러 공간으로 사용됨
6.4.3 CMY(K) 컬러 공간
- CMY 컬러 공간
- 감산 혼합 - 섞을수록 어두워지는 방식
- 색의 삼원색 (청록, 자홍, 노랑)
- 빛의 삼원색과 보색 관계
- 원색들은 흰색으로부터 감산되어 색이 만들어짐
- CMYK 컬러 공간
- 순수한 검정색 사용
- CMY 컬러 모델에 검은색 추가
- 장점: 뛰어난 대비 제공 (검정 잉크가 컬러 잉크보다 비용 낮음)
- CMY -> CMYK 컬러 공간으로 변환하는 수식
blacK = min(Cyan, Magenta, Yellow) Cyan = Cyan - blacK Magenta = Magenta - blacK Yellow = Yellow - blacK
예제 6.4.1) 컬러 공간 변환 (BGR -> CMY)
import numpy as np, cv2
BGR_img = cv2.imread("images/color_model.jpg", cv2.IMREAD_COLOR)
if BGR_img is None: raise Exception("영상 파일 읽기 오류")
white = np.array([255, 255, 255], np.uint8)
# RGB와 CMY는 보색 관계니까 white에서 빼서 보색으로 만들어 줌
CMY_img = white - BGR_img
Yellow, Magenta, Cyan = cv2.split(CMY_img) # 채널 분리
titles = ['BGR_img', 'CMY_img', 'Yellow', 'Magenta', 'Cyan']
for t in titles: cv2.imshow(t, eval(t))
cv2.waitKey(0) 
컬러 영상의 각 채널을 반전해서 CMY_img 행렬을 만든다.
C = 255 - R
M = 255 - G
Y = 255 - B
R = 255 - C
G = 255 - M
B = 255 - Y
예제 6.4.2) 컬러 공간 변환 (BGR -> CMYK)
import numpy as np, cv2
BGR_img = cv2.imread("images/color_model.jpg", cv2.IMREAD_COLOR)
if BGR_img is None: raise Exception("영상 파일 읽기 오류")
white = np.array([255, 255, 255], np.uint8)
CMY_img = white - BGR_img
CMY = cv2.split(CMY_img)
# 원소 간의 최솟값 저장
# 최솟값을 black으로 지정해서 빼줘야 음수값이 나오지 않음
black = cv2.min(CMY[0], cv2.min(CMY[1], CMY[2]))
Yellow, Magenta, Cyan = CMY - black # 3개 행렬 화소값 차분
titles = ['black', ' Yellow', 'Magenta', 'Cyan']
[cv2.imshow(t, eval(t)) for t in titles]
cv2.waitKey(0)
6.4.4 HSI 컬러 공간
- 인간이 컬러 영상 정보를 인지하는 방법
- 색상(Hue), 채도(Saturation), 명도(Intensity, Value)로 분류
- HSI 컬러 공간
- 인간이 색상을 인식하는 3가지 요인인 색상, 채도, 명도를 컬러 공간으로 옮긴 것
- 색상 H - 각도
- 빛이 물체에 반사되어 나온 색
- 파장을 시각적으로 표현한 것
- 원판의 0~360도까지 회전
- 채도 S - 반지름
- 색의 순수한 정도
- 흰색의 혼합 비율에 따라서 0(순도 낮음) ~ 100(순도 높음)
- 빨간색 = 100, 핑크색 = 흰색 비율에 따라 0에 가까워짐
- 명도 I - 원뿔의 높이
- 빛의 세기
- 색의 밝고 어두운 정도
- 가장 아래쪽 0 = 검은색, 가장 위쪽 100 = 흰색
import numpy as np, cv2, math
def calc_hsi(bgr):
# B, G, R = bgr.astype(float) # float 형 변환
B, G, R = float(bgr[0]), float(bgr[1]), float(bgr[2]) # 속도면에 유리
bgr_sum = (R + G + B)
# 색상 계산
tmp1 = ((R - G) + (R - B)) * 0.5
tmp2 = math.sqrt((R - G) * (R - G) + (R - B) * (G - B))
angle = math.acos(tmp1 / tmp2) * (180 / np.pi) if tmp2 else 0
H = angle if B <= G else 360 - angle
S = 1.0 - 3 * min([R, G, B]) / bgr_sum if bgr_sum else 0
I = bgr_sum / 3 # 명도 계산
return (H/2, S*255, I)
# BGR 컬러 -> HSI 컬러
def bgr2hsi(image):
hsv = [[calc_hsi(pixel) for pixel in row] for row in image ] # 2차원 배열 순회
return (np.array(hsv)).astype('uint8')
BGR_img = cv2.imread("images/color_space.jpg", cv2.IMREAD_COLOR) # 컬러 영상 읽기
if BGR_img is None: raise Exception("영상 파일 읽기 오류")
HSI_img = bgr2hsi(BGR_img) # BGR를 HSI로 변환
HSV_img = cv2.cvtColor(BGR_img, cv2.COLOR_BGR2HSV) # OpenCV 함수
Hue, Saturation, Intensity = cv2.split(HSI_img) # 채널 분리
Hue2, Saturation2, Intensity2 = cv2.split(HSV_img) # 채널 분리
titles = ['BGR_img','Hue','Saturation','Intensity']
[cv2.imshow(t, eval(t)) for t in titles]
[cv2.imshow('OpenCV_'+t, eval(t+'2')) for t in titles[1:]] # OpenCV 결과 영상 표시
cv2.waitKey(0)
RGB에서 HIS 컬러 공간으로 변환이 필요한 시점
- 색상 조정
- 명도 조절
- 이미지 필터링
🌱