Digital Image ProcessingDigital Image Processing
6. Color Transforms
Computer Engineering, Sejong University
비선형 색 공간(Non linear color space)비선형 색 공간(Non-linear color space)
인간 눈의 시각 특성을 반영인간 눈의 시각 특성을 반영
• 균등(uniform) 색 공간을 위해 도입
• 인간이 느끼는 색의 차이가 색 공간에서의 거리 차이와 비례하도록인간이 끼는 색의 차이가 색 공간에서의 거리 차이와 비례하 록함
M llMunsell• 색을 광원의 색이 아닌 물체의 표면색(Surface color)로 표현
• 정확한 표면색을 표현하기 위해서는 고정된 조명 환경에서 측정• 정확한 표면색을 표현하기 위해서는 고정된 조명 환경에서 측정필요
HSI Color space(HSI 색 공간)• 색을 Hue(색상), Saturation(채도), Intensity(명도)로 표현
XYZ l 와 비선형 함수 관계• XYZ color space와 비선형 함수 관계
2/39
Munsell의 색 입체Munsell의 색 입체
• Color = Hue(H) + Saturation(S) + Intensity(I)White
• Color = Hue(H) + Saturation(S) + Intensity(I)
5R 10R10RP1 2
34
67
89
10R
5YR
10YR10P
5RP
10RP
Red
Red
Purp
leYellowRed
5R6/10YR6/12
5Y
10Y10PB
5P
Yello
wG
Yel
ple
ue
Purp
le
5R5/125GY
10GY10B
5PB
Gre
en
llow
Green
BlueGreenBlue
Purp blu
5R4/14 5G
10G5BG
10BG
5B
Blue
3/39
Black Hue Value
명도(Intensity)명도(Intensity)
• white : 10 , black : 0 사이 값으로 표현
4/39
색상(Hue)• 전체 영역을 인간이 가장 잘 인지하는 5개의 principal
색상(Hue)
hues (5P, 5B, 5G, 5Y, and 5R )로 나눔
5R 10R10R5YR
10YR
5Y5P
5G5B
5/39
Hue circle in the Munsell system
채도(Saturation)
채도가 높아짐에 따라서 순색이
채도(Saturation)
• 채도가 높아짐에 따라서 순색이
되며 채도가 낮을 수록 흰색이
섞임섞임
• 시각적으로 일정한 차이 값을
갖도록 배치갖도록 배치
• 명도와 색상 값에 의해서 최대
명도
채도 값이 달라짐
• Ex. 5R,5Y and 5YR :14
5RP :12
5BG : 8 5BG : 8
채도
6/39
a Intensity/Saturation plane
of constant hue
은무슨색입니까 ?은무슨색입니까 ?Munsell 기호 7.5YR 7/12
7/39
RGB, HSI Color Model
8/39
HSI C l M d lHSI Color Model
9/39
RGB to HSIRGB to HSI
RGB 신호와 HSI 신호의 관계식은
⎨⎧ ≤
=GBif
Hθ
RGB 신호와 HSI 신호의 관계식은
⎩⎨ >− GBif
Hθ360
⎫⎧ −+−1 )]()[(50 BRGR
θ 값은 d 축을 기준으로 측정
⎭⎬⎫
⎩⎨⎧
−−+−+
= −2/12
1
)])(()[(
)]()[(5.0cos
BGBRGR
BRGRθ
θ 값은 red 축을 기준으로 측정
)],,[min()(
31 BGR
BGRS
++−=
)(3
1BGRI ++=
)( BGR ++
RGB 값은 [0,1] 사이의 값으로 정규화 됨
RGB 색 공간과의 비선형 함수로 HSI 색 공간이 결정됨
3
10/39
RGB 색 공간과의 비선형 함수로 HSI 색 공간이 결정됨
HSI 색 공간
색을 인간이 이해하기 쉽도록 표현
색상(Hue) 성분은 칼라 스펙트럼을 표현
녹색 오렌지 등의 색(C l ) 정보 표현– 녹색, 오렌지 등의 색(Color) 정보 표현
채도(S t ti ) 성분은 색의 순도를 표현채도(Saturation) 성분은 색의 순도를 표현
– 색에 흰색이 섞인 정도를 표현
핑크는 빨강에 비해서 흰색이 많이 섞임– 핑크는 빨강에 비해서 흰색이 많이 섞임
명도(Intensity) 성분은 색의 밝기를 표현명도(Intensity) 성분은 색의 밝기를 표현
– 계조 영상의 밝기 성분과 일치
광원이 아닌 표면색(Surface color)의 표현에 적합
11/39
HSI C l E lHSI Color Example
12/39
Color image and its componentsg p
13/39
Color image and its componentsg p
14/39
균일 색 공간(Uniform color space)( p )
MacAdam(1942)의 실험 결과 xy 좌표계의 거리 차이가 인간이느끼는 색의 차이와 일치하지 않음느끼는 색의 차이와 일치하지 않음
새로운 좌표계의 도입 필요새로운 좌표계의 도입 필요
– 시각적 색의 차이가 좌표계에서 거리에 비례해서 균등하게나타나도록 변환한 색 공간 필요나타나도록 변환한 색 공간 필요
=> 균일 색 공간(Uniform color space) 도입
15/39
MacAdam의 타원xy 좌표계에서 시각 특성상 동일한 색차로 느끼는 좌표 범위를연결한 결과 타원의 형태를 나타냄(왼쪽 그림)오른쪽 그림은 이를 시각적으로 잘 보여질 수 있도록 좌표 범위를10배 확대한 그림
의 타원 같 기의 원uniform color space => MacAdam의 타원을 같은 크기의 원을갖도록 변형
16/39
균일 색 공간(Uniform color space)
(1) CIE 1960 UCS di ( 좌표계)
균일 색 공간(Uniform color space)
ZYX
Xu
315
4
++=
Y6
(1) CIE 1960 UCS diagram(uv좌표계)
0.7
0.8 520
0 4 550nm
ZYX
Yv
315
6
++=
0.5
0.6
500nm
0.4
0.3
650nm600nm
550nm
0.3
0.4y
625
0.2
v
0.1
0.2
460
0.1
450nm
0.1 0.20 0.3 0.4 0.5 0.6 0.70
x
460
MacAdam’s ellipses of equallyperceptible color differences. (Ellipses
u0.10
00.2 0.4 0.5 0.60.3
CIE 1960 uv UCS diagram
17/39
perceptible color differences. (Ellipsesare 10 times their actual length)
균일 색 공간(Uniform color space)
(2) CIE 1976 UCS diagram(u’v’ 좌표계) : uv 좌표계를 v축으로 1 5배 확대
균일 색 공간(Uniform color space)
(2) CIE 1976 UCS diagram(u v 좌표계) : uv 좌표계를 v축으로 1.5배 확대
ZYX
Xu
315
4
++=
650nm
600nm
550nm
500nm
0.5
0.6
550
ZYX
Yv
315
9
++=
0.4
v'
500nm
0.4
0.3
650nm600nm
550nm
0.2
0.3
0.2
v
450nm
0 0
0.10.1
0450nm
0.1 0.2 0.4 0.5 0.60.3u'
0.00.0
CIE 1976 u’v’ UCS diagram
u0.10
00.2 0.4 0.5 0.60.3
CIE 1960 uv UCS diagram
18/39
gg
균일 색 공간(Uniform color space)(3) CIE 1964 U*V*W* diagram : uv 좌표계의 3차원 직각좌표계 표현
균일 색 공간(Uniform color space)
)uu(WU n−= ∗∗ 13
)vv(WV n−= ∗∗ 13
1725 31 −=∗ /YW
un, v n : 기준 백색의 u, v
19/39
U*V* chromatic diagram at W*=50
균일 색 공간(Uniform color space)(4) CIE 1976 L*u*v* diagram : U*V*W* space의 V* scale을 50% 확장
균일 색 공간(Uniform color space)
161163/1
−⎟⎟⎠
⎞⎜⎜⎝
⎛=∗
nY
YL ⎟⎟
⎠
⎞⎜⎜⎝
⎛=∗
nYY
.L 3903 For Y/Yn< 0.008856
⎠⎝
)vv(Lv
)uu(Lu
n
n
′−′=
′−′=∗∗
∗∗
13
13
L* v*
)( n
u*
20/39
Sketch of CIE 1976 L*u*v* color spaceMacadam’s ellipses ploted in u*v* cross section of the CIE 1976 L*u*v* uniform color space
균일 색 공간(Uniform color space)(5) CIE 1976 L*a*b* diagram
균일 색 공간(Uniform color space)
−⎟⎟⎠
⎞⎜⎜⎝
⎛=∗
nYY
fL 16116
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛−⎟⎟
⎠
⎞⎜⎜⎝
⎛=
⎠⎝
∗
nn
n
YY
fXX
fa 500
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛−⎟⎟
⎠
⎞⎜⎜⎝
⎛=∗
nn ZZ
fYY
fb 200
31/q)q(f = 0088560.q>
16 0088560
for
116
167877 += q.)q(f 0088560.q ≤for
Sketch of CIE 1976 L*a*b* uniform color space with outer boundary generated byoptimal stimuli with respected to CIE standard illuminant D65 and CIE 1964 supplementary
21/39
optimal stimuli with respected to CIE standard illuminant D65 and CIE 1964 supplementary standard observer
균일 색 공간(Uniform color space)CIE 1976 L*a*b* diagram 가장 많이 사용되는 niform color space
균일 색 공간(Uniform color space)
-가장 많이 사용되는 uniform color space- 인간의 시각 특성을 가장 잘 표현- 인간이 느끼는 색의 차이가 L*a*b* 색공간에서 가장 효과적으로 표현
22/39
Munsell 계 색의 CIE 색좌표계 표현
L*u*v* 좌표계
xy 좌표계y 좌 계
23/39 L*a*b* 좌표계
Pseudo-color Image ProcessingPseudo color Image Processing
특정 기준에 따라서 흑백 영상에 컬러를 할당하는 기법특정 기준에 따라서 흑백 영상에 컬러를 할당하는 기법
• 인간으로 하여금 시각적인 인지를 강조하기 위해 사용
• 명암의 구분을 뚜렷하게 하기 위함명암의 구분을 뚜렷하게 하기 위함
• 처리 기법 : – Intensity slicing– Gray level to color transform
24/39
Pseudo-color Image ProcessingPseudo color Image Processing
명도 분할(Intensity slicing)명도 분할(Intensity slicing)• 특정 명도 값이나 영역에 특정 컬러를 할당
kk Vyxfifcyxf ∈= ),(),(
25/39
Intensity slicing의 예Intensity slicing의 예
26/39
Intensity slicing의 예Intensity slicing의 예
27/39
Pseudo-color Image ProcessingPseudo color Image Processing
Gray level to color transformGray level to color transform• 특정 입력 화소의 밝기 값에 서로 다른 컬러 변환을 수행
• 그 결과를 R, G, B 영상으로 제공결과를 , G, 영상 제공
• 각 컬러별 변환식, 변환 방법에 따라서 다양한 영상 도출 가능
28/39
Gray level to color transform 의 예Gray level to color transform 의 예
29/39
Full-color Image ProcessingFull color Image Processing
컬러 영상 처리 기법컬러 영상 처리 기법
• Individual component based processing– 컬러 영상을 각각의 성분으로 분해(예: RGB, HSI)컬러 영상을 각각의 성분 분해(예 G , )– 각 성분에 대해서 기존의 영상 처리 기법 적용
– 최종 결과를 다시 합성하여 컬러 영상 생성
• Vector-based processing – 컬러 영상을 벡터로 처리
벡터 연산을 이용해 직접 컬러 영상에 대한 처리 수행– 벡터 연산을 이용해 직접 컬러 영상에 대한 처리 수행
30/39
Full-color Image ProcessingFull color Image Processing
Individual component based processingp p g
Vector-based processing
31/39
Component based processingComponent based processing보색 관계(Color complements)
32/39
Component based processingComponent based processingColor correction
33/39
Component based processingComponent based processingHistogram Processing
34/39
Component based processingComponent based processingColor image smoothing
Color image and RGB space image G pa agcomponents
35/39
Component based processingp p gColor image smoothing
HSI space image components
36/39
Component based processingp p gImage segmentation
37/39
Vector-based processingp gImage segmentation
38/39
Full-color Image ProcessingFull color Image Processing
Individual component based processingp p g
Vector-based processing
39/39
Top Related