Color

 

* 이 포스트는 컴퓨터 비젼에 대한 개인 학습용으로 작성한 포스트입니다.

 

 

Color

Color : 여러 가지 정의가 있을 수 있지만, "interaction between physical light in environment & visual system"이라 정의할 수 있다.

 

Color는 Hue, Value, Chroma(Saturation) 3가지 성분으로 나눌 수 있다. Hue는 color의 이름, Value는 color의 밝기정도, Saturation는 color의 pure 정도를 나타낸다.

 

 

 

 

Color mixing : 색을 혼합하는 걸로 Adding과 Multiplying이 있다. Adding은 일반적으로 빛을 혼합하는 것이고, Multiplying은 색을 혼합하는 것이다. (물감을 섞는것은 multiplying과정)

 

 

Linear Color Model

Primary color가 정해졌을 때, 특정 color를 primary color의 linear combination으로 표현함. 

 

CIE RGB Model

: Red, Green, Blue를 645.2nm, 526.3nm, 444.4nm 로 정의하고, 이 것은 pure color이다. 하지만, 가시광선 상의 색을 표현하기 위해서 red term 이 음수가 된다. 

 

 

 

 

CIE XYZ Model

: 위에서 언급한 문제점, red term이 음수가 되기 때문에 x, y, z를 primary로 하여 나타내는 방법이다. CIE RGB Model과 CIE XYZ Model 둘 다 Linear model이기 때문에 선형 변환이 가능하다. 하지만, x, y, z이 무엇을 대표하는지 알기 힘들다.

 

 

 

 

 

sRGB

아래 그림은 color space를 단면으로 자른 것이다. 위에서 언급했듯이, primary color를 어떻게 정의하느냐에 따라 color가 달라진다. Device 마다 기준이 다르면 안되기 때문에 Microsoft에서 sRGB로 기준을 만들었다.

 

 

 

 

sRGB Gamma curve

Display device에 따라, 같은 sRGB라도 다르게 출력된다. 대표적으로 CRT의 경우, CRT gamma curve에 따라 왜곡되어 나타나는데, 이를 미리 보상하기 위해 Gamma correction을 해준다.

 

 

Non-Linear Color Model

대표적인 Non-Linear color space로 HSV (Hue, Saturation, Value)가 있다. Hue는 원형상의 angle로, Saturation은 diagonal까지의 거리, Value는 height으로 표현한다.

 

 

 

이렇게 다양한 Model이 있는데, RGB는 additive system(디스플레이), CMY는 subtractive system(인쇄), HSV는 perceptual space (미술, 심리학, 인지) 등에서 다양한 모델을 사용한다.

 

 

Uniform Color Space

위에서는 물리적인 관점에서 보았을 때의 Model이었다. 아래 그림은 사람이 비슷한 색이라 생각하는 부분을 묶은 것이다. 아래에서 볼 수 있듯이, 사람이 실제 인지하는 색깔의 영역은 다르다는 것을 볼 수 있다.

 

 

 

CIE u'v'

위에서 도시한 similar color의 영역이 비슷해지도록 CIE xyz Model을 transform시킨 것이다.

 

 

 

Viewing colored obejcts

그 전 포스팅 'Radiometry'에서처럼 Color Model도 diffuse와 specular 성분으로 나눌 수 있다. 대부분의 물체의 distribution을 보면 "dog-leg" result로 출력된다. (아래 그림 참고) Specular 성분 (highlight 성분)은 조명에 많은 영향을 받는다.

 

 

 

 

Color & Lightness Constancy

조명이 다르면, 물체로부터 반사되는 빛이 달라져서 다르게 보이게 된다. 하지만, 사람은 조명이 달라지더라도 물체를 보면 크게 달라진 것을 인지하지 않고, 비슷한 색인걸로 인지하게된다. 이를 color constancy라하고, 이를 모델로 simiplify한 것이 lightness constancy이다.

 

Lightness constancy

Constancy를 위해, 두가지 가정을 한다. 조명 정보 (illumination)은 위치에 따라 천천히 변하고, surface reflectance는 위치에 따라 급격히 변한다고 가정한다.

 

 

 

이 가정을 극단적으로 보면, reflectance는 discrete하게, illumination은 continous하다고 볼 수 있고, 이는 미분을 통해 분리를 할 수 있다. 이는 꽤 합리적인 가정으로, 이 방법을 사용하여 아래 그림처럼 조명 정보에 상관없이 물체 정보를 얻어낼 수 있다.