색상 매핑: 컴퓨터 비전의 시각적 인식 및 분석 탐구

By Fouad Sabry

색상 매핑이란

이 기능은 이미지 색상 전송으로 알려져 있으며, 한 이미지(소스)의 색상을 이미지에 매핑(변환)하는 역할을 합니다. 다른 이미지(대상)의 색상. 색상 매핑은 매핑 기능을 생성하는 알고리즘이나 이미지의 색상을 변경하는 방법으로 참조할 수 있습니다. 사진 수정 프로세스를 흔히 색상 전송이라고 하며, 회색조 사진이 포함된 경우 밝기 전송 기능(BTF)이라고 합니다. 또한 광도 측정 카메라 교정 또는 방사 측정 카메라 교정이라고도 합니다.

혜택을 받는 방법

(I) 다음에 대한 통찰력 및 검증 다음 주제:

1장: 이미지 색상 전송

2장: 감마 보정

3장: 색상 관리

4장 : 색상 히스토그램

5장: 셰이더

6장: 톤 매핑

7장: 이미지 히스토그램

8장: 색상 보정

9장: 색상 양자화

10장: 이미지 수정

(II) 색상 매핑에 관한 대중의 주요 질문에 답합니다.

(III) 다양한 분야에서 색상 매핑을 사용하는 실제 사례.

이 책은 누구를 위한 책인가요?

전문가, 학부 및 대학원생, 열성팬 , 애호가, 모든 종류의 컬러 매핑에 대한 기본 지식이나 정보를 넘어서고 싶은 사람들.

 

 

• Language: 한국어
• Publisher: 10 억 지식이 걸립니다 [Korean]
• Release date: Apr 30, 2024

Book preview

1 장 : 이미지 색상 전송

한 이미지(소스)의 색상은 다른 이미지(대상)의 색상으로 전송됩니다. 매핑 함수를 생성하거나 이미지의 색상을 변환하는 프로세스를 색상 매핑이라고도 합니다. 컬러 전송 또는 그레이스케일 사진의 밝기 전송 함수(BTF)는 이미지 변경 프로세스의 한 이름입니다. 다른 이름으로는 측광 카메라 보정 및 방사 카메라 보정이 있습니다.

이미지 색상 전송이라는 용어는 가장 널리 사용되는 알고리즘이 색상뿐만 아니라 음영도 전송하기 때문에 다소 오해의 소지가 있습니다. (실제로 노란색으로 변경된 이미지 내의 작은 주황색 영역을 제외하고 이 페이지에 제공된 샘플은 대부분 음영을 전달합니다.)

사진 간에 색상을 전송하는 알고리즘은 미리 결정된 픽셀 대응 또는 두 이미지에 있는 색상의 통계에 의존할 수 있습니다. 셋째, 사용자 지원 방법은 Faridul 및 다른 사람들에 의해 포괄적인 검토에서 확인되었습니다.

히스토그램 매칭은 그림의 통계적 특징을 활용하는 방법입니다.

이것은 구식 색상 이동 알고리즘이지만 때로는 지나치게 정확하여 대상 이미지를 일반적인 색상 특성 대신 가장 작은 색상 세부 사항까지 복제하여 색수차를 유발하는 불행한 부작용이 있습니다.

최근에 개발된 통계 기법은 이 문제를 해결합니다.

이러한 기술 중 하나는 각 입력 이미지 채널을 정규화하여 평균과 표준 편차가 참조 이미지의 해당 입력 채널과 동일하도록 하는 것입니다.

이 조정 프로세스는 일반적으로 Lαβ 또는 Lab 색상 공간에서 수행됩니다.

색상 변환 기술에 대한 개요를 제공합니다.

비디오에서 색상을 전송하기 위한 Neural style transfer와 같은 딥 러닝 방법도 논의됩니다.

색 전사 처리에는 (1) 시각적으로 호환되도록 두 이미지의 색상을 수정하는 것과 (2) 두 개 이상의 샘플 이미지를 사용하여 추가 처리를 위해 두 카메라의 색상을 보정하는 두 가지 주요 응용 분야가 있습니다.

컴퓨터 비전 응용 분야에서 색상 보정은 전처리 파이프라인에서 중요한 단계입니다. 한 번에 많은 사진을 처리하기 때문에 많은 프로그램에서 색상 보정이 필요합니다. 이미지 차별화, 정합, 객체 인식, 다중 카메라 추적, 공동 분할 및 스테레오 재구성은 모두 이러한 응용 프로그램의 예입니다.

이미지 색상 전송이 다른 컨텍스트에서 사용될 수 있다고 제안되었습니다.

여기에는 유명한 그림과 같은 인정된 출처의 색상 팔레트를 함께 사용하는 것과 '포스터라이즈', '솔라라이즈' 및 '그라디언트'와 같은 상업용 이미지 처리 응용 프로그램에서 일반적으로 볼 수 있는 색상 수정 방법에 대한 추가 대안으로 사용하는 것이 포함됩니다.

이러한 옵션을 조사하려면 웹 도구를 사용할 수 있습니다.

이 기사는 Reinhard et al.의 기초 연구에서 사용된 용어를 따르지만, 저자는 소스 이미지를 색상이 대상 이미지로 향하는 것으로 생각하는 것이 더 직관적이라고 주장합니다. Adobe의 Photoshop 색상 일치 기능은 색상 참조 이미지를 소스로 참조합니다. 일부 결함이 있는 프로그램은 이 언어에 대한 오해로 인해 배포된 후 야생에 들어갔습니다. 입력 그림 또는 기본 이미지, 색상 소스 이미지 또는 색상 팔레트 이미지와 같은 용어를 사용하면 나중에 문제를 해결하는 데 도움이 될 수 있습니다.

{챕터 1 종료}

제 2 장: 감마 보정

감마 또는 감마 보정은 비디오 및 스틸 이미지 시스템에서 휘도 또는 삼자극 값을 인코딩 및 디코딩하는 데 사용되는 비선형 프로세스입니다. 가장 간단한 형태로, 감마 보정은 멱법칙 표현식으로 정의됩니다.

{\displaystyle V_{\text{out}}=AV_{\text{in}}^{\gamma },}

여기서 음수가 아닌 실제 입력 값을 V_{{\text{in}}} 거듭제곱 \gamma 하고 상수 A를 곱 하여 출력 값을 얻습니다 V_{{\text{out}}} .

A = 1,의 가장 빈번한 값의 경우, 일반적으로 입력 값과 출력 값은 0-1 범위에 있습니다.

감마 값은 \gamma <1 때때로 인코딩 감마라고 불리 며, 인코딩에서 이러한 압축 멱법칙 비선형성을 사용하는 것을 감마 압축이라고 하며, 반대로 감마 값을 \gamma >1 디코딩 감마라고 하며, 또한 비선형 멱법칙 확장의 사용을 감마 확장이라고 합니다.

인간이 빛과 색을 인식하는 비선형 방식을 사용하는 이미지의 감마 인코딩은 이미지를 인코딩할 때 비트 소비를 최적화하거나 이미지를 전송하는 데 사용되는 대역폭을 최적화하는 데 사용됩니다. 그렇기 때문에 축소된 버전에서 원본 이미지를 가장 잘 보여주는 방법을 결정하는 데 많은 창의적인 에너지가 필요합니다. 콘트라스트 선택이라고도 하는 감마 보정은 최종 결과물을 미세 조정하기 위한 사진작가의 툴킷에 있는 도구입니다.

전자 센서는 디지털 카메라에서 빛을 기록하는 데 사용되며 일반적으로 선형으로 반응합니다. 색 공간 변환 및 렌더링 변환은 선형 원시 데이터를 표준 RGB 데이터로 변환하는 과정(예: JPEG 이미지 형식으로 저장)에서 수행됩니다. 특히, 사진 복제에서 원색의 강도는 거의 모든 표준 RGB 색 공간 및 파일 형식에서 비선형적으로(감마 압축을 통해) 인코딩됩니다. 또한, 톤 재생 비선형성은 계획된 재생과 측정된 장면 강도 사이에 존재합니다.

감마 이론은 모든 종류의 비선형 연결을 분석하는 데 사용할 수 있습니다.

멱법칙 관계의 경우 {\displaystyle V_{\text{out}}=V_{\text{in}}^{\gamma }} 로그 스케일에서 곡선은 일정한 감마 등기울기를 갖는 직선으로 보입니다.

{\displaystyle \gamma ={\frac {\mathrm {d} \log(V_{\text{out}})}{\mathrm {d} \log(V_{\text{in}})}}.}

로그 좌표축에 입력-출력 그래프를 플로팅하는 경우 그래프의 기울기는 감마에 대응됩니다. 이 기울기는 멱법칙 곡선에 대해 일정하지만 감마(더 정확하게는